Escolar Documentos
Profissional Documentos
Cultura Documentos
Amostragem
Compreender os conceitos fundamentais da Amostragem, suas aplicações inseridas
em contextos reais da Qualidade. Distinguir população e amostra, apresentando
amostra como um subconjunto do conjunto população
Qualidade e Estatística
A qualidade tornou-se ao longo do tempo um dos mais importantes fatores de
decisão dos consumidores na escolha de produtos ou serviços, por este motivo
compreender e melhorar a qualidade é um fator importante para o sucesso de todo
negócio.
Segundo Montgomery (2013), a qualidade de um produto pode ser avaliada sob
várias dimensões, entre elas estão o desempenho, confiabilidade, durabilidade,
assistência técnica, estética, características, qualidade percebida e conformidade
com especificações.
Nesse sentido algumas técnicas estatísticas são utilizadas na busca da melhoria
contínua da qualidade como por exemplo a Amostragem por Aceitação e o
Controle Estatístico de Processos (CEP) .
Amostra
Amostragem
População e Amostra
É comum as pessoas pensarem em população, como sendo um conjunto de pessoas
que residem em uma determinada área ou local determinado. De certa forma, essa
definição está correta. Entretanto, a definição de população estatística é outra. Para
a estatística população é “um conjunto de elementos, que possuem pelo menos
uma característica em comum e que você deseja chegar a alguma conclusão. ”
Podemos interpretar a definição acima como sendo um conjunto de elementos
(pessoas, animais, objetos, produtos, etc.) que, para fazerem parte de uma
determinada população, necessitam possuir características semelhantes aos demais
elementos.
Amostra
Muitas vezes a população é muito grande. Este fato torna a pesquisa estatística
inviável ou impraticável devido à falta de tempo e de recursos para se conduzir
uma pesquisa de tal magnitude. A solução para esse problema é a utilização de
uma parte da população, chamada de amostra.
Neste caso, podemos concluir que Amostra é:
“Um subconjunto ou uma parte finita de uma população que se quer analisar.
”
Apesar do fato da escolha de uma amostra ser bastante corriqueira em estatística, a
escolha da mesma deve ser criteriosa. Para não ocorrerem erros na pesquisa deve -
se escolher uma amostra representativa da população (que contenha características
semelhantes à população) e não amostras tendenciosas.
Técnicas de amostragem
Processos de Amostragem
Histograma Norma
Na área da Qualidade uma forma de amostragem muito utilizada é a
amostragem por aceitação, que está intimamente ligada à inspeção e teste de
produtos ou serviços. A amostragem por aceitação é definida como “a inspeção e
classificação de uma amostra de unidades selecionadas aleatoriamente de uma
remessa ou lote maior e a decisão final sobre o destino do lote. (Montgomery, 2013
p. 10)
Embora seja usual a utilização da amostragem de aceitação para inspeção de
recebimentos uma outra aplicação é feita pelo próprio fabricante de um produto
que retira uma amostra de seu próprio produto para verificar a sua conformidade
nos diferentes estágios da produção.
A escolha de um tipo especifico de amostragem está relacionada ao produto,
segmento, etapa de produção ou por indicação estratégica da empresa.
Introdução
A Estatística tem como um dos objetivos, coletar, organizar, apresentar, analisar e
interpretar dados a fim de obter e validar conclusões para a tomada de decisão.
As técnicas utilizadas na Estatística são instrumentos valiosos nas diferentes áreas
profissionais, principalmente na Gestão da Qualidade. A inspeção de produtos ou
serviços é um exemplo de como se pode utilizar a Estatística na tomada de decisão,
buscando um melhor lugar no mercado, gerando maiores lucros, otimizando suas
linhas de produção e minimizando seus custos.
Método Estatístico
É um conjunto de técnicas utilizadas quando se quer fazer uma pesquisa
estatística.
Este método compõe o que se conhece por Estatística Descritiva. Suas fases são:
a) Coleta de Dados: A coleta de dados consiste em levantar informações, acerca de
um assunto em uma população ou amostra. A coleta de dados pode ser realizada
mediante a confecção de cartas controle, cartas de verificação, questionários,
entrevistas, por diferentes meios como impresso, telefônico, internet, etc.
b) Apuração dos Dados: A apuração dos dados tem como objetivo organizar,
processar e contar os dados obtidos na coleta. É nessa fase que os números da
pesquisa se tornam evidentes.
c) Apresentação dos Dados: O objetivo dessa fase é a apresentação dos resultados
da pesquisa para o público alvo, ou o público de interesse da pesquisa.
Normalmente as formas utilizadas são gráficos e tabelas por terem um apelo visual
e serem mais fáceis de compreensão.
d) Análise dos Resultados: É nessa fase que é realizada a interpretação e análise
dos dados obtidos, apurados e demonstrados nas fases anteriores. Após a
organização e apresentação dos dados são calculadas algumas medidas como:
medidas de posição central (média, mediana e moda); medidas separatrizes
(quartil, decil, percentil) além das medidas de dispersão (desvio médio, variância,
desvio padrão, coeficiente de variação).
Dados e variáveis
Dados são informações provenientes de observações, medições ou contagens que
serão utilizadas na análise. As características dos elementos que serão analisados e
que compõem os dados são chamadas variáveis e podem ser classificadas
como qualitativas (atributos) ou quantitativas (variáveis).
Podemos definir variáveis qualitativas (atributos) como sendo a representação
dos elementos analisados por um atributo (cor, rugosidade, nível de viscosidade,
raça, estado civil etc.), e podem ser classificadas por:
· Variável qualitativa nominal: seus resultados possíveis são valores que
não podem ser ordenados. Exemplo: cor, nacionalidade; cor dos olhos.
· Variável qualitativa ordinal: seus possíveis resultados podem ser
ordenados e classificados. Exemplo: nível de instrução, classe social, grau.
As variáveis quantitativas (variáveis) são expressas por números e podem ser
classificas em:
· Variável quantitativa discreta – estas variáveis assumem números inteiros
0, 1, 2,..., e são resultantes, em geral, de contagens. Por exemplo, número de
filhos, quantidade de vendas do mês, quantidade de peças defeituosas de um lote
de produção.
· Variável quantitativa contínua – são variáveis que podem assumir
qualquer valor numérico do conjunto dos números reais 0; ½ ; 2; 3,5; 6; ....
Exemplo: estatura; tempo de espera de atendimento; consumo de energia.
Dados brutos
A primeira parte de uma pesquisa consiste em coletar os dados referentes às
variáveis de estudo. Esses dados são primeiramente colhidos em uma sequência
não organizada, chamada tabela de dados brutos.
Observe a tabela abaixo:
5 2 8 3 1
8 4 3 1 5
1 1 2 3 3 4 5 5 8 8
Arredondamento
Para resolver alguns exercícios, às vezes, é necessário utilizarmos arredondamento
nas casas decimais.
Para iniciarmos, faremos um combinado que usaremos durante todo o curso. Ao
fazermos arredondamento, utilizaremos apenas duas casas após a vírgula.
· Quando o terceiro algarismo após a vírgula for 0, 1, 2, 3 ou 4, conservamos
o segundo algarismo após a vírgula.
Ex: 9,3724 ? assim teremos 9,37 (não acrescentamos nenhuma unidade, pois o
terceiro algarismo após a vírgula é 2)
· Quando o terceiro algarismo após a vírgula for 5, 6, 7, 8 ou 9, aumentamos
uma unidade no segundo algarismo após a vírgula.
Ex: 9,3794 ? assim teremos 9,38 (acrescentamos uma unidade, pois o terceiro
algarismo após a vírgula é 9).
A notação Sigma
A notação sigma ou somatório? É utilizada usualmente na Estatística.
Exemplo: Dada a sequência de números, calcule sua soma.
Sequência x: 1, 3, 5, 9
A soma dos números elevados ao quadrado será representada pela notação x².
Assim, no exemplo anterior teremos:
Tabela de Distribuição de Frequência (TDF)
Para facilitar a análise e interpretação dos resultados, logo após a coleta de dados,
o pesquisador poderá construir a Tabela de Distribuição de Frequência, que
chamaremos a partir de agora de TDF, tendo como base a tabela de dados brutos.
Essas tabelas são geralmente compostas por cinco colunas, a primeira para as
categorias das variáveis em estudo, a segunda para a frequência simples ou
absoluta, a terceira para a frequência relativa, a quarta para a frequência p ercentual
e a quinta para a frequência acumulada. Falaremos sobre cada uma delas a seguir.
3 9 3 10 5
7 4 7 9 3
10 3 5 7 10
7 7 4 3 11
Vamos agora, construir uma frequência por vez, ao final chegaremos à TDF
completa:
· Vamos construir a primeira coluna, apresentando a variável – tempo de
espera (x i) e, na segunda coluna, a frequência simples (f i). Para determinar a
frequência simples, contamos quantas vezes cada elemento aparece na tabela de
dados brutos. Por exemplo: o número 3 aparece na tabela acima cinco vezes.
Tempo de Frequência simples
espera (xi) (fi)
3 5
4 2
5 2
7 5
9 2
10 3
11 1
20
Tempo
Frequência
de frequência
simples
espera relativa (fir)
(fi)
(xi)
3 5 0,25
4 2 0,10
5 2 0,10
7 5 0,25
9 2 0,10
10 3 0,15
11 1 0,05
20 1,00
Tempo Frequência
Frequência
de frequência relativa
simples
espera relativa (fir) percentual
(fi)
(xi) fir ou %
3 5 0,25 25
4 2 0,10 10
5 2 0,10 10
7 5 0,25 25
9 2 0,10 10
10 3 0,15 15
11 1 0,05 5
20 1,00 100
7 0,15 15
12 0,25 25
11 0,23 23
6 0,13 13
9 0,19 19
3 0,06 6
48 1,01 101
Central 7 0,28 28
Leste 6 0,24 24
Norte 5 0,20 20
Oeste 3 0,12 12
Sul 4 0,16 16
25 1,00 100
Representação Gráfica de dados
Conhecer, construir e interpretar gráficos de coluna; gráfico de barras; histograma;
ogiva ou polígono de frequência e ogiva de Galton
Gráficos
Utilizamos os gráficos para melhorar nossa compreensão sobre os dados que
estamos analisando, pois eles têm uma forma simples de transmissão da
informação, além de auxiliar a interpretação dos dados de forma mais rápida. Um
gráfico geralmente deve conter um título, as escalas utilizadas e a fonte de
informação dos dados apresentados.
Gráfico de linha
É um gráfico que utiliza linhas (segmento de reta) ou curvas para representar séries
estatísticas. As funções são representadas em um sistema cartesiano (x,y).
Exemplo 1:
A empresa Brinquedos Euli fabrica bonecas de pano. O aluguel e a manutenção da
fábrica assim como o maquinário fazem parte do custo fixo, pois mesmo não
havendo produção de bonecas esses valores ainda existem. Os custos da matéria
prima e do trabalho são variáveis pois dependem da quantidade a ser fabricada.
Supondo que os custos fixos desta empresa são R$ 3.000,00 ao mês, e o custo
variável R$ 2,50 por boneca fabricada, conforme tabela abaixo:
q 0 10 100 200
Mês Vendas
Janeiro 938
Fevereiro 900
Março 730
Abril 1015
Maio 911
Junho 800
Utilizamos a tabela acima para construir o gráfico.
Gráfico de linha
Exemplo 3:
Querendo saber o desempenho de vendas de todos os modelos vendidos no 1º
semestre , Sr. Pedro que é o Diretor da distribuidora de automóveis Delta Plus
LTDA, pediu a Marcos para providenciar um gráfico que pudesse representar os
três modelos mais vendidos no 1º semestre de 2014.
O gerente de vendas decidiu que um gráfico de linhas seria a melhor escolha para
apresentar a série de dados apresentados na tabela de dupla entrada.
Gráfico de linha.
Gráfico de colunas
O gráfico de colunas apresenta a frequência absoluta, relativa ou percentual em
colunas verticais. Esse gráfico pode ser utilizado para representar variáveis
qualitativas ou quantitativas.
Para construir o gráfico de colunas, colocamos no eixo vertical a frequência que
vamos utilizar e no eixo horizontal as categorias das variáveis analisadas. Na
construção deste gráfico é importante que as colunas tenham a mesma largura e
que sejam separadas umas das outras.
15 4
16 5
17 8
18 9
19 7
20 3
36
Observe agora que a frequência simples (absoluta) está no eixo horizontal e que a
categoria da variável (ligações atendidas) está no eixo vertical.
Gráfico de Pareto
O gráfico de Pareto é uma outra variante do gráfico de colunas, sendo uma das 7
(Sete) ferramentas da qualidade. Neste gráfico a preocupação está em apresentar as
colunas por ordem decrescente de frequência (da maior para a menor) .
Deformação 69
Trinca 42
Porosidade 30
Risco 25
Outros 10
Estados
12.622,90 13.377,20 14.028,70 14.291,50 13.973,70 14.498,90 15.075,70
Unidos
1000 2000 3
2000 3000 7
3000 4000 12
4000 5000 5
5000 6000 3
Total 30
Com base nesta distribuição de salários (variável quantitativa contínua) deseja -se
montar um gráfico histograma. Vale lembrar que o histograma é uma forma gráfica
e visual de representar uma distribuição de frequências (com intervalos de classe,
neste caso) para variáveis quantitativas (como o salário). Deste modo, temos:
Observando o exemplo de histograma podemos tirar as seguintes conclusões:
Vale lembrar que para construirmos o histograma consideramos, no eixo "Y" (eixo
das ordenadas) os valores das frequências absolutas e, no eixo "X" (eixo das
abscissas) os valores da variável quantitativa em questão (salários dos
funcionários). Muitas vezes coloca-se, no eixo "Y", as frequências relativas ou
percentuais. Considerando o mesmo exemplo, considerando as frequências
percentuais no eixo "Y", temos:
Salário (xi) Quantidade de funcionários (fi) porcentagem %
Total 30 100,0
Fonte:
A vantagem deste tipo de histograma (descrito acima) é que temos uma ideia das
porcentagens para cada intervalo de classe. Neste caso fica fácil observamos, pelo
histograma, que 40% dos funcionários desta empresa de informática têm um
salário entre R$ 3.000 e R$ 4.000.
Ogiva ou polígono de frequência
A ogiva, também conhecida como polígono de frequência, representa a frequência
absoluta ou relativa dos dados agrupados em intervalos de classes.
Para construir a ogiva, ligamos os pontos médios das classes (por linhas), sempre
iniciando no eixo horizontal (no lugar que seria o ponto médio de uma classe
imaginária).
Exemplo:
A seguir apresentamos o histograma referente a pesquisa sobre os pacientes
infectados pelo vírus da gripe em um ambulatório médico.
Fonte:
Ogiva de Galton
É a representação gráfica da frequência acumulada de uma distribuição de
frequência mostrada em um histograma. A definição de Ogiva de Galton é muito
parecida com o Polígono de Frequência, porém na Ogiva os pontos limites são
unidos de maneira a construir uma linha poligonal crescente. No eixo horizontal
apresentamos as classes da variável estudada no eixo vertical é indicada a
frequência acumulada.
A finalidade de traçar uma Ogiva é estudar um problema que envolve ?valores
menores ou iguais? ou somente ?menor? a um determinado dado. Analisando uma
Ogiva também podemos perceber a variação (crescimento) de dados em relação à
classe anterior observando a inclinação dos segmentos de reta que a compõem.
Exemplo:
O gráfico ?Ogiva de Galton? abaixo, apresenta as vendas semanais (em milhares),
dos vendedores de uma empresa do setor da indústria química. Observando os
dados, qual a quantidade de vendas que a maior quantidade de vendedores
conseguiu fazer o período analisado?
Ogiva de Galton.
Analisando o gráfico o segmento que possui a maior inclinação está entre 35 e 40,
logo a maior venda (frequência absoluta) está representada nesse intervalo.
Gráfico de setor
Os gráficos em setores são diagramas (gráficos construídos com formas
geométricas) muito utilizados na literatura e na mídia. É muito comum vermos
gráficos em setores nos jornais, revistas e diversos meios de comunicação.
Diferentemente dos gráficos em linhas, colunas ou barras, o gráfico em setores é
feito utilizando-se a circunferência. Os gráficos em setores são popularmente
conhecidos como gráficos de "pizza".
Os gráficos em setores podem ser feitos por meio de dados absolutos (dados brutos
e frequências absolutas) ou através de dados relativos, como porcentagens (ou
frequências percentuais). Muito frequentemente os gráficos em setores são feitos
utilizando-se as porcentagens (dados relativos) ou frequências percentuais.
No caso das porcentagens é notório saber que a circunferência toda corresponde à
100% dos dados, ou seja, os 360 graus correspondem a 100% das observações ou
dos dados. Cada setor ou parte desta circunferência fica dividida e é proporcional
às frequências relativas (ou dados relativos) da variável em estudo. Desta forma,
temos:
Fórmula para o cálculo do setor circular:
Setor (em graus) = fri x 360º.
Onde fri é a frequência relativa. A frequência relativa é a frequência percentual
(f%i ou porcentagem) dividida por 100.
Abaixo apresentamos um gráfico de setor para uma série de dados referente à
quantidade de ligações atendidas/dia pelos funcionários de uma empresa de
telemarketing, conforme tabela 1.
Fonte:
Gráfico de dispersão
O gráfico de dispersão mostra a relação existente entre duas variáveis numéricas e
será muito utilizado na análise de regressão e correlação, assunto que estudaremos
mais adiante.
Esse gráfico de dispersão representa a relação entre duas variáveis numéricas,
como por exemplo, preço e oferta, custos e vendas, etc.
Quando há uma relação entre duas variáveis, dizemos que existe uma corr elação
entre elas. Essa correlação pode ser uma correlação linear positiva ou negativa
(quando podemos traçar uma reta pela maioria dos pontos apresentados no
gráfico). Além de uma correlação linear, existe uma correlação não linear (quando
os pontos representam uma imagem de curva).Há casos em que não há correlação
(todos os pontos estão espalhados no plano cartesiano).
Exemplo: A fábrica de Brinquedos Euli fabrica vários tipos de produtos. O custo
de fabricação e o valor de venda no mercado consumidor está representado na
tabela abaixo. Representar em um diagrama de dispersão a relação entre os
diferentes valores e produtos.
Diagrama de dispersão.
Medidas de Posição Central
Entender a aplicação das medidas de Posição Central
A. Média Aritmética
em que:
· Xi é a variável em análise;
3 5
4 2
5 2
7 5
9 2
10 3
11 1
n= 20
Podemos concluir que, em média, cada cliente fica 6,35 minutos na fila.
Note que a média é um valor que representa um conjunto de dados. Existem
valores abaixo e acima da média. Se olharmos o conjunto de dados veremos que o
tempo de espera 6,35 não existe na tabela. Contudo, a média representa o tempo.
A este tipo de média chamamos de média aritmética ponderada
B. Moda
Após termos visto o cálculo da média, outra medida de tendência central muito
conhecida e importante é a Moda. Para conseguirmos calcular a moda de uma
distribuição é muito importante conhecermos o seu conceito.
Moda é o valor que mais se repete em uma distribuição ou em um conjunto de
dados. Ou seja, é o valor de maior frequência em uma distribuição.
Ótimo 25
Bom 36
Regular 12
Ruim 7
Total (n) 80
Desvio Padrão
1,5 2,5 3,0 4,5 5,5 5,5 7,0 8,5 9,0 10,0
Desvio padrão
2,5 3,0 4,0 4,0 5,0 6,0 7,5 8,0 8,0 9,5
Neste exemplo verificamos que dois desvios se repetem mais do que os outros.
Tanto o desvio "4,0" quanto o desvio "8,0" se repetem duas vezes. Neste caso,
podemos concluir que existem duas modas. Logo a distribuição é chamada
de bimodal (duas modas distintas).
Exemplo 3:
Desvio Padrão
0 15
1 6
2 4
3 3
4 2
Total (n) 30
Percebe-se que em quinze dias do mês o controle de qualidade não achou nenhum
defeito. Em seis dias do mês o controle de qualidade descobriu um defeito por lote
e assim, sucessivamente.
Vejam que o valor que mais se repete (o de maior frequência) é o zero. Ou seja,
zero defeitos foram encontrados em 15 dias do mês pesquisado. Desta forma, o
resultado "zero" se repete 15 vezes no mês. Como zero é o valor mais frequente (o
que se repete mais) podemos concluir que, neste caso, a Moda é igual a zero.
Vale ressaltar que a moda é o valor da variável (xi) que mais se repete (o zero,
neste caso) e não a maior frequência (o 15 neste caso).
C. Mediana
Em muitos tratamentos estatísticos a mediana é mais utilizada do que a média,
quando se deseja uma medida de tendência central. Isto ocorre, pois, a mediana
não é influenciada por valores extremos (valores muito baixo ou alto) como a
média. A média muda conforme acrescentamos valores altos ou baixos na amostra.
A mediana é menos sensível a estes tipos de valores.
A Mediana é o valor que se encontra exatamente no centro de uma distribuição e
por se encontrar exatamente no centro, a mediana divide o conjunto de dados em
duas partes iguais, sendo que, cada parte corresponde a 50% do total de dados.
R$ R$ R$ R$ R$ R$ R$ R$ R$
1.780,00 4.240,00 2.360,00 1.980,00 3.240,00 1.760,00 5.430,00 3.450,00 1.690,00
R$ R$ R$ R$ R$ R$ R$ R$ R$
1.690,00 1.760,00 1.780,00 1.980,00 2.360,00 3.240,00 3.450,00 4.240,00 5.430,00
Com os valore em ordem (passo 1) vamos identificar o valor de "n". "N" é o total
de dados da distribuição, logo, como são nove valores temos que:
n=9
Identificado o valor de "n" e apresentando os números em ordem crescente, vamos
calcular a posição em que a mediana estará no meio da distribuição.
A fórmula para se calcular a posição da mediana "i" depende do valor de "n". Caso
"n" seja par, devemos somar os dois elementos do meio e dividir por 2, o resultado
será a mediana. Caso "n" seja ímpar, devemos utilizar o elemento do meio.
Logo, a mediana é o valor da distribuição que estará na quinta posição. Desta
forma, olhando-se para o conjunto de dados em ordem numérica, a quinta posição
é o valor: R$ 2.360,00. Conclui-se, portanto, que o salário mediano deste conjunto
de dados é de R$ 2.360,00.
Para interpretarmos este valor podemos concluir que, se o salário mediano é de R$
2.360,00, isto quer dizer que metade dos nove funcionários ganha menos que este
valor e, de forma análoga, a outra metade (50%) ganha igual ou mais que este
valor. Reparem que o valor de R$ 2.360,00 está exatamente no centro da
distribuição de valores. Como a mediana está exatamente no centro da distribuição
e separa o conjunto de dados em duas partes iguais (50% de cada lado), ela
também é chamada de Separatriz.
Lotes 1 2 3 4 5 6 7 8 9 10
Quantidade
5 2 6 1 3 6 4 3 1 0
de Defeitos
0 1 1 2 3 3 4 5 6 6
Com os valores em ordem podemos definir "n". De forma trivial sabemos que n =
10, uma vez que o total de dados é dez.
Percebe-se que calculamos duas posições para a mediana: a quinta e a sexta
posição, pois dividimos a quantidade de elementos por 2 (10:2=5 , como 10 é par
temos o quinto e o sexto elemento). Uma vez localizadas as posições devemos
ver, no conjunto de dados em ordem, a que números estas posições se referem.
Desta forma, temos:
· Quinta posição = 3 defeitos;
· Sexta posição = 3 defeitos.
Por fim, para calcularmos a mediana quando "n" é par devemos somar os dois
valores (das duas posições encontradas) e dividí-los por dois. Desta forma temos:
Onde Md é o símbolo que significa Mediana.
Concluindo, a mediana dos defeitos é três (Md = 3). Isto significa que na metade
dos lotes pesquisados houveram menos do que 3 defeitos por lote. Na outra metade
dos lotes pesquisados houverem 3 ou mais defeitos por lote.
Call center
Mediana para Dados Agrupados Sem Intervalos de Classe
De forma muito análoga ao caso de dados não agrupados, calculeremos a mediana
para este tipo de distribuição em específico. Com este objetivo, seguiremos os
seguintes passos abaixo:
0 9
1 11
2 10
3 6
4 4
Total n 40
Pela tabela acima percebemos que 9 funcionários não possuem filhos menores de
cinco anos. Da mesma forma, onze funcionários possuem 1 filho menor de 5 anos e
assim por diante. Tentaremos calcular qual é a mediana da quantidade de filhos
desta distribuição de frequências sem intervalos (dados agrupados sem intervalor).
Seguindo os passos descritos acima temos:
frequência
Quantidade Funcionários
acumulada
de filhos xi fi
fac
0 9 9
1 11 20
2 10 30
3 6 36
4 4 40
Total n 40
Medidas de dispersão
As medidas de dispersão são valores que verificam o quanto um determinado
elemento está afastado da média, ou seja, sua variabilidade; complementando,
portanto, a análise das medidas de tendência central.
Falaremos nesta aula sobre as medidas de dispersão: desvio médio, variância,
desvio-padrão e coeficiente de variação.
Calculadora
Desvio absoluto – DA
O desvio absoluto apresenta a distância entre cada elemento e a média aritmética
da série, ou seja, o quanto cada elemento está afastado da média.
3 5
4 2
5 2
7 5
9 2
10 3
11 1
n 20
O desvio absoluto de cada elemento pode ser apresentado em uma coluna ao lado
da frequência simples:
Tempo de Frequência
espera xi fi
|3-6,35|=|-
3 5
3,35|=3,35
|4-6,35|=|-
4 2
2,35|=2,35
|5-6,35|=|-
5 2
1,35|=1,35
|7-
7 5
6,35|=|0,65|=0,65
|9-
9 2
6,35|=|2,65|=2,65
|10-
10 3
6,35|=|3,65|=3,65
|11-
11 1
6,35|=|4,65|=4,65
n 20
É simples, não é?
Vamos calcular o desvio-padrão do nosso exemplo?
Nosso desvio-padrão é de ± 2,73, isso quer dizer que há um desvio de 2,73 minutos
para mais ou para menos, do tempo de espera na fila, em relação à média
aritmética.
Importante: quanto mais os dados se afastarem da média, maior será o desvio-
padrão, portanto, quanto menor o desvio-padrão, mais perto da média estará cada
elemento.
Calculo
Coeficiente de Variação – CV (x)
O coeficiente de variação é uma medida de dispersão relativa determinada pela
divisão do desvio padrão com a média e é utilizado para comparar os dados em
diferentes experimentos.
Agora que já temos o desvio-padrão e a média aritmética, podemos calcular o
coeficiente de variação de nosso exemplo.
CV (x)= 42,99%
Podemos concluir que o coeficiente de variação da variável "tempo de espera"
corresponde a 42,99% da média aritmética da variável.
O coeficiente de variação é mais utilizado quando estamos analisando duas
variáveis.
Exemplo: Já sabemos que o desvio médio da variável tempo de espera na fila de
um banco é de 2,73 com média de 6,35. O tempo de espera na fila de uma casa
lotérica também tem um desvio padrão de 2,73. Os dados estão apresentados na
tabela abaixo.
Tempo de Média Variância Desvio Coeficiente de
espera Padrão variação
Casa
3,06 7,43 2,73 89%
Lotérica
Podemos observar que o tempo de espera da casa lotérica possui maior dispersão
em relação à média quando comparado com o tempo de espera na fila do banco.
Estudando
Potencial de Mercado
Discutir sobre Potencial e Pesquisa de Mercado.
Pesquisa de Mercado
Painel de Consumidores
Entender o objetivo da utilização do Painel de Consumidores na Pesquisa de
Mercado.
Painel de Consumidores
Pesquisa de Propaganda
Identificar o compreender os objetivos da utilização da Pesquisa de Propaganda.
Pesquisa de Propaganda
Neste tipo de pesquisa, segundo Samara & Barros ( 1997 p. 124) , algumas
informações importantes podem ser listadas como:
Antes de introduzir um novo produto e/ou serviço em seu mercado inteiro, com
base apenas na percepção daqueles que participaram de seu desenvolvimento, é
altamente recomendado que as empresas realizem um teste de mercado.
Testes de mercado são utilizados para avaliação da aceitação dos
consumidores e ou clientes com relação aos novos produtos e/ou serviços
oferecidos pela empresa, e para aferição de seu grau de adaptação a essas novas
ofertas.
De modo sintético, um teste de mercado é uma avaliação em pequena escala,
utilizando procedimentos estatísticos, das possibilidades de sucesso do lançamento
de determinado produto e/ou serviço em todo o universo que se queira atingir.
Para realizar um teste de mercado, a empresa fabrica o novo produto e/ou
disponibiliza o novo serviço, oferece-o em escala menor a um grupo de
consumidores e/ou clientes que representem o mercado no qual a empresa deseja
atuar.
As abordagens mais utilizadas pelas empresas ao realizarem testes de mercado são
as seguintes:
- teste de marketing padrão, que leva em consideração a avaliação dos
canais de distribuição e de vendas da empresa, considerando uma determinada área
geográfica;
- teste de marketing controlado, que controla a venda do produto em
determinados pontos de venda, os quais recebem um valor para exposição do
produto e/ou serviço;
- testes de mercado simulado, que avalia o gosto dos consumidores e/ou
clientes nos pontos de venda, ao solicitar-lhes que experimentem o novo produto
e/ou serviço.
A escolha do mercado teste obedece a uma série de quesitos básicos que o
tornem representativo do mercado total (LAMBS et al., 2004):
- similaridade com pontos de distribuição planejados
- isolamento relativo em relação a outras cidades
- disponibilidade de mídia para publicidade que vai cooperar
- segmentos diversificados de idades. religiões, preferências
socioculturais etc.
- sem hábitos de compra atípicos
- tamanho de população representativo
- renda per capita típica
- bom histórico como cidade de teste, mas não usada em excesso
- não pode ser facilmente "atrapalhado" pelos concorrentes
- estabilidade de vendas ao longo de anos
- sem estação de televisão dominante; diversos jornais, revistas, estações
de rádio e internet;
- disponibilidade de varejistas que vão cooperar
- disponibilidade de serviços de pesquisa e auditoria
- isenção de influências pouco comuns, como domínio por uma indústria
ou com muitos turistas.
População
É um conjunto de indivíduos ou objetos que possuem pelo menos uma
característica em comum, podendo ser finito ou infinito.
Amostra
Gráficos de Controle
Definir e identificar os tipos de Gráfico de Controle
Um gráfico de controle consiste em uma linha central e um par de limites que se
localizam acima e abaixo da linha central. Foi proposto em 1924 por W.A.
Shewhart que trabalhou na Bell Telephone Laboratories. A intenção de Shewhart
era eliminar variações anormais identificando a diferença entre causas aleatórias e
casuais.
A finalidade do uso do gráfico de controle está (UNINOVE-AVA):
Controle de defeitos
Gráfico pn o np
Este gráfico tem como objetivo controlar a quantidade de elementos defeituosos
em uma amostra de tamanho n constante.
Gráfico p
Utilizado quando se deseja controlar a porcentagem ou proporção defeituosa da
amostra. Sendo sua classificação feita por peça defeituosa ou não defeituosa.
Gráfico U
Seu uso é indicado no controle do número médio de defeitos que aparecem por
unidade. Utilizado nos casos em que a ocorrência de defeitos não se mantem
constante ao longo do processo.
Gráfico de Controle de variáveis
(Média e amplitude)
Usado para controlar e analisar um processo com valores contínuo da qualidade do
produto ou serviço. Este tipo de gráfico é bastante utilizado quando se deseja
controlar a variação dentro de um subgrupo.
(Mediana e amplitude)
O gráfico da mediana é bastante utilizado por seu cálculo ser mais fácil. Neste tipo
de gráfico o mínimo de dados utilizados para cálculo dos limites de controle deve
ser igual a 125 dados e sua amostra deve ser sempre em quantidade impar.
Carta controle
Estratificação de Dados
A estratificação é uma técnica muito utilizada na composição da amostra, pois
possibilita o estudo criterioso dos dados obtidos.
Indica-se sua utilização em alguns casos como, quando se deseja verificar o
impacto de uma determinada causa sobre o efeito estudado; quando é necessário
detectar um problema que provém de grupos distintos ou mesmo quando se quer
separar os dados conforme características distintas pré-definidas.
Folha de Verificação
Gráficos de Controle
Definir e identificar os tipos de Gráfico de Controle
Um gráfico de controle consiste em uma linha central e um par de limites que se
localizam acima e abaixo da linha central. Foi proposto em 1924 por W.A.
Shewhart que trabalhou na Bell Telephone Laboratories. A intenção de Shewhart
era eliminar variações anormais identificando a diferença entre causas aleatórias e
casuais.
A finalidade do uso do gráfico de controle está (UNINOVE-AVA):
Controle de defeitos
Gráfico pn o np
Este gráfico tem como objetivo controlar a quantidade de elementos defeituosos
em uma amostra de tamanho n constante.
Gráfico p
Utilizado quando se deseja controlar a porcentagem ou proporção defeituosa da
amostra. Sendo sua classificação feita por peça defeituosa ou não defeituosa.
Gráfico U
Seu uso é indicado no controle do número médio de defeitos que aparecem por
unidade. Utilizado nos casos em que a ocorrência de defeitos não se mantem
constante ao longo do processo.
(Média e amplitude)
Usado para controlar e analisar um processo com valores contínuo da qualidade do
produto ou serviço. Este tipo de gráfico é bastante utilizado quando se deseja
controlar a variação dentro de um subgrupo.
(Mediana e amplitude)
O gráfico da mediana é bastante utilizado por seu cálculo ser mais fácil. Neste tipo
de gráfico o mínimo de dados utilizados para cálculo dos limites de controle deve
ser igual a 125 dados e sua amostra deve ser sempre em quantidade impar.
O objetivo final da análise de todo processo é melhorar cada vez mais a qualidade
dos produtos e serviços, satisfazendo as necessidades dos clientes.
O objetivo da análise da capacidade do processo é quantificar as causas comuns de
variabilidade, verificando a capacidade potencial do processo em atender a uma
determinada especificação.
Na análise do processo podemos calcular a capacidade que o processo tem de
produzir produtos ou prestar serviços cujos valores encontram-se dentro dos
limites de tolerância especificados, sendo esse cálculo denominado Capabalidade
do processo.
A capacidade (Cp) é definida como a distância entre a média do processo em
relação aos limites especificados, obtidos em unidades de desvio padrão.