Escolar Documentos
Profissional Documentos
Cultura Documentos
2º SEMESTRE, 1º ANO
APONTAMENTOS
DEFINIÇÃO DE ESTATÍSTICA
Ciência relativa à recolha, análise e interpretação de dados, com o objetivo de
extrair conclusões e tomar decisões.
Na “ótica do utilizador”, trata-se de um conjunto de técnicas para análise de dados.
1
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
ESCALAS DE MEDIDA
• Medir:
Mundo Real (objeto de estudo) à Medição à Números (representação matemática)
• Escala Ordinal:
Os números são usados para ordenar os objetos consoante a “quantidade” da
característica medida. Informa se um objeto tem mais ou menos quantidade do que
outro, mas não quão mais ou menos.
Pode ser usada qualquer série de números, desde que preserve as relações de
ordem entre os objetos medidos. Além da operação de contagem, é possível identificar
“posições” (máximo, mínimo, mediana, etc.).
2
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
• Escala Intervalar:
Os números são usados para expressar as distâncias (intervalos) entre os objetos,
consoante a “quantidade” da característica medida. Permite comparar diferenças entre
objetos. As unidades de medida são convencionadas. A localização do 0 é
convencionada (0 não significa “ausência de”). É possível proceder a somas e diferenças
com os valores destas escalas de medida (média, desvio-padrão, etc.).
3
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Tipo de
Medida Objeto 1 Objeto 2 Objeto 3 Objeto 4
escala
Peso do
pacote de Quociente 1000g 1003g 994g 1008g
açúcar
Desvio face
ao
estipulado
Intervalo 0g + 3g - 6g + 8g
na
embalagem
(1 kg)
Ordenação
Ordinal 2 3 1 4
do peso
Correção do
peso face ao
Nominal 1 0 0 0
referido na
embalagem*
* 1 se o peso for correto, 0 se o peso for incorreto
4
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
• Recomendações Gerais:
Considerar três níveis de medida: nominal, ordinal e de escala.
Escolher, sempre que possível, a escala de medida mais rica e informativa; se
necessário, a informação poderá sempre ser convertida a posteriori para uma das
escalas menos exigentes, ignorando a informação excessiva.
Evitar escalas ordinais, pois nem sempre existem técnicas estatísticas adequadas
à análise deste tipo de dados.
• Tipos de Dados:
Análise Descritiva e Tipos de Dados:
Importante: As técnicas de análise descritiva a utilizar vão depender de:
a) Natureza métrica dos dados (nominal versus escala);
b) Necessidade de agrupar ou não os valores da variável.
5
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Dados:
a) Poucos valores – Não agrupar;
b) Muitos valores – Agrupar.
• Dados nominais:
Como resumir a informação distribucional presente numa amostra:
a) Tabelas;
b) Gráficos;
c) Estatísticas descritivas.
6
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
7
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
• Dados quantitativos:
Características Distribucionais:
Distribuição das notas a Matemática de rapazes e raparigas do 10º ano:
Têm localizações diferentes? Têm dispersões diferentes?
Medidas de Localização:
Medidas de localização centrais:
a) Média;
b) Mediana;
c) Moda.
Medidas de localização não centrais
a) Quantis (tercis, quartis, decis, percentis);
b) Extremos (mínimo e máximo).
8
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Média:
Média - qual o seu significado?
Somar das observações e dividir pelo número de observações.
Exemplo:
Variável X - Número de reprovações no percurso escolar anterior à Universidade.
Mediana:
Mediana - valor central da distribuição
Como calcular? Se a dimensão da amostra for ímpar, a mediana corresponde ao
elemento central da amostra ordenada.
Se a dimensão da amostra for par, a mediana corresponde à média dos dois
elementos centrais da amostra ordenada.
Amostra N = 150 Quais os elementos centrais da amostra ordenada?
Mediana = (2 + 2) / 2 =2
9
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Moda:
Moda - valor mais frequente da distribuição.
Quantis:
Quantis – Família de medidas de localização que dividem a amostra em k grupos
com igual número de observações.
Tercis:
T1 – valor que tem atrás de si 33,3% da amostra ordenada.
T2 – valor que tem atrás de si 66,7% da amostra ordenada.
Quartis:
Q1 – valor que tem atrás de si 25% da amostra ordenada.
Q2 – valor que tem atrás de si 50% da amostra ordenada.
Q3 – valor que tem atrás de si 75% da amostra ordenada.
Decis:
D1 – valor que tem atrás de si 10% da amostra ordenada.
D2 – valor que tem atrás de si 20% da amostra ordenada.
Etc.
Percentis:
P01 – valor que tem atrás de si 1% da amostra ordenada.
P02 – valor que tem atrás de si 2% da amostra ordenada.
...
P99 – valor que tem atrás de si 99% da amostra ordenada.
10
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Utilização de percentis:
Dizer que o bebé se situa no percentil 40 para o peso significa que 40% dos bebés
do seu grupo etário têm peso igual ou inferior ao dele.
11
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Mediana como ponto que divide a amostra ordenada em dois grupos de igual
dimensão.
12
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Estatísticas robustas:
Há medidas de localização mais sensíveis e outras menos sensíveis a pequenas
(ou grandes) alterações no valor das observações.
As medidas menos sensíveis são consideradas estatísticas robustas.
A média, ao contrário da mediana, é sensível a qualquer modificação dos dados
e também à presença de outliers.
Outliers:
Outliers (valores marginais) são observações da amostra que se afastam
excessivamente da parte central da distribuição.
Exemplo:
Idades de um grupo de alunos: 18, 18, 19, 20, 20, 22, 23, 56
Média: 24,5
Média sem outlier: 20
Mediana: 20
Mediana sem outlier: 20
A média é sensível à presença do valor marginal, dando informação distorcida.
13
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
14
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Moda:
O cálculo a moda envolve a determinação da classe modal (classe que agrupa
maior número de observações) e a aplicação da fórmula seguinte.
15
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Dispersão:
Os índices de dispersão pretendem avaliar a dispersão da variável ao longo da
reta numérica (variabilidade).
As medidas de dispersão podem expressar o grau de dispersão da distribuição em
torno de um valor central ou podem indicar a amplitude do intervalo de valores que a
variável toma.
• Medidas de dispersão:
Amplitude (amostral):
Amplitude (amostral) – Intervalo que inclui as observações da amostra.
Amplitude = Máximo – Mínimo
Medida muito pouco robusta!
Variância:
Variância – média do quadrado das diferenças entre as observações e a média.
Qual das distribuições tem maior variância? Em média, os desvios face à média
no primeiro caso são maiores do que no segundo!
16
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Desvio-padrão:
Desvio-padrão – Raiz positiva da variância.
17
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Amplitude interquartílica:
Amplitude interquartílica – Intervalo entre o 1º e o 3º quartil.
AIQ = Q3 – Q1 = 3 – 1 = 2
Medidas de Dispersão:
Como interpretar a variância (ou o desvio-padrão)?
Distribuições mais concentradas (A) apresentam valores
de variância menores do que distribuições dispersas (C).
18
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
• Medidas de assimetria:
A assimetria expressa o grau em que a variável se distribui de forma equilibrada
à direita e à esquerda da medida de tendência central. Existem três tipos de assimetria,
que podem variar em grau:
Assimetria nula (simetria) Assimetria positiva (à direita) Assimetria negativa (à
esquerda).
19
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
No exemplo em estudo...
g1 = 0,981
interpretação.
Por exemplo, se g1 = + 0,002 dever-se-á considerar a distribuição assimétrica
20
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
(S.E.).
Se |g1 / S.E.| > 2, a assimetria é significativamente diferente de 0.
No exemplo em estudo...
21
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Avaliar a assimetria:
Comparação entre medidas de localização:
• Medidas de curtose:
Curtose - Característica que expressa o peso das “caudas” de uma distribuição e
o achatamento da sua zona central.
Distribuições mesocúrticas – Distribuições gaussianas.
Distribuições platicúrticas - Distribuições mais achatadas do que a gaussiana.
Distribuições leptocúrticas - Distribuições menos achatadas do que a gaussiana
22
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Se |g3 / S.E.| < 2, podemos considerar que o valor do coeficiente de curtose não
S.E. = 0,394
|g3 / S.E.| = 1,77 à Curtose não significativa; podemos considerar que a distribuição é
mesocúrtica.
23
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
dados tabelados agrupados, basta substituir Xi por FiX’i, onde X’i representa o ponto
24
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
• Gráfico de quartis:
Como se constrói um gráfico de quartis (boxplot)?
O gráfico de quartis informa-nos sobre a localização, a dispersão e assimetria da
distribuição da variável, bem como assinala a presença de potenciais outliers na
amostra.
Relação entre um gráfico de quartis e uma
representação gráfica mais tradicional da distribuição.
Desenhar a caixa:
A caixa é delimitada inferiormente pelo 1º quartil e superiormente pelo 3º
quartil. A largura da caixa corresponde à AIQ. O traço central da caixa corresponde ao
2º quartil (mediana).
Q3 = 3
Q2 = 2
Q1 = 1
Desenhar os bigodes:
O bigode inferior prolonga-se desde a caixa até ao valor mínimo da amostra
(desde que não seja outlier).
O bigode superior prolonga-se desde a caixa até ao valor máximo da amostra
(desde que não seja outlier).
Como verificar se existem ou não outliers?
25
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Identificação de outliers:
O SPSS assinala os outliers moderados com um círculo:
a) Se X ≥ Q3 + 1,5*AIQ, então X é outlier superior;
Se Q1 = 1 e Q3 = 3, então AIQ = 3 – 1 = 2
Limite para existência de outliers (moderados) inferiores: Q1 – 1.5* AIQ = 1 –
1,5*2 = - 2 Como não há valores na amostra iguais ou inferiores a -2, não existem
outliers inferiores.
Limite para existência de outliers (moderados) superiores: Q3+1.5*AIQ=
3+1,5*2=7 Como na amostra existe um valor igual a 7, esse é o único outlier superior
(moderado).
26
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
• Tipos de dados:
Ao realizar uma análise bivariada, cada variável pode ter natureza métrica
diferente. Considerando apenas dois tipos de escala de medida (N - nominal e S -
escalar), podem definir-se três cenários possíveis, cada um deles exigindo técnicas
descritivas distintas:
a) Ambas as variáveis são nominais (N x N);
b) Ambas as variáveis são de escala (S x S);
c) Uma das variáveis é nominal e a outra de escala (N x S).
27
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Distribuição conjunta:
Distribuição conjunta de X e Y (frequências absolutas):
28
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Mas existe relação entre o sexo do aluno e o seu interesse em ser psicólogo?
A análise da distribuição conjunta (quer com frequências absolutas quer com
relativas) não permite uma resposta imediata a esta pergunta. É mais fácil de responder
a esta pergunta pela análise das distribuições condicionadas.
Distribuição de Y condicionada a X:
29
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Distribuição de X condicionada a Y:
Distribuições bivariadas:
A distribuição marginal de X e a distribuição marginal de Y podem ser expressas
através de frequências absolutas ou de frequências relativas.
A distribuição conjunta de X e Y pode ser expressa através de frequências
absolutas ou de frequências relativas.
As distribuições condicionadas apenas podem ser expressas através de
frequências relativas; as distribuições condicionadas são as mais relevantes para
descrever a associação entre duas variáveis nominais através de uma tabela.
30
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Em resumo:
A análise bivariada de variáveis nominais procura avaliar se existe associação entre
as variáveis X e Y. Para isso, é necessário estudar a distribuição simultânea de X e Y
(distribuições conjuntas e/ou distribuições condicionadas). A forma mais direta de fazê-
lo é através de distribuições de frequências relativas, nomeada- mente as distribuições
condicionadas.
Gráfico circular:
31
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
32
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
NOTA: Podíamos ter calculado o odds da resposta “Não” face à reposta “Sim”
(158/62 = 2,55). O valor é superior a 1, logo predomina a resposta no denominador, ou
seja, a resposta “Não”. Chega-se à mesma conclusão que calculando o odds da resposta
“Sim”.
33
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
um. No entanto, o valor das raparigas é maior que o dos rapazes, o que sugere que a
associação à resposta “Sim” é mais intensa neste sexo. O odds-ratio vai reflectir essa
diferença.
Notas: Mesmo que se coloque no numerador não o odds dos rapazes, mas sim
o das raparigas, a interpretação do valor de OR irá necessariamente levar à mesma
conclusão. Mesmo que se calcule o OR considerando não o odds de dizer “Sim”, mas o
odds de dizer “Não”, a interpretação do valor de OR irá necessariamente levar à mesma
conclusão. Se as variáveis não forem dicotómicas, é sempre possível recodificá-las de
forma a criar variáveis dicotómicas e aplicar o odds-ratio (basta comparar uma categoria
34
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
35
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
36
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
37
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
38
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
39
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
40
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
rXY =+0,4931=+0,49
41
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
r2 = 0,492 = 0,24
Que significa este valor? Que significa dizer que o Vocabulário explica 24% da
variância do Desempenho?
O valor obtido indica que apenas 24% da variância de uma variável (por exemplo,
a variância da nota escolar) é explicada pela variância da outra variável. Significa
também que 76% da variância da nota escolar se deverá a outros fatores que não o nível
de vocabulário do sujeito.
Este valor dá-nos uma ideia palpável da força da associação entre as duas
variáveis. Estas ideias serão melhor desenvolvidas ao estudar os métodos de regressão
linear (especialmente útil para explorar os 76% de variância que ficam por explicar).
42
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
da relação monótona que existe entre duas variáveis numéricas. Os seus valores variam
entre - 1 e + 1.
Para que o coeficiente de correlação de Spearman tome valor 1 não é necessário
que a relação seja linear: basta que as duas sequências de dados evoluam no mesmo
sentido (relação monótona).
43
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
44
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
45
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
• Interpretação da correlação:
Factores que afectam a correlação:
a) Intensidade da relação que existe entre as duas variáveis;
b) Natureza da relação (linearidade, por exemplo).
Presença de erro nas variáveis (fiabilidade das medidas): a presença de erro na
46
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
medição das variáveis diminui o valor da correlação entre elas (por exemplo, embora se
espere que PESO e ALTURA estejam correlacionados, se uma das variáveis for medida
de forma incorreta a relação poderá atenuar-se ou desaparecer).
47
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
48
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Técnicas descritivas:
Como resumir a informação distribucional presente na amostra?
a) Tabelas;
b) Gráficos;
c) Estatísticas descritivas.
• Caso 3 – Tabelas:
Tabulação:
49
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Verifica-se, por exemplo, que 68% dos indivíduos do sexo masculino têm aptidão
espacial igual ou superior a 26, enquanto tal só se verifica em 26% dos indivíduos do
sexo feminino.
Os dados sugerem, assim, uma associação entre o sexo e o nível de aptidão
espacial.
• Caso 3 – Gráficos:
Gráfico de quartis por sexo:
Verifica-se que os rapazes têm, em geral, níveis de
aptidão espacial mais elevados do que as raparigas.
Nota: A variável nominal vai dividir a amostra
total em subgrupos; no nosso exemplo, a variável sexo
vai dividir a amostra em dois subgrupos. A representação
gráfica deste tipo de dados consiste em ilustrar cada um
destes subgrupos num gráfico conjunto.
50
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Mais uma vez, nestes gráficos é fundamental ter atenção à escala das ordenadas,
51
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
para que a informação visual não seja enganadora (comparar os dois gráficos, que
apresentam os mesmos dados). Os gráficos de linhas são ainda criticados por darem
uma falsa ideia de continuidade relativamente aos valores da variável nominal.
Como interpretá-lo?
Não tendo a variável X natureza numérica, a interpretação do sinal do coeficiente
de correlação bisserial por pontos não é imediata. O seu significado depende da
codificação numérica arbitrária que se utilizou para a variável nominal.
No presente caso, utilizou-se o código “1” para designar o sexo masculino e o
código “2” para designar o sexo feminino. O sinal negativo do coeficiente indica que
valores altos da variável numérica se associam a valores baixos da variável nominal.
Assim, sabemos que os indivíduos do sexo masculino (código “1”) estão associados aos
valores mais altos de aptidão espacial enquanto os indivíduos do sexo feminino (código
52
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
53
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Dados multivariados:
Numa amostra de dados multivariados, cada observação é caracterizada
simultaneamente por mais do que duas variáveis. Existe uma grande diversidade de
situações multivariadas:
a) Na situação mais simples, as variáveis são todas da mesma natureza (por
exemplo, todas nominais);
b) O mais frequente é encontrar uma mistura de variáveis de diferente natureza –
54
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Estratégia gráfica:
A partir dos gráficos bivariados, é possível construir gráficos multivariados
adicionando informação relativa a uma ou mais variáveis.
Esta estratégia só é útil se o número de variáveis se mantiver reduzido (a
representação simultânea de cinco ou mais variáveis torna impraticável a interpretação
de um gráfico).
55
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
• Variáveis de escala:
Três variáveis escalares:
Gráfico de dispersão a três dimensões.
Interpretação difícil. Pode ainda ser acrescentada
informação de variáveis nominais (mudando a cor ou a
forma do ponto).
Bubble graph:
Gráfico de dispersão a duas
dimensões (QI versus autoavaliação); a
terceira variável (média escolar) está
representada pela dimensão do ponto.
Através da cor do ponto, pode ainda ser
adicionada informação relativa a uma
variável nominal (por exemplo, o sexo do
aluno).
56
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
• Situações complexas:
Situação multivariada complexa:
Estudo sobre a relação do consumo
de álcool com variáveis psicológicas e
sociodemográficas em 600 estudantes de
Psicologia da UCLA em 1983.
O gráfico representa sete variáveis:
a) Eixo dos xx: extroversão (traço de
personalidade);
b) Eixo dos yy: disponibilidade de
álcool (número de locais visitados pelo sujeito onde é consumido álcool);
c) Eixo dos zz: género sexual (sexo masculino à esquerda e sexo feminino à
direita);
d) Espessura dos quadrados: população de origem;
e) Preenchimento dos quadrados: desinibição (traço de personalidade);
f) Inclinação dos quadrados: grau em que o álcool é usado como forma de lidar
com o stress (expressa-se pelo grau de inclinação do quadrado para dentro do
gráfico);
g) Cor: consumo de álcool mo mês anterior (consumo crescente: cinzento – não
consomem, verde, amarelo, vermelho, magenta, azul – maiores
consumidores).
57
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
58
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Glifos (glyphs):
Glyphs são os elementos de um gráfico
(correspondentes aos pontos do scatter plot) que
veiculam informação multivariada sobre cada
observação graficada, em função de atributos como a
cor, a forma, o tamanho, a posição.
Exemplos: starplot, sunflower plot, faces de Chernoff.
Sunflowers plot:
Neste scatter plot, utilizam-se glifos em
forma de flor, representando as pétalas o número
de observações sobrepostas no gráfico num
determinado ponto.
Star plots:
Semelhante ao radar plot: cada uma das variáveis que caracterizam uma
observação são representadas pelos braços da estrela.
Permite a identificação global de observações semelhantes ou diferentes.
59
ESTATISTICA I
2º SEMESTRE, 1º ANO
APONTAMENTOS
Faces de Chernoff:
Neste tipo de gráfico, cada observação (ou
grupo de observações) é caracterizada por uma face;
diferentes características da face (curvatura da boca,
inclinação das sobrancelhas, tamanho dos olhos, forma
do rosto, etc) são usadas para exprimir visualmente os
valores de diferentes variáveis. Atendendo à nossa
facilidade para reconhecer faces e estabelecer semelhanças entre elas, está técnica
permite avaliar de forma global a semelhança entre as observações a partir da
parecença física das faces.
Neste mapa da cidade de LA, é fácil identificar as
zonas onde existem mais fontes de stress urbano
(representado pelas sobrancelhas franzidas ou não),
mais desemprego (representado pelo sorriso), maior
riqueza (representada pela forma do rosto) e maior
proporção de população branca (representada pela cor
da face). Permite ainda identificar associação entre as
variáveis (por exemplo, as zonas “mais negras” são
também as mais pobres, onde há mais desemprego e
stress urbano).
60