Escolar Documentos
Profissional Documentos
Cultura Documentos
Ambientais
Prof. Luis Augusto Ebert
Prof.ª Rafaela Tamara Marquardt
2015
Copyright © UNIASSELVI 2015
Elaboração:
Prof. Luis Augusto Ebert
Prof.ª Rafaela Tamara Marquardt
310.7
E16eSilva, Igor de Oliveira Insaurriaga
Estatística e indicadores ambientais/ Luis Augusto Ebert,
Rafaela Tamara Marquardt. Indaial : UNIASSELVI, 2015.
204 p. : il.
ISBN 978-85-7830-907-7
1. Estatística.
I. Centro Universitário Leonardo Da Vinci.
Impresso por:
Apresentação
Ao realizar e comparar uma pesquisa, nós necessitamos de parâmetros
para tal comparação. E a melhor forma de fazê-la é através da estatística,
que aplicamos a ela. Através de coleta de dados, informações pertinentes à
pesquisa, podemos aferir tais valores. E é isso sobre que a disciplina trata,
contudo, não é algo complexo, pois realizamos o planejamento e a ordenação
de todos os dados, e assim aplicamos vários modelos estatísticos.
III
NOTA
Você já me conhece das outras disciplinas? Não? É calouro? Enfim, tanto para
você que está chegando agora à UNIASSELVI quanto para você que já é veterano, há
novidades em nosso material.
O conteúdo continua na íntegra, mas a estrutura interna foi aperfeiçoada com nova
diagramação no texto, aproveitando ao máximo o espaço da página, o que também
contribui para diminuir a extração de árvores para produção de folhas de papel, por exemplo.
Todos esses ajustes foram pensados a partir de relatos que recebemos nas pesquisas
institucionais sobre os materiais impressos, para que você, nossa maior prioridade, possa
continuar seus estudos com um material de qualidade.
IV
V
VI
Sumário
UNIDADE 1 – O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE
DE DADOS ................................................................................................................. 1
VII
4.2.3 Ogiva ...................................................................................................................................... 37
RESUMO DO TÓPICO 3 .................................................................................................................... 38
AUTOATIVIDADE .............................................................................................................................. 39
VIII
3.3 VARIÂNCIA OU QUADRADO MÉDIO .................................................................................. 83
3.4 COEFICIENTE DE VARIAÇÃO (C.V.) ...................................................................................... 84
3.5 ERRO-PADRÃO DA MÉDIA – s X ........................................................................................ 84
3.6 ERRO-PADRÃO DE PERCENTAGEN – S (P) . ........................................................................ 85
3.7 SEPARATRIZES ............................................................................................................................ 86
3.7.1 Quartis . ................................................................................................................................. 86
3.7.2 Decis ...................................................................................................................................... 89
3.7.3 Centis ..................................................................................................................................... 90
3.8 BOX PLOT (QUANTIL) ............................................................................................................... 92
RESUMO DO TÓPICO 1 .................................................................................................................... 94
AUTOATIVIDADE .............................................................................................................................. 95
IX
ANEXOS ................................................................................................................................................. 146
X
UNIDADE 1
OBJETIVOS DE APRENDIZAGEM
A partir dessa unidade, você estará apto(a) a:
PLANO DE ESTUDOS
Essa primeira unidade de estudo está dividida em seis tópicos. Você
encontrará, ao final de cada um deles, uma leitura complementar e atividades
que contribuirão para a compreensão dos conteúdos abordados
1
2
UNIDADE 1
TÓPICO 1
1 INTRODUÇÃO
Como acadêmico(a), você precisa conhecer alguns conceitos, de onde
derivam, quais são suas aplicações, e na estatística não é diferente, pois, como
dizem, “todo prédio deve ter um bom fundamento”.
Portanto, nesta unidade, você terá uma noção de alguns conceitos básicos
aplicados à estatística, bem como um breve histórico na leitura complementar.
3
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
4
TÓPICO 1 | CONCEITOS APLICADOS À ESTATÍSTICA
NOTA
Vamos a eles:
5
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
6
TÓPICO 1 | CONCEITOS APLICADOS À ESTATÍSTICA
Nominal
Qualitativa
Ordinal
Variável
Aleatória
Discreta
Quantitativa
Contínua
LEITURA COMPLEMENTAR
HISTÓRIA DA ESTATÍSTICA
8
TÓPICO 1 | CONCEITOS APLICADOS À ESTATÍSTICA
9
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
Três anos depois de Pascal ter previsto que a “aliança do rigor geométrico”
com a “incerteza do azar” daria lugar a uma nova ciência, Christiaan Huygens
(1629-1695) publicou o trabalho denominado “De Raciociciis in Ludo Aleae”, que é
considerado o primeiro livro sobre o Cálculo de Probabilidades. Além disso, ainda
teve a notável particularidade de introduzir o conceito de esperança matemática.
10
TÓPICO 1 | CONCEITOS APLICADOS À ESTATÍSTICA
através do teorema que leva seu nome e do postulado que tantas vezes se lhe
associa, a primeira tentativa de matematização da inferência Estatística. Mesmo
sem ter publicado nenhum trabalho com seu nome, em 1742 Thomas Bayes foi
eleito membro da Royal Society of London.
Com Lambert Adolphe Jacques Quetelet, por sua vez, inicia-se a aplicação
aos fenômenos sociais. O seu escrito “Sur l’homme et le développement de ses
facultés” foi publicado em segunda edição com o título “Physique sociale ou
Essai sur le développement des facultés de l’homme”, que incluía pormenorizada
análise da teoria da probabilidade. Quetelet introduziu também o conceito de
“homem médio” e chamou particular atenção para a notável consistência dos
fenômenos sociais. Por exemplo, mostrou que fatores como a criminalidade
apresentam permanências em relação a diferentes países e classes sociais.
11
RESUMO DO TÓPICO 1
Neste tópico você viu que:
12
AUTOATIVIDADE
13
14
UNIDADE 1
TÓPICO 2
MÉTODOS ESTATÍSTICOS
1 INTRODUÇÃO
Neste tópico, você irá perceber que estatística não é um cálculo fixo,
dependendo do que você realizará, ou a forma que conduzirá seu experimento,
irá também alterar o curso de seus cálculos.
2 MÉTODOS
Quando você se prepara para viajar, você se organiza, coloca a roupa na
mala e, sem querer, está seguindo um método para que não se esqueça de nada.
15
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
16
TÓPICO 2 | MÉTODOS ESTATÍSTICOS
• Dados contínuos - estes dados são obtidos de algum tipo de medição: altura,
peso, pressão arterial, temperatura corporal.
• Escores - são usados quando não é possível fazer medições diretas. Em sua
forma mais simples, estes sistemas numéricos classificam uma característica
em diversas categorias segundo a opinião de um indivíduo. Por exemplo, a
dor de um ferimento pode ser classificada como leve, moderada ou severa,
podendo ser designado um valor numérico a cada categoria. Deve ser notado
que estas escalas são subjetivas.
17
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
Com a diferença das médias, pode-se saber qual o efeito mínimo a ser
detectado pelo estudo.
Eis a fórmula:
Sendo:
Zα: valor de Z na curva normal segundo α (geralmente bicaudal).
Zβ: valor de Z na curva normal segundo β (sempre unicaudal).
Sa: desvio-padrão no grupo a.
Sb: desvio-padrão no grupo b.
Xa − Xb : diferença mínima a ser detectada no estudo.
Z pa qa pb qb Z 2 p0 q0
n
p
2
a
pb
18
TÓPICO 2 | MÉTODOS ESTATÍSTICOS
Onde:
4 Z2 S2
Eis a fórmula: n
2 ME
2
Onde:
Zα: valor de Z na curva normal segundo α (geralmente bicaudal).
S: desvio-padrão da variável.
ME: margem de erro máximo tolerável em relação ao parâmetro.
19
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
4Z2 pq
p
Segue a fórmula: n
2 ME
2
Onde:
Zα: valor de Z na curva normal segundo α (geralmente bicaudal).
p: estimativa inicial da proporção.
q: complemento de p, ou seja, (1-p).
ME: margem de erro máximo tolerável em relação ao parâmetro.
20
RESUMO DO TÓPICO 2
Neste tópico você viu que:
• A coleta de dados pode ser direta, ou seja, quando feita sobre elementos
informativos de registro obrigatório ou coletados pelo próprio pesquisador,
podendo ser contínua, periódica ou ocasional; e indireta, ou seja, quando é
feita com base em elementos já pesquisados (revista, jornal, livros etc.).
• Dependendo da estatística que você irá aplicar, o tamanho amostral vai variar
entre o analítico e o descritivo.
21
AUTOATIVIDADE
22
UNIDADE 1
TÓPICO 3
APRESENTAÇÃO DE DADOS
1 INTRODUÇÃO
Gráficos, como equações e tabelas, mostram como se relacionam duas ou
mais grandezas físicas. Como investigar quais são as relações existentes entre as
grandezas constitui grande parte do trabalho, tanto experimental como teórico,
em física; equações, tabelas e gráficos são importantes ferramentas.
Neste tópico, você irá ver como se monta uma tabela de dados, bem como
as diversas formas que se apresentam os gráficos.
2 TABELAS ESTATÍSTICAS
De acordo com Almeida, Araújo e Ramos (2009), a apresentação tabular é
uma apresentação numérica dos dados. Consiste em dispor os dados em linhas
e colunas distribuídos de modo ordenado, segundo algumas regras práticas
adotadas pelos diversos sistemas estatísticos. As regras que prevalecem no Brasil
foram fixadas pelo Conselho Nacional de Estatística.
23
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
E
IMPORTANT
24
TÓPICO 3 | APRESENTAÇÃO DE DADOS
Anos Quantidade
2012 14
2013 20
2014 05
FONTE: O autor
Estados Quantidade
Pará 2.458
São Paulo 3.587
Minas Gerais 7.598
FONTE: O autor
Espécies Quantidade
Cedrela fissilis 2.458
Ocotea porosa 3.587
Nectandra lanceolata 7.598
FONTE: O autor
25
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
4º) Série mista: é a junção de duas ou mais séries simples (geográfica, especificativa
ou temporal)
Anos
Municípios
2011 2012 2012 2014
Florianópolis 4 - 14 5
Blumenau 8 14 11 -
Tijucas 7 13 8 4
Lajes - 5 12 3
26
TÓPICO 3 | APRESENTAÇÃO DE DADOS
Número de Empresas
Nº de acidentes (Xi)
(fi)
0 35
1 20
2 14
3 18
4 06
5 ou mais 38
Total 131
Vamos ao exemplo:
27
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
Notas fi
0 I--- 10 4
10 I--- 20 5
20 I--- 30 6
30 I--- 40 8
40 I--- 50 12
50 I--- 60 7
60 I--- 70 5
70 I--- 80 3
Total 50
NOTA
fi é a frequência absoluta das classes, ou seja, quantas vezes ele aparece dentro
dessa classe.
0 2 3 9 11 12 13 15 17 20
22 22 22 26 29 30 32 33 34 35
36 37 39 40 40 41 41 42 42 43
44 45 45 46 47 50 50 50 52 56
57 9 60 62 66 67 69 70 75 79
28
TÓPICO 3 | APRESENTAÇÃO DE DADOS
H = Xmáx -Xmín
Como optaremos por este último tipo (0 - 10), poderemos definir como
intervalo de classe a diferença entre o limite superior e o limite inferior da classe.
Portanto, no exemplo, 10 – 0 = 10 é o intervalo ou amplitude da classe que será
representado pela letra h.
6. Ponto médio das classes (Xi): É a média aritmética entre o limite superior
e o limite inferior da classe. Assim, se a classe for 0 - 10, teremos 0 + 10 / 2 = 5, que
será o ponto médio da classe.
29
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
K = 1 + 3,3 log n
5
fri fr
= = /n = 0,1
50
30
TÓPICO 3 | APRESENTAÇÃO DE DADOS
4 GRÁFICOS
O gráfico estatístico é uma forma de apresentação, cujo objetivo é
reproduzir, no pesquisador, ou no público em geral, uma impressão mais rápida
e viva do fenômeno em estudo, já que, visualmente, os gráficos tendem a ser mais
rápidos na compreensão do que as tabelas.
Para que os seus dados tenham uma representação gráfica, eles deverão
ter alguns requisitos fundamentais, sendo eles:
30
quantidade
20
10
0
2006 2007 2008
anos
FONTE: Almeida, Araújo e Ramos (2009)
31
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
40
30
quantidade
20
10
0
2006 2007 2008
32
TÓPICO 3 | APRESENTAÇÃO DE DADOS
Jurunas
Pedreira
Bairro
Guamá
Marco
0 2 4 6 8
Quantidade
Cameta 2008
2007
2006
2005
Belém
Município
Barcarena
Abaetetuba
0 1 2 3 4
Quantidade
33
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
4
Município
Abaetetuba
Barcarena
3 Belém
Cameta
Quantidade
0
2005 2006 2007 2008
Anos
FONTE: Almeida, Araújo e Ramos (2009)
Bairro Quantidade %
Guamá 6 30
Pedreira 4 20
Marco 7 35
Juruna 3 15
Total 20 100
34
TÓPICO 3 | APRESENTAÇÃO DE DADOS
4.2.1 Histograma
É a representação gráfica de uma distribuição de frequência por meio de
retângulos justapostos, cujas alturas são proporcionais às frequências absolutas
e cujas bases correspondem ao intervalo de classe da distribuição (FIOREZE;
MARQUES, 2015).
35
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
FIGURA 10 - HISTOGRAMA
36
TÓPICO 3 | APRESENTAÇÃO DE DADOS
4.2.3 Ogiva
É um gráfico em linhas formado por segmentos de retas; os pontos
extremos dos segmentos correspondem ao par ordenado formado pelo limite
inferior de cada classe (eixo x) e pela frequência acumulada (eixo y) (FIOREZE;
MARQUES, 2015).
FIGURA 12 - OGIVA
37
RESUMO DO TÓPICO 3
Nesse tópico você viu que:
38
AUTOATIVIDADE
1 De que maneira deve-se apresentar uma tabela e quais são seus elementos?
10 12 15 4
12 14 9 18
20 6 23 14
17 18 25 7
Calcule: o rol de valores; Amplitude Total (H); Ponto médio das classes (Xi);
Número de Classes; Amplitude das Classes (h); Frequência acumulada (Fi) de
todas as classes; Frequência relativa (fri) também de todas as classes.
39
40
UNIDADE 1
TÓPICO 4
MÉTODOS DE AMOSTRAGEM
1 INTRODUÇÃO
Nesse tópico você irá ter uma noção em relação à amostragem. Para serem
conhecidas algumas características de uma população, é comum observar apenas
uma amostra de seus elementos e, a partir dos resultados dessa amostra, obter
estimativas para as características de interesse da população.
Neste caso, a seleção dos elementos que irão compor a amostra deve ser feita
por uma metodologia adequada, de tal forma que ela seja representativa, de modo
que os resultados sejam confiáveis para avaliar as características da população.
2 MÉTODOS DE AMOSTRAGEM
Amostragem é a técnica especial de escolher amostras que garantam
o acaso na escolha. Assim, cada elemento da população tem a mesma chance
de ser escolhido, o que garante à amostra um caráter de representatividade da
população.Além disso, as amostras devem ser:
41
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
Alguns exemplos:
42
TÓPICO 4 | MÉTODOS DE AMOSTRAGEM
N
Eis a fórmula: K =
n
Onde: N: números de elementos da população
n: número de elementos da amostra
an a�1 K
Vamos à solução:
100
�
K
1. Define-se K →= = 5
20
2. Ponto de partida: dentre 1 a 5, sorteia-se aleatoriamente um número.
Sorteio a1= 2
an a1 K 2 5 7
Resultado: A= {2; 7; 14; 21; 28; 35; 42; 49; 56; 63; 70; 77; 84; 91;98}
43
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
Ni
ni = nx i = 1,2,...k.
N
Os estratos devem ser os mais homogêneos possíveis com relação às
características relevantes da pesquisa (variáveis que se correlacionam fortemente
com a variável estudada). Para um mesmo tamanho amostral, a amostragem
aleatória estratificada com repartição proporcional é mais precisa (menor
variância do estimador) do que a amostragem aleatória simples.
44
RESUMO DO TÓPICO 4
Neste tópico você viu que:
45
AUTOATIVIDADE
46
UNIDADE 1
TÓPICO 5
DISTRIBUIÇÃO DE PROBABILIDADES
1 INTRODUÇÃO
Nesta unidade, vocês irão verificar que, dependendo do tamanho de suas
amostras e de seus dados, a estatística da probabilidade leva em consideração
valores diferentes, como média e desvio-padrão.
2 DISTRIBUIÇÃO DE PROBABILIDADES
Reboita (2005) transcreve que a distribuição de probabilidade pode ser
útil quando os dados apresentam:
47
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
!
! !
Onde:
n: é o número de tentativas ou repetições do experimento.
r: é o número/proporção/frequência desejada de sucesso.
n-r: é o número/proporção/frequência desejada de fracassos.
P: é a probabilidade/proporção/frequência de sucessos.
q = 1-p: é a probabilidade/proporção/frequência de fracassos.
NOTA
48
TÓPICO 5 | DISTRIBUIÇÃO DE PROBABILIDADES
!
! !
0 6 0
6! 1 1 1
P r , 56% pa
0 , 0156 ou 11,56%
0,0156 ra 66M
para M ee00F
F
0 ! 6 0 ! 2 2 64
1 6 1
6! 1 1 1
P r 0 , 0937 ou 99,37%
0,0937 , 37% para
parra5M
5Mee1F
1F
1! 6 1 ! 2 2 64
2 62
6! 1 1 15
P r 0,2343 ou
ou23,43%
23,43% para
para4M
4Mee2F
2F
2 ! 6 2 ! 2 2 64
3 63
6! 1 1 20
P r 0,3125 ou 31,25% para 3M e 3F
3 ! 6 3 ! 2 2 64
4 64
6! 1 1 15
P r 0,2343 ou 23,43% para 2M e 4F
4 ! 6 4 ! 2 2 64
5 65
6! 1 1 6
P r 0,0937 ou 9,37% para 1M e 5F
5 ! 6 5 ! 2 2 64
6 6 6
6! 1 1 1
P r 0,0156 ou 1,56% para 0M e 6F
6 ! 6 6 ! 2 2 64
49
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
1
6 3
2
1 1
desvio padrão √11,5
2 6 1, 5 desvio , 5 1, 22
2 2
r e
P r
r !�
Onde:
p r 3
0, 06 2, 7183 0, 216 x 00,, 548812 0, 0197 ou 11,97%
3 0 ,6
, 97%
3! 6
50
TÓPICO 5 | DISTRIBUIÇÃO DE PROBABILIDADES
F x λ
.e .x
Para 0 ≤ x ≤ ∞
Onde:
F x λ
.e .x
P X 0 , 1 25.e 25.x .dx e 25. e 25.0 ,1 e 25.0 ,1 0 , 082
0 ,1
51
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
f(X)
média
desvio padrão
O cálculo de Z é: z
X
Onde:
E
IMPORTANT
Com os valores que você obteve com a fórmula Z, você irá na tabela (em anexo)
verificar em qual ela se encaixa. Ex.: intervalo Z:0 e o Z: 1,7, então, na tabela, você irá verificar
a coluna Z e encontrará o valor de 0,4641.
52
TÓPICO 5 | DISTRIBUIÇÃO DE PROBABILIDADES
1º Passo:
z
X = z
120 100 20
1, 33
15 15
2º Passo:
Na tabela você irá cruzar o intervalo de z=0 e z=1,33, e o valor que você
irá obter é 0,4082, ou 40,82%. Então, a proporção de pessoas com concentração de
glicose plasmática entre 100 e 200 mg/dL é de 0,4082, ou em torno de 41%.
A
0,5000
0,4082
B
Valores 100 120
Z 0 1.33
53
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
A 0,0918 =
0,5000 - 0,4082
0,5000 0,4082
B
Valores 100 120
Z 0 1.33
FONTE: Motta e Wagner (2003)
A A
0,4082 0,4082
B B
Valores 80 100 120
Z -1.33 0 1.33
54
TÓPICO 5 | DISTRIBUIÇÃO DE PROBABILIDADES
As curvas t são simétricas em torno da média, tem forma de sino, porém mais
achatadas.
A distribuição de t não é descrita por uma única distribuição, mas por uma
família de distribuições. Há uma curva t diferente para cada número de graus
de liberdade da amostra (n-1).
LEITURA COMPLEMENTAR
55
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
ANEXO
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
56
TÓPICO 5 | DISTRIBUIÇÃO DE PROBABILIDADES
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000
57
RESUMO DO TÓPICO 5
Neste tópico você viu que:
58
AUTOATIVIDADE
2 Sob que condições pode a distribuição de Poisson ser usada como uma
aproximação da distribuição Binmial? Por que isto pode ser útil?
59
60
UNIDADE 1
TÓPICO 6
INFERÊNCIAS ESTATÍSTICAS
1 INTRODUÇÃO
Muitas são as interferências que um pesquisador sofre no decorrer de seu
estudo. Há variáveis que você, por exemplo, deve levar em consideração quando
for a campo para levantar uma determinada espécie.
2 DISTRIBUIÇÃO DE PROBABILIDADES
Variável é a característica de interesse que é medida em cada elemento da
amostra ou população. Como o nome diz, seus valores variam de elemento para
elemento. As variáveis podem ter valores quantitativos ou qualitativos. (Fonte:
Disponível em: <http://avale.iat.educacao.ba.gov.br/index.php?option=com_
content&view=article&id=76&Itemid=110>).
61
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
Variáveis
Qualitativa Quantitativa
(categorias) (números)
62
TÓPICO 6 | INFERÊNCIAS ESTATÍSTICAS
3 ESCALAS ESTATÍSTICAS
Os valores associados a cada variável podem ser classificados em escalas
de medida, expressando a qualidade ou quantidade dos dados.
Escala de
medidas
63
UNIDADE 1 | O MÉTODO ESTATÍSTICO E SUA UTILIZAÇÃO NA ANÁLISE DE DADOS
4 ERROS DE OBSERVAÇÃO
Quando esses erros estão ligados à aleatoriedade ou à incerteza
modelada pela teoria da probabilidade, eles são "erros" no sentido estatístico
(RODRIGUES, 1993).
• Erro sistemático: aquele que sempre ocorre com o mesmo valor quando se usa
o instrumento da mesma maneira e no mesmo processo; pode ser causado por
falhas do aparelho de medida, calibração incorreta etc.
5 ARREDONDAMENTO DE NÚMEROS
Noé (2015) descreve que, nos trabalhos relacionados à Estatística,
Matemática Financeira, entre outras situações cotidianas relacionadas ao uso
de números, usamos algumas técnicas de arredondamento. Para efetuarmos o
arredondamento de um número podemos utilizar as seguintes regras:
• Se o algarismo a ser eliminado for menor que cinco, devemos manter inalterado
o algarismo da esquerda.
64
TÓPICO 6 | INFERÊNCIAS ESTATÍSTICAS
65
RESUMO DO TÓPICO 6
Neste tópico você viu que:
66
AUTOATIVIDADE
16,89 14,32 10,7 126,892356 0,95 12,53 11,01 7,58 1.314,22 3,41568
67
68
UNIDADE 2
MEDIDAS ESTATÍSTICAS
OBJETIVOS DE APRENDIZAGEM
PLANO DE ESTUDOS
Essa segunda unidade de estudo está dividida em quatro tópicos. Você en-
contrará no final de cada um deles atividades que contribuirão para a com-
preensão dos conteúdos abordados. Lembramos que as unidades 1 e 2 estão
correlacionadas.
69
70
UNIDADE 2
TÓPICO 1
1 INTRODUÇÃO
Quando estudados, estatisticamente, os fenômenos, Rodrigues (2002)
cita que tais estudos são traduzidos por um conjunto de dados numéricos, e essa
descrição dos conjuntos de dados torna-se mais clara quando se obtém medidas
que resumem as informações necessárias.
2 MEDIDAS DE POSIÇÃO
Segundo Rodrigues (2002), usam-se, em geral, três medidas de posição:
média aritmética (simples, ponderada, de dados agrupados em intervalos),
mediana e moda.
£x
Eis a fórmula: X =
Onde: n
X : é a média
∑x: é a soma das variáveis
n: número de indivíduos
Exemplo: Se o peso em kg de 8 caprinos ao nascer é 23, 27, 20, 30, 14, 17,
29, 31, qual é o peso médio desse conjunto de caprinos?
71
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
£x
X=
n
23 27 20 30 14 17 29 31
X
8
191
X
= = 23, 87 kg
8
Portanto, o peso médio ou a média dos pesos dos caprinos é igual a 23,87 kg.
UNI
Variáveis Frequências
X1 f1
X2 f2
X3 f3
. .
. .
. .
. .
Xn fn
72
TÓPICO 1 | MEDIDAS DE POSIÇÃO E VARIAÇÃO
£ xf x1 f1 x2 f 2 xn f n
X
n f1 f 2 f n
Sendo a fórmula:
£ xf x1 f1 x2 f 2 xn f n
X
n f1 f 2 f n
Aplicando a fórmula:
73
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
74
TÓPICO 1 | MEDIDAS DE POSIÇÃO E VARIAÇÃO
£ xf 80
X
= = = 8 anos
anos
n 10
Logo, a idade média é de 8 anos.
75
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
Estabelecimentos Nº de alunos
A 150
B 180
C 230
D 2.500
E 200
F 160
G 250
H 170
B) Um tipo de operação cirúrgica foi realizado por cinco médicos, cada um nos
seguintes tempos:
Médicos Minutos
A 48
B 42
C 52
D 95
E 46
76
TÓPICO 1 | MEDIDAS DE POSIÇÃO E VARIAÇÃO
n
Fa
Me Li 2
2 .hMe
FMe
Onde:
Li: limite inferior da classe que contém a mediana;
n: número de observações do conjunto;
Fa: soma das frequências das classes anteriores à classe da mediana;
hMe: amplitude da classe que contém a mediana;
fMe: frequência simples da classe da mediana.
Frequência
Classes
Simples Acumulada
10 I--- 20 10 10
20 I--- 30 15 25
30 I---40 20 45
40 I--- 50 15 60
50 I--- 60 8 68
60 I--- 70 2 70
Total 70 ---
77
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
n
Fa
Me Li 2
2 .hMe
FMe
70
25
22 35 25 10
Me 30 .10 30 .10 30 .10
20 20 20
100
Me 30 35
20
d1
Mo Li .h
d1 d 2
Onde:
Li: limite inferior da classe modal
d1: diferença entre a frequência da classe da moda e da classe inferior
d2: diferença entre a frequência da classe da moda e da classe posterior
h: amplitude das classes
Frequência
Classes
Simples Acumulada
10 I--- 20 10 10
20 I--- 30 15 25
30 I---40 20 45
40 I--- 50 15 60
50 I--- 60 8 68
60 I--- 70 2 70
Total 70 ---
78
TÓPICO 1 | MEDIDAS DE POSIÇÃO E VARIAÇÃO
Classe da moda: 30 - 40
Limite inferior da classe modal: 30
d1: 20 – 15 = 5
d2: 20-15 = 5
h = 10
Temos:
d1
Mo Li .h
d1 d 2
5 5 50
Mo 30 .10 30 .10 30
55 10 10
Mo 30 5 35
3 MEDIDAS DE VARIAÇÃO
Segundo Rodrigues (2002), usa-se em geral: desvio médio, devio-padrão,
variância ou quadrado médio, coeficiente de variação, erro padrão da média, erro
padrão de percentagem e separatrizes.
Exemplo:
Para um conjunto de dados: 2,8,10,15,17,20.
2 8 10 15 17 20 72
Primeiro passo: X 12
6 6
79
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
Cálculo:
2 12 8 12 10 12 15 12 17 12 20 12
D.M .
6
10 4 2 3 5 8
D.M.
6
32
D.M=. = 5, 3
6
3.2 DESVIO-PADRÃO
O desvio-padrão é o afastamento médio em relação à média aritmética de
um conjunto de valores (RODRIGUES, 2002).
X
²�
�
X ²
S n
n
Onde:
X: valor do conjunto
∑: somatório
n: número de observações
Exemplo (RODRIGUES, 2002), calcular o desvio-padrão de: 2,5,9,11,14 e 25.
Primeiramente:
∑X= 2+5+9+11+14+25 = 66
∑X2=22+52+92+112+142+252=4+25+81+121+196+625=1.052
n=6
Inserindo dados na fórmula:
X2 66 2 4.356
X2 1.052 1.052
S n 6 6 1.052 726
n1 6 1 5 5
326
=�
S = 65 , 20 = 8 , 07
5
80
TÓPICO 1 | MEDIDAS DE POSIÇÃO E VARIAÇÃO
X F FX
2 2 4
3 2 6
4 4 16
5 4 20
6 2 12
Total 14 58
X F fX fX2
2 2 4 8
3 2 6 18
4 4 16 64
5 4 20 100
6 2 12 72
Total 14 58 262
£ fX 2 £ fX
2
s
n n
81
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
2
262 58
�
S 18 , 71 4 , 12 18 , 71 16 , 81 1, 90 1, 4
14 14
VALOR MÉDIO DO
INTERVALO (X) F
INTERVALO (X)
1I--- 5 4 3
6 I--- 10 15 8
10 I--- 15 81 13
16 I--- 20 90 18
Valor médio
Intervalo (X) f do intervalo fX fx2
(X)
1I--- 5 4 3 12 144
82
TÓPICO 1 | MEDIDAS DE POSIÇÃO E VARIAÇÃO
Seguindo a fórmula:
£ fX 2 £ fX
2
s
n n
2
3.747.753 2.805 2
�
S 19.725 14 , 76 19.725 217 , 85
190 190
=�
S 19.507 139 , 67
=
UNI
N ≤ 30 N > 30
£ X £X
2 2
£X 2
£X 2
S n n
S
2 2
n 1 n
83
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
Eis a fórmula:
S
C.V . = .100
X
Onde:
S: desvio-padrão
X : média aritmética
Eis a fórmula:
S
SX
n
Onde:
S: desvio-padrão
n: nº de observações
Vamos a um exemplo:
84
TÓPICO 1 | MEDIDAS DE POSIÇÃO E VARIAÇÃO
S
SX
5 5
0, 41
n 150 12, 25
Eis a fórmula:
p.q
S p
n
Onde:
p: percentual da amostra
q: 100-p
n: nº de observações
Vamos ao exemplo:
p= 20%
Valores:
q= 100- p = 100-20=80%
n= 400
85
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
3.7 SEPARATRIZES
Como já vimos, algumas medidas de posição, tal como a mediana, que divide
a distribuição dos dados em duas partes com um número igual de observações.
Agora vamos ver medidas semelhantes, mas que dividem a distribuição de dados
de acordo com o número de elementos (RODRIGUES, 2002).
3.7.1 Quartis
Para dividirmos um conjunto de dados em quatro partes iguais
necessitamos de separatrizes (quartis):
n n 3n
4 2 4
x Q₁ Q₂ Q₃ Z
• Terceiro quartil: é o valor da série em que teremos 75% dos valores abaixo e
25% acima do valor determinado (Q3).
86
TÓPICO 1 | MEDIDAS DE POSIÇÃO E VARIAÇÃO
Onde:
Xj: número onde se encontra a posição quartil
K: resultado da fórmula da posição quartil.
Vamos ao exemplo:
Nome Idade
Beatriz 65
Guilherme 72
Monica 70
87
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
Adriana 72
Glauber 60
Verusca 67
Inês 69
Gabrielle 68
Deste modo temos que (n+1)/4 = 9/4 = 2,25 e com isso k = 2, logo
n 1
Qj X j k X k 1 X k
4
8 1
Q1 65 2 67 65
4
Q1 65 2, 25 2 67 65 65 0, 25 x 2 65 0, 5 65, 5
2 n 1
Q2 X 4 k X k 1 X k
4
2 8 1 18
Q2 68 4 69 68 68 4 1 68 0, 5 x1 68, 5
4 4
3 n 1
Q3 X 6 k X k 1 X k
4
3 8 1
Q3 70 k 72 70 70 6, 75 6 2 70 0, 75 x 2 71, 5
4
88
TÓPICO 1 | MEDIDAS DE POSIÇÃO E VARIAÇÃO
Q1 65,5
Q2 68,5
Q3 71,5
3.7.2 Decis
Para dividirmos um conjunto de dados em dez partes iguais são necessários
nove separatrizes (decis):
n 2n 3n 4n 5n 6n 7n 8n 9n
10 10 10 10 10 10 10 10 10
x D₁ D₂ D₃ D₄ D₅ D₆ D₇ D₈ D₉ Z
• De forma semelhante podemos definir outros decis, vale frisar que a mediana
corresponde ao quinto decil.
Para fins de cálculos dos decis, utiliza-se a fórmula dos centis, veja a
representação a seguir:
89
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
3.7.3 Centis
Segundo Rodrigues (2002), divide-se o conjunto de dados, em ordem
crescente, em cem partes, para encontrar 99 separatrizes (centis).
Eis a fórmula:
L= (k/100).n
Onde:
L: posição do percentil desejado no conjunto de dados ordenado
k: percentil desejado
n: número de valores
90
TÓPICO 1 | MEDIDAS DE POSIÇÃO E VARIAÇÃO
Vamos a solução:
a) Q1
n 80
EQ=
1= = = 20
4 4
Q1 da seguinte forma:
20 20 10
Q 45
�1 59 , 29
14
b) C75
n 80
Ec75 75
= = 75 = 60
100 100
91
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
20 60 50
C75 85 99, 29
14
c) D9
Encontrar a posição do 9o decil:
n 80
ED9 9 9 72
10 10
20 72 64
D9 105 125
8
Ainda segundo Farias (2015), o gráfico é formado por uma caixa construída
paralelamente ao eixo da escala dos dados (pode ser horizontal ou vertical). Essa
caixa vai desde o primeiro quartil até o terceiro quartil e nela se traça uma linha
na posição da mediana. Essa caixa, que descreve os 50% centrais da distribuição,
é comum a todas as variantes do boxplot.
92
TÓPICO 1 | MEDIDAS DE POSIÇÃO E VARIAÇÃO
Valor máximo
Quartil 3
Quartil 2 (mediana)
Quartil 1
Valor mínimo
93
RESUMO DO TÓPICO 1
Neste tópico vimos que:
94
AUTOATIVIDADE
Árvore Diâmetro
1 30
2 14
3 25
4 48
5 77
6 36
7 57
8 14
9 10
10 6
11 12,5
12 58
13 66,45
14 17,3
15 25
16 61,89
17 47
18 12
19 11
20 10
95
2 Em relação a tabela a seguir, calcule:
A) Quartis
B) Decis
C) Centis 45 posição
Árvore Diâmetro
1 30
2 14
3 25
4 48
5 77
6 36
7 57
8 13
9 10
10 6
96
UNIDADE 2 TÓPICO 2
1 INTRODUÇÃO
Quando vamos analisar estatísticamente os nossos dados, às vezes, eles
não são normais. Para tanto confirmamos esta situação usando alguns testes para
averiguar: o teste D’Agostino-Pearson, o teste Pearson, teste Shapiro-Wilk e o
teste Kolmogorov-Smirnov. Estes últimos são os mais usados.
97
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
3 TESTES DE NORMALIDADE
Estes testes de normalidade são usados para definir a normalidade ou não
normalidade dos dados, para posteriormente, você utilizar os testes paramétricos
ou não paramétricos.
98
TÓPICO 2 | TESTES DE NORMALIDADE, TESTES PARAMÉTRICOS
Ainda segundo Lucambio (2008), “.... sendo m = (m1, m2, . . . , mn) > o
vetor dos valores esperados das estatísticas de ´ordem da amostra e V a matriz de
covariâncias dessas estatíticas. O p-valor deste teste é calculado exatamente para
n = 3, em outras situações utilizam-se aproximações diferentes para 4 ≤ n ≤ 11 e
para n ≥ 12”.
1 n
1 if y1 x ,
Fn ( x)
n
i 1
0 caso contrário.
Onde:
F(x) é a distribuição em hipótese ou outra distribuição empírica.
4 TESTES PARAMÉTRICOS
Após verificarmos a normalidade dos dados, partimos, então para os
testes paramétricos, que possuem as seguintes características quanto ao cálculo
de uma amostra ou comparando as duas amostras:
99
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
{ {
FIGURA 20 - TESTES PARAMÉTRICOS PARA UMA E DUAS AMOSTRAS.
Média
Uma Proporção
P
a amostra Variância
r
T a
{
{
em
s é Diferença
t t Dependentes
{
de médias
e r
s i Duas
c amostras Diferença de médias
o Independetes Diferença de proporções
s
Igualdade de variâncias
100
TÓPICO 2 | TESTES DE NORMALIDADE, TESTES PARAMÉTRICOS
101
RESUMO DO TÓPICO 2
Neste tópico vimos:
102
AUTOATIVIDADE
103
ANEXOS
Nível de significância α
0.01 0.02 0.05 0.10 0.50 0.90 0.95 0.98 0.99
3 0,753 0,756 0,767 0,789 0,959 0,998 0,999 1,000 1,000
4 0,687 0,707 0,748 0,792 0,935 0,987 0,992 0,996 0,997
5 0,686 0,715 0,762 0,806 0,927 0,979 0,985 0,991 0,993
104
Tabela 2 do anexo: Smirnov --Kolmogorov
40 - - 0,210 0,250
50 - - 0,190 0,230
105
106
UNIDADE 2 TÓPICO 3
TESTES DE HIPÓTESE
1 INTRODUÇÃO
Neste tópico iremos ver alguns testes de hipótese que você irá utilizar em
seus cálculos estatísticos, atestando seus dados coletados em campo.
2 HIPÓTESE ESTATÍSTICA
Kato (2015) descreve que “Hipótese, em estatística, é uma suposição
formulada a respeito dos parâmetros de uma distribuição de probabilidade de
uma ou mais populações”.
107
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
α/2 α/2
108
TÓPICO 3 | TESTES DE HIPÓTESE
A fórmula expressa é:
£ f0 fe
2
2
fe
GL= nº de classes – 1
Onde:
f0: frequência observada
fe: frequência esperada
Vamos ao exemplo:
Quando lançamos uma moeda, esperamos que ela seja de cara ou coroa,
não é?!
Mas, se lançarmos esta mesma moeda 350 vezes, esperamos que a metade
delas seja cara, e a outra metade consequentemente coroa. Portanto, a frequência
esperada é 175, igual para cada uma.
Usando a fórmula:
£ f0 fe
2
2
fe
109
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
190 175
2
152
2
1 1, 28
175 175
2
2 1, 28
175 175
2
Somando-se os valores de χ1 e χ 2 , tem –se:
2
4 TESTE T – (STUDENT)
Rodrigues (1993) descreve que se trata de um teste de larga aplicação
utilizado para a verificação de diferenças significativas entre médias, quando
temos apenas dois tratamentos, ou seja, duas médias.
110
TÓPICO 3 | TESTES DE HIPÓTESE
Raça A Raça B
X 1 = 38 Kg X 2 = 33,5 Kg
s1 = 5 Kg s2 = 6 Kg
n1 = 26 n2 = 26
x1 x2
t
s12 s22
n1 n2
Em que:
x1 x2 38 33, 5 4, 50
t 2, 94
s12 s22 52 6 2 1, 86
n1 n2 26 26
111
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
Grupo A Grupo B
X 1 = 175 X 2 = 169
s1 = 10 s2 = 11
n1= 20 n2= 32
x A xB
t
1 1
s x A xB .
nA nB
Sendo que:
x A e x B : médias aritméticas dos grupos
n1 e n2 : número de observações
Primeiramente vamos a estes cálculos:
112
TÓPICO 3 | TESTES DE HIPÓTESE
sA2 . nA 1 sB2 nB 1
s 2
x A xB
nA nB 2
x A xB
t
1 1
s x A xB .
nA nB
175 169 6 6
t 1, 98
1 1 10, 63. 0, 285 3, 03
10, 63.
20 32
113
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
Aplicação de flúor
Nº de crianças Diferença
Antes Após
xantes � x� após
t �
s
n
GL = n -1
Onde:
Numerador apresenta diferença entre as médias.
No denominador, s, é o desvio-padrão da diferença entre os valores
antes e após.
E n corresponde ao número de elementos da amostra.
E n corresponde ao número de elementos da amostra.
Dessa forma:
x antes= 5,94
x depois = 5,14
sdif = 0,46
n = 10
114
TÓPICO 3 | TESTES DE HIPÓTESE
xantes
– xapós
após 5, 94 5,14 0, 80
t 5, 49
s 0, 46 0, 46
n 10 3,13
Conclusão:
Eis a fórmula:
X
t
s
n
Onde:
X = média amostral
μ = parâmetro populacional
s = desvio-padrão da amostra
n = número de elementos da amostra
Vamos ao exemplo Rodrigues (1993).
115
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
t = -39,13 (P<0,01)
Este valor acima, confrontado com os valores da tabela, para n=1 grau de
liberdade, com 1,96 (5%) e 2,58 (1%), possibilita concluirmos que o valor calculado
é significativo no nível de 1%nde probabilidade (P<0,01), sendo assim, a amostra
não representa bem a população, pois a média aritmética se diferencia da média
populacional (RODRIGUES, 1993).
p1 p2
Z
p1q1 p2 q2
n1 n2
Onde:
p1 e p2 = frequências relativas das duas amostras comparadas, e nestas
condições elas devem ser independentes.
n1 e n2 = número de observações em cada amostra
q1 = 1 – p1
q2 = 1 – p 2
Pergunto:
Há diferença significativa entre as duas drogas?
H0;p1 = p2; Ha:p1≠p2
116
TÓPICO 3 | TESTES DE HIPÓTESE
Então temos:
26
p1
= = 0, 52
50
q1 1 0, 52 0, 48
n1 = 50
32
p=
2 = 0, 40
80
q1 1 0, 40 0, 60
n2= 80
p1 p2 0, 52 0, 40 0,12 0,12
Z 1, 34
p1q1 p2 q2
0, 52 0, 48 0, 40 0, 60 0, 00799 0, 089
n1 n2 50 80
Z = 1,34
117
RESUMO DO TÓPICO 3
Neste tópico vimos:
118
AUTOATIVIDADE
119
ANEXOS
Nível do Significância para
D – máx|F₀ (x) – Sn (x)|
0,20 0,15 0,10 0,05 0,01
1 0,900 0,925 0,950 0,975 0,995
2 0,684 0,726 0,776 0,842 0,929
3 0,565 0,597 0,642 0,708 0,828
4 0,494 0,525 0,564 0,624 0,733
5 0,446 0,474 0,510 0,565 0,669
120
Tabela Qui-quadrado
0,20
Distribuição de Qui-Quadrado 0,15
Valores da Função de Distribuição
0,10
n ϰ(n-2) 2 -1 Se X - ϰ² então P (X ≤ ϰ) = 1 - α
e
F(ϰ) = ∫ 2 0,05
Se X - ϰ² então P (X ≤ 11,07) = 0,95
0 2n 2 (n )
2
(5)
ϰ²₀,₉₅ = 11,07
(5) 0,00
0 5 10 15 20 25
1–α
n/F
0,005 0,010 0,025 0,050 0,100 0,250 0,500 0,750 0,900 0,950 0,975 0,990 0,995
1 0,000 0,000 0,001 0,004 0,016 0,102 0,455 1,323 2,705 3,841 5,024 6,635 7,879
2 0,010 0,020 0,051 0,103 0,211 0,575 1,386 2,773 4,605 5,991 7,378 9,210 10,597
3 0,072 0,115 0,216 0,352 0,584 1,213 2,366 4,108 6,251 7,815 9,348 11,345 12,838
4 0,207 0,297 0,484 0,711 1,064 1,923 3,357 5,385 7,779 9,488 11,143 13,277 14,850
5 0,412 0,554 0,831 1,145 1,610 2,575 4,351 6,625 9,235 11,070 12,833 15,085 16,750
6 0,676 0,872 1,237 1,635 2,204 3,455 5,348 7,841 10,645 12,592 14,449 16,812 18,548
7 0,989 1,239 1,690 2,167 2,833 4,255 6,346 9,037 12,017 14,067 16,013 18,475 20,278
8 1,344 1,645 2,180 2,733 3,490 5,071 7,344 10,219 13,362 15,507 17,535 20,090 21,955
9 1,735 2,088 2,700 3,325 4,168 5,899 8,343 11,389 14,684 16,919 19,023 21,665 23,589
10 2,156 2,558 3,247 3,940 4,865 6,737 9,342 12,549 15,987 18,307 20,483 23,209 25,188
11 2,603 3,053 3,816 4,575 5,578 7,584 10,341 13,701 17,275 19,675 21,920 27,725 26,757
12 3,074 3,571 4,404 5,226 6,304 8,438 11,340 14,845 18,549 21,026 23,337 26,217 28,300
13 3,555 4,107 5,009 5,892 7,042 9,299 12,340 15,984 19,812 22,352 24,736 27,668 29,819
14 4,075 4,660 5,629 6,571 7,790 10,165 13,339 17,117 21,064 23,685 26,119 29,141 31,319
15 4,601 5,229 6,262 7,261 8,547 11,037 14,339 18,245 22,307 24,996 27,488 30,578 32,801
16 5,142 5,812 6,908 7,962 9,312 11,912 15,338 19,369 23,542 26,296 28,845 32,000 34,267
17 5,697 6,408 7,554 8,672 10,085 12,792 16,338 20,489 24,769 27,587 30,191 33,409 35,718
18 6,265 7,015 8,231 9,390 10,865 13,675 17,338 21,605 25,989 28,869 31,526 34,805 37,156
19 6,844 7,633 8,907 10,117 11,651 14,562 18,338 22,718 27,204 30,144 32,852 35,191 38,582
20 7,434 8,260 9,591 10,851 12,443 15,452 19,337 23,828 28,412 31,410 34,170 37,565 39,997
21 8,034 8,897 10,283 11,951 13,240 16,344 20,337 24,935 29,615 32,671 35,479 39,932 41,401
22 8,643 9,542 10,982 12,338 14,041 17,240 21,337 26,039 30,813 33,924 36,781 40,289 42,796
23 9,260 10,195 11,689 13,091 14,848 18,137 22,337 27,141 32,007 35,172 38,076 41,638 44,181
24 9,886 10,855 12,401 13,848 15,659 19,037 23,337 28,241 33,195 36,415 39,364 42,980 45,559
25 10,520 11,524 13,120 14,611 16,473 19,939 24,337 29,339 34,382 37,652 40,646 44,314 46,928
26 11,160 12,198 13,844 15,379 17,292 20,843 25,336 30,435 35,563 38,885 41,923 45,642 48,290
27 11,808 12,879 14,573 16,151 18,114 21,749 26,336 31,528 36,741 40,113 43,195 46,963 49,645
28 12,451 13,565 15,308 16,928 18,939 22,657 27,336 32,620 37,916 41,337 44,461 48,278 50,993
29 13,121 14,256 16,047 17,708 19,768 23,567 28,336 33,711 39,087 42,557 45,722 49,588 52,336
30 13,787 14,953 16,791 18,493 20,599 24,478 29,336 34,800 40,256 43,773 46,979 50,892 53,672
31 14,458 15,655 17,539 19,281 21,434 25,390 30,336 35,887 41,422 44,985 48,232 52,191 55,003
32 15,134 16,362 18,291 20,072 22,271 26,304 31,336 36,973 42,585 46,194 49,480 53,485 56,328
33 15,815 17,074 19,047 20,867 23,110 27,216 32,336 38,058 43,745 47,400 50,725 54,776 57,648
34 16,501 17,789 19,806 21,664 23,952 28,136 33,336 39,141 44,903 48,602 51,956 56,061 58,964
35 17,192 18,509 20,569 22,455 24,797 29,054 34,336 40,223 46,059 49,802 53,203 57,342 60,275
36 17,887 19,233 21,336 23,259 25,643 29,973 35,336 41,304 47,212 50,998 54,437 58,619 61,581
37 18,586 19,960 22,106 24,075 26,492 30,893 36,336 42,383 48,363 52,192 55,668 59,893 62,883
38 19,289 20,691 22,878 24,884 27,343 31,815 37,335 43,462 49,513 53,384 56,896 61,162 64,181
39 19,996 21,426 23,654 25,695 28,195 32,737 38,335 44,539 50,660 54,572 58,120 62,482 65,476
40 20,707 22,146 24,433 29,051 29,051 33,660 39,335 45,616 51,805 55,758 59,342 63,691 66,766
41 21,421 22,905 25,215 27,326 29,907 34,585 40,335 46,692 52,949 56,942 60,561 64,950 68,053
42 22,138 23,650 25,999 28,144 30,765 35,510 41,335 47,766 54,090 58,124 61,777 66,205 69,336
43 22,859 24,398 26,785 28,955 31,625 36,436 42,335 48,840 55,230 59,304 62,990 67,549 70,616
44 23,584 25,148 27,575 29,787 32,487 37,363 43,335 49,913 56,369 60,481 64,201 68,710 71,893
45 24,311 25,901 28,356 30,612 33,350 38,291 44,335 50,985 57,505 61,656 65,410 69,957 73,166
46 25,041 26,657 29,160 31,439 34,215 39,220 45,335 52,056 58,641 62,830 66,617 71,201 74,437
47 25,775 27,416 29,956 32,268 35,081 40,149 46,335 53,127 59,774 64,001 67,821 72,443 75,704
48 26,511 28,117 30,755 33,098 35,949 41,079 47,335 54,196 60,907 65,171 69,023 73,683 76,959
49 27,249 28,941 31,555 33,930 36,818 42,010 48,335 55,265 62,038 66,339 70,222 74,919 78,231
50 27,991 29,707 32,357 34,764 37,689 42,942 49,335 56,334 63,167 67,505 71,420 76,154 79,490
51 28,735 30,475 33,162 35,600 38,560 43,874 50,335 57,401 64,295 68,669 72,616 77,385 80,747
52 29,481 31,245 33,958 36,437 39,433 44,808 51,335 58,458 65,422 69,832 73,810 78,616 82,001
53 30,230 32,018 34,776 37,276 40,308 45,741 52,335 59,534 66,548 70,993 75,002 79,843 83,253
54 30,981 32,793 35,586 38,116 41,183 46,676 53,335 60,600 67,673 72,153 76,192 81,069 84,502
55 31,735 33,570 35,398 38,958 42,060 47,610 54,335 61,665 68,795 73,311 77,380 82,292 85,749
56 32,490 34,350 37,212 39,801 42,937 48,546 55,335 62,726 69,919 74,468 78,567 83,513 86,994
121
Tabela T
122
Tabela Z
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,091 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,148 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,17 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,195 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,219 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,258 0,2611 0,2642 0,2673 0,2703 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,291 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,334 0,3365 0,3389
1 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,377 0,379 0,381 0,383
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,398 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,437 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,475 0,4756 0,4761 0,4767
2 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,483 0,4834 0,4838 0,4842 0,4846 0,485 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,489
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,492 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
123
2,5 0,4938 0,494 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,496 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4965 0,4967 0,4968 0,4969 0,497 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,498 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4983 0,4984 0,4985 0,4985 0,4986 0,4986
3 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,499 0,499
3,1 0,499 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,49 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,5
124
UNIDADE 2
TÓPICO 4
1 INTRODUÇÃO
Neste tópico você irá ver alguns testes não paramétricos adotados no
meio científico. Tais testes são utilizados quando não há uma normalidade dos
dados que foram levantados no experimento.
Viali (2008, p. 4) ainda cita que: “Em geral, as probabilidades das afirmativas
obtidas na maioria dos testes não paramétricos são exatas, salvo quando se usam
aproximações para grandes amostras. Independem da forma da população da
qual a amostra foi obtida. São, em geral, de mais fácil aplicação, e exigem, quase
sempre, menor volume de cálculos. Existem testes não paramétricos que nos
permitem trabalhar com dados de diferentes populações, o que não é possível
com os paramétricos. São úteis nos casos em que é difícil estabelecer uma escala
de valores quantitativos para os dados. O pesquisador pode apenas dizer que
um dado tem mais ou menos da característica que está sendo analisada, sem
poder precisar ou quantificar as diferenças. Os dados se encontram numa certa
ordem de classificação: mais ou menos; melhor ou pior; maior ou menor etc. São
mais eficientes do que os paramétricos, quando os dados da população não têm
uma distribuição normal. E quando a população é normalmente distribuída, sua
eficiência, em alguns casos, é levemente inferior à dos concorrentes”.
2 TESTE U MANN-WHITEY
Este teste corresponde a uma alternativa para a comparação de duas
amostras, os números naturais são classificados num conjunto de valores
observados. Assim, o posto de um valor de um conjunto de n valores corresponde
a um número natural que indicará a sua posição no conjunto anteriormente
ordenado, quando ocorre a presença de valores iguais no conjunto, nós
consideramos um ponto médio, não afetando assim o posto seguinte. Um
exemplo, num conjunto de seis valores já ordenados 7 – 12 – 18 – 18 – 19 – 23, os
postos serão 1 – 2 – 3,5 – 3,5 – 5 e 6, respectivamente (RODRIGUES, 2002).
125
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
n1 n1 1
U1 n1.n2 T1
2
n2 n2 1
U 2 n1.n2 T2
2
Onde:
n1 e n2 = os tamanhos das duas amostras de T1 e T2
T1 e T2 = correspondem às somas dos pontos atribuídos aos valores das
duas amostras.
ATENCAO
Nas fórmulas, vocês irão observar que em algumas expressões; o sinal ponto (.),
outras vezes o X (xis), e algumas não há nenhum sinal atribuído a multiplicação, atendem a isso.
n1.n2
u u
2
n1.n2 n1 n2 1
u
12
U1 u u
Z
u
126
TÓPICO 4 | TESTES NÃO PARAMÉTRICOS
Amostra A Amostra B
Dados Postos Dados Postos
2,6 (9,5) 2,3 (5)
2,9 (13) 2,8 (12)
2,5 (8) 2,0 (2)
2,7 (11) 1,8 (1)
3,2 (14) 2,4 (7)
2,6 (9,5) 2,3 (5)
2,3 (5) 2,2 (3)
3,3 (15)
T1=85,0 T2=35,0
Primeiro Passo: ordenação dos valores para a obtenção dos seus postos e
posterior somatório, já demostrado no quadro acima.
Temos então:
n1 = 8
n2= 7
T1= 85
T2= 35
Após isso, primeiramente iremos calcular os seguintes valores:
n1.n2 8 .. 77
u u 28
2 2
n1.n2 n1 n2 1 8 ..77.. 16
16 896
896
u 74, 66 8, 63
12 12 12
12
127
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
O teste pode ser aplicado tanto para U1 ou U2, pois ambos são simétricos
em relação à média 28 (RODRIGUES, 2002).
Então:
n1 n1 1 8 .. 99
U1 n1.n2 T1 8..77 85 7
2 2
U1 u u 7 28
Z 2, 43
u 8, 63
3 TESTE T DE WILCOXON
Este teste avalia a grandeza das diferenças observadas quando comparados
postos de observação, quando isto ocorre, atribui-se maior valor para a maior
diferença encontrada, diminuindo este valor de acordo com as menores diferenças
existentes (RODRIGUES, 2002).
128
TÓPICO 4 | TESTES NÃO PARAMÉTRICOS
Tratamento
A B Diferenças
12 9 3 (3,5)
8 4 4 (5)
7 5 2 (2)
6 6 0 (1)
9 6 3 (3,5)
10 5 5 (6)
9 3 6 (7)
129
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
Grupo A Grupo B
7,4 – 12,3 – 11,8 – 16,4 – 1,9 – 3,0 – 6,8 –
9,1 – 0,7 – 19,2 – 2,4 – 17,5
20,4
Temos assim:
0,7 1,9 2,4 3,0 6,8 7,4 9,1 11,8 12,3 16,4 17,5 19,2 20,4
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13)
A fórmula utilizada é:
n m n 1
W
W* 2
m.n m n 1
12
130
TÓPICO 4 | TESTES NÃO PARAMÉTRICOS
Em que:
W= somatório de pontos atribuídos aos valores da menor amostra
n= número de elementos da menor amostra
m= número de elementos da maior amostra
Vamos ao exemplo (RODRIGUES, 2002).
131
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
n m n 1 1112 11 1
W 113
W* 2 2
m.n m n 1 11..12
12 .. 24
24
12 12
11 .. 24
11 24
113
W* 2 113 132 19 1,17
264 16, 2 16, 2
W* = -1,17
4 TESTE DE KRUSKAL-WALLIS
Segundo Rodrigues (2002), este teste é utilizado para que se verifique o
contraste entre k amostras independentes, os valores obtidos nas diversas amostras
diferem entre si, e portanto, será uma maneira de verificar se estas diferenças são
devidas ao acaso ou se amostras provêm de populações diferentes. Neste teste,
todas as N observações recebem uma pontuação através dos números naturais
1,2,3...n, assim, ao menor valor se dará pelo número 1, e assim sucessivamente até
o maior valor, que receberá a maior pontuação. Serão consideradas as hipóteses
nula (H0) e alternativa (Ha).
K
12 R2
H . i 3 N 1
N N 1 i 1 ni
Onde:
Ri : é a soma das ordens atribuídas ao tratamento i.
K: corresponde ao número de tratamentos a comparar.
ni:o número de observações em cada tratamento K.
N: o total de observações em todos os tratamentos K.
132
TÓPICO 4 | TESTES NÃO PARAMÉTRICOS
22 (14) 47 (22)
133
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
12 K
R2 12 57 2 69, 52 149, 52
H . i 3 N 1 . 3 23 1
N N 1 i 1 ni 23 23 1 7 8 8
12 1
H . 464,14 603, 78 2793, 78 3 x 24 .3.861, 70 72 83,995 72
46 46
H = 11, 95
g.l. 5% 1%
2 5,99 9,21
134
TÓPICO 4 | TESTES NÃO PARAMÉTRICOS
Fator I II Total
A a b a+b
B c d c+d
Total a+c b+d N
Px d
a b ! c d ! b d !
N !a !b !c !d !
Tipo de Mortalidade
Total
tratamento Sim Não
A 7 5 12
B 1 9 10
Total 8 14 22
n
p i
pi , sendo que para o cálculo de p, com i variando de 0 a 1, temos:
0
p=1.
P1
a b ! c d ! b d ! 12!10!8!14! 0, 024
N !a !b !c !d ! 22 !7 !5!1!9 !
Tipo de Mortalidade
Total
tratamento Sim Não
A 8 4 12
B 0 10 10
Total 8 14 22
135
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
P0
a b ! c d ! b d ! 12 !10 !8!14 !
0, 0015
N !a !b !c !d ! 22 !0 !10 !8!4 !
Resolução:
Como este p é menor que o nível de significância, para α=0,05 a decisão correta
será rejeitar H0 e aceitar Ha. Conclui-se então que há diferença quanto à mortalidade
em relação ao tipo de tratamento, sendo B mais eficaz (RODRIGUES, 2002).
6 TESTE DE FRIEDMAN
Segundo Motta e Wagner (2003, p. 180), (teste de Friedman, ou também
chamado de prova de Friedman), “... a dupla análise de variância por postos
2
– o χ de Friedman ( χ p ) – é a aproximação não paramétrica que permite a
2
Eis a fórmula:
12
p2 £ £ R1 3 N K 1
2
NK K 1
Onde:
K= número de tratamentos (número de condições em que foram realizadas
as mensurações)
N= tamanho da amostra
∑R1= soma dos postos relativos a um particular tratamento
• Dados ordinais - para que aos dados possam ser atribuídos postos;
136
TÓPICO 4 | TESTES NÃO PARAMÉTRICOS
TRATAMENTOS
A B C D
R1= 11,00
R2=14,00
R3=20,00
R4= 5
12
p2 £ £ R1 3 N K 1
2
NK K 1
12
p2 112 142 202 52 3.5 4 1
5.4 4 1
12 12
p2 121 196 400 25 3.5.5 742 75 89, 04 75 14, 04
100 100
137
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
Graus de liberdades 5% 1%
. . .
. . .
. . .
3 7,82 11,34
7 TESTE DE MCNEMAR
De acordo com Motta e Wagner (2003), este teste é uma alternativa para
o teste quiquadrado para amostras dependentes (pareadas). Sendo empregado
quando é realizado um pareamento indivíduo a indivíduo entre os membros de
duas amostras ou quando o indivíduo é controle de si mesmo.
Eis a fórmula:
b c 1
2
c , Mc Nemar
McNemar
bc
138
TÓPICO 4 | TESTES NÃO PARAMÉTRICOS
Hipóteses:
• Ho: Para aquelas crianças que mudam, a probabilidade de que uma criança
mude o seu objeto de iniciação de um adulto para criança (isto é, PA) é igual
a probabilidade que ela mude seu objeto de iniciação de criança para adulto
(isto é, PB) e é igual a 50%, ou seja: PA = PB = 1/2.
b c 1
2
c , Mc Nemar
McNemar
bc
14 4 1
2
c , Mc Nemar
McNemar 4, 50
14 4
139
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
Eis a fórmula:
£d 2
6∑
rs 1 3
n n
140
TÓPICO 4 | TESTES NÃO PARAMÉTRICOS
141
UNIDADE 2 | MEDIDAS ESTATÍSTICAS
6£∑d 2
rs 1
n3 n
£d 2
6∑ 6.52
rs 1 1 3 0, 82
n n
3
12 12
142
RESUMO DO TÓPICO 4
Neste tópico você viu que:
143
AUTOATIVIDADE
Rep T1 T2 T3 T4
1 8 11 15 18
2 46 40 37 47
3 6 7 5 2
4 14 45 36 25
5 1 9 4 13
6 3 0 20 10
0 1 2 3 4 5 6 7 8 9 10 11 13 14 15 18 20 25 36 37 40 45 46 47
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
1 8 9 11 12 15 15 18 16
2 46 23 40 21 37 20 47 24
3 6 5 7 8 5 6 2 3
4 14 14 45 22 36 19 25 18
5 1 2 9 10 4 5 13 13
6 3 4 0 1 20 17 10 11
Total
T1 57 T2 74 T3 82 T3 85
postos
144
a)
b) Testes de Kruskal-Wallis
Ao nível de 5% de probabilidade
H = 1.3533 H-crit = 7,8147
p-valor > 0.05 H0 não rejeitada
Ao nível de 1% de probabilidade
H = 1.3533 H-crit = 11,3449
p-valor > 0.01 H0 não rejeitada
145
ANEXOS
146
FONTE: Disponível em: <http://www.amendes.uac.pt/monograf/monograf01esta
tNparamt.pdf>. Acesso em: 15 jun. 2015.
147
Valores Críticos de rS, coeficiente de correlação de Spearman
Nível de significância
N (unilateral)
0,05 0,01
4 1,000
5 0,900 1,000
6 0,829 0,943
7 0,714 0,893
8 0,643 0,833
9 0,600 0,783
10 0,564 0,746
12 0,506 0,712
14 0,456 0,645
16 0,425 0,601
18 0,399 0,564
20 0,977 0,534
22 0,359 0,508
24 0,343 0,485
26 0,329 0,465
28 0,317 0,448
30 0,306 0,432
FONTE: Disponível em: <http://www.amendes.uac.pt/monograf/
monograf01estatNparamt.pdf>. Acesso em: 15 jun. 2015.
148
UNIDADE 3
ÍNDICES ECOLÓGICOS
UTILIZADOS COMO INDICADORES
DE QUALIDADE AMBIENTAL
OBJETIVOS DE APRENDIZAGEM
PLANO DE ESTUDOS
Esta unidade está dividida em dois tópicos, sendo que ao final de cada um
deles, você encontrará atividades que lhe auxiliarão na apropriação dos co-
nhecimentos.
149
150
UNIDADE 3
TÓPICO 1
1 INTRODUÇÃO
Até o momento vimos diversas técnicas estatísticas para serem utilizadas
em estudos ambientais. Sabe-se que o bom gestor ambiental utiliza essas técnicas
para tomar decisão sobre a proteção de determinado recurso natural. Toda a
decisão amparada pelo “achismo” pode ter graves consequências ambientais, e
você, como partícipe de um movimento que visa à sustentabilidade deve estar
muito atento a isso. No caso dos indicadores ambientais, eles serão fundamentais
para que você decida sobre a saúde de um determinado ecossistema, e assim,
ajude a preservá-lo.
151
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
está saudável do ponto de vista biológico. Como exemplo, podemos pegar uma
Reserva Particular do Patrimônio Natural (RPPN). Como o gestor ambiental dessa
área poderá tomar uma decisão com relação à ocupação dessa área e apresentar
para os órgãos ambientais como IBAMA e ICMBio? Naturalmente se os gestores
dessa área optarem por lidar com as ferramentas que serão apresentadas nessa
disciplina, tudo fica mais claro, e as proposições das medidas a serem tomadas,
melhor geridas.
UNI
152
TÓPICO 1 | AS ORIGENS DOS INDICADORES AMBIENTAIS E ÍNDICES ECOLÓGICOS
153
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
154
TÓPICO 1 | AS ORIGENS DOS INDICADORES AMBIENTAIS E ÍNDICES ECOLÓGICOS
155
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
156
TÓPICO 1 | AS ORIGENS DOS INDICADORES AMBIENTAIS E ÍNDICES ECOLÓGICOS
UNI
Conceito técnico:
Para lembrá-lo: O efeito de borda ocorre porque a maioria dos fragmentos apresenta uma
transição abrupta entre as bordas e as matrizes. Dessa forma, a borda do fragmento fica mais
vulnerável às ações externas, como invasões biológicas, penetração de vento e radiações
solares. Estes fatores propiciam uma diferenciação entre as condições físicas e bióticas na
borda e no interior do fragmento, alterando a estrutura, a composição e/ou a abundância
relativa de espécies na parte marginal de um fragmento. Além disso, quanto maior o contraste
entre a estrutura dos fragmentos e da matriz, maior a intensidade destes efeitos na periferia do
fragmento, tanto sobre a flora quanto fauna. O efeito de borda, como é chamada tal alteração,
é mais intenso em fragmentos pequenos e isolados. Esta alteração da estrutura acarreta em
uma mudança local, e, muitas vezes, pode atingir até 500 metros. Dessa forma, estudos
sugerem que a relação perímetro X área deve ser considerada na escolha de fragmentos a
serem protegidos.
FONTE:<http://www.portaleducacao.com.br/biologia/artigos/25316/efeito-de-borda>.
Acesso em: 25 abr. 2015.
157
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
UNI
Conceito técnico
Os Corredores Ecológicos são criados por ato do Ministério do Meio Ambiente. Até o
momento foram reconhecidos dois corredores ecológicos:
Corredor Capivara-Confusões
Corredor Caatinga
158
TÓPICO 1 | AS ORIGENS DOS INDICADORES AMBIENTAIS E ÍNDICES ECOLÓGICOS
Se optarmos por recuperar essa área, devastada pelo fogo (ordem natural),
ou mesmo pelo homem (supressão de vegetação de ordem antropogênica),
devemos deixar essa área sem qualquer tipo de interferência pelos próximos anos.
Algumas técnicas de revegetação e que aceleram esse processo de recuperação
poderão ser utilizadas. Mas, de forma geral, esse bioma entrará gradualmente em
processo de sucessão, onde a comunidade de fauna e flora sofrerão alteração ao
longo dos anos. No início, muitas espécies pioneiras, que se adaptam facilmente
às condições mais expostas – similar às condições de borda de floresta, e menor
diversidade será observada, com maior número de indivíduos de uma mesma
espécie, ou seja, grande riqueza. Posteriormente, conforme vamos avançando no
tempo, essa condição vai alternando. A vegetação começa a crescer, árvores de
maior porte começam a ser observadas, e, portanto, maior sombreamento incide
sobre o solo. Dessa forma, uma nova condição se instala, e espécies rasteiras e de
solo, não mais conseguem sobreviver a esta condição. Dizemos que a vegetação
está em um processo secundário de desenvolvimento, indo em direção ao seu
clímax, ou seja, seu estágio final de desenvolvimento, onde maior biodiversidade
e equitabilidade de fauna e flora será encontrada.
159
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
UNI
conceitos
Os seres vivos capazes de se instalar em tal ambiente devem ser bem adaptados e pouco
exigentes. Estes são os liquens (associação de cianobactérias com fungos), que conseguem
sobreviver apenas com água, luz e pouca quantidade de sais minerais. Isso caracteriza a
formação de uma comunidade pioneira. Os liquens, por serem os primeiros seres a se instalarem,
são chamados de “organismos pioneiros”. A atividade metabólica dos liquens vai lentamente
modificando as condições iniciais da região. Os liquens produzem ácidos orgânicos que
corroem gradativamente a rocha, formando através da erosão as primeiras camadas de solo.
Camada sobre camada de líquen, vão formando um tapete orgânico, que enriquece o solo,
deixando o mesmo úmido e rico em sais minerais. A partir de então as condições, já não
tão desfavoráveis, permitem o aparecimento de plantas de pequeno porte, como briófitas
(musgos), que necessitam de pequena quantidade de nutrientes para se desenvolverem e
atingirem o estágio de reprodução. Novas e constantes modificações se sucedem permitindo
o aparecimento de plantas de maior porte como samambaias e arbustos. Também começam
a aparecer os pequenos animais como insetos e moluscos.
Dessa forma, etapa após etapa a comunidade pioneira evolui, até que a velocidade do
processo começa a diminuir gradativamente, chegando a um ponto de equilíbrio, no qual
a sucessão ecológica atinge seu desenvolvimento máximo compatível com as condições
físicas do local (solo, clima etc.). Essa comunidade é a etapa final do processo de sucessão,
conhecida como comunidade clímax. Cada etapa intermediária entre a comunidade pioneira
e o clímax é chamada sere.
FONTE: Disponível em: <http://www.sobiologia.com.br/conteudos/bio_ecologia/ecologia23.
php>. Acesso em: 25 abr. 2015.
160
TÓPICO 1 | AS ORIGENS DOS INDICADORES AMBIENTAIS E ÍNDICES ECOLÓGICOS
EM
ATRIBUTOS DO ECOSSISTEMA CLÍMAX
DESENVOLVIMENTO
Constante ou
CONDIÇÕES AMBIENTAIS Variável e imprevisível previsivelmente
variável
POPULAÇÕES
Abióticos,
Mecanismos de determinação de Bióticos, dependentes
independentes de
tamanho populacional de densidade
densidade
Tamanho do indivíduo Pequeno Grande
Ciclo de vida Curto/simples Longo/complexo
Lento, maior
Rápido, alta capacidade de
Crescimento
mortalidade sobrevivência
competitiva
Produção Quantidade Qualidade
Flutuações Mais pronunciadas Menos pronunciadas
161
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
ESTRUTURA DA COMUNIDADE
Estratificação (heterogeneidade espacial) Pouca Muita
Diversidade de espécies (riqueza) Baixa Alta
Diversidade de espécies (equitatividade) Baixa Alta
Diversidade bioquímica Baixa Alta
Matéria orgânica total Pouca Muita
ENERGÉTICA DA COMUNIDADE
PPB/R >1 =1
PPB/B Alta Baixa
PPL Alta Baixa
Cadeia alimentar Linear (simples) Em rede (complexa)
NUTRIENTES
Ciclo de minerais Aberto Fechado
Nutrientes inorgânicos Extrabióticos Intrabióticos
Troca de nutrientes entre organismos e
Rápida Lenta
ambiente
Papel dos detritos na regeneração de
Não importante Importante
nutrientes
POSSIBILIDADE DE EXPLORAÇÃO
PELO HOMEM
Produção potencial Alta Baixa
Capacidade de resistir à exploração Grande Pequena
4 ESPÉCIES R E K ESTRATEGISTAS
Em 1837, o matemático Pierre F. Verhulst propôs um modelo que
define o limite máximo de crescimento de uma população, e que em seguida
tende a se estabilizar. O seu modelo proposto foi definido por uma equação, a
chamada Equação de Verhulst, e que determina uma condição onde a taxa de
crescimento de uma população varia ao longo do tempo.
162
TÓPICO 1 | AS ORIGENS DOS INDICADORES AMBIENTAIS E ÍNDICES ECOLÓGICOS
dN N
1
rN �
dt K
163
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
UNI
Indicação de leitura
“Eu entendo que pode haver uma crise de biodiversidade, mas como isso me afeta?”
164
TÓPICO 1 | AS ORIGENS DOS INDICADORES AMBIENTAIS E ÍNDICES ECOLÓGICOS
165
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
166
TÓPICO 1 | AS ORIGENS DOS INDICADORES AMBIENTAIS E ÍNDICES ECOLÓGICOS
167
RESUMO DO TÓPICO 1
168
AUTOATIVIDADE
a) Fragmentação de hábitat.
b) Efeito de borda.
c) Diversidade biológica.
( ) c – b – a.
( ) c – a – b.
( ) a – b – c.
( ) b – a – a.
169
170
UNIDADE 3
TÓPICO 2
ÍNDICES ECOLÓGICOS
1 INTRODUÇÃO
Prezado acadêmico(a)! A partir desse tópico veremos os principais índices
ecológicos utilizados para medidas de diversidade, riqueza e equitatividade. Este
tópico busca fazer o entendimento entre conceitos utilizados anteriormente para
proteção dos recursos naturais e a aplicabilidade dos índices ecológicos para o
gerenciamento do meio ambiente. Desta forma, o entendimento do que são, para
que servem, e como podem ser estimados é o foco a partir de agora.
2 ÍNDICES DE DIVERSIDADE
Medidas de diversidade são para ecologistas e gestores ambientais um
dos principais objetivos a serem alcançados. O número de espécies de um local,
nicho ou assembleia significa, como já discutido anteriormente, uma maneira
intuitiva de observar a estrutura de uma comunidade biológica, e muitas vezes
pode representar o último indicativo na luta da conservação e restauração de
ambientes degradados (MAGURRAN; McGILL, 2011).
UNI
171
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
Onde:
Desta forma, quanto maior for o valor de H´, maior será a diversidade
de espécies da comunidade. No entanto, é necessário que se façam mais réplicas
para essa comunidade, como veremos adiante, e posteriormente, compararmos
os valores encontrados, por exemplo, entre uma e outra comunidade, ou ainda,
entre um ambiente preservado e outro degradado. Só assim, será possível
entender os resultados.
172
TÓPICO 2 | ÍNDICES ECOLÓGICOS
Réplica 1
Espécies N de indivíduos
A N = 10
B N = 11
C N = 22
D N = 15
173
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
FONTE: Os autores
174
TÓPICO 2 | ÍNDICES ECOLÓGICOS
FONTE: Os autores
175
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
176
TÓPICO 2 | ÍNDICES ECOLÓGICOS
FONTE: Os autores
FONTE: Os autores
177
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
FONTE: Os autores
Por fim, a soma de todos os valores observados nesta última coluna, será
o valor para o índice de Shannon. Neste caso, não consideramos o sinal do valor
observado, ou seja, se encontrarmos um valor negativo, desconsideramos o sinal
de menos.
178
TÓPICO 2 | ÍNDICES ECOLÓGICOS
179
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
n1
S
lnN
15 1
S
ln1431
14
S
7 , 2661
S 1, 9267
n
S=
Raiz de N
N
15
S=
Raiz
Raiz de 1431
S = 0 , 3965
180
TÓPICO 2 | ÍNDICES ECOLÓGICOS
Na
Da
Na Nb Nc Nd..Nn
Onde:
Da = Dominância da espécie “a”
Na = Número de indivíduos da espécie “a”
Nb = Número de indivíduos da espécie “b”
Nc = Número de indivíduos da espécie “c”
Nd = Número de indivíduos da espécie “d”
181
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
ni ni 1
D
N N 1
Em que:
FONTE: Os autores
182
TÓPICO 2 | ÍNDICES ECOLÓGICOS
FONTE: Os autores
183
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
Onde:
J = Equabilidade de Pielou;
Hmáx= ln(S);
S = número total de espécies amostradas;
H' = índice de diversidade de Shannon-Weaver.
184
TÓPICO 2 | ÍNDICES ECOLÓGICOS
J = ? – quero descobrir!
S = número total de espécies amostradas = 15;
Hmáx= ln(S) = ln(15) = 2,7080;
H' = índice de diversidade de Shannon-Weaver = 1,6534.
185
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
FONTE: Os autores
Apenas para ilustrar como a utilização deste software pode ser útil, vamos
utilizar os dados da abundância de aves marinhas presentes na ilha Moleques do
Sul. Neste caso, vamos inserir na planilha do PAST os dados da soma das quatro
réplicas, conforme mostra a figura a seguir.
186
TÓPICO 2 | ÍNDICES ECOLÓGICOS
FONTE: Os autores
Com os dados inseridos (567, 17, 42, 28, 299, 125...) em coluna, e selecionados,
clicamos em Diversity, ou diversidade, do inglês, e em seguida, Diversity indices.
Automaticamente todos os cálculos realizados anteriormente para diversidade,
riqueza, equitatividade e dominância aparecem na tela, como visualizamos na
figura a seguir. Repare que os dados estão muito próximos daqueles feitos por
nós ao longo da explicação da origem dos cálculos. No entanto, por ser mais
robusto, o PAST oferece maior certeza dos valores apresentados.
187
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
FONTE: Os autores
LEITURA COMPLEMENTAR
RESUMO
188
TÓPICO 2 | ÍNDICES ECOLÓGICOS
INTRODUÇÃO
Com isto deve gerar maiores cuidados por parte dos paisagistas,
pesquisadores e a municipalidade que é responsável pela gestão das áreas verdes
urbanas. O conhecimento da flora urbana faz parte de um programa de estudos
que toda cidade deveria se preocupar em desenvolver, visando a um plano de
arborização que valorize os aspectos paisagísticos e ecológicos com a utilização,
principalmente, de espécies nativas. Com isto, pode-se salvaguardar a identidade
biológica da região, preservando ou cultivando as espécies vegetais que ocorrem
em cada região específica (KRAMER & KRUPEK, 2012). Para Biondi & Leal
(2008) a preocupação atual é grande com a biodiversidade nas áreas urbanas e
isto se reflete na diversificação do número de espécies produzidas em viveiro;
no entanto, esta preocupação com a diversificação de espécies é problemática,
pois muitas vezes não há tempo suficiente para realizar pesquisas sobre as
espécies introduzidas e desta forma ocorre a produção e a utilização de espécies
indesejáveis para o ambiente e para o homem, tais como as plantas tóxicas e as
plantas exóticas invasoras.
189
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
MATERIAL E MÉTODOS
190
TÓPICO 2 | ÍNDICES ECOLÓGICOS
191
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
Foi coletado, quando existente, material vegetal fértil (com flor e/ou fruto),
para elaboração de exsicata e posterior identificação de espécies que não foram
identificadas durante as coletas de campo. As exsicatas foram identificadas no
Herbário do Curso de Engenharia Florestal da UFPR. Os nomes científicos e a
autoria dos epítetos específicos foram conferidos pelo banco eletrônico do Jardim
Botânico de Missouri (MISSOURI BOTANICAL GARDEN, 2012) e pela lista de
espécies da flora do Brasil (MUSEU BOTÂNICO DO RIO DE JANEIRO, 2012).
Para a análise da diversidade de espécies foram calculados, em cada parque
selecionado, os seguintes índices ecológicos relativos à riqueza, dominância e
equidade de espécies:
192
TÓPICO 2 | ÍNDICES ECOLÓGICOS
RESULTADOS E DISCUSSÃO
193
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
194
TÓPICO 2 | ÍNDICES ECOLÓGICOS
Neste sentido, Sjömana et al. (2012) atestam que ainda não há conhecimento
apropriado sobre níveis de diversidade sustentáveis para uma população de
árvores urbanas. Sendo assim, os resultados obtidos na análise de diversidade
do Passeio Público é um exemplo de que o maior valor da diversidade pode
não representar uma qualidade ambiental no momento. Segundo Biondi &
Muller (2013) quando estudaram os mesmos parques urbanos desta pesquisa,
constataram que o Passeio Público foi o parque que apresentou maior número de
espécies exóticas (13 espécies) e exóticas invasoras (10 espécies). Por ser o primeiro
parque de Curitiba, inaugurado em 1886, a utilização de espécies exóticas nas
áreas verdes no século 19 tinha forte influência europeia. Além disso, a utilização
de espécies exóticas pode também ser justificada pela função primitiva do parque.
Segundo NOGUEIRA (2010), durante o século 19, essa área verde foi, por um
tempo, o primeiro Jardim Botânico de Curitiba, e depois o primeiro zoológico de
Curitiba, até 1982. Quando uma área verde funciona como Jardim Botânico ela
necessita de uma grande variedade de espécies nativas e exóticas para compor
195
UNIDADE 3 | ÍNDICES ECOLÓGICOS UTILIZADOS COMO INDICADORES DE QUALIDADE AMBIENTAL
uma coleção de espécies exsitu, que, de acordo com o PLANO DE AÇÃO PARA
OS JARDINS BOTÂNICOS BRASILEIROS (2004), é requisito para a conservação
da diversidade biológica dos jardins botânicos nacionais. A análise dos índices
de diversidade utilizados demonstra que quanto maior a riqueza específica
encontrada, menores tendem a ser os valores de dominância e de equidade na
composição da diversidade de espécies do tratamento paisagístico arbóreo dos
parques. O comportamento contraditório entre os índices de Margalef e Simpson
é um fato esperado, tendo em vista que quanto maior a riqueza de espécies de
uma comunidade vegetal menor tende a ser a dominância de uma espécie em
específico (KANIESKI et al., 2010).
196
TÓPICO 2 | ÍNDICES ECOLÓGICOS
CONCLUSÕES
197
RESUMO DO TÓPICO 2
198
AUTOATIVIDADE
199
200
REFERÊNCIAS
MAGURRAN, A. E.; MCGILL, B. J. Biological Diversity: Frontiers in
Measurement and Assessment. Estados Unidos: Oxford University Press, 2011.
Margalef, R. Ecología. Barcelona: Editora Omega, 1974.
201
ANOTAÇÕES
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
202
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
203
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
____________________________________________________________
204