João Veríssimo Lisboa licenciou-se em Finanças
Pedro Lopes Ferreira
OUTRAS OBRAS DOS AUTORES PUBLICADAS
PELA VIDA ECONÓMICA:
- Gestão de Operações
de João Veríssimo Lisboa e Mário Gomes Augusto
- Introdução à Gestão de Organizações
de João Veríssimo Lisboa, Arnaldo Coelho, Filipe
Coelho, Filipe Almeida e outros
- Cálculo Financeiro
de João Veríssimo Lisboa e Mário Gomes Augusto
Mário Gomes Augusto
João Veríssimo Lisboa
pelo ISEG (1974) e possui o PhD em Industrial Ma-
ESTATÍSTICA
nagement (1988) pela Universidade de Clemson
(USA), sendo atualmente docente da Faculdade de
Economia da Universidade de Coimbra (FEUC). Foi
APLICADA À GESTÃO
bolseiro da AID e Visiting Fulbright Professor. Na
FEUC tem lecionado a disciplina de Cálculo Finan-
ESTATÍSTICA
ceiro e Estatística entre outras, e exercido também
diversos cargos de gestão. É investigador do Institu-
APLICADA À GESTÃO
to de Sistemas e Robótica (Pólo de Coimbra), sendo
nesta unidade responsável pelo grupo de Gestão de
Operações. Tem diversos trabalhos publicados em
revistas científicas, nacionais e internacionais, as-
O ensino da estatística em qualquer dos ciclos do ensino da Gestão tem estado sempre sim como alguns livros.
APLICADA À GESTÃO
presente, refletindo, assim, a importância desta matéria na formação dos gestores.
Mário Gomes Augusto licenciou-se em Economia
Apesar de ser um livro de características essencialmente pedagógicas, o seu público
(1991) e Doutorou-se em Gestão de Empresas
ESTATÍSTICA
alvo será os alunos que frequentam as disciplinas de estatística em qualquer dos níveis
(2004) pela Faculdade de Economia da Universi-
do ensino superior. No entanto, dada a natureza aplicada do seu conteúdo, também dade de Coimbra, sendo atualmente docente nesta
poderá ser um instrumento útil para os responsáveis pela gestão das empresas, nome- instituição. Leciona um grupo de disciplinas da área
adamente na análise de situações que incluem cenários de incerteza. financeira, fazendo também parte, como investiga-
dor, do grupo de Gestão de Operações do Instituto
Considerando a enorme abrangência da estatística e o público a que nos dirigimos, de Sistemas e Robótica (Pólo de Coimbra). Tem di-
neste texto, para além de quatro capítulos clássicos geralmente destina­dos aos alu- versos trabalhos publicados em revistas científicas,
nos de licenciatura, decidimos também incluir um que trata o tema das componentes nacionais e internacionais, assim como alguns li-
principais e análise fatorial e, um outro, destinado ao estudo dos modelos de equações vros. É detentor do prémio Rogério Fernandes Fer-
reira, edição de 2007.
estruturais, capítulos estes, especialmente dirigidos aos alunos de MBA, doutoramento
e investigadores em geral. Pedro Lopes Ferreira licenciou-se em Matemática
Aplicada pela FCTUC (1976) e possui o PhD Indus-
Em cada um dos capítulos são apresentados exemplos práticos para melhor compreen-
trial Engineering pela Universidade de Wisconsin-
são dos assuntos abordados. João Veríssimo Lisboa
-Madison, EUA (1990). É atualmente docente da
Mário Gomes Augusto Faculdade de Economia da Universidade de Coim-
bra. Nesta Faculdade tem lecionado disciplinas de
Pedro Lopes Ferreira Estatística e na área da medição de resultados em
saúde e das politicas e sistemas de saúde. É Diretor
do Centro de Estudos e Investigação em Saúde da
ISBN 978-972-788-448-3 Universidade de Coimbra, Coordenador do Obser-
vatório Português dos Sistemas de Saúde, Membro
www.vidaeconomica.pt fundador do Capítulo IberoAmericano da Internatio-
ISBN: 978-972-788-448-3 nal Society of Quality of Life. Tem diversos trabalhos
publicados em revistas científicas nacionais e inter-
Visite-nos em
livraria.vidaeconomica.pt 9 789727 884483 nacionais, assim como alguns livros.
Nota prévia

O ensino da estatística em qualquer dos ciclos do ensino da Gestão tem estado

sempre presente, refletindo, assim, a importância desta matéria na formação dos
gestores. É abundante a literatura existente sobre esta disciplina, sendo também
volumosa a quantidade de temas a tratar. Faltava no entanto, em português, um livro
que reunisse não só aquelas matérias tradicionalmente incluídas nos curricula dos
cursos de gestão ao nível do primeiro ciclo, mas também conteúdos de natureza
mais avançada, que nestes últimos anos têm vindo a ser objeto de uma grande
utilização, quer ao nível da investigação, quer em trabalhos aplicados.

Partimos do princípio que os utilizadores deste livro já têm alguns conhecimentos

básicos de estatística, sem descurar no entanto aqueles leitores que, por terem
terminado os seus estudos superiores de gestão há mais tempo ou por lacunas na
aprendizagem desta disciplina, não têm presentes alguns conceitos considerados
fundamentais para a compreensão de matérias mais avançadas. Incluímos para
este efeito os três capítulos iniciais que procuram precisamente ir ao encontro
destes leitores e ao mesmo tempo refrescar a memória daqueles que já são mais
conhecedores dos temas ali tratados.

Este é um livro de características essencialmente pedagógicas, pelo que o seu pú-

blico alvo serão os alunos que frequentam as disciplinas de estatística, incluídas
não só nos planos curriculares das licenciaturas em Gestão, mas também dos cursos
de pós-graduação, nomeadamente MBA e programas de doutoramento nesta área.
No entanto, dada a natureza aplicada do seu conteúdo, também poderá ser um
instrumento útil para os responsáveis pela gestão das empresas, nomeadamente na
análise de situações que incluem cenários de incerteza.
Considerando a enorme abrangência da estatística e o público alvo, decidimos
incluir neste texto, para além dos quatro capítulos clássicos geralmente destina-
dos aos alunos do primeiro ciclo, o capítulo V, dedicado à análise da variância
(Métodos de Taguchi), o capítulo VI, que aborda a estatísticas não paramétricas,
o capítulo VII, que trata o tema das componentes principais e análise fatorial, e o
capítulo VIII destinado ao estudo dos modelos de equações estruturais, capítulos
estes especialmente dirigidos aos alunos de MBA e doutoramento.

O livro está assim organizado em oito capítulos, tendo cada um deles, no final, um
conjunto de exercícios de aplicação que permitirão aos alunos testar os conheci-
mentos adquiridos.

Antes de terminar esta nota introdutória, gostaríamos de deixar uma palavra de

agradecimento a um conjunto de instituições, fundamentais na formação acadé-
mica dos autores, que tornaram possível este livro, nomeadamente a Universidade
de Clemson (EUA), a Universidade de Wisconsin (EUA), o Instituto de Sistemas e
Robótica (Pólo de Coimbra), a Universidade de Coimbra, a Universidade da Beira
Interior, a Fundação Luso-Americana e o Centro de Estudos e Investigação em Saúde
da Universidade de Coimbra.

Uma palavra de agradecimento à Editora “Vida Económica” pela disponibilidade

e a coragem que teve para a edição deste livro.

Os autores
Coimbra, outubro de 2011
JVL
MGA
PLF
 CAPÍTULO I
Funções de distribuição
 Introdução Capítulo I

I – Funções de distribuição

1.1 – Introdução

No dia a dia de uma empresa ocorrem numerosos acontecimentos

aos quais podemos associar valores numéricos, por exemplo as
vendas mensais, o volume de produção diário, o número de peças
produzidas com defeito, etc. Os valores que estes acontecimentos
assumem são na maior parte dos casos incertos, isto é, só se conhecem
depois de se verificarem. Do mesmo modo, quando simulamos um
sistema ou parte dele, os resultados a que chegamos são inicialmente
desconhecidos. O modelo que construímos dá origem a resultados
que esperamos que se aproximem daqueles que seriam encontrados
se pudéssemos ter observado a realidade. Para que esta situação se
verifique, terá que haver o cuidado de elaborar um modelo que não
só possua uma estrutura que traduza a realidade física do sistema,
mas também que inclua um conjunto de instruções de modo a que
os componentes do modelo se comportem de acordo com as leis da
incerteza que regulam o sistema real. Se assim acontecer, o modelo
produzirá resultados que se aproximam do sistema ou subsistema real
que procura simular e, por conseguinte, também desconhecidos antes
da sua realização. Só sabemos os resultados do exercício económico
de uma empresa depois do encerramento do ano, do mesmo modo
que só depois de termos simulado durante um determinado período
de tempo o processo produtivo de uma empresa, poderemos estimar
o número de peças defeituosas que se produziram. A única diferença
quando utilizamos simulação é no maior controlo não só sobre as
componentes do modelo, mas também do tempo necessário para a
obtenção dos resultados que pretendemos. Em qualquer dos casos,
seja ela uma situação real ou simulada, há acontecimentos que dão
origem a resultados que são desconhecidos antes da sua realização.
Aos acontecimentos que se encontram nestas condições chamam-se
“acontecimentos aleatórios”. À variável numérica que assume valores

Estatística aplicada à Gestão 11

 Capítulo I Funções de distribuição

relacionados com os resultados possíveis dum acontecimento ou

experiência aleatória, chama-se “variável aleatória”.

As variáveis aleatórias podem classificar-se em discretas e contínuas.

Uma variável aleatória diz-se discreta se os valores numéricos asso-
ciados a cada acontecimento forem numeráveis; diz-se contínua se
puder assumir quaisquer valores dentro de um determinado intervalo.
Exemplos de variáveis aleatórias discretas são a produção diária de
uma máquina, o número de encomendas atrasadas durante uma se-
mana, a quantidade de encomendas recebidas num determinado dia,
etc. São exemplos de variáveis aleatórias contínuas a quantidade de
líquido contido numa garrafa de refrigerante, o tempo de duração de
uma lâmpada, o intervalo de tempo entre a chegada consecutiva de
dois clientes, etc.

Perante estes fenómenos, torna-se assim importante conhecer o com-

portamento de algumas variáveis aleatórias que lhe estão associadas,
nomeadamente aquelas que se encontram ligadas a acontecimentos
muito frequentes na gestão corrente das empresas. Vejamos em primeiro
lugar algumas características gerais das variáveis aleatórias.

1.2 Conceitos básicos sobre probabilidades

1.2.1 O conceito de probabilidade

A definição clássica diz-nos que a probabilidade de um acontecimento

é um número compreendido entre 0 e 1 (inclusive), que reflete a pos-
sibilidade de ocorrência desse acontecimento, quando o fenómeno
a observar pode ser repetido nas mesmas condições e num número
indefinido de vezes. De acordo com a definição de Laplace1, a medida

1 - Pierre-Simon, Marquês de Laplace (1749-1827), famoso matemático e astrónomo fran-

cês. Em 1812 publica o livro “Théorie analytique des probabilités”.

12
 1.2.1 O conceito de probabilidade

A definição clássica diz-nos que a probabilidade de um acontecimento é um número

compreendido entre 0 e 1 (inclusive), que reflete a possibilidade de ocorrência desse
Introdução Capítulo I
acontecimento, quando o fenómeno a observar pode ser repetido nas mesmas condições
e num número indefinido de vezes. De acordo com a definição de Laplace1, a medida
dessa possibilidade de ocorrência, que se denomina de probabilidade do acontecimento,
dessa possibilidade de ocorrência, que se denomina de probabilidade
obtém-se
do acontecimento, através
obtém-se do quociente
através entre entre
do quociente o número de casos
o número de favoráveis e o número total de
casos favoráveis e o número
casos total de
igualmente casos igualmente
possíveis. possíveis.
Designando por ADe- um acontecimento qualquer, a
signando por A um acontecimento qualquer, a probabilidade da sua
probabilidade da sua ocorrência P(A), será então dada por
ocorrência P(A) será então dada por

P  A 
n
N
representando n o número de casos favoráveis e N o de casos possíveis. Por
representando n o número de casos favoráveis e N o de casos possíveis.
acontecimento,
Por acontecimento, que passaremos
que passaremos a representarapor
representar por letras maiúsculas A, B, C, etc.,
letras maiúsculas
A, B, C, etc., designamos
designamos um umsubconjunto
subconjunto dodouniverso
universodasdasobserva-
observações, espaço de resultados ou
ções, espaço depopulação
resultados (Ω).
ou população
O próprio(Ω). O próprio
universo é um universo é um bem como o conjunto vazio
acontecimento
acontecimento certo, bem como o conjunto vazio (Ø) correspondente
(Ø).
a um acontecimento impossível.

Em termos matemáticos podemos também dizer que a probabilidade

é uma função P
1
que satisfaz as seguintes condições:
Pierre-Simon, Marquês de Laplace (1749-1827), famoso matemático e astrónomo francês. Em 1812
publica o livro “Théorie analytique des probabilités”.
P(Ø) = 0 e P(Ω) = 1; P(A) є [0 1] .
Se A1 e A2 forem dois acontecimentos disjuntos, isto é, A1 ∩ A2 = Ø, então 4
P( A1  A2 ) = P( A1 ) + P( A2 )

Destas condições podemos obter outras, como por exemplo:

- A soma da probabilidade de um acontecimento com a proba-

bilidade do acontecimento contrário é igual à unidade, isto é,
( )
P A = 1 − P ( A) ;

- Se A ⊂ B então P(A) ≤ P(B);

- Quaisquer que sejam A e B, P ( A  B ) = P ( A) + P (B ) − P ( A  B )

 n  n
- P  Ai  = ∑ P( Ai ) ⇔ Ai  A j = Ø, ∀ com i≠ j.
 i =1  i =1 i, j ≤n

Estatística aplicada à Gestão 13

 Capítulo I Funções de distribuição

Exemplo 1.1

De um universo de 500 empréstimos bancários destinados à compra

de automóveis foi retirada a seguinte informação:

Montante emprestado (euros)

Prazo do empréstimo <1000 [1000 - 4000[ [4000 - 6000[ 6000
(meses) (B1) (B2) (B3) (B4)
12 (A1) 24 5 0 0
24 (A2) 3 14 1 0
36 (A3) 0 28 90 3
42 (A4) 0 52 95 49
48 (A5) 0 0 112 24

Suponhamos que pretendemos determinar a probabilidade de obser-

var o seguinte acontecimento – “Prazo de empréstimo de 36 meses
ou montante emprestado compreendido entre 4000 e 6000 euros”.
Teremos, então,

121 298 90
P( A3  B3 ) = P( A3 ) + P(B3 ) − P( A3  B3 ) =
90
+ − = 0,658.
500 500 500

Ou se pretendermos determinar a probabilidade de selecionar um

“empréstimo com um prazo de 24 meses e um montante compreendido
entre 1000 e 4000 euros”. Teremos, neste caso,

1414
P( A2  B2 ) = = 0,028 .
500

Ou selecionar um empréstimo “não superior a 6000 euros”, ou seja,

o complementar de B4:

P(B4 ) = 1 − P(B4 ) = 1 −
7676
= 0,848 .
500

14
 Introdução Capítulo I

Ou ainda se pretendermos calcular a probabilidade de encontrar um

empréstimo com um “prazo inferior ou igual a 42 meses”. Neste caso,
teremos

( )
P A4  A5 = 1 − P( A4  A5 ) = 1 − [P( A4 ) + P( A5 )] = 1 − 0,392 − 0,272 = 0,336.

1.2.2. Leis de De Morgan

Dados dois acontecimentos A e B, a não realização de um ou outro

leva-nos a poder concluir da não realização de nenhum deles. Esta afir-
mação pode ser traduzida em termos matemáticos da seguinte maneira,

A B = A B [1.1]

Podemos também afirmar que a não realização conjunta de nenhum

deles leva-nos a poder concluir ser equivalente a que não se realize
pelo menos um deles. Em termos matemáticos, teremos

A  B = A  B [1.2]

Estas duas expressões são conhecidas por leis de De Morgan2 e têm

muita utilidade na demonstração de relações de lógica e no cálculo
de probabilidades.

Exemplo 1.2

Suponhamos que A e B são dois acontecimentos independentes e que

P(A)=0,4 e P(B) = 0,5. Verifiquemos as leis de De Morgan:

2 - Augustus De Morgan (1806 - 1871), matemático inglês.

Estatística aplicada à Gestão 15

 Capítulo I Funções de distribuição

A primeira

( )
P A  B = 1 − [P( A  B )] = 1 − [P( A) + P(B ) − P( A) × P(B )] = 1 − (0,4 + 0,5 − 0,2) = 0,30
0,30

( ) () ()
P A  B = P A × P B = [1 − P( A)]× [1 − P(B )] = 0,6 × 0,5 = 00,30
,30

A segunda

( )
P A  B = 1 − P( A  B ) = 1 − P( A) × P(B ) = 1 − 0,4 × 0,5 = 0,8

P (A  B ) = P (A) + P (B ) − P (A)× P (B ) = 0,6 + 0,5 − 0,6 × 0,5 = 0,8

1.2.3 Probabilidade condicionada

Sejam A e B dois acontecimentos quaisquer, com P(B)>0, então a pro-

babilidade condicionada de A dado B, que se representa por P(A/B),
é definida pela expressão
P(A  B) [1.3]
( A/B ) =
PP(A/B)
P(B)

Desta definição resulta imediatamente que

P(A∩B) = P(A/B)×P(B) [1.4]

A probabilidade condicionada encontra-se ilustrada no diagrama de

Venn (Figura 1.1).

16
 Introdução Capítulo I

Figura 1.1: Probabilidade condicionada

A B

Uma vez ocorrido o acontecimento B, qualquer outro pertencente a

A, mas não incluído em A∩B, não poderá ter sido observado. Logo, a
probabilidade condicionada de A, dado B, é obtida dividindo P(A∩B)
por P(B). A expressão que traduz a probabilidade condicionada possui
as seguintes propriedades.

1. P(Ø/B) = 0 e P(B/B) = 1.

2. P(A/B) ≥ 0, ∀A.
i, j ≤n

3. Se Ai ∩Aj = 0 P[(Ai U Aj )/B] = P(Ai /B) + P(Aj /B).

Exemplo 1.3

Utilizemos de novo a informação do exemplo 1.1, mas admitamos

agora que estamos interessados em calcular a probabilidade de
observar um empréstimo com um prazo de 24 meses, dado que se
selecionaram todos aqueles com um montante compreendido entre
1000 e 4000 euros. Teremos, assim,

Estatística aplicada à Gestão 17

 Capítulo I Funções de distribuição

1414
P( A2 B2 ) 500 114
P( A2 /B2 ) =
4
= = = 0,141 .
P (B2 ) 9 9
500

Dois acontecimentos dizem-se independentes se

P(A/B) = P(A),

o que significa que o conhecimento do acontecimento B não tem

qualquer influência na observação de A. Se dois acontecimentos forem
independentes da expressão 1.1, retira-se imediatamente que

P(A∩B) = P(A) × P(B).

1.2.4 Teorema de Bayes

Suponhamos que os acontecimentos A1 , A2 , A3 , ... An constituem uma

partição do espaço de resultados (Figura 1.2).

Figura 1.2: Partição do espaço de resultados Ώ

A…
Ώ
A1
A4

A5
A2
A3

18
 Introdução Capítulo I

Como aqueles subconjuntos constituem uma partição de Ώ , então

∀ Ai ∩ Aj = Ø com (i ≠ j),
i, j ≤n

verificando-se também que

n

A i = Ώ.
i =1

Consideremos agora em Ώ um acontecimento B que se sobrepõe total

ou parcialmente aos restantes Ai , conforme ilustra a Figura 1.3.
Figura 1.3: Sobreposição do acontecimento B
Figura 1.3: Sobreposição do acontecimento B

A1 A…
Ώ
A4

A5
A2
A3
B

Das interceções de B com Ai (B∩Ai ) podemos determinar as probabi-

lidades condicionadas P(B/Ai ). De facto, as probabilidades condicio-
nadas de P(Ai /B), por definição, são dadas por

P( Ai  B ) [1.5]
P( Ai /B ) =
P (B )

Estatística aplicada à Gestão 19

 Capítulo I Funções de distribuição

Mas vejamos como podemos exprimir esta expressão apenas em função

das probabilidades condicionadas P(B/Ai ) e P(Ai ).
n

Ora, como sabemos, B ⊂ , logo ∩B = B. Mas A i = , então

i =1

B = ( Ai  A2  A3  ... An )  B
= ( Ai  B )  ( A2  B )  ( A3  B )  ...( An  B )

Mas como os acontecimentos Ai são uma partição de Ω, (Ai∩B), para

i = 1, 2, 3, ...,n), são acontecimentos disjuntos, logo

P(B) = P(A1∩B) + P(A2∩B) + P(A3∩B) + ...+ P(An∩B) .

Mas P(Ai∩B) = P(Ai)P(B/Ai), para i = 1, 2, 3, ...,n, logo a expressão 1.5

pode ser escrita da seguinte maneira

ou seja
P( Ai )P(B/A )
P( Ai /B ) = n
i
[1.6]
∑ P(A )P(B/A )
i =1
i i

Expressão que nos permite calcular as probabilidades P(Ai /B) se forem

conhecidas P(B/Ai ) e que se denomina por fórmula de Bayes3.

3 - Thomas Bayes (1702 - 1761), matemático inglês.

20
 Índice

Índice Sistemático

CAPÍTULO I: Funções de distribuição

1.1 Introdução................................................................................ 11
1.2 Conceitos básicos sobre probabilidades.................................... 12
1.2.1 O conceito de probabilidade........................................... 12
1.2.2. Leis de De Morgan.......................................................... 15
1.2.3 Probabilidade condicionada............................................ 16
1.2.4 Teorema de Bayes............................................................ 18
1.3 Função de distribuição de uma variável aleatória..................... 22
1.3.1 A função de distribuição de uma variável aleatória discreta.22
1.3.2 Valor esperado de X......................................................... 24
1.3.3. Variância de X................................................................. 25
1.3.4 A função de distribuição de uma variável aleatória contínua.27
1.4 Distribuições teóricas mais importantes.................................... 30
1.4.1 Distribuição binomial...................................................... 30
1.4.2 Distribuição de Poisson.................................................... 34
1.4.3 Aproximação da Binomial à Poisson................................ 37
1.4.4 Distribuição exponencial................................................. 38
1.4.5 Distribuição uniforme...................................................... 40
1.4.6 Distribuição normal......................................................... 42
1.4.8 Distribuição do Qui-quadrado (χ2) .................................. 48
1.4.9 Distribuição t de Student.................................................. 51
1.4.10 Distribuição F de Snedecor............................................ 53
1.5 Distribuições obtidas por amostragem...................................... 55
1.5.1 Introdução........................................................................ 55
1.5.2 Distribuição da média de uma amostra............................ 57
1.5.3 A dimensão da amostra e a distribuição por amostragem.59
1.5.4 Distribuição da diferença entre médias de amostras
de universos normais........................................................ 60
1.6 Exercícios de aplicação............................................................. 62

Estatística aplicada à Gestão 553

 Índice

CAPÍTULO II: Intervalos de confiança e ensaios de hipóteses

2.1 Introdução................................................................................ 79
2.2 Intervalos de confiança para a média de uma população......... 79
2.3 Ensaio de hipóteses para a média da população....................... 86
2.4 Erro tipo I e erro tipo II.............................................................. 90
2.5 Testes de hipóteses da média para amostras
de pequena dimensão............................................................... 93
2.6 Inferência sobre a diferença entre as médias
de duas populações normais..................................................... 94
2.6.1 Amostras de grande dimensão.......................................... 94
2.6.2 Amostras de pequena dimensão....................................... 99
2.7 Inferência sobre e diferença entre as médias de duas
populações com base em amostras correlacionadas............... 103
2.8 Inferência acerca da variância duma população normal......... 106
2.8.1 Intervalo de confiança para ......................................... 106
2.8.2 Teste de hipóteses para ................................................ 109
2.8.3 Teste para comparar a igualdade entre duas variâncias.. 111
2.9 Inferência acerca da diferença entre as proporções
de duas populações................................................................ 114
2.10 A dimensão da amostra......................................................... 118
2.11 Exercícios de aplicação......................................................... 119

CAPÍTULO III: Regressão linear simples

3.1 Introdução.............................................................................. 125
3.2 O método dos mínimos quadrados......................................... 127
3.3 A variância do erro.................................................................. 136
3.4 O quadro da análise da variância........................................... 139
3.5 O coeficiente de determinação............................................... 142
3.6 Análise à significância do modelo........................................... 145
3.7 Inferência sobre os parâmetros da regressão........................... 146
3.7.1 Teste de hipótese para b1................................................ 146
3.7.2 Teste de hipóteses para b0 .............................................. 149

554
 Índice

3.7.3 Intervalos de confiança para b0 e b1.............................. 150

3.7.4 Intervalos de confiança para previsões de Y................... 151
3.8 Formulação matricial.............................................................. 155
3.9. Exercícios de aplicação.......................................................... 163

CAPÍTULO IV: O modelo de regressão linear múltipla

4.1 A estimativa dos parâmetros do modelo.................................. 173
4.2 A variância do erro.................................................................. 178
4.3 O coeficiente de determinação............................................... 180
4.4 O coeficiente de determinação ajustado................................. 183
4.5 O coeficiente de determinação parcial................................... 184
4.6 Inferência sobre os parâmetros da regressão........................... 185
4.6.1 Teste da significância do modelo................................... 186
4.6.2 Inferência acerca de cada um dos
parâmetros da regressão.......................................................... 188
4.6.3 Previsão de Y.................................................................. 190
4.7 A generalização do teste de significância global da regressão.194
4.8 Variáveis fictícias..................................................................... 198
4.9 Análise dos valores residuais................................................... 202
4.9.1 A utilização de gráficos.................................................. 202
4.9.2 A estatística Durbin-Watson........................................... 206
4.9.3 A eliminação da autocorrelação..................................... 210
4.10 A multicolinearidade............................................................. 211
4.10.1 O problema da multicolinearidade.............................. 211
4.10.2 Medidas a tomar na presença de multicolinearidade... 216
4.10.3 A regressão Ridge......................................................... 218
4.11 Heterocedasticidade dos erros.............................................. 225
4.11.1 Teste Goldfeld-Quandt................................................. 225
4.11.2 Transformação de variáveis.......................................... 226
4.12 Exercícios de aplicação......................................................... 229

Estatística aplicada à Gestão 555

 Índice

CAPÍTULO V: Análise da Variância

5.1 Introdução.............................................................................. 247
5.2 Experiências simples completamente aleatórias...................... 248
5.3 Teste das médias de Newman-Kewls....................................... 258
5.4 Experiências simples aleatórias com blocos............................ 261
5.5 A falta de uma ou mais observações....................................... 266
5.6 Experiências aleatórias com mais de um fator ........................ 269
5.7 O modelo de análise das experiências com mais de um fator .275
5.7.1 Experiências com mais de dois fatores........................... 281
5.7.2 Experiências com dois fatores e apenas
uma observação por célula........................................... 286
5.8 Experiências com três fatores ................................................. 287
5.9 Experiências com dois níveis por fator ................................... 290
5.10 Método de Yates................................................................... 299
5.10.1 Experiências com três fatores a dois níveis.................. 301
5.11 Experiências para qualquer número de fatores a dois níveis.. 305
5.12 Teste de Bartlett para comparar a igualdade
entre mais de duas variâncias............................................... 306
5.13 Exercícios de aplicação......................................................... 311

CAPÍTULO VI: Estatísticas não paramétricas

6.1 Introdução.............................................................................. 323
6.2 Comparação de duas populações: o teste da soma ordenada
de Wilcoxon para duas amostras independentes..................... 324
6.3 Comparação de duas populações: teste de Wilcoxon para
os pares de diferenças ordenadas (Wilcoxon signed rank test
for the paired difference experiment)....................................... 332
6.4 O teste de Kruskal-Wallis para comparar a localização
de mais de duas populações independentes
(experiência completamente aleatória).................................... 337
6.5 O teste de Friedman para comparar a localização de mais
de duas populações independentes, sujeitas a restrições
(experiência aleatória com blocos).......................................... 340

556
 Índice

6.6 Exercícios de aplicação........................................................... 343

CAPÍTULO VII: Análise de componentes principais e análise fatorial

7.1 Introdução.............................................................................. 351
7.2 Componentes principais......................................................... 360
7.3 Análise fatorial ....................................................................... 364
7.4 Exercícios de aplicação........................................................... 376

CAPÍTULO VIII: Modelos de equações estruturais: formulação,

estimação e avaliação
8.1 Introdução.............................................................................. 387
8.2 Conceitos fundamentais.......................................................... 388
8.2.1 Variáveis observáveis vs. latentes................................... 388
8.2.2 Variáveis latentes exógenas vs. endógenas..................... 389
8.3 MEE completo e submodelos.................................................. 390
8.3.1 Modelos de análise de caminhos (path analysis models).390
8.3.2 Moledos de análise fatorial ........................................... 391
8.3.3 Modelo de equações estruturais completo..................... 394
8.4 MEE completo......................................................................... 394
8.4.1 Representação esquemática de um MEE
completo hipotético...................................................... 395
8.4.2. Formalização geral de um MEE completo..................... 403
8.4.2.1 Hipóteses mínimas admitidas na especificação,
estimação e avaliação de um MEE completo........ 405
8.4.2.2 Modelo de medida................................................ 405
8.4.2.3 Modelo estrutural.................................................. 408
8.4.2.4 Efeitos diretos, indiretos e totais............................ 409
8.5 Etapas a percorrer na especificação, estimação
e avaliação de um MEE........................................................... 411
8.5.1 Especificação do modelo............................................... 411
8.5.2 Identificação do modelo................................................ 413
8.5.3 Estimação do modelo..................................................... 417

Estatística aplicada à Gestão 557

 Índice

8.5.3.1 Processo de estimação.......................................... 419

8.5.3.2 Métodos de estimação........................................... 420
8.5.4 Avaliação da qualidade do ajustamento
do modelo aos dados..................................................... 424
8.5.4.1 Identificação de estimativas infratoras................... 425
8.5.4.2 Ajustamento global do modelo............................. 426
8.5.4.3 Avaliação do modelo de medida........................... 435
8.5.4.4 Avaliação do modelo estrutural............................. 438
8.5.5 Interpretação e modificação do modelo......................... 440
8.5.5.1 Resíduos estandardizados..................................... 442
8.5.5.2 Índices de modificação......................................... 444
8.5.5.3 Que modificações introduzir no modelo
e quando se deve parar: uma breve síntese.......... 445
8.6 Principais aspetos que afetam a estimação e avaliação
dos MEE.................................................................................. 448
8.7 Abordagens de modelização................................................... 461
8.7.1 Estratégias de modelização............................................ 461
8.7.2 Modelização através de duas versus uma etapa............. 466
8.8 Aplicação empírica: formalização, estimação e avaliação
de um mee completo.............................................................. 468
8.8.1 Especificação do modelo............................................... 469
8.8.2 Identificação do modelo................................................ 478
8.8.3 Estimação do modelo..................................................... 479
8.8.4 Avaliação global do modelo.......................................... 480
8.8.5 Interpretação dos resultados........................................... 482
8.8.6 Modificação do modelo: algumas sugestões.................. 487
8.9. Exercícios de aplicação.......................................................... 493

Referências.......................................................................503

558
 Índice

Apendíces
Apêndice I................................................................................... 515
Apêndice II Desvio padrão de valores previstos para Y.............. 518
Apêndice III Matriz de variâncias/covariâncias entre as
variáveis observáveis implicada pela especificação
do modelo............................................................. 521
Apêndice IV Função a minimizar segundo o critério
da máxima verosimilhança.................................... 525

Tabelas
Tabela A Distribuição normal estandardizada............................ 528
Tabela B Distribuição Binomial.................................................. 529
Tabela C Distribuição de Poisson............................................... 533
Tabela D Distribuição de t-Student............................................. 535
Tabela E Distribuição de F......................................................... 536
Tabela F Diferenças significativas de Student............................. 543
Tabela G Tabela do Qui-quadrado............................................. 547
Tabela H Parâmetros necessários ao cálculo de gráficos
de controlo................................................................. 548
Tabela I Valores críticos Durbin-Watson................................... 549
Tabela J Tabela de Wilcoxon: valores críticos para TL e TU........ 551
Tabela K Tabela de Wilcoxon (signed rank test): valores
críticos para T0............................................................. 552

Índice Sistemático.............................................................553

Estatística aplicada à Gestão 559


OUTRAS OBRAS DOS AUTORES PUBLICADAS
PELA VIDA ECONÓMICA:
- Gestão de Operações
de João Veríssimo Lisboa e Mário Gomes Augusto
- Introdução à Gestão de Organizações
de João Veríssimo Lisboa, Arnaldo Coelho, Filipe
Coelho, Filipe Almeida e outros
- Cálculo Financeiro
de João Veríssimo Lisboa e Mário Gomes Augusto
João Veríssimo Lisboa licenciou-se em Finanças
Pedro Lopes Ferreira
Mário Gomes Augusto
João Veríssimo Lisboa
pelo ISEG (1974) e possui o PhD em Industrial Ma-
ESTATÍSTICA
nagement (1988) pela Universidade de Clemson
(USA), sendo atualmente docente da Faculdade de
Economia da Universidade de Coimbra (FEUC). Foi
APLICADA À GESTÃO
bolseiro da AID e Visiting Fulbright Professor. Na
FEUC tem lecionado a disciplina de Cálculo Finan-
ESTATÍSTICA
ceiro e Estatística entre outras, e exercido também
diversos cargos de gestão. É investigador do Institu-
APLICADA À GESTÃO
to de Sistemas e Robótica (Pólo de Coimbra), sendo
nesta unidade responsável pelo grupo de Gestão de
Operações. Tem diversos trabalhos publicados em
revistas científicas, nacionais e internacionais, as-
O ensino da estatística em qualquer dos ciclos do ensino da Gestão tem estado sempre sim como alguns livros.
APLICADA À GESTÃO
presente, refletindo, assim, a importância desta matéria na formação dos gestores.
Mário Gomes Augusto licenciou-se em Economia
Apesar de ser um livro de características essencialmente pedagógicas, o seu público
(1991) e Doutorou-se em Gestão de Empresas
ESTATÍSTICA
alvo será os alunos que frequentam as disciplinas de estatística em qualquer dos níveis
(2004) pela Faculdade de Economia da Universi-
do ensino superior. No entanto, dada a natureza aplicada do seu conteúdo, também dade de Coimbra, sendo atualmente docente nesta
poderá ser um instrumento útil para os responsáveis pela gestão das empresas, nome- instituição. Leciona um grupo de disciplinas da área
adamente na análise de situações que incluem cenários de incerteza. financeira, fazendo também parte, como investiga-
dor, do grupo de Gestão de Operações do Instituto
Considerando a enorme abrangência da estatística e o público a que nos dirigimos, de Sistemas e Robótica (Pólo de Coimbra). Tem di-
neste texto, para além de quatro capítulos clássicos geralmente destina­dos aos alu- versos trabalhos publicados em revistas científicas,
nos de licenciatura, decidimos também incluir um que trata o tema das componentes nacionais e internacionais, assim como alguns li-
principais e análise fatorial e, um outro, destinado ao estudo dos modelos de equações vros. É detentor do prémio Rogério Fernandes Fer-
reira, edição de 2007.
estruturais, capítulos estes, especialmente dirigidos aos alunos de MBA, doutoramento
e investigadores em geral. Pedro Lopes Ferreira licenciou-se em Matemática
Aplicada pela FCTUC (1976) e possui o PhD Indus-
Em cada um dos capítulos são apresentados exemplos práticos para melhor compreen-
trial Engineering pela Universidade de Wisconsin-
são dos assuntos abordados. João Veríssimo Lisboa
-Madison, EUA (1990). É atualmente docente da
Mário Gomes Augusto Faculdade de Economia da Universidade de Coim-
bra. Nesta Faculdade tem lecionado disciplinas de
Pedro Lopes Ferreira Estatística e na área da medição de resultados em
saúde e das politicas e sistemas de saúde. É Diretor
do Centro de Estudos e Investigação em Saúde da
ISBN 978-972-788-448-3 Universidade de Coimbra, Coordenador do Obser-
vatório Português dos Sistemas de Saúde, Membro
www.vidaeconomica.pt fundador do Capítulo IberoAmericano da Internatio-
ISBN: 978-972-788-448-3 nal Society of Quality of Life. Tem diversos trabalhos
publicados em revistas científicas nacionais e inter-
Visite-nos em
livraria.vidaeconomica.pt 9 789727 884483 nacionais, assim como alguns livros.