PESQUISA DE MERCADO E ESTATÍSTICA

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

Podemos considerar como processos ou técnicas de amostragem, toda forma que se

utiliza para se extrair uma amostra de dentro de uma população. Existem vários
processos (técnicas) de amostragem como:
a) amostragem casual ou aleatória simples: mais conhecida como o sorteio dos
elementos da amostra.
b) amostragem estratificada: quando o produto ou serviço analisado é retirado de
diferentes máquinas, turnos de produção, operadores etc. A amostragem
estratificada é composta por amostras proporcionais a cada lote ou grupo real.
c) amostragem sistemática: quando os elementos da amostra são retirados da
população por meio de intervalos consecutivos (10 em 10, 20 em 20 etc.) a partir
de sorteio do primeiro elemento.

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.

Distribuição de Frequência: Tabelas

Compreender os fundamentos da Estatística, seus conceitos e suas aplicações,
apresentando os tipos de dados e reconhecendo as diferenças entre eles e as
variáveis. Distinguir população e amostra. Construir uma Tabela de Distribuição
de Frequência (TDF), incluindo a frequência simples ou absoluta, frequência
relativa, frequência percentual e frequência acumulada de uma variável qualitativa
(atributos) ou quantitativa discreta (variável) sem intervalo de classe.

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

Exemplo: A tabela, acima representa a quantidade de defeitos apresentados em um

lote de 10 caixas de lâmpadas fluorescentes.
Nesta tabela a variável quantitativa discreta (quantidade de defeitos) não está
organizada, sendo denominada tabela de dados brutos.
Rol
Uma sequência de valores numéricos pode ser organizada na ordem crescente ou
decrescente, sendo denominada rol.
Uma das utilidades do rol é mostrar de maneira mais clara os valores extremos de
uma sequência.
Exemplo: Na tabela 1 apresentada anteriormente podemos colocar os elementos
apresentados (número de defeitos) em uma ordem crescente (rol).

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.

Construindo a Tabela de Distribuição de Frequência – TDF

Para construir uma TDF vamos utilizar o conjunto de dados brutos a seguir.
Exemplo: O conjunto de dados a seguir apresenta o tempo de espera (em minutos)
no atendimento telefônico de uma empresa de Call Center.

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

· Agora que já temos as primeiras colunas, vamos construir a terceira, que é a

frequência relativa.
· A frequência relativa (f ir) é determinada dividindo cada frequência simples
pelo número total de elementos (n), no nosso caso n = 20. Assim,
Então, teremos a TDF:

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

· Na quarta coluna colocaremos a frequência percentual (f i %), que é a

multiplicação da frequência relativa por 100. Essa frequência nos permite obter a
distribuição percentual de cada elemento. Por exemplo, poderíamos dizer que 15%
dos pesquisados esperam 10 minutos para serem atendidos.
f i % = f i r . 100

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

Observação: A soma percentual deve resultar 100% ou aproximadamente.

TDF para variáveis quantitativas com intervalo de classe

A confecção de tabelas é um pouco diferente, quando estamos analisando variáveis

quantitativas contínuas (números decimais) ou variáveis quantitativas discretas que
apresentam grande dispersão de dados, ou seja, uma grande quantidade de
elementos.

Por exemplo, no caso de uma análise do salário de 500 colaboradores de uma

empresa, poderíamos ter 500 salários diferentes. Se utilizarmos o método de
representação do X i, como na tabela TDF (tempo de espera nas ligações de uma
empresa de Call Center), teríamos 500 linhas com f i igual a 1 para cada uma delas,
o que não é conveniente para uma análise de dados.
Para resolver esse problema, podemos agrupar os elementos em classes de
frequências ou intervalos de classe.
A seguir, vamos apresentar os passos para a construção de uma TDF com inter valo
de classe.

Exemplo: Os dados a seguir são referentes à idade (medida em anos) de 48

funcionários de uma empresa de cosméticos.
26 32 25 23 34 21 29 44
43 18 32 32 27 26 25 32
49 35 43 44 45 19 48 47
53 27 40 18 29 39 37 33
28 29 37 32 43 28 39 43
32 33 29 35 36 32 19 45
Vamos construir a TDF1
· O primeiro passo para construir a TDF é representar os dados brutos em um
rol:
18 18 18 19 19 21 23 25
25 26 26 27 27 28 28 29
29 29 29 32 32 32 32 32
32 32 33 33 35 35 36 37
37 39 39 40 43 43 43 43
44 44 45 45 47 48 49 53
· Com o rol acima, fica fácil observar que o menor elemento é 18 e o maior
elemento é 53. Esses valores são chamados de extremos.
Devemos calcular a quantidade de classes sempre que n >25. (Lembre-se que n é o
total de elementos). Quando n ≤ 25 não precisa calcular o número de classe,
utilizamos no máximo 5.
Obtendo o número de classes (K) :
Logo, no nosso exemplo:
Importante: O número de classes deverá sempre ser igual ao inteiro encontrado.
· O próximo passo será determinar a amplitude total dos dados A t, também
conhecido como range.
At = maior elemento - menor elemento
At= 53 - 18 = 35
Observando essa amplitude, podemos dizer que há uma diferença de 35 anos entre
a menor e a maior idade dos funcionários dessa empresa.
· Agora que temos a quantidade de classes e a amplitude total, podemos
determinar o intervalo das classes (h), que também é chamado de amplitude da
classe, isto é, o seu tamanho, dividindo o valor da amplitude total pelo número de
classes, então:

Nossa tabela terá seis classes de tamanho 6.

· Vamos montar a TDF e tabular os dados? Para isso algumas regras devem
ser seguidas. Em primeiro lugar iniciamos a tabela com o menor valor do rol, a
partir daí somamos o intervalo da classe, que no nosso exemplo é 6.
Cada classe apresenta o limite inferior l i (elemento menor) e o limite superior
ls (elemento maior).
Entre esses valores utilizaremos o símbolo (indica que o limite inferior está
incluído na classe, mas o limite superior não está).
Por exemplo, na classe 18 24, o elemento 18 (limite inferior) é contado, mas o
elemento 24 (limite superior) não, pois ele fará parte da classe seguinte.
Depois que já determinamos as classes, podemos prosseguir na construção da TDF
como fizemos acima.
Idade xi fi fr fir%

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

Ponto médio de uma classe

Uma característica muito importante em uma TDF com intervalo de classe é o
ponto médio X m. Esse ponto pode ser considerado como o representante da classe
em questão e é determinado quando somamos os limites da classe, dividindo esse
resultado por 2.
Na TDF anterior, para a classe 42 48 o ponto médio é:
Observe que cada classe tem seu ponto médio.

Tabela de Distribuição de Frequência para variáveis qualitativas

A TDF também pode ser construída para organizar variáveis qualitativas
(atributos), utilizando os mesmos procedimentos apresentados no exemplo
anterior.
Exemplo: Na empresa TFC Ltda., foi organizada uma pesquisa para saber em qual
região da capital de São Paulo cada colaborador reside.
Depois de coletadas as informações, apresentamos os dados brutos a seguir:

Leste Central Norte Leste Norte

Sul Oeste Leste Norte Central

Central Leste Sul Sul Central

Norte Oeste Central Leste Leste

Norte Central Central Oeste Sul

Dessa forma, teremos a tabela a seguir:

Idade xi fi fr fir%

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

Cq 3000 3025 3250 3500

Podemos construir o gráfico de linhas no plano cartesiano, ligando os pares

ordenados (q , Cq). Os valores de q estão no eixo horizontal e os valores de Cq no
eixo vertical.
 Gráfico de linha.
 Exemplo 2:
Marcos é gerente de vendas da distribuidora de automóveis Delta Plus LTDA. Para
a reunião com os diretores construiu um gráfico de linhas, cuja finalidade era
apresentar os resultados de vendas de um determinado modelo (A) no 1º semestre
de 2017.
Os dados foram retirados da tabela:

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.

Mês Modelo A Modelo B Modelo C

Janeiro 938 645 820

 Mês Modelo A Modelo B Modelo C

Fevereiro 900 532 730

Março 730 795 840

Abril 1015 532 870

Maio 911 680 768

Junho 800 564 954

Com a distribuição acima, o gráfico ficará representado por:

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.

 Exemplo de Gráfico de colunas

A TDF a seguir representa a quantidade de ligações atendidas por 36 operadores de
telemarketing no período da manhã do dia 1º de maio. Construir um gráfico de
colunas para representar essas quantidades.

Ligações Atendidas (xi) frequência simples (fi)

15 4

16 5

17 8

18 9

19 7

20 3

36

O gráfico nos apresenta com maior clareza que na manhã de 1º de setembro a

maior quantidade dos operadores atendeu 18 ligações.
 Gráfico de barras
O gráfico de barras é muito parecido com o gráfico de colunas. A diferença é que
apresentamos as frequências na barra horizontal, não esquecendo que as barras
devem ter a mesma largura e um mesmo espaço entre elas.
Vamos ver um exemplo de gráfico de barras. Utilizando os mesmos dados da TDF
do exemplo anterior, podemos construir o gráfico de barras a seguir:
 Exemplo de Gráfico de barras:

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) .

 Exemplo de Gráfico de Pareto:

Os tipos de defeitos encontrados na linha de produção de uma indústria do
segmento automobilístico são apresentados na tabela abaixo. Esses dados foram
retirados de uma amostra realizada em uma determinada semana do mês de Agosto
de 2016. Para que os ajustes sejam feitos, os problemas sejam sanados e as perdas
no setor produtivo sejam minimizadas, o setor de Controle de Qualidade
apresentou alguns gráficos sobre as especificações dos defeitos.

Gráfico: Efeitos em uma indústria

Especificação Quantidade t

Deformação 69

Trinca 42

Porosidade 30

Risco 25

Outros 10

A tabela ficará representada pelo gráfico:

O gráfico de Pareto pode ser utilizado para representar dados qualitativos ou
quantitativos, agrupados ou não em intervalos de classe.
Um dos benefícios para a utilização de um gráfico de Pareto é o foco nos índices
de maior representatividade.

Gráficos em Colunas ou Barras Múltiplas

Os gráficos em colunas ou em barras múltiplas são construídos colocando-se dois
ou mais dados (séries, por exemplo) no mesmo gráfico. Geralmente usa-se esse
tipo de gráfico para fazer comparações entre duas ou mais variáveis, uma vez que
estão dispostas no mesmo gráfico.
Para compreender melhor o gráfico em colunas ou barras múltiplas vejamos
o exemplo abaixo:
A tabela de dupla entrada abaixo refere-se ao PIB (Produto Interno Bruto) de cinco
países. O PIB é um indicativo da produção bruta de um país e mede sua riqueza.
 Quanto maior o PIB de um país mais rico e industrializado este será. Os dados para
a confecção desta tabela mostra o PIB de cinco países (medidos em dólares
americanos) em ao longo de 7 anos.
Pais 2005 2006 ($) 2007($) 2008 ($) 2009($) 2010($) 2011($)

Estados
12.622,90 13.377,20 14.028,70 14.291,50 13.973,70 14.498,90 15.075,70
Unidos

China 4.114,57 4.760,06 5.564,45 6.201,64 6.827,30 7.554,01 8.400,16

Japão 3.889,60 4.057,90 4.267,10 4.289,50 4.049,40 4.285,60 4.303,40

Alemanha 2.556,00 2.759,90 2.923,60 3.047,90 2.918,20 3.079,00 3.227,40

Brasil 1.582,60 1.698,30 1.854,10 1.993,10 2.012,60 2.179,60 2.289,00

Com a tabela de dupla entrada acima podemos confeccionar o gráfico em colunas

ou barras múltiplas. Vale lembrar que o objetivo deste tipo de gráfico é
a comparação. Com isto, será mais fácil comparar os diferentes Produtos Internos
Brutos de cada país com relação aos outros.
Desta forma, temos o seguinte gráfico em colunas múltiplas referente à tabela
acima:
 Grafíco de Barras Multiplas
Pelo gráfico acima fica fácil analisarmos e compararmos os dados. Os Estados
Unidos é o país com o maior PIB do planeta (até 2011). Seu PIB é da ordem de
quinze trilhões de dólares em 2011. A China vem em segundo lugar, com um PIB
de cerca de oito trilhões de dólares. O Brasil aparece com um PIB de cerca de dois
trilhões de dólares em 2011 (atualmente o Brasil é o sétimo maior PIB do mundo).
Percebam como fica fácil fazer comparações entre dados de uma ou mais variáveis,
através dos gráficos em colunas ou barras múltiplas. Neste exemplo
confeccionamos um gráfico em colunas múltiplas. Contudo, poderíamos ter
confeccionado um gráfico em barras múltiplas. Em tese o resultado é o mesmo
(interpretação e análise). A única diferença entre o gráfico em colunas e barras
múltiplas é a orientação dos retângulos. No gráfico em colunas múltiplas os
retângulos estão dispostos no sentido vertical. Já, nos gráficos em barras múltiplas,
os retângulos estão dispostos no sentido horizontal.
 Histograma
A representação gráfica de uma distribuição de frequências com dados ou variáveis
quantitativas é feita por meio de um gráfico muito conhecido chamado
de Histograma. O histograma é feito colocando-se no eixo vertical a frequência
absoluta, relativa ou percentual e, no eixo horizontal, a variável de interesse. Não
só nos mostra a distribuição de frequência, mas nos diz muito quanto ao seu
formato, se está deslocado para direita, para esquerda, ou se é um histograma
simétrico.
Para ilustrarmos um histograma vejamos o exemplo abaixo:
A distribuição de frequências com intervalos de classe abaixo demonstra os
diferentes níveis de salário de uma empresa de informática:

Salário (xi) Quantidade de funcionários (fi)

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:

 A maior frequência está na classe de valores entre R$ 3.000

e R$ 4.000;

 O gráfico é relativamente simétrico, ou seja, o lado direito

do histograma é semelhante ao seu lado esquerdo. As
maiores frequências se concentram no meio do histograma,
ou seja, podemos esperar que a maior quantidade de
funcionários recebam salários que se situam dentro dos
intervalos de classe no centro da distribuição. A minoria dos
funcionários se situam nos intervalos iniciais (salários
menores) e nos intervalos finais (salários maiores);

 Com o histograma podemos perceber cada frequência e seu

intervalo de classe respectivo. Ou seja, no intervalo entre R$
4.000 e R$ 5.000 fica fácil percebemos, pelo histograma,
que existem cinco funcionários neste intervalo.

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 %

1000 2000 3 10,0

 Salário (xi) Quantidade de funcionários (fi) porcentagem %

2000 3000 7 23,3

3000 4000 12 40,0

4000 5000 5 16,7

5000 6000 3 10,0

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

Medidas de Posição (tendência) central

Medidas de posição são cálculos estatísticos usados na interpretação de dados e
que se referem a devidas posições dentro de uma distribuição.
As medidas de tendência central são medidas de posição que têm como
preocupação analisar o que ocorre em torno do centro dos dados e podem ser
representadas pela média aritmética, mediana e moda. Elas têm como objetivo
resumir de forma mais clara os dados apresentados.

A. Média Aritmética

A média aritmética simples corresponde a um valor representativo do centro de

uma medida e é determinada pelo somatório dos dados dividido pela quantidade
total dos elementos (n).
Podemos determinar a média aritmética quando os dados apresentados estão na
tabela de dados brutos da seguinte maneira:

em que:

 · (letra "Sigma" do alfabeto grego) representa a soma

(somatório) de todos os dados, desde o primeiro até o último
dado.

 · Xi é a variável em análise;

 · n é o total de dados dos quais se quer calcular a

média.

Exemplo: Vamos calcular a média aritmética do tempo de espera na fila no

atendimento de uma empresa de Call Center, cuja tabela está logo a seguir:
Tempo de espera (xi) Quantidade fi

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.

Moda para Variáveis Qualitativas

Dentre todas as medidas de tendência central, moda é a única que podemos obter
por meio das variáveis quantitativas e qualitativas.
Para obtermos a moda de uma variável qualitativa seguiremos o exemplo abaixo:
O setor de Recursos Humanos de uma determinada companhia fez uma pesquisa
com seus funcionários acerca do clima organizacional da empresa. Para tal, foi
feita uma pesquisa e os resultados são demonstrados abaixo:
Clima organizacional da empresa
Opinião xi Frequência fi

Ótimo 25

Bom 36

Regular 12

Ruim 7
 Total (n) 80

Percebe-se que a variável: Clima Organizacional é uma variável qualitativa.

Para determinarmos quem é a moda desta distribuição basta analisarmos a tabela
acima. Vale lembrar que moda é o valor que mais se repete, ou seja, de maior
frequência. Se observarmos a tabela acima, veremos que o resultado "Bom" foi o
que obteve a maior frequência (36), ou seja, é o valor mais frequente da pesquisa.
Logo, de forma trivial, podemos concluir que a moda desta pesquisa é "Bom".

Moda para Variáveis Quantitativas - Dados Não Agrupados

Na seção anterior vimos como se localiza a moda entre variáveis qualitativas.
Nesta seção veremos o caso da moda para variáveis quantitativas. Da mesma forma
que no caso anterior, o processo é bem simples. O importante para se obter a moda
em qualquer situação é ter em mente sua definição.
Vejamos o exemplo abaixo:
O desvio padrão calculado em 10 amostras de um determinado produto está
apresentado abaixo.

Desvio Padrão

1,5 2,5 3,0 4,5 5,5 5,5 7,0 8,5 9,0 10,0

Observando-se a tabela acima, verifica-se que um desvio se repete mais do que os

outros. Esse desvio é 5,5. Como moda é o valor mais frequente, podemos concluir
que:
Mo = 5,5, onde neste caso dizemos que a distribuição possui apenas uma moda e
seu valor é 5,5.
Ainda considerando o exemplo do desvio padrão, vejam os casos abaixo:
Exemplo 2:

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

1,5 2,0 2,0 4,0 4,0 4,0 7,0 9,5 9,5 10

Observação: Podemos ter 3 modas sendo chamada a distribuição de Trimodal, 4 ou

mais modas chamamos a distribuição de Polimodal.
Se a distribuição não possuir nenhum elemento que aparece em maior quantidade
de vezes em relação aos outros elementos, dizemos a distribuição não possui moda
sendo chamada de Amodal.

Moda para Variáveis Quantitativas - Dados Agrupados Sem Intervalos

Para analisarmos este tópico consideraremos o exemplo abaixo:
O controle de qualidade de uma indústria produtora de artigos eletrônicos analisou
vários lotes de produtos durante trinta dias. Como resultado desta pesquisa têm-se
a seguinte distribuição:
Quantidade de defeitos por lote
Dias
Quantidade
do
de defeitos xi
mês fi

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.

Mediana para Dados não Agrupados

Para iniciarmos o cálculo da mediana para dados não agrupados vamos conferir o
exemplo abaixo:
No setor da qualidade de uma empresa nove funcionários recebem conforme a
distribuição de salários descrita abaixo:

Salário de nove funcionários da empresa

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

Deseja-se calcular o salário mediano deste setor da empresa.

Vale lembrar que a mediana é o valor que se encontra exatamente no centro da
distribuição. Para tal, devemos seguir os seguintes passos:

 · Colocar todos os valores em ordem numérica

crescente;

 · Identificar o valor de "n" (total de dados da

distribuição);
  · Calcular o valor da posição da mediana;

 · Com a posição da mediana, localizar no conjunto de

dados (em ordem numérica) seu valor final.

Conforme os passos, temos:

Salário dos nove funcionários em ordem numérica crescente

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.

Como calculamos a mediana quando o valor de "n" é par?

Para responder a esta pergunta vejamos o exemplo abaixo:
No setor de qualidade de uma empresa dez lotes foram pesquisados e a quantidade
de defeitos em cada lote foram anotadas na tabela. Segue abaixo o número de
defeitos encontrados em cada um dos dez lotes:
 Defeitos encontrados por lote

Lotes 1 2 3 4 5 6 7 8 9 10

Quantidade
5 2 6 1 3 6 4 3 1 0
de Defeitos

Para calcularmos a mediana da quantidade de defeitos devemos seguir os mesmos

passos descritos logo acima. Para tal, temos:

Quantidade de defeitos em ordem numérica crescente

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:

 · Calcular a frequência acumulada (Fac) e acrescentar

uma coluna a mais na tabela;

 · Calcular a posição da mediana (segundo quadro

descrito na seção anterior) conforme o valor de "n";

 · Localizar na frequência acumulada (Fac) um valor

que seja igual ou imediatamente maior que o valor da
posição calculada no passo anterior;

 · Localizar a mediana conforme frequência acumulada

identicada no passo anterior.

Com o objetivo de aplicar os passos acima e calcular este tipo de mediana,

consideremos o seguinte exemplo:
Uma empresa deseja estudar a possibilidade de oferecer o benefício de auxílio
creche aos seus funcionários. Para isso, levantou a quantidade de filhos menores de
5 anos de seus funcionários. O resultado desta pesquisa segue na distribuição de
frequências abaixo:
Quantidade de filhos menores de 5 anos dos funcionários da empresa
Quantidade Funcionários
de filhos xi fi

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

Uma vez calculada a frequência acumulada (Fac) devemos obter a posição da

mediana, segundo a fórmula da posição descrita na seção anterior. Como n = 40
(número par), temos o seguinte:
Como de costume, o fato de "n" ser par faz com que calculemos duas posições
diferentes para mediana: A vigésima (20) e a vigésima primeira (21) posições. Para
localizarmos que valores são referentes a estas posições devemos utilizar a
frequência acumulada calculada anteriormente. Logo:
Devemos observar o valor de Fac que iguala ou ultrapassa o valor da posição
calculada pela fórmula. Desta forma temos:

 · Para a posição 20 o valor correspondente é um (1)

filho. Isto ocorre, pois, o valor da variável (xi)
correspondente à Fac que iguala ou ultrapassa 20 (neste caso
a Fac que se iguala a 20) é 1;

 · Para a posição 21 o valor correspondente é dois (2)

filhos. Isto ocorre, pois, o valor da variável (xi)
correspondente à Fac que iguala ou ultrapassa 21 (neste
caso, como não existe uma Fac igual a 21, devemos ver a
Fac imediatamente superior a 21 que é 30) é 2.

Uma vez descobertos os valores referentes às posições da mediana, devemos somá-

los e dividí-los por dois. Desta forma, temos (1+2)/2 = 1,5:
Com isso podemos concluir que a mediana é de 1,5 filho, ou seja, um filho e
meio. Percebe que filho é uma variável discreta, portanto, não pode ser um valor
decimal. Contudo, no cálculo da mediana, é possível chegarmos a este resultado.
Caso o valor de "n" fosse ímpar, a metodologia seria a mesma. Neste caso,
utilizaríamos a fórmula para calcular a posição da mediana referente a valores de
"n" ímpares.
Para concluirmos o resultado obtido acima, podemos falar que:
A mediana dos filhos menores de cinco anos dos funcionários é igual a 1,5, ou
seja, metade dos funcionários da empresa (50%) possui uma quantidade menor que
um ou dois filhos menores de cinco anos. A outra metade dos funcionários da
empresa possui igual ou mais do que um ou dois filhos menores que cinco anos.
Medidas de Dispersão
Definir as medidas de dispersão de uma variável e calcular o desvio absoluto, a
variância, o desvio-padrão e o coeficiente de variação de dados apresentados em
uma TDF sem intervalo de classe.

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.

xi : cada elemento da série

: média aritmética da série
Para exemplificar as medidas de dispersão vamos utilizar o exemplo referente ao
tempo de espera na fila de um banco.
Tempo
Frequência
de
fi
espera xi

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

Variância – VAR (x)

A variância representa a média aritmética dos quadrados dos desvios de cada
elemento multiplicados pela sua frequência simples.
Agora vamos determinar a variância, no nosso exemplo:Lembre-se de que n é o
total de elementos e que o símbolo Σ é de somatório.
Então, a variância da série é de 7,43.
Importante: Você também encontrará, para o cálculo da variância, a divisão da
média aritmética dos quadrados dos desvios por (n-1), isso acontece quando nossa
amostra é pequena.
Desvio-padrão – DP(x)
O desvio-padrão indica, em média, qual será o desvio (erro) quando utilizamos a
média como medida de dados. Determinamos o desvio-padrão calculando a raiz
quadrada da variância.

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

Banco 6,35 7,43 2,73 43%

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.

O que é Potencial de Mercado

Potencial de mercado é quanto um dado segmento do mercado – grupo de clientes

ou consumidores com um determinado grau de semelhança em termos de
necessidades e de preferências de consumo – pode ou está disposto a gastar com
determinado produto ou serviço de uma empresa.
Dimensionar bem o mercado a que pretende atender é fundamental para a
efetividade de uma organização, na medida em que permite a ela garantir que seu
planejamento de produção e planejamento comercial estejam alinhados com a
realidade de seu negócio.
Para definir o potencial de mercado, as empresas devem, basicamente,
responder a três questões:
- Quantas pessoas existem neste segmento?
- Quanto dinheiro as pessoas possuem neste segmento?
- Quanto as pessoas neste segmento estão dispostas a gastar com nosso
produto/serviço?
 Fonte: Adaptado de Richers (2000)
Assim, o estudo do potencial de mercado considera tanto quantas pessoas com
dinheiro (potencial de mercado em si) como quantas pessoas estão dispostas a
comprar (o potencial de vendas): o potencial de vendas é, na prática, menor que o
potencial de mercado.
Outra questão fundamental às organizações no estudo do potencial de mercado
é a definição de sua capacidade de atendimento à demanda, uma vez que o
potencial de mercado é sempre limitado pela quantidade de clientes que ela
consegue atender.
Em síntese, a análise do potencial de mercado pelas organizações empresariais
é essencial para que elas atuem com eficiência e eficácia, e, nesta análise, elas
devem levar em consideração a capacidade do mercado a que pretendem atingir e
sua capacidade de oferta a este mercado.

Pesquisa de Mercado

A discussão sobre pesquisa de mercado como sendo a atividade de monitoramento

e coleta de dados para análise e conhecimento de seus clientes, concorrentes,
fornecedores e ambiente de atuação é crescente e importante no cotidiano das
organizações e torna-se fundamental conhecer algumas definições.
Dolabela (2008) define como um meio voltado para o conhecimento do cliente,
concorrente, fornecedor e ambiente onde a empresa atuará e assim, analisar a
possibilidade da viabilidade do negócio. Para Las Casas (2006) a pesquisa é uma
das ferramentas mais importantes do marketing, pois permite à empresa realizar
ajustes em seus produtos ou serviços, atendendo às necessidades e tendências de
mercado.
Muitas vezes, a pesquisa de mercado surge por uma necessidade de os gerentes de
marketing encomendarem estudos formais em que é possível se identificar as
preferências por um produto, a previsão de vendas em uma determinada região ou
uma avaliação de propaganda, segundo Kotler (2006). O autor completa dizendo
que a pesquisa é definida como a elaboração, a coleta, a análise e a montagem de
um relatório de dados e descobertas relevantes sobre a situação.
Observamos que as empresas realizam pesquisa de mercado para identificar
oportunidades e/ou para resolver problemas.
A pesquisa para identificação de problemas que contribui para localizar situações
que não são claras (superficiais), mas que existem ou possivelmente existirão no
futuro e poderão levar o consumidor a uma insatisfação que prejudique o
desenvolvimento do produto ou serviço no mercado. Por outro lado, poderão
também abrir novas oportunidades de mercado e novos negócios a serem
explorados pelas empresas.
Esse tipo de pesquisa permite à empresa mapear o ciclo de vida do mercado e/ou
produto, podendo assim, identificar sua tendência de crescimento, continuidade ou
declínio e consequentemente, se seus investimentos terão tempo de retornar ou
não. Um aspecto importante quanto a esse tipo de classificação é que ambos os
tipos de pesquisa andam lado a lado, segundo Malhotra (2006), pois, ao se
pesquisar a solução de um possível problema, pode-se descobrir novos problemas e
consequentemente, novas oportunidades de mercado que atendam às necessidades
do consumidor.
A tarefa da pesquisa de mercado é transportar as informações provenientes das
variáveis de marketing, grupos de clientes e fatores ambientais sobre as
necessidades dos consumidores de forma relevante, precisa, clara, confiável e
válida até os gestores das empresas que solicitam essas informações ao mercado.
Após receber as informações, os gestores analisam e tomam decisão quanto à
segmentação de mercado, mercado-alvo que estará buscando, estratégias de
marketing que melhor se adéquem ao consumidor e ao mercado para assim,
realizar o controle e desempenho do mercado.
Desenvolvimento do Plano de Pesquisa

Todo trabalho necessita de um planejamento e para a pesquisa de mercado não é

diferente. O desenvolvimento do plano deve acontecer após o problema e o
objetivo da pesquisa terem sido definidos. O planejamento da pesquisa deve incluir
todo seu escopo, que envolve:
  Lucratividade (a empresa terá retorno com a solução do
problema levantado?).

 Custos (qual o investimento necessário para atender à

pesquisa?).

 Tempo (Quanto tempo ela irá durar?).

 Fonte de dados (Serão utilizados dados primários e/ou

secundários?).

 Abordagem da pesquisa (A pesquisa será descritiva ou

conclusiva, a amostra será probabilística ou não?).

 Tipo de pesquisa (Qualitativa ou quantitativa?).

 Retorno esperado (O retorno acontecerá, em quanto tempo e

qual o tipo de retorno – financeiro, mercadológico, de
imagem?).

Com os resultados da pesquisa na mão, a organização deve analisar as evidências

pesquisadas quanto à sua semelhança ao objetivo. Se confiarem pouco no resultado
apresentado, podem decidir em não fazer ou implementar o que se tinha em mente.
Por outro lado, após sua realização, a pesquisa de mercado pode abrir para a
organização novos caminhos e possibilidades, ampliando a visão de negócio e a
carteira de clientes. De modo geral, atualmente ela está ganhando espaço e
superando várias barreiras. Muitas empresas estão percebendo que a sua utilização
permite dimensionamento melhor do negócio e redução dos custos de retrabalho e
recuperação de mercado.

Painel de Consumidores
Entender o objetivo da utilização do Painel de Consumidores na Pesquisa de
Mercado.
Painel de Consumidores

As organizações empresariais dependem de pesquisas de mercado para saberem

como seus produtos ou serviços serão aceitos por seus consumidores e clientes.
Para entenderem os consumidores, são utilizadas algumas técnicas de pesquisa
como o Painel de Consumidores, que tem como objetivo obter uma maior
quantidade de detalhes quanto à forma com que consumidores e clientes utilizam o
produto ou serviço em análise.
Na composição de um painel de consumidores, são selecionados alguns
participantes dentre os usuários que possuem as características requeridas para tal
pesquisa. Estes usuários se cadastram em uma base de dados on-line, aceitando
participar da pesquisa.
Algumas informações como local de compra do produto, forma de pagamento,
outros produtos comprados pelo mesmo consumidor ajudam na estratégia a ser
adotada pela empresa que, em muitos casos, torna-se aliada ou parceira em ofertas
atrativas para consumidores e clientes, como por exemplo promoções onde eles
compram pasta de dente e levam um sabonete na mesma embalagem.
Quando o objetivo das empresas é identificar as necessidades das pessoas para
elaborar produtos ou serviços que o satisfaçam, o painel de consumidores é a
ferramenta ideal para tal função, pois, além de identificar as necessidades destes
consumidores, ele apresenta a relação que entre estas necessidades com os
produtos complementares e com a concorrência.
Satisfação e insatisfação do consumidor

Conhecer e identificar as necessidades dos consumidores e clientes tem como

objetivo final a satisfação em obter o produto ou serviço pesquisado. Satisfação
“consiste na sensação de prazer ou desapontamento resultante da comparação do
desempenho (ou resultado) percebido de um produto em relação às expectativas do
comprador (KOTLER, 2004, p. 58). Esta expectativa provém de diferentes fatores,
mais intimamente ligados à forma de apresentação dos atributos e características
do produto/serviço informados pela empresa, seja na forma de propaganda,
atendimento pessoal ou qualquer outra forma de comunicação. Estas informações
dadas criarão algumas expectativas que serão validadas pelos consumidores e
clientes após o seu uso, tendo um grau de satisfação maior ou menor, dependendo
da relação estabelecida com o que foi informado e a realidade efetiva da
informação.
Se a empresa não foi capaz de cumprir as promessas veiculadas certamente
terá consumidores e clientes insatisfeitos.
Satisfazer consumidores e clientes os torna mais leais ao produto/serviço, além
disso faz com que demonstrem sua satisfação às outras pessoas, aumentando a
base de clientes da empresa.
E para satisfazer seus consumidores e clientes, as empresas precisam entender
quais são os benefícios que eles procuram em um produto ou serviço, se é preço
baixo ou qualidade, entrega rápida, garantia estendida, bom atendimento e, muitas
vezes, ele avaliará um conjunto de características, não somente uma. Se uma
empresa não identifica de forma correta os benefícios que os consumidores e
clientes procuram no produto ou serviço, poderá desenvolver estratégias
inadequadas, como baixar o preço de um produto que não está vendendo, quando
na verdade o consumidor não está comprando pelo fato de o preço ser alto, mas por
conta de a qualidade do produto não ser satisfatória. Baixar o preço do produto,
nesse caso, não fará com que as vendas aumentem, pois o que o consumidor
procura é qualidade.
Segmentação de Mercado.

A composição do painel de consumidores utiliza, entre outras estratégias, a

segmentação de mercado, que pode ser definida como “o processo de divisão de
um mercado em subconjuntos distintos de consumidores com necessidades ou
características comuns e de seleção de um ou mais segmentos aos quais se dirigir
com um mix ou composto distinto”. (SCHIFFMAN & KANUN p. 31 2000)
Esta estratégia é ideal para descobrir as necessidades, os desejos e o grau de
satisfação de grupos específicos de consumidores.
A criação das bases de segmentação de mercado apresenta oito categorias
principais de características do consumidor incluindo fatores geográficos,
demográficos, características psicológicas, variáveis sociais, características
relacionadas com o uso, fatores de situações de uso, benefícios desejados e formas
hídricas de segmentação como os perfis demográficos/psicológicos, fatores
geodemográficos e valores e estilos de vida.

Pesquisa de Propaganda
Identificar o compreender os objetivos da utilização da Pesquisa de Propaganda.

Pesquisa de Propaganda

A propaganda é uma forma paga de apresentar e promover produtos e/ou serviços.

Identificar como esta propaganda está sendo aceita é uma informação importante
na definição das estratégias da empresa, porém envolve altos custos.
A qualidade do produto/serviço e a satisfação do cliente são melhor identificadas
quando a estratégia de escolha do veículo de comunicação é assertiva, sendo,
portanto, de extrema importância a análise destas formas de propagandas e como
elas são percebidas pelo consumidor.
A pesquisa de propaganda tem como objetivo principal identificar a influência da
propaganda sobre o consumidor, seu reflexo sobre as vendas, sua eficácia em
relação aos objetivos propostos; apontar o melhor caminho a ser seguido pela
campanha, monitorar os resultados de uma campanha em andamento e avaliar os
resultados depois que esta estiver encerrada.
Alguns objetivos da propaganda podem ser considerados abaixo:

 conscientização da marca: está relacionada ao consumidor

ter o discernimento em identificar (na lembrança ou no
reconhecimento) uma marca, em detalhes, para que, após
identificar a marca em determinado produto e/ou serviço,
possa adquiri-lo.

 intenção de compra da marca: seu objetivo é que o

consumidor compre uma determinada marca e tome a ação
de levá-la, mesmo que isso não esteja nos seus planos.

 necessidade da categoria: está ligada à criação de uma

determinada categoria de produto que vem a satisfazer uma
necessidade que ainda não foi suprida por algum produto
existente, motivando, assim, o indivíduo a realizar a compra
do produto, como novas embalagens de café para pessoas
que moram sozinhas ou também carros movidos à
eletricidade.
  atitude em relação à marca: visa desenvolver nas pessoas
uma determinada atitude. Com boa parte dos produtos,
como os de limpeza, por exemplo, os consumidores têm
uma atitude em relação a determinadas marcas, assim, estas
atitudes podem ser negativas ou positivas, impactando na
sua escolha.

A pesquisa de propaganda colabora na definição e utilização de conceitos de

comunicação.

Neste tipo de pesquisa, segundo Samara & Barros ( 1997 p. 124) , algumas
informações importantes podem ser listadas como:

 Capacidade do comercial / anuncio gerar lembrança

 Capacidade de persuasão do comercial / anúncio

 Identificação dos segmentos com a comunicação

 Capacidade de a campanha transmitir as mensagens / ideias

desejadas

 Envolvimento gerado pela execução

 Avaliação dos pontos fortes e fracos

 Recall (memorização) espontâneo ou estimulados.

Todos esses aspectos podem ser analisados por técnicas qualitativas e

quantitativas.
Os tipos de pesquisa de propaganda podem ser apresentados como:

• pesquisa de audiência: tem como objetivo identificar e avaliar a audiência dos

meios de comunicação.
• pré-teste publicitário: tem como objetivo avaliar o nível de compreensão,
aceitação, credibilidade junto a um grupo de pessoas.
• pós-teste publicitário: tem como objetivo é verificar, após o término
da campanha publicitária, a sua eficácia e permanência junto às pessoas que
receberam a mensagem.
Participação de Mercado
Apresentar a definição do que seja Participação de Mercado.
Sob a perspectiva de marketing, mercado é o conjunto de todos os consumidores
e/ou clientes, reais ou potenciais, de um produto e/ou serviço (KOTLER, 2000)
Participação de mercado (também conhecida como market share) é a parte de
um mercado atendido por uma entidade empresarial (WENSLEY, 2005).
A participação de mercado é uma questão muito importante na gestão
empresarial, na medida em que possibilita a gestores e investidores saber qual é o
impacto de suas vendas no mercado, considerando não somente a parcela de
consumidores e/ou clientes que está atendendo, mas também, sua posição diante da
concorrência.
 Conhecer a participação de mercado é fundamental para descobrir quais são
as forças e as fraquezas de uma empresa; para comparar o tamanho de uma
empresa com o de seus concorrentes; e para mensurar a aceitação dos seus
produtos e/ou serviços.

Em linhas gerais, para calcular a participação de mercado, uma empresa deve

primeiro conhecer o tamanho do mercado existente, basicamente por meio de três
formas (KOTLER, 2005):
- área geográfica, identificando onde estão os clientes e quantos eles são,
como, por exemplo, um bazar que defina que são seus clientes os que estiverem a
até 3 quilômetros de seu ponto comercial;
 - clientes alvo, definindo a quantidade de indivíduos ou empresas
possuem o perfil por ela definido como compradores de seus produtos e/ou
usuários de seus serviços, como, por exemplo, um salão de beleza que atenda a
mulheres negras;
- produto ou serviço, calculando a quantidade de vendas do produto ou
serviço oferecido e que são feitas na sua área de alcance, como, por exemplo, uma
empresa que produza aparelhos para academia de ginástica que pesquisasse
quantos são vendidos em sua área de atuação.

Para calcular a participação de mercado, existem quatro passos básicos

(SCHEWE, 2000):
- determinar o período que se deseja analisar o desempenho da empresa,
como, por exemplo, um trimestre, um ano, alguns ou vários anos;
- calcular as vendas totais (receita total ou receita bruta) da empresa e de
seus concorrentes (todas as empresas de capital aberto devem divulgar
demonstrações financeiras, a cada ano ou trimestre);
 - encontrar as vendas totais (quantidade total de vendas ou receita) do
mercado (encontrados nas associações comerciais ou através de relatórios
públicos;
- dividir a receita total da empresa pelas vendas totais do mercado: o
resultado dessa divisão será a participação de mercado da empresa.
Embora importante, a participação de mercado não significa muita coisa
quando usada individualmente, na medida em que não fornece muitas informações
sobre a rentabilidade de uma empresa.
Não é raro acontecer de uma empresa possuir uma parcela maior de mercado,
mas lucrar substancialmente menos do que os concorrentes.
Assim, uma empresa bem gerida deve evitar obter participação de mercado
através da redução de preços dos produtos e/ou serviços, e só fazê-lo quando
estiver certa de que seu negócio já está modelado para oferecer o máximo em
relacionamento com seus clientes (GRÖNROOS, 1994).
Teste de Mercado
Definir Teste de Mercado em Gestão da Qualidade

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.

Testes de mercado bem feitos trazem informações valiosas sobre as possibilidades

de mercado de um produto, como o grau de aceitação, a taxa de recompra e a
cooperação de distribuidores, identificando falhas no produto ou nas ações do
plano de marketing (URDAN; URDAN, 2005).
Um ponto de atenção, contudo é que o teste de mercado expõe o novo
produto/serviço, oferecendo uma oportunidade para que a concorrência reaja,
iniciando ou acelerando o desenvolvimento de uma nova oferta ou opções
melhoradas e promoções agressivas (KOTKER, 2005).
Como lembram URDAN e URDAN, cada situação exige pesar os prós e
contras para decidir se é conveniente ou não realizar teste de mercado. Não faz
sentido gastar muito com testes de mercado antes de ampliar uma linha de
sabonetes (o novo produto é quase igual aos outros e serão usados os mesmos
canais de distribuição e de comunicação). É mais efetivo colocar logo o novo
produto no mercado e acompanhar a reação dos compradores: se tudo correr bem, a
comercialização prossegue; se o novo sabonete fracassar, dá para retirá-lo do
mercado sem grande prejuízo e perdas de imagem (desde que o fracasso não se dê
por motivo grave, como causar reações alérgicas agudas) e financeiras.
Assim, é conveniente a realização de testes de mercado quando há chances de
o novo produto/serviço fracassar, e o ero implicar em prejuízo nas finanças ou na
imagem da empresa.

Amostragem na análise do CEP

Definir população e amostra no Controle Estatístico de Processo

Controle Estatístico de Processos

O Controle Estatístico de Processo (CEP) tem como objetivo desenvolver e aplicar

métodos estatísticos como parte da estratégia de prevenção de defeitos, de
melhoria da qualidade dos produtos e serviços e da redução dos custos de
fabricação.
A produção e oferta de serviços em larga escala necessita cada vez mais de formas
de controle para manter a qualidade esperada pelos clientes, nesse sentido
controlar, no CEP, significa medir o desempenho real do produto e/ou serviço
comparando com o padrão determinado.
Para controlar é necessário lançar mão da análise de dados coletados a partir de
uma amostra observada. Portando, podemos entender que o CEP é um método
preventivo que identifica estatisticamente as variações significativas com o
propósito de eliminá-las ou minimizá-las.
Estas variações ocorrem porque nenhum produto ou serviço é exatamente igual ao
outro, mesmo na natureza e entre pessoas encontramos variações, o que impacta no
resultado final.

Em relação às variações pode-se encontrar:

- Variações aleatórias (causas comuns): próprias do processo (padrão normal de

comportamento) fazendo parte de sua natureza, por este motivo esta forma de
variação não pode ser eliminada, somente minimizada.
Exemplo: variação de temperatura ao longo do tempo; variação da umidade do ar;
diferença no tempo de execução de uma pessoa para outra etc.

- Variações causais (causas especiais): são variações de causa acidental no

processo. Este tipo de variação é imprevisível, porém determinável e quando
detectada deve ser rapidamente analisada.
Exemplo: Material fora do especificado; operador não habilitado; método incorreto
de trabalho; quebra de ferramenta etc.

População
É um conjunto de indivíduos ou objetos que possuem pelo menos uma
característica em comum, podendo ser finito ou infinito.

Amostra

Na utilização das técnicas estatísticas, deve-se levar em conta que a escolha do

tamanho da amostra e a frequência da amostragem são imprescindíveis para que o
resultado final da análise seja viável. Geralmente uma amostra de maior tamanho
possibilita a fácil detecção de pequenas mudanças no processo, portanto para que
esta escolha seja bem-feita é preciso ter em mente a magnitude da mudança que
queremos detectar.
Segundo Montgomery (2013 p. 103) “se a mudança no processo for relativamente
grande, então devemos usar tamanhos de amostra menores do que usaríamos se a
mudança de interesse fosse relativamente pequena”.
Para a frequência da amostragem recomenda-se a utilização de amostras pequenas,
porém mais frequentes.
Amostra pode ser definida como um subgrupo de elementos extraídos da
População, sendo seu tamanho (quantidade de elementos) representado pela letra n.
A quantidade de amostra retiradas é simbolizada pela letra K.
Existem algumas formas de compor uma amostra, uma delas é denominada
amostra aleatória. Nesse tipo de amostragem cada unidade elementar tem a mesma
probabilidade de ser escolhida numa amostra de tamanho n, sendo que cada
unidade elementar é escolhida de forma independente das outras unidades.
Entender como a Estatística é importante na prática da Qualidade é um dos fatores
principais para sua correta utilização. MACHADO (2010) apresenta alguns itens
necessários para que esta utilização possa trazer melhoria contínua no processo.
COLETA DE DADOS

 Defina claramente o objetivo da coleta de dados.

 Certifique-se de que as pessoas envolvidas na coleta de dados conheçam o

processo e saibam os objetivos do tralho.

 Se for necessário, monte uma instrução de trabalho (documento formal)

informando quais são os problema ou as oportunidades, o objetivo do
trabalho, o método a ser utilizado, os pontos de coleta e as demais
informações que julgue necessário que seja do conhecimento de todos os
envolvidos.

 Defina o espaço amostral a ser utilizado para que a amostra possa

representar de forma confiável a população.

 Se possível, faça uma reunião com os envolvidos para treiná-los e eliminar

qualquer dúvida.

 Elabore uma ficha de dados para registrar os fatores considerados no

momento da coleta que podem interferir no resultado do produto ou do
serviço analisado.

 Efetue coleta registrando os dados em documentos adequados: folha de

verificação, lista de coleta, planilha etc.
  Seja crítico na coleta e no registro de dados, garantindo que esses
representem a realidade do que se quer analisar, evitando distorções.

 Organize os dados coletados de maneira clara e objetiva. Utilize recursos

como planilhas e gráficos.

Coleta e organização de dados

Discutir sobre a composição da amostra e coleta de dado
Todas as pesquisas realizadas tanto nos produtos quanto nos serviços devem ter
como principal preocupação a definição da amostra e a coleta de dados.
Quanto mais informações forem coletadas e analisadas mais confiável será a
técnica de previsão futura. Há que se afirmar aqui que diferentes produtos e/ou
serviços requerem diferentes técnicas.
Para que uma análise seja confiável deve-se considerar o número de avaliadores,
peças e o número de repetições a serem feitas. Além disso é preciso que os
avaliadores sejam escolhidos entre as pessoas que normalmente operam o
instrumento de medição (no caso de produtos) ou que tenham conhecimento
profundo sobre o tipo de serviço (no caso de serviços). Machado (2010) apresenta
os seguintes fatores a serem observados:

 Criticidade da dimensão analisada: quanto mais crítica a

medição, mais peças e/ou repetições devem ser
consideradas.

 Configuração da peça: peças pesadas e/ou volumosas podem

gerar menos peças e mais repetições.
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

Um dos formulários utilizados na registro e análise de dados coletados é a Folha de

Verificação, também conhecidos por check-list. Seu objetivo é o de sistematizar,
de maneira a obter um quadro claro e conciso dos fatos.
Para construir uma folha de verificação deve-se em primeiro lugar ter claramente o
objetivo específicos, as questões a serem coletas, como os dados serão coletados e
analisados (técnicas estatísticas).
A primeira etapa da análise de dados tem como objetivo testar previamente este
formulário em um grupo diferente da amostra que será analisada (se preciso este
formulário deverá ser corrigido antes da sua utilização na amostra).
A folha de verificação deve conter (no mínimo) as seguintes informações:

 Quem coletou os dados

 Onde, quando e como os dados foram coletados

  Quanto (quantidade de dados coletados - tamanho n da
amostra)

 Porque (para que os dados serão utilizados)

Alguns erros encontrados na utilização da folha de verificação podem ser

identificados abaixo:

 A não adequação da Folha de Verificação às condições de

uso.

 Forma complicada em sua elaboração

 A coleta de dados envolve mais recursos que o próprio

processo

 Não definição dos padrões de preenchimento

 Não usar amostragem aleatória.

Exemplo: Folha de verificação para análise de itens defeituoso em um determinado

produto. Na verificação in-loco do produto, anota-se (marca-se) um a um os
defeitos encontrados e ao final da coleta, faz-se a contagem de cada defeito.

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):

 No conhecimento do processo (quando se deseja saber se o

processo apresenta ou não variações do tipo causal)

 Controle do processo (quando se deseja manter o processo

sob controle estatístico, isto é, apresentando apenas
variações do tipo aleatório, ao longo do tempo.

 Analise da capacidade do processo.

É importante observar que a utilização do Gráfico de Controle possibilita a
melhoria da qualidade do produto ou serviço pois aumenta a porcentagem do
atendimento das especificações. Além disso, diminui o refugo e retrabalho,
diminuindo assim, o custo unitário. Outra vantagem está no aumento da quantidade
de peças aceitáveis, melhorando assim a capacidade produtiva.
O gráfico de controle ainda tem como vantagem a separação das variações causais
das inerentes ao processo, fornecendo uma forma comum de linguagem entre todos
os participantes do processo entre eles: a linha de produção, manutenção, controle
da produção, engenharia de processo, controle de qualidade e ainda entre os
fornecedores e compradores.
Construção do gráfico de controle

Os gráficos de controle são criados baseados na distribuição normal, em que a

linha do meio é a média da distribuição; o limite superior (LSC) e inferior (LIC)
são estabelecidos a partir da média ± 3 desvios padrão da distribuição.
Os gráficos de controle são criados por uma linha central e os limites de controle
são tracejados acima e abaixo da linha central.

Os gráficos de controle são divididos em duas classes:

Controle da variáveis – utilizado no estudo de características que podem ser

medidas como por exemplo (peso, altura, concentração, comprimento etc) , sendo
apresentados quatro tipos:
(média e desvio padrão)
(média e amplitude)
(mediana e amplitude)
(valores individuais e amplitudes móveis)
Controle de atributos – baseiam-se na verificação da presença ou ausência de um
atributo, podendo ser de dois tipos:
Controle de defeituosos:

 Fração defeituoso (p)

 Quantidade de defeituosos (np ou pn)

Controle de defeitos

 Total de defeitos na amostra (c)

 Média de defeitos por unidade na amostra (u)

Após a construção do gráfico de controle é possível verificar se há alguma causa

especial na variação do processo, porém espera-se que o mesmo se mantenha
inalterado ao longo do tempo, sem flutuações significativas na sua centralização ou
dispersão.
Quando os pontos, no gráfico de controle, estão distribuídos segundo uma lógica
probabilística e nenhum sinal estatístico é percebido dizemos que o processo está
estável.
Quando são percebidos sinais estatísticos evidentes, dizemos que o processo est á
instável. Como por exemplo:

a. Pontos fora dos limites de controle

b. Pontos muito perto da média do processo

c. Pontos muito perto dos limites de controle

d. Sequência de 7 pontos consecutivos

e. Sequência de 7 pontos acima da média

f. Sequência se 7 pontos consecutivos decrescentes

Análise de gráficos no CEP
Apresentar os tipos de gráficos de controle.
Todas as empresas querem saber se seu processo atende ou não às especificações
do projeto e o CEP por meio do gráfico de controle pode apresentar esta resposta.
Um processo tem melhor qualidade quanto mais uniforme são seus produtos ou
serviços, podendo desta forma prever se as exigências serão satisfeitas ou não.
Gráfico de Controle por atributos

Estes tipos de gráficos são utilizados quando o número de características a

controlar em cada etapa é muito alto; quando o custo da mensuração das
características é muito em relação ao custo da peça ou quando a verificação da
peça é feita por simples inspeção visual.

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 desvio padrão)

Por ser o melhor indicador da variabilidade do processo, o desvio padrão da
amostra (s) é bastante utilizado na análise de processos, principalmente quando as
amostras são de maior tamanho.

(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.

(valores individuais e amplitudes móveis)

A utilização dos gráficos para valores individuais é necessária quando o custo das
medições é muito alto, como por exemplo em ensaios destrutivos, ou quando o
resultado num ponto, é homogêneo, como por exemplo: viscosidade, temperatura,
PH etc.
A utilização deste tipo de gráfico apresenta algumas desvantagens como uma
menor sensibilidade a alterações do processo em relação ao gráfico da média e
amplitude. Por ser uma análise de um único valor pode ocorrer uma grande
variação nos valores de X e , mesmo o processo estando estável.

Carta controle

Coleta e organização de dados

Discutir sobre a composição da amostra e coleta de dados.
Todas as pesquisas realizadas tanto nos produtos quanto nos serviços devem ter
como principal preocupação a definição da amostra e a coleta de dados.
Quanto mais informações forem coletadas e analisadas mais confiável será a
técnica de previsão futura. Há que se afirmar aqui que diferentes produtos e/ou
serviços requerem diferentes técnicas.
Para que uma análise seja confiável deve-se considerar o número de avaliadores,
peças e o número de repetições a serem feitas. Além disso é preciso que os
avaliadores sejam escolhidos entre as pessoas que normalmente operam o
instrumento de medição (no caso de produtos) ou que tenham conhecimento
profundo sobre o tipo de serviço (no caso de serviços). Machado (2010) apresenta
os seguintes fatores a serem observados:

 Criticidade da dimensão analisada: quanto mais crítica a

medição, mais peças e/ou repetições devem ser
consideradas.

 Configuração da peça: peças pesadas e/ou volumosas podem

gerar menos peças e mais repetições.

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

Um dos formulários utilizados na registro e análise de dados coletados é a Folha de

Verificação, também conhecidos por check-list. Seu objetivo é o de sistematizar,
de maneira a obter um quadro claro e conciso dos fatos.
Para construir uma folha de verificação deve-se em primeiro lugar ter claramente o
objetivo específicos, as questões a serem coletas, como os dados serão coletados e
analisados (técnicas estatísticas).
A primeira etapa da análise de dados tem como objetivo testar previamente este
formulário em um grupo diferente da amostra que será analisada (se preciso este
formulário deverá ser corrigido antes da sua utilização na amostra).
A folha de verificação deve conter (no mínimo) as seguintes informações:

 Quem coletou os dados

  Onde, quando e como os dados foram coletados

 Quanto (quantidade de dados coletados - tamanho n da

amostra)

 Porque (para que os dados serão utilizados)

Alguns erros encontrados na utilização da folha de verificação podem ser

identificados abaixo:

 A não adequação da Folha de Verificação às condições de

uso.

 Forma complicada em sua elaboração

 A coleta de dados envolve mais recursos que o próprio

processo

 Não definição dos padrões de preenchimento

 Não usar amostragem aleatória.

Exemplo: Folha de verificação para análise de itens defeituoso em um determinado

produto. Na verificação in-loco do produto, anota-se (marca-se) um a um os
defeitos encontrados e ao final da coleta, faz-se a contagem de cada defeito.

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):

 No conhecimento do processo (quando se deseja saber se o

processo apresenta ou não variações do tipo causal)

 Controle do processo (quando se deseja manter o processo

sob controle estatístico, isto é, apresentando apenas
variações do tipo aleatório, ao longo do tempo.

 Analise da capacidade do processo.

É importante observar que a utilização do Gráfico de Controle possibilita a
melhoria da qualidade do produto ou serviço pois aumenta a porcentagem do
atendimento das especificações. Além disso, diminui o refugo e retrabalho,
diminuindo assim, o custo unitário. Outra vantagem está no aumento da quantidade
de peças aceitáveis, melhorando assim a capacidade produtiva.
O gráfico de controle ainda tem como vantagem a separação das variações causais
das inerentes ao processo, fornecendo uma forma comum de linguagem entre todos
os participantes do processo entre eles: a linha de produção, manutenção, controle
da produção, engenharia de processo, controle de qualidade e ainda entre os
fornecedores e compradores.
Construção do gráfico de controle

Os gráficos de controle são criados baseados na distribuição normal, em que a

linha do meio é a média da distribuição; o limite superior (LSC) e inferior (LIC)
são estabelecidos a partir da média ± 3 desvios padrão da distribuição.
Os gráficos de controle são criados por uma linha central e os limites de controle
são tracejados acima e abaixo da linha central.

Os gráficos de controle são divididos em duas classes:

Controle da variáveis – utilizado no estudo de características que podem ser

medidas como por exemplo (peso, altura, concentração, comprimento etc) , sendo
apresentados quatro tipos:
(média e desvio padrão)
(média e amplitude)
(mediana e amplitude)
(valores individuais e amplitudes móveis)
Controle de atributos – baseiam-se na verificação da presença ou ausência de um
atributo, podendo ser de dois tipos:
Controle de defeituosos:

 Fração defeituoso (p)

 Quantidade de defeituosos (np ou pn)

Controle de defeitos

 Total de defeitos na amostra (c)

 Média de defeitos por unidade na amostra (u)

Após a construção do gráfico de controle é possível verificar se há alguma causa

especial na variação do processo, porém espera-se que o mesmo se mantenha
inalterado ao longo do tempo, sem flutuações significativas na sua centralização ou
dispersão.
Quando os pontos, no gráfico de controle, estão distribuídos segundo uma lógica
probabilística e nenhum sinal estatístico é percebido dizemos que o processo está
estável.
Quando são percebidos sinais estatísticos evidentes, dizemos que o processo está
instável. Como por exemplo:

a. Pontos fora dos limites de controle

b. Pontos muito perto da média do processo

c. Pontos muito perto dos limites de controle

d. Sequência de 7 pontos consecutivos

e. Sequência de 7 pontos acima da média

f. Sequência se 7 pontos consecutivos decrescentes

g. Sequência de 7 pontos abaixo da média
Análise de gráficos no CEP
Apresentar os tipos de gráficos de controle.

Todas as empresas querem saber se seu processo atende ou não às especificações

do projeto e o CEP por meio do gráfico de controle pode apresentar esta resposta.
Um processo tem melhor qualidade quanto mais uniforme são seus produtos ou
serviços, podendo desta forma prever se as exigências serão satisfeitas ou não.

Gráfico de Controle por atributos

Estes tipos de gráficos são utilizados quando o número de características a

controlar em cada etapa é muito alto; quando o custo da mensuração das
características é muito em relação ao custo da peça ou quando a verificação da
peça é feita por simples inspeção visual.

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 desvio padrão)

Por ser o melhor indicador da variabilidade do processo, o desvio padrão da
amostra (s) é bastante utilizado na análise de processos, principalmente quando as
amostras são de maior tamanho.

(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.

(valores individuais e amplitudes móveis)

A utilização dos gráficos para valores individuais é necessária quando o custo das
medições é muito alto, como por exemplo em ensaios destrutivos, ou quando o
resultado num ponto, é homogêneo, como por exemplo: viscosidade, temperatura,
PH etc.
A utilização deste tipo de gráfico apresenta algumas desvantagens como uma
menor sensibilidade a alterações do processo em relação ao gráfico da média e
amplitude. Por ser uma análise de um único valor pode ocorrer uma grande
variação nos valores de X e , mesmo o processo estando estável.
Análise de Processo
Identificar a Capacidade do processo analisado pelo Controle Estatístico

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.

processo potencialmente capaz

processo incapaz

Fonte: Alexander Zamaraev / Shutterstock.com P M G GG Guia de tamanho

O Cp mede somente a performance potencial do processo e não a capacidade real,
tendo valor se a média estiver bem centralizada no intervalo estabelecido pelos
limites de especificação. Caso isso não ocorra, utiliza-se o Índice de Capacidade
do processo ( ), que mede a capacidade real de um processo em relação à média e
limites especificados.
processo capaz
processo incapaz