Estatística

A li d a
Aplicada
Contabilidade

Prof. Me.
Prof Me André Luís
Corte Brochi

29/4/2011
Centro Universitário UNISEB COC
 Módulo 2.2

Unidade 1

Introdução à
Estatística medidas de
Estatística,
tendência central e
medidas de dispersão
Centro Universitário UNISEB COC
 Obj ti
Objetivos da
d aula
l

• Apresentação dos conceitos básicos da

E t tí ti
Estatística.
• Organização das informações obtidas em
levantamentos estatísticos (gráficos e
tabelas)
• Resumo de dados através do cálculo de
medidas de tendência central e/ou de
dispersão.

3
 Formação
ç Acadêmica
•Graduação: Matemática (Licenciatura Plena)
•Universidade
Universidade Federal de São Carlos (UFSCar)
•Especialização em Metodologia de Ensino
S
Superior
i UUniversidade
i id d dde F
Franca (U
(Unifran)
if )
•Mestrado em Estatística
•Universidade Federal de São Carlos (UFSCar)
Atuação profissional
f
Professor de Matemática e/ou Estatística:
Administração, Arquitetura, Ciência da Computação,
Ciências Contábeis
Contábeis, Enfermagem
Enfermagem, Engenharia
Engenharia,
Farmácia, Fisioterapia, Fonoaudiologia, Desenho
Industrial Nutrição
Industrial, Nutrição, Pedagogia
Pedagogia, Psicologia
Psicologia,
Química, Sistemas de Informação. 4
 E t tí ti
Estatística

Definição:

Ciência que trata de métodos científicos

para coleta, organização, descrição, análise
e interpretação, (conclusão) de um conjunto
de dados
dados, visando à tomada de decisões
decisões.

5
 C
Conceitos
it BáBásicos
i

População
Coleção de medidas de todos os elementos
de um universo sobre o qual desejamos
tirar conclusões ou tomar decisões.

Amostra
A t
Subconjunto da população; dados
disponíveis (acessíveis) da população.

6
 C
Conceitos
it BáBásicos
i

Estatística Descritiva
Trata da organização e resumo do conjunto
de dados em tabelas,
tabelas gráficos,
gráficos medidas.
medidas

Estatística Indutiva
Apresenta métodos conclusivos sobre uma
população a partir do estudo de uma
amostra retirada da mesma.

7
 Tipos de variáveis
Contínuas
Ex: altura, salário, tempo.
Quantitativas
Discretas
Ex: no de filhos, quantidade
de atendimentos.
Ordinais
Ex: grau de escolaridade.
Qualitativas
Nominais
Ex: sexo, estado civil,
religião.
religião
8
 C
Conceitos
it BáBásicos
i
Variável
Conjunto
j de resultados possíveis de um
fenômeno.
fenômeno variabilidade
Exemplo 1:
• Consumo residencial de energia elétrica.
• Quantidade de itens vendidos mensalmente.
mensalmente
• Valores de saques em uma agência bancária.
• Grau de escolaridade.
escolaridade
• Sexo.
• Quantidade de itens defeituosos por lote.
9
 N t ã sigma
Notação i ()
: Somatória
Exemplo
p 2:
Nome Variável (xi) Peso (Kg)
Pedro x1 65,5
Fátima x2 56,6
Raquel x3 58,6
Paulo x4 84 0
84,0
Vânia x5 56,0
xi 320,7
5

x
i 1
i  65,5  56,6  58,6  84  56,0  320,7
10
 N t ã sigma
Notação i ()
Exemplo
E l 3:
3 Para
P os valores
l d x iguais
de i i a 3,
3 7
e 8, vamos calcular:
5

a))  i
2
x
i 1

5
b)  i
( x
i 1
 2 ) 2

11
 A d d
Arredondamento
t de
d dados
d d
• S
Se o primeiro
i i algarismo
l i a ser arredondado
d d d
for menor ou igual
g a 4, o último a
permanecer fica inalterado.
Exemplo 4: 25,62
25 62 para o décimo mais
próximo
• Se o primeiro algarismo a ser arredondado
for maior ou igual a 6
6, o último a
permanecer é acrescido de uma unidade.
E
Exemplol 5:
5 8,537
8 537 para o centéximo
té i mais
i
p
próximo
12
 A d d
Arredondamento
t de
d dados
d d

• Se o primeiro algarismo a ser

arredondado
d d d for f igual
i l a 5 e houver,
h a sua
direita,, algum
g algarismo
g diferente de zero,,
o último a permanecer deve ser acrescido
de uma unidade.
unidade
Exemplo 6: 845,503 para o inteiro mais
próximo

13
 A d d
Arredondamento
t de
d dados
d d

• Se o primeiro algarismo a ser arredondado

f igual
for i l a 5 e não
ã houver,
h a sua direita,
di it
algum
g algarismo
g diferente de zero,, o último a
permanecer deve ser um valor par.
Exemplo 7:
a) 74,45
74 45 para o décimo mais próximo

b) 8,275 para o centésimo mais próximo

14
 Di t ib i õ de
Distribuições d freqüências
f üê i

Coleta de Dados Dados Brutos

Resumo / Organização

Tabelas
T b l ded freqüências
f üê i
Quantidade de vezes queq
cada valor ou atributo
ocorre no conjunto de dados
dados.
15
 T b l de
Tabelas d frequências
f ê i

Variáveis discretas:
dados não agrupados em classes
classes.

Variáveis contínuas:
dados agrupados em classes
classes.

16
 T b l de
Tabelas d frequências
f ê i
Exemplo
E l 8:
8
Número de filhos (não agrupados)
Número de filhos Frequência
0 12
1 30
2 18
3 4
4 1
Total 65
17
 Tabelas de frequências
Exemplo
p 8:
Número de filhos (não agrupados)
Número de Frequência Pocentagem Freq.
filhos Acumul
Acumul.
0 12 18,5%
, 12
1 30 46,2% 42
2 18 27 7%
27,7% 60
3 4 6,2% 64
4 1 1,5% 65
Total 65 100%
18
 Gráficos de frequências
Distribuição do número de filhos
50,0%
45,0%
40,0%
35,0%
entagem
m

30,0%
25,0%
Porce

20,0%
15,0%
10,0%
5,0%
0 0%
0,0%
0 1 2 3 4
Número de filhos

19
 T b l de
Tabelas d frequências
f ê i
Exemplo 9: salários (agrupados)
452,00
452 00 890,00
890 00 1.000,00
1 000 00 1.425,00
1 425 00 2.200,00
2 200 00
452,00 890,00 1.000,00 1.425,00 2.200,00
452 00
452,00 960 00
960,00 1 200 00
1.200,00 1 425 00
1.425,00 2 200 00
2.200,00
680,00 960,00 1.200,00 1.450,00 3.000,00
750 00
750,00 960 00
960,00 1 200 00
1.200,00 1 450 00
1.450,00 3 000 00
3.000,00
780,00 960,00 1.200,00 1.450,00 3.000,00
800 00
800,00 960 00
960,00 1 252 00
1.252,00 1 500 00
1.500,00 3 000 00
3.000,00
800,00 960,00 1.332,00 1.500,00 5.600,00
800 00
800,00 1 000 00
1.000,00 1 332 00
1.332,00 1 500 00
1.500,00 5 600 00
5.600,00
800,00 1.000,00 1.332,00 2.200,00 5.600,00

Tabela 1.4 – Salários dos 50 funcionários da empresa XYZ.

20
 T b l de
Tabelas d frequências
f ê i
Como determinar o número k de classes?

Sugestão: regra da raiz

k n
No exemplo 9:k  50  7,071  7 classes (faixas)
Tamanho (amplitude) de cada intervalo:
5.600  450
 735,71  736
7
21
 T b l de
Tabelas d frequências
f ê i
E
Exemplo
l 9:
9 salários
lá i
450 a < 1
1.186
186 22 44,0%
44 0% 22
1.186 a < 1.922 17 34,0% 39
1.922 a < 2.658 4 8,0% 43
2.658 a < 3.394 4 8,0% 47
3 394 a < 4
3.394 4.130
130 0 0 0%
0,0% 47
4.130 a < 4.866 0 0,0% 47
4.866 a < 5.602 3 6,0% 50
Total 50 100 0%
100,0%
22
 Hi t
Histograma
Distribuição dos salários (em R$) dos funcionários da empresa XYZ
25

20
frequência

15

10

0
450 a < 1.186 1.186 a < 1.922 1.922 a < 2.658 2.658 a < 3.394 3.394 a < 4.130 4.130 a < 4.866 4.866 a < 5.602

Salários (R$)

23
G áfi de
Gráfico d frequências
f ê i acumuladas
l d
Di t ib i ã d
Distribuição de ffrequências
ê i acumuladasl d d
dos salários
lá i ((em R$) d
dos
funcionários da empresa XYZ
60

50
ncia acumulada

40

30
frequên

20

10

0
450 a < 1.186 1.186 a < 1.922 1.922 a < 2.658 2.658 a < 3.394 3.394 a < 4.130 4.130 a < 4.866 4.866 a < 5.602

S lá i (R$)
Salários

24
 M did de
Medidas d tendência
t dê i central
t l

São valores calculados a partir de um

conjunto de dados e cuja função é
apresentar um valor que tipifica ou que
“ lh ” representa
“melhor” t o conjunto
j t d de números.
ú
Algumas medidas:
• média aritmética;
• média ponderada;
• mediana;
di
• moda.
moda
25
 Médi aritmética
Média it éti
É o quociente (divisão) entre a soma de todos os
valores do conjunto e a quantidade de elementos
do mesmo.
mesmo
N

x i
 X
Média populacional:  i 1

N N
n

Média amostral: x i
 X
x i 1

n n

26
 Médi aritmética
Média it éti
Exemplo
E l 10:
10
Calcular a média de faturas emitidas nos 5
dias desta semana pela empresa ABC
Ferragens:
5
10 15 13 12 50
 xi
x1  x 2  x3  x 4  x5
x i 1

5 5
10  15  13  12  50 100
   20 faturas
5 5
27
 Médi aritmética
Média it éti
Exemplo 11:
Calcular a média dos salários da tabela seguinte.

salários ((R$)) freq.

q (f
( i) p
p. médio ((xi) xi fi
450  1.186 22 818 17.996
1 186  1.922
1.186 1 922 17 1 554
1.554 26 418
26.418
1.922  2.658 4 2.290 9.160
2 658 
2.658  3.394
3 394 4 3 026
3.026 12 104
12.104
3.394  4.130 0 3.762 0
4.130  4.866 0 4.498 0
4.866  5.602 3 5.234 15.702
Total 50 81.380
28
 Médi aritmética
Média it éti

Exemplo 11:
k

f  x i i
81.380,00
 i 1
k
  1.627,60
50
f
i 1
i

29
 Médi ponderada
Média d d
Cada
C d valor
l é ponderado
d d d de acordod com sua
importância no conjunto total de valores.
k

w i  xi
w  i 1
k

w
i 1
i

wi é o peso atribuído à observação xi.

30
 Médi ponderada
Média d d

Exemplo 12:
E uma iinstituição
Em tit i ã d
de ensino,
i para cada
d
disciplina,
p anualmente, há 4 avaliações
ç com
pesos, respectivamente, iguais a 1, 2, 3 e 4.
A média necessária para aprovação na
disciplina deve ser igual ou maior que 7.
Um aluno que obteve (nessas avaliações)
as notas 7, 4, 5 e 10 conseguiu ser
aprovado?

31
 Médi ponderada
Média d d
Exemplo 12:
4

w i  xi
1 7  2  4  3  5  4  10
w  i 1
4

10
w
i 1
i

7  8  15  40 70
  7
10 10

32
 M di
Mediana
Di id o conjunto
Divide j t ((ordenado)
d d ) ao meio.
i

• Se n é ímpar, a mediana é dada por:

Md  x  n 1 
 
 2 

• Se n é par, a mediana é dada por:

x n   x n 
   1
Md  2 2 

2
33
 M di
Mediana

Exemplo 13:
C l l a mediana
Calcular di d
de ffaturas
t emitidas
itid nos
5 dias desta semana p
pela empresa
p ABC
Ferragens:
10 15 13 12 50

34
 M di
Mediana

Exemplo 14:
C l l a mediana
Calcular di d
do conjunto:
j t
2 3 4 0 1 1 5 9

35
 M d
Moda

Valor(es) com maior frequência no conjunto.

Exemplo 15:
Determinar a(s) moda(s) de cada conjunto:
a)) 2 8 4 7 5 7 8 2 7

b) 5 4 5 3 4 5 3 4 3

c) 0 5 2 0 5 5 0 2
36
 Medidas de dispersão
p
(ou variabilidade)
São medidas que indicam o grau de
“espalhamento”
espalhamento dos dados de um conjunto
conjunto.
Algumas
g medidas:
• amplitude;
• variância;
• desvio padrão;
• coeficiente de variação.
ç

37
 A lit d
Amplitude

Diferença entre o maior e o menor valor do

conjunto.
conjunto
Exemplo 16:
a) 0 1 3 3 4 4

b) 1 1 2 6 7 9

c) 1 1 1 2 2 9

38
 V iâ i
Variância
Baseia-se
Baseia se na soma dos qquadrados
adrados das
diferenças entre cada valor do conjunto e a
média do mesmo.
N

 x  
2
i
•Variância populacional: 2  i 1
N
n

 x  x
2
i
•Variância amostral: s2  i 1
n 1

39
 V iâ i
Variância

Exemplo 17:
C l l a variância
Calcular iâ i ((amostral)
t l) d
das
quantidades de faturas emitidas nos 5 dias
q
desta semana pela empresa ABC
Ferragens:
10 15 13 12 50

40
 D
Desvio
i padrão
dã

É a raiz quadrada da variância.

N
• Desvio padrão populacional:
 x  
2
i
  2 i 1
N

n
• Desvio
D i padrão
d ã amostral:
t l
 x  x
2
i
s2  i 1
n 1

41
 D
Desvio
i padrão
dã

Exemplo 17:
C l l od
Calcular desvio
i padrão
d ã ((amostral)
t l) d
das
quantidades de faturas emitidas nos 5 dias
q
desta semana pela empresa ABC
Ferragens:
10 15 13 12 50

42
 Ati id d 1
Atividade

Calcule novamente a variância e o desvio

padrão (amostrais) das quantidades de
faturas emitidas nos 5 dias da semana pela
empresa ABC F Ferragens, alterando
lt d o valor
l
50 p
para 20. O qque aconteceu com os
valores dessas medidas? Por que isso
ocorreu?

10 15 13 12 20

43
 C fi i t de
Coeficiente d variação
i ã

É o quociente (divisão) do desvio padrão

pela média
média.

• CV populacional: CV 


s
• CV amostral: CV 
x

44
 C fi i t de
Coeficiente d variação
i ã

Exemplo 18:
C l l o coeficiente
Calcular fi i t d
de variação
i ã amostral
t l
das q
quantidades de faturas emitidas nos 5
dias desta semana pela empresa ABC
Ferragens:
10 15 13 12 50

45
 Ati id d 2
Atividade
Os conjuntos
O j t abaixo
b i referem-se
f à espessuras
às
((em cm) e às larguras
g ((em cm) de 10 chapas
p
de alumínio produzidas por determinada
empresa Qual variável (espessura ou largura)
empresa.
apresentou maior homogeneidade? Justifique
sua resposta utilizando a medida adequada.
E
Espessuras (cm):
) 0,15
0 15 0
0,18
18 0,17
0 17 0
0,18
18 0,15
0 15
0,19 0,16 0,15 0,19 0,18
Larguras (cm): 22,0 20,5 21,5 21,0 20,4
20,3 19,9 20,4 20,5 23,5
46
PRÓXIMA AULA

47
 Bibli
Bibliografia
fi

KAZMIER, Leonard J. Estatística aplicada à

economia e administração
administração. São Paulo: Mc
Mc-Graw-
Graw
Hill, 1982,
LAPONI, Juan Carlos. Estatística usando o
Excel São Paulo: Laponi
Excel. Laponi, 1997
1997.
MEDEIROS DA SILVA, Ermes.; et al.
Estatística. 2. ed. São Paulo: Atlas, 1996.
MILONE, Giuseppe; ANGELINI,
MILONE ANGELINI Flávio
Flávio.
Estatística geral: descritiva, probabilidades,
distribuição. São Paulo: Atlas, 1992.
48
 Bibli
Bibliografia
fi

STEVENSON, William J. Estatística aplicada à

administração São Paulo: Harper & Row do
administração.
Brasil, 1995.
TOLEDO, Geraldo L.; OVALLE, Ivo I. Estatística
básica São Paulo: Atlas
básica. Atlas,1998.
1998

49