Métodos Estatísticos

4 – Análise de Variância

Professor Luciano Barboza da Silva

Introdução
• Imagine que você é o gerente de produção da Perfect
Parachuts Company. Os paraquedas são tecidos em sua
fábrica com o uso de uma fibra sintética adquirida de quatro
diferentes fornecedores. A resistência dessas fibras é uma
característica importante que garante paraquedas de
qualidade. Você precisa decidir se as fibras sintéticas de

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 2

Introdução
cada um dos seus quatro fornecedores resultam em
paraquedas de igual resistência. Além disso, sua fábrica
utiliza dois tipos de teares para produzir paraquedas:
Jetta e o Turq. Você precisa estabelecer se os
paraquedas tecidos nos dois teares são igualmente
resistentes.
Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 3
Introdução
Você também deseja saber se quaisquer diferenças na
resistência dos paraquedas que possam ser atribuídas
aos quatro fornecedores são dependentes do tipo de tear
utilizado. De que modo você pode ir a busca dessa
informação?

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 4

Introdução
• Esse tipo de problemática introduz a noção de
Planejamento de Experimento;

• A empresa precisa desenvolver um procedimento de

modo que possa tirar conclusões sobre as diferenças
questionadas. Esse procedimento se chama
Experimento;
Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 5
Modelo Completamente Aleatório:
Análise de Variância de Fator Único
• Um fator é definido como uma Variável sob a qual você
tem que estabelecer uma decisão;

• Em geral esses Fatores podem ser divididos em Níveis;

• Nosso primeiro problema é decidir se paraquedas vindos de

fornecedores distintos têm a mesma resistência;

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 6

Modelo Completamente Aleatório:
Análise de Variância de Fator Único
• Nesse caso temos:

– Um único fator: Fornecedor, o elemento variável no processo

de produção;

– Há vários Níveis desse fator no momento que se estabelece

que são quatro fornecedores distintos;

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 7

Modelo Completamente Aleatório:
Análise de Variância de Fator Único
• Quando temos um único fator utilizamos um Modelo
Completamente Aleatório;

• Nesse método busca-se eliminar quaisquer fatores

sistemáticos que produzisse diferenças entre os
processos;

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 8

Teste F ANOVA de fator Único
• O objetivo deste procedimento é desenvolver um Teste
para verificar se há diferenças significativas entre os
resultados médios finais produzidos sob níveis
diferentes do fator em discussão;

• ANOVA – Análise de Variância (ANalysis Of VAriance);

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 9

Teste F ANOVA de fator Único
• Protocolo:

– Conseguir uma amostra de resultados para cada nível de

fator:

X ij  i-ésimo Resultado do Experimento para o j-ésimo nível

do fator sob estudo

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 10

Teste F ANOVA de fator Único
• Calcula-se: SQT – Soma Total dos Quadrados:
c nj

 X ij
 
c
n  nj
c nj

SQT   X ij  X 2
X
j 1 i 1
j 1
j 1 i 1 n

X  Grande Média
X ij  Observações Amostrais
n j  Número de Observações por Nível do fator
n  Número Total de Observações
c  Número de Níveis do Fator
Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 11
Teste F ANOVA de fator Único
• Calcula-se: SQE – Soma dos quadrados entre os Níveis:

 
c
SQE   n j X j  X 2

j 1

X  Grande Média
X j  Média da amostra de nível j
n j  Número de Observações por Nível do fator
c  Número de Níveis do Fator
Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 12
Teste F ANOVA de fator Único
• Calcula-se: SQD – Soma dos quadrados dentro dos
Níveis:
SQD   X ij  X j  2
c nj

j 1 i 1

X ij  Observações da amostra
X j  Média da amostra de nível j

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 13

Teste F ANOVA de fator Único
• Pode-se mostrar que: SQT  SQD  SQE

• Pode-se verificar também:

Parcela da Soma SQT SQD SQE

Número de Graus de Liberdade n-1 n-c c-1

14
Teste F ANOVA de fator Único
• Montamos o seguinte quadro

Fonte Graus de Soma dos Média dos F

Liberdade Quadrados Quadrados
(Variância)
Entre os Níveis c 1 SQ E MQE  SQE c  1
nc SQD MQD  SQD n  c MQE
Dentro do Nível MQD
Total n 1 SQT

15
Teste F ANOVA de fator Único
• Nosso teste consiste em:

– Nível de Significância: α;

– Teste:
H 0 : 1   2    c

H1 : existe média diferente

16
Teste F ANOVA de fator Único
• Nosso teste consiste em:
MQE
– Estatística de Teste F
MQD

Fonte Graus de Soma dos Média dos F

Liberdade Quadrados Quadrados
(Variância)
Entre os Níveis c 1 SQ E MQE  SQE c  1
nc SQD MQD  SQD n  c MQE
Dentro do Nível MQD
Total n 1 SQT

17
Teste F ANOVA de fator Único
• Protocolo:

– Região Crítica: RC : F  F

onde: PFc1,nc  F   
Teste F ANOVA de fator Único
• Voltando ao nosso caso. Imagine que você é o gerente
de produção da Perfect Parachuts Company. Os
paraquedas são tecidos em sua fábrica com o uso de
uma fibra sintética adquirida de quatro diferentes
fornecedores. A resistência dessas fibras é uma
característica importante que garante paraquedas de
Teste F ANOVA de fator Único
qualidade. Você precisa decidir se as fibras sintéticas de
cada um dos seus quatro fornecedores resultam em
paraquedas de igual resistência. Para tanto retira uma
amostra de cinco paraquedas produzidos com fibra de
cada um dos cinco fornecedores e testou-se a
resistência, em um aparelho que puxa ambas as
Teste F ANOVA de fator Único
extremidades de um paraquedas até que o mesmo
rasgue. Anota-se a quantidade de força necessária para
rasgar o paraquedas (as medidas são em unidades de
resistêcia a pressão, na qual quanto maior o valor maior
a resistência do paraquedas).
Teste F ANOVA de fator Único
• Consideremos os seguintes dados:

Fornecedor 1 Fornecedor 2 Fornecedor 3 Fornecedor 4

18,5 26,3 20,6 25,4

24,0 25,3 25,2 19,9
17,2 24,0 20,8 22,6
19,9 21,2 24,7 17,5
18,0 24,5 22,9 20,4
 Teste F ANOVA de fator Único
• Temos:

18,5  24  17,2  19,9  18 20,6  25,2  20,8  24,7  22,9

X1   19,52 X3   22,84
5 5

26,3  25,3  24  21,2  24,5 25,4  19,9  22,6  17,5  20,4

X2   24,26 X4   21,16
5 5

c nj

 X
j 1 i 1
ij
18,5  24  17,2    17,5  20,4
X   21,945
n 20
Teste F ANOVA de fator Único
• Temos ainda:

   5  19,52  21,945  5  24,26  21,945 

c
SQE   n j X j  X
2 2 2

j 1

 5  22,84  21,945  5  21,16  21,945  63,2855

2 2

SQD   X ij  X j  2  18,5  19,52  24  19,52   18,0  19,52 

c nj
2 2 2

j 1 i 1

 26,3  24,26    17,5  21,16  20,4  21,16  97,5040

2 2 2
Teste F ANOVA de fator Único
• Nosso teste consiste em:

– Nível de Significância: 5%;

– Teste:
H 0 : 1   2     k  0

 H1 :   j  0

25
Teste F ANOVA de fator Único
• Nosso teste consiste em:
MQE
– Estatística de Teste F   3,4616
MQD

Fonte Graus de Soma dos Média dos Quadrados F

Liberdade Quadrados (Variância)
Entre os Níveis 4 1 63,2855 MQE  63,2855 / 3  21,0952
21,0952 / 6,0940
Dentro do Nível 20  4 97,5040 MQD  97,5040 / 16  6,0940
Total 20  1 160,7895

26
Teste F ANOVA de fator Único
• Protocolo:

– Região Crítica: RC : F  3,24

onde: PF3,16  F0,05   0,05  F0,05  3,24

• Conclusão: Rejeitamos H0 (afirmação de que não há

diferenças entre as médias) com NS = 5%
Múltiplas Comparações: Procedimento de
Tukey-Kramer
• Anteriormente negamos a hipótese nula (a afirmação de
que todas as resistências médias eram iguais,
independentemente do fornecedor) ao NS dado (5%);

• No procedimento de Tukey-Kramer identificamos os

fornecedores que apresentam diferenças;
Múltiplas Comparações: Procedimento de
Tukey-Kramer
• Procedimento:

– Calcule as diferenças absolutas entre as médias aritméticas

para todos os pares de médias de níveis distintos;

– Calcule o intervalo crítico para o procedimento utilizando a

equação a seguir para cada par de médias comparadas :
Múltiplas Comparações: Procedimento de
Tukey-Kramer
• Intervalo Crítico (IC):

MQD  1 1 
IC  Q  jk
2  n j nk 

Q Valor Crítico da Cauda Superior, a partir da t de Student, com c

graus de liberdade no numerador e n - c graus de liberdade no
denominador (Tabela) com NS = α
Múltiplas Comparações: Procedimento de
Tukey-Kramer
• Procedimento:

– Compare cada uma das diferenças absolutas calculadas com

o valor do IC específico;

– Caso a diferença absoluta seja maior que o valor crítico há

uma diferença significativa entre as médias;
Múltiplas Comparações: Procedimento de
Tukey-Kramer
• Para o nosso caso:

MQD  1 1  6,094  1 1 
IC  Q   4,05     4,4712
 
2  n j nk  2 5 5

c  4 e n  c  20  4  16  Q  4,05
nk  n j  5

MQD  6,094
Múltiplas Comparações: Procedimento de
Tukey-Kramer
• Assim para cada par de médias:

X 1  X 2  19,52  24,26  4,74  4,4712

X 1  X 3  19,52  22,84  3,32  4,4712
X 1  X 4  19,52  21,16  1,64  4,4712
X 2  X 3  24,26  22,84  1,42  4,4712
X 2  X 4  24,26  21,16  3,10  4,4712
X 3  X 4  22,84  21,16  1,68  4,4712
Múltiplas Comparações: Procedimento de
Tukey-Kramer
• Conclusões:
– A diferença absoluta entre 1 e 2 ultrapassou o IC. Existe portanto
uma diferença significativa entre essas duas médias (a média 1 é
significativamente menor que a média 2);

– As diferenças entre os demais pares não ultrapassou o limite, o

que significa que as diferenças podem ser atribuídas ao acaso.
Essas médias são todas iguais.
Múltiplas Comparações: Procedimento de
Tukey-Kramer
• Conclusões:

– Os Paraquedas produzidos com material dos Fornecedores

2,3 e 4 apresentam resistência idêntica;

– Os paraquedas produzidos com material do fornecedor 1

apresenta uma resistência menor que os outros a um NS =
5%.
Teste F ANOVA de fator Único
• Utilizando o Excel:
Modelo Fatorial: Análise de Variância de
Dois Fatores
• Voltemos aos problemas da Perfect Parachutes:

– Já tratamos o primeiro problema que consistiu em determinar

se existia diferenças na resistência média dos paraquedas
produzidos a partir de insumos vindos de fornecedores
diferentes. Nossa resposta: há diferenças;

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 37

Modelo Fatorial: Análise de Variância de
Dois Fatores
– A próxima questão é: Se utilizarmos dois tipos de teares para
produzir paraquedas (Jetta e Turk) isso provocaria alguma
diferença entre as médias de resistência a tensão dos
produtos finais?

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 38

Modelo Fatorial: Análise de Variância de
Dois Fatores
• Consideremos os seguintes dados:

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 39

Modelo Fatorial: Análise de Variância de
Dois Fatores
• Notes:

– Neste novo problema acrescentamos um novo fator (tipo de

tear) com dois níveis adicionais: jetta e turk;

– Nesse novo modelo temos combinações de níveis de fatores

distintos;

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 40

Modelo Fatorial: Análise de Variância de
Dois Fatores
• Algumas definições

– r : Número de Níveis do Fator A;

– c : Número de Níveis do Fator B;

– s : Número de valores (réplicas) para cada uma das combinações

de níveis dos fatores A e B;

– n : Número de Valores em todo o experimento (n = r × c × s)

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 41

Modelo Fatorial: Análise de Variância de
Dois Fatores
• Xijk- Valor da k-ésima observação para o nível i do fator
A e j do fator B;

• Grande Média:
r c s

 X
i 1 j 1 k 1
ijk

X
n

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 42

Modelo Fatorial: Análise de Variância de
Dois Fatores
• Média Aritmética do i-ésimo nível do Fator A:
c s

 X
j 1 k 1
ijk

X i 
cs
• Média Aritmética do i-ésimo nível do Fator B:
r s

 X ijk
X  j  i 1 k 1
rs

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 43

Modelo Fatorial: Análise de Variância de
Dois Fatores
• Média Aritmética do da célula ij, a combinação entre o
i-ésimo nível do fator A e o j-ésimo nível do fator B:
s

X ijk
X ij  k 1
s

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 44

Testando o Efeito dos Fatores e Efeitos
da Interação
• Dizemos que existe uma Interação entre os fatores A e B
se o efeito do fator A for dependente do nível do fator
B;

• Assim devemos decompor a variação total dos dados

nos seguintes componentes:

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 45

Testando o Efeito dos Fatores e Efeitos
da Interação
• Decomposição da Variação

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 46

Testando o Efeito dos Fatores e Efeitos
da Interação
• Variação total em ANOVA de dois fatores:

 
c r s
SQT   X ijk  X
2

i 1 j 1 k 1

• Variação do Fator A

 
r
SQA  c  s  X i  X
2

i 1

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 47

Testando o Efeito dos Fatores e Efeitos
da Interação
• Variação do Fator B:

 
c
SQB  r  s  X  j  X
2

j 1

• Variação decorrente da Interação

 
r c
SQAB  s  X ij  X i  X  j  X
2

i 1 j 1

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 48

Testando o Efeito dos Fatores e Efeitos
da Interação
• Erro Aleatório em ANOVA de dois fatores:

SQR   X ijk  X ij 

c r s
2

i 1 j 1 k 1

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 49

Testando o Efeito dos Fatores e Efeitos
da Interação
• Médias dos Quadrado: A soma dos quadrados divididos
pelo seus graus de liberdade:

SQA SQAB
MQA  MQAB 
r 1 r  1c  1
SQB SQR
MQB  MQR 
c 1 rcs  1

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 50

Testando o Efeito dos Fatores e Efeitos
da Interação
• Tabela da ANOVA de Dois Fatores

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 51

Testando o Efeito dos Fatores e Efeitos
da Interação
• Três Testes Possíveis

– Nenhuma Diferença Decorrente do Fator A:

H 0 : 1   2     r 

H1 : Nem todas as i são iguais
– Estatística de Teste e Região Crítica:

MQA RC : FESTAT  F

PFr 1,rc( s 1)  F   
FESTAT
MQR

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 52

Testando o Efeito dos Fatores e Efeitos
da Interação
– Nenhuma Diferença Decorrente do Fator B:

H 0 : 1  2    c


H1 : Nem todas as  j são iguais

– Estatística de Teste e Região Crítica:

MQB RC : FESTAT  F

PFc 1,rc( s 1)  F   
FESTAT
MQR

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 53

Testando o Efeito dos Fatores e Efeitos
da Interação
– Efeito da Interação:

H 0 : A interação entre A e B é igual a zero


H1 : A interação entre A e B não é igual a zero

– Estatística de Teste e Região Crítica:

MQAB RC : FESTAT  F

PFr 1c 1,rc( s 1)  F   
FESTAT
MQR

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 54

Testando o Efeito dos Fatores e Efeitos
da Interação
• Retornando aos nossos dados:

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 55

Testando o Efeito dos Fatores e Efeitos
da Interação
• ANOVA:

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 56

Testando o Efeito dos Fatores e Efeitos
da Interação
• Análise:

– Iniciamos testando se existe o efeito de Interação entre os

fatores A e B: RC : FESTAT  2,922
0,0956 PF2141, 24(51)  F0, 05   0,05
FESTAT   0,0111
8,6123  F0, 05  2,922

Conclusão: Não há evidência de que exista interação entre os fatores A e B

(não podemos negar H0) com NS de 5%
Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 57
Testando o Efeito dos Fatores e Efeitos
da Interação
– Efeito de Fator A
RC : FESTAT  4,171
PF21, 24(51)  F0, 05   0,05
6,9722
FESTAT   0,8096
8,6123
 F0, 05  4,171

Conclusão: Não há evidência de que exista diferença na resistência dos

paraquedas por variação do tipo de tear (não podemos negar H0) com NS de
5%

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 58

Testando o Efeito dos Fatores e Efeitos
da Interação
– Efeito de Fator B
RC : FESTAT  2,922
PF41, 24(51)  F0, 05   0,05
44,7829
FESTAT   5,1999
8,6123
 F0, 05  2,922

Conclusão: Existe evidência de que as médias por variação dos níveis do fator
B (rejeitamos H0) com NS de 5%

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 59

Múltiplas Comparações: O procedimento
de Tukey
• Uma vez estabelecido que há diferenças entre as médias
devidas a variações no fator B, podemos determinar
quais desses fatores de fato divergem utilizando o
procedimento de Tukey.

Pesquisa Operacional 2 - Prof. Luciano Barboza da Silva 60

Múltiplas Comparações: Procedimento de
Tukey
• O procedimento a seguir é o mesmo do caso de apenas
um fator modifica-se apenas o IC:
Fator A Fator B

MQR MQR
IC  Q IC  Q
cs rs
Gl do Numerador: r Gl do Numerador: c
Gl do Denominador: rc(s-1) Gl do Denominador: rc(s-1)
Múltiplas Comparações: Procedimento de
Tukey
• Para o nosso caso há apenas diferenças significativas
referentes ao fator B:

MQR 8,6123
IC  Q  3,84  3,56
rs 10
Múltiplas Comparações: Procedimento de
Tukey
• Assim para cada par de médias:

X 1  X 2  18,97  23,90  4,93  3,56

X 1  X 3  18,97  22,41  3,44  3,56
X 1  X 4  18,97  20,83  1,86  3,56
X 2  X 3  23,90  22,41  1,40  3,56
X 2  X 4  23,90  20,83  3,07  3,56
X 3  X 4  22,41  20,83  1,58  3,56
Múltiplas Comparações: Procedimento de
Tukey
• Conclusões:
– A diferença absoluta entre 1 e 2 ultrapassou o IC. Existe portanto
uma diferença significativa entre essas duas médias (a média 1 é
significativamente menor que a média 2);

– As diferenças entre os demais pares não ultrapassou o limite, o

que significa que as diferenças podem ser atribuídas ao acaso.
Essas médias são todas iguais.
Visualizando os Efeitos da Interação
Problemas de Dois Fatores com Interação
• Uma empresa de âmbito nacional especializada em
preparar alunos em exame para ingresso em faculdades
norte americanas, tais como SAT, ACT e o LSAT,
tinham como objetivo estratégico aperfeiçoar o seu
Curso Preparatório para o ACT. Dois fatores de
interesse para a empresa são: a duração do curso (um
Problemas de Dois Fatores com Interação
período condensado em 10 dias ou um período regular de
30 dias) e o tipo de curso (aprendizado tradicional em sala
de aula ou ensino à distância). A empresa coletou dados
designando aleatoriamente 10 clientes para cada uma das
quatro células que representam uma combinação entre
duração de curso e tipo de curso. Os resultados estão
Problemas de Dois Fatores com Interação
organizados na tabela a seguir. Quais os efeitos do tipo
de curso e da duração do mesmo nos resultados do
ACT?
Problemas de Dois Fatores com Interação

Saída do Excel para o

problema
Problemas de Dois Fatores com Interação

Note que a variação do

fator tipo alterou o
resultado da variação
do fator duração.
Problemas de Dois Fatores com Interação

Estatística F Limite F

Confirma-se a rejeição da hipótese de que não há interação entre os

dois fatores.
Problemas de Dois Fatores com Interação
• Esse resultado complica a análise dos efeitos principais;

• Sendo assim o procedimento deve ser considerar o

problema de experimento com um único fator
composto: Tipo de Curso;
Problemas de Dois Fatores com Interação
• Esse fator é uma combinação dos dois originais e tem os
seguintes níveis:
– Grupo 1: Tradicional Condensado;

– Grupo 2: Tradicional Regular

– Grupo 3: Virtual Condensado;

– Grupo 4:Virtual Regular;

Problemas de Dois Fatores com Interação
• Dados do Problema:
Problemas de Dois Fatores com Interação
• Saída do Excel:
Problemas de Dois Fatores com Interação
• Conclusão:

– Uma vez que a estatística F (8,2239) é maior que o limite da

distribuição F (2,8663), com 3 gl no numerador e 36 gl no
denominador, rejeitamos a hipótese nula (de que não há
diferença entre as médias) com NS de 5%;
Problemas de Dois Fatores com Interação
• Processo de Comparação de Tukey-Kramer:

MQD  1 1  14,1083  1 1 
IC  Q   3,79     4,5
 
2  n j nk  2  10 10 

c  4 e n  c  40  4  36  Q  3,79
nk  n j  10

MQD  14,1083
Problemas de Dois Fatores com Interação
• Processo de Comparação de Tukey-Kramer:

X 1  X 2  21,9  27,9  6,00  4,5  Diferença Significativa

X 1  X 3  21,9  27,0  5,10  4,5  Diferença Significativa
X 1  X 4  21,9  21,3  0,60  4,5  Nenhuma Diferença Significativa
X 2  X 3  27,9  27,0  0,90  4,5  Nenhuma Diferença Significativa
X 2  X 4  27,9  21,3  6,60  4,5  Diferença Significativa
X 3  X 4  27,0  21,3  5,70  4,5  Diferença Significativa
Problemas de Dois Fatores com Interação
• Conclusão:

– Com um NS de 5% chegamos as seguintes conclusões:

• O Grupo 1 tem resultado pior que o Grupo 2;

• O Grupo 1 tem Resultado pior que o Grupo 3;

• O Grupo 1 tem o mesmo resultado que o Grupo 4;

• O Grupo 2 tem o mesmo resultado que o Grupo 3

Problemas de Dois Fatores com Interação
• Conclusão:

– Com um NS de 5% chegamos as seguintes conclusões:

• O Grupo 2 tem resultado melhor que o Grupo 4;

• O Grupo 3 tem Resultado melhor que o Grupo 4;

• Os melhore resultados globais são do grupo 2 e 3

Problemas de Dois Fatores com Interação
• Assim a empresa deve fazer curso regulares em
ambiente tradicional;

• A empresa deve fazer cursos condensados em ambientes

virtuais;