Escolar Documentos
Profissional Documentos
Cultura Documentos
ANÁLISES CONTÁBEIS
AULA 1
CONTEXTUALIZANDO
2
também são métodos quantitativos) tem se tornando uma ferramenta cada vez
mais solicitada.
Estatística
Organização
Análise
Dados Informação
Interpretação
Apresentação
3
A população, utilizada na estatística indutiva, é um conjunto de dados que
possui certa característica comum; já a amostra é uma pequena parte da
população. Por exemplo, quando temos uma pesquisa eleitoral, a população é
formada por todos os eleitores, e a amostra pode ser um grupo de eleitores de
uma determinada região, cidade ou bairro. Dentro de uma empresa podemos
realizar uma pesquisa com a carteira de clientes, mas dos 1.000 clientes
cadastrados realizamos a pesquisa apenas com 100, ou seja, a população é
igual a 1.000, e a amostra é de 100 clientes. Na figura a seguir, temos a
representação de população e amostra:
População
Amostra
4
Figura 3 – Utilização conjunta das estatísticas descritiva e indutiva
População Amostra
Estatística
descritiva
Características Estudo da
populacionais amostra
• Tabelas
• Gráficos
• Medidas
Estatística
indutiva Características
amostrais
5
uma contagem, separação por tipo de resposta e de agrupamento de
dados semelhantes, tabulação de dados.
• Apresentação dos dados: representação dos dados em tabelas e/ou
gráficos.
• Análise dos dados: ligada ao cálculo de medidas para descrever o
fenômeno analisado.
• Interpretação dos dados: encontrar as conclusões para o problema.
TEMA 2 – VARIÁVEIS
As variáveis que não apresentam uma ordem natural entre seus valores
são classificadas como qualitativas nominais. Exemplos:
• Número de filhos;
• Número de carros (0, 1, 2, ...).
Nominal
Qualitativas
Ordinal
Variáveis
Discreta
Quantitativas
Contínua
Vimos que para realizar um estudo estatístico passamos por várias fases,
que são desenvolvidas até chegarmos aos resultados finais, sendo a coleta e
apuração dos dados duas dessas fases. Após a fase de coleta dos dados,
7
obtemos os dados originais que precisam ser organizados para realização de
análises, chamados dados brutos. Segundo Castanheira (2010), dados brutos
são a relação dos resultados obtidos em uma pesquisa e que foram transcritos
aleatoriamente, ou seja, fora de qualquer ordem.
Vamos supor que uma pesquisa foi realizada em uma turma em relação
à idade de cada aluno. O primeiro aluno pesquisado possui 14 anos, o segundo,
15 anos, e assim sucessivamente até o último aluno da turma, obtendo os
seguintes resultados:
14 15 16 17 18 19 14 15 16 17 14 15 16 14 15 16 15 16 15 15
Com os dados brutos, temos interesse em saber qual é a idade que mais
aparece nesta turma, e então organizamos os dados para facilitar a
interpretação. A organização dos dados em ordem numérica, crescente ou
decrescente recebe o nome de rol.
Colocando os dados brutos em ordem crescente, temos o seguinte rol:
14 14 14 14 15 15 15 15 15 15 15 16 16 16 16 16 17 17 18 19
Agora ficou mais fácil verificar a idade que mais aparece nessa turma,
utilizando o Rol, mas podemos melhorar ainda mais agrupando os valores.
Denominamos de frequência ou frequência absoluta (f) o número de vezes que
um mesmo número se repete.
No nosso exemplo, 14 anos se repetem 4 vezes, isso significa que essa
idade possui frequência igual a 4. Isso também ocorre com a idade 15 anos, que
possui frequência igual a 7, 16 anos possui frequência igual a 5, 17 anos tem
frequência igual a 2, e as idades 18 e 19 anos aparecem uma única vez com
frequência igual a 1. Ou seja, 4 alunos possuem idade igual a 14 anos, 7 alunos
possuem idade igual a 15 anos e assim sucessivamente para as demais idades
apresentadas na pesquisa.
Voltando à nossa pergunta inicial, qual é a idade que mais aparece nessa
turma? Verificando a frequência, temos que a idade 15 anos possui frequência
igual a 7, ou seja, 7 alunos possuem 15 anos, desta forma é a idade que mais
aparece na turma pesquisada.
Para facilitar ainda mais a interpretação, a frequência pode ser organizada
em uma tabela chamada de distribuição de frequência. Uma distribuição de
8
frequência é a apresentação dos resultados de uma pesquisa por meio de uma
tabela que mostra a frequência de ocorrência de cada resultado.
Voltando à pesquisa em relação à idade de cada aluno, já encontramos a
frequência de cada idade e agora vamos organizar os dados e as frequências na
tabela de distribuição de frequência. Essa tabela contém duas colunas: a
primeira, com os dados apresentados na pesquisa, e a segunda, com a
frequência com que cada dado aparece. Em nossa pesquisa, os dados referem-
se às idades, desta forma temos a seguinte tabela de distribuição de frequência:
9
Atrelado ao conceito de frequência absoluta temos o conceito de frequência
relativa (fr) de uma variável, que é a divisão entre a frequência absoluta (f) e o
número de elementos (N) da amostra, ou seja:
f
fr =
N
em que N = ∑ f , isto é, N é igual a soma das frequências.
A frequência relativa frequentemente é representada na forma de
porcentagem, facilitando a interpretação e gerando informações importantes que
facilitam a análise dos dados.
No nosso exemplo, temos N = 20, e assim calculamos a frequência relativa
dividindo cada frequência por 20 e depois multiplicando o valor por 100 para
encontrarmos o resultado em porcentagem. Se somarmos as porcentagens
encontradas, o valor final será sempre 100%.
10
podem ter 14, 15 e 16 anos. Verificando a frequência acumulada, temos um total
de 16 alunos (4+7+5 =16), conforme tabela a seguir:
11
Tabela 6 – Frequência acumulada
12
Suponha que a tabela a seguir demonstre a distribuição de frequência da
idade de um grupo de 100 pessoas:
Classe 𝑓𝑓𝑖𝑖
0 |–––– 10 20
10 |–––– 20 30
20 |–––– 30 40
30 |–––– 40 10
0 – Limite Inferior
10 – Limite Superior
Ls + Li
Pm =
2
Ls + Li 10 + 0
Pm = = =5
2 2
Classe 𝑓𝑓𝑖𝑖 PM
0 |–––– 10 20 5
10 |–––– 20 30 15
20 |–––– 30 40 25
30 |–––– 40 10 35
N=100
14
quando agrupamos os dados em faixa de valores não conseguimos ter a
frequência exata do dado, apenas da faixa de valores.
Já estudamos os principais conceitos de uma distribuição de frequência
por classe ou intervalos, mas como construir uma distribuição de frequência por
classe?
Para construção de uma distribuição de frequência por classes ou
intervalos, seguimos algumas etapas que vão auxiliar na geração da tabela e na
apresentação dos resultados:
21 21 21 22 22 23 23 23 24 24
25 25 25 25 26 26 26 28 30 31
15
31 32 33 33 33 34 34 35 35 36
i = 1+3,3.log n
i = 1+3,3.log 30
i = 1+3,3.1,47712
i = 1+ 4,87450
i = 5,87450 = 6
Amplitude total = 15
Número de Classes = 6
15
A= = 2,5 = 3
6
16
Sempre que a divisão resultar em um número não inteiro, arredondamos
para o inteiro mais próximo, maior que o encontrado na divisão. Desta forma,
nossa distribuição terá uma amplitude de classe igual a 3.
Rol
21 21 21 22 22 23 23 23 24 24
25 25 25 25 26 26 26 28 30 31
31 32 33 33 33 34 34 35 35 36
Amplitude das classes = 3
17
TEMA 5 – GRÁFICOS
18
• Linhas: representa observações feitas ao longo do tempo utilizadas nas
chamadas séries históricas ou temporais.
17,40%
São Paulo
7,90% Rio Grande do Sul
49,30% Santa Catarina
Paraná
10,10%
Outros
15,30%
19
Figura 7 – Exemplo de gráfico de colunas
20
Figura 9 – Exemplo de histograma
21
Figura 10 – Exemplo de gráfico de distribuição
TROCANDO IDEIAS
22
NA PRÁTICA
FINALIZANDO
Nesta aula verificamos que a estatística é dividida em estatística descritiva
e estatística indutiva. Para gerar informações, auxiliando na tomada de decisão,
podemos utilizar o método estatístico, composto de diversas fases para facilitar
o tratamento de dados numéricos e, após a coleta dos dados, podemos
apresentá-los utilizando gráficos que facilitam a compreensão, tornando as
informações e decisões cada vez mais precisas.
Conhecemos, também, os tipos de variáveis que podem aparecer em uma
pesquisa, como organizar um dado bruto, elaborar uma distribuição de
frequência, calcular frequência acumulada e relativa, além da interpretação dos
resultados obtidos. Observamos, ainda, a construção de uma distribuição de
frequência e distribuição de frequência por classe ou intervalos e as diferenças
entre elas.
23
REFERÊNCIAS
24
ESTATÍSTICA APLICADA ÀS
ANÁLISES CONTÁBEIS
AULA 2
CONTEXTUALIZANDO
2
Tabela 1 – Dados não agrupados
15 13 10 14 15 15 14 14 12 13
Saiba mais
Significa que os dados não estão dispostos em uma distribuição de
frequência. Observe que nem toda tabela é uma distribuição. A tabela
apresentada não é uma distribuição de frequência, pois não possui a informação
de frequência, e sim os meses e o valor em R$.
Veículos Número de
Negociados Vendedores
1 1
2 3
3 5
4 1
Total 10
Salário Nº Funcionários
1000|--- 2000 20
2000|--- 3000 18
3000|--- 4000 9
4000|--- 5000 3
TEMA 2 – MÉDIA
3
A média aritmética ou apenas média é a medida de centralidade mais
X
X
N
2.1.1 Exemplo 1
2500 2600 3100 15100 4600 4000 4100 3700 3400 3600 3900 4200
X
12
54800
X 4.566,67
12
2.1.2 Exemplo 2
4
Para encontrar a média, precisamos somar os valores mensais de
exportações – segunda coluna (R$) – e depois dividir por 12, pois temos 12
meses.
36
X 3
12
X
(X .f ) , em que N = f
N
1. Multiplica-se os dados (X) pela frequência (f) para cada um dos valores
da distribuição, ou seja, para todas as linhas da tabela.
2. Soma-se os valores obtidos na multiplicação X.f.
3. Encontra-se o valor de N, que é o número de observações, somando a
coluna de frequências.
4. Divide-se o valor encontrado na soma de X.f pelo valor de N.
5
2.2.1 Exemplo 1
4 4 16
5 6 30
6 6 36
7 4 28
20 110
6
4. Divide-se o valor encontrado na soma de x.f pelo valor de N.
4 4 16
5 6 30
6 6 36
7 4 28
20 110
110
X 5,5
20
2.2.2 Exemplo 2
Número de f
defeitos
0 12
1 8
2 7
3 1
4 2
0 12 0
1 8 8
2 7 14
3 1 3
4 2 8
30 33
33
X 1,1
30
7
2.3 Distribuição de frequências representada em intervalos ou classes em
média ponderada
X =
(PM.f )
N
Ls Li
1. Calcula-se o ponto médio de cada classe: Pm .
2
2. Multiplica-se o ponto médio (PM) pela frequência (f) para cada um dos
valores da distribuição, ou seja, para todas as classes da tabela.
3. Soma-se os valores obtidos na multiplicação PM.f.
4. Encontra-se o valor de N somando-se a coluna de frequências.
5. Divide-se o valor encontrado na soma de PM.f pelo valor de N.
2.3.1 Exemplo 1
Primeira classe:
6440
X 161
40
9
Em média, os funcionários dessa empresa possuem alturas iguais a
161 cm.
2.3.2 Exemplo 2
120000
X 2.400
50
TEMA 3 – MEDIANA
Figura 1 – Mediana
1. Ordena-se a série.
2. Encontra-se a quantidade de dados N que é igual ao número de
observações.
3. Verifica-se se N é ímpar ou par.
N
4. Calcula-se a posição da mediana. Posição = .
2
6. Calcula-se a mediana: ímpar = valor central; par = Média dos valores
centrais.
3.1 Exemplo 1
N 9
Posição = 4,5 5
2 2
2,5,6,8,10,13,15,16,18
11
A mediana é igual a 10, pois abaixo de 10 temos 4 números (2,5,6,8) e
acima de 10 também 4 (13, 15, 16, 18).
3.2 Exemplo 2
1. Ordena-se a série.
1, 3, 6, 8, 9, 10
N
6 3
2 2
1,3,6,8,9,10
12
Ímpar = valor central
3.3 Exemplo 3
Número de defeitos f fa
0 12 12
1 8 20
2 7 27
3 1 28
4 2 30
4. Calcula-se a Posição.
13
N 30
Posição = 15
2 2
Número de defeitos f fa
0 12 12
1 8 20
2 7 27
3 1 28
4 2 30
Posição 15 = 1
Posição 16 = 1
11 2
Md = 1
2 2
3.4 Exemplo 4
14
Preço Frequência
73 2
75 10
77 12
79 5
81 2
31
2. Determina-se se N é par ou ímpar. N = 31, então N é ímpar.
3. Calcula-se a Frequência Acumulada.
Preço Frequência fa
73 2 2
75 10 12
77 12 24
79 5 29
81 2 31
31
4. Calcula-se a Posição.
Posição = N 31 15,5 16
2 2
Logo, a mediana dessa distribuição é igual a 77, ou seja, 50% dos locais
comercializam o produto por até R$ 77.
Para calcular a mediana em uma distribuição de frequências com os
dados agrupados por classes, seguimos os seguintes passos.
15
Md = Li + (N / 2 f )
ant
.A
fMd
Em que:
3.5 Exemplo 5
2. Calcula-se a Posição
N 58
Posição = 29
2 2
16
4. Identifica-se na Frequência Acumulada a posição calculada no passo 2.
Md = Li + (N / 2 f )
.A
ant
fMd
N 58
29
2 2
= 17.
f Md = frequência da classe que contém a mediana = 18.
f ant
17
A = Ls – Li = 65 – 55 = 10
A mediana é igual a 61,67, ou seja, 50% dos alunos obtiveram nota até
61,67 pontos.
TEMA 4 – MODA
4.1.1 Exemplo
Na série 7, 10, 9, 8, 12, 10, 11, 10, a moda é igual a 10, pois o número 10
aparece 3 vezes.
4.2.1 Exemplo
18
4.3 Distribuição amodal
4.3.1 Exemplo
4.4.1 Exemplo
0 12
1 8
2 7
3 1
4 2
f post .A
Mo = Li +
f ant f post
19
Em que:
4.5.1 Exemplo
Li = 55
Em que:
f ant
f post
20
A = Ls – Li = 65 – 55 = 10
14.10
Mo 55
12 14
140
Mo 55
26
Mo 55 5,38 60,38
A moda é igual a 60,38, ou seja, a nota que aparece com mais frequência
ou que mais se repete é 60,38.
TEMA 5 – SEPARATRIZES
Figura 2 – Quartis
21
Multiplicando cruzado, temos:
100% X = 25% . 11
100X = 275
X = 275 / 100
X = 2,75
O valor encontrado é a posição do primeiro quartil. Como temos um
número decimal, arredondamos para o imediatamente superior, ou seja, vamos
procurar o número da série ordenada que ocupe a posição 3:
6, 7, 15, 36, 39, 40, 41, 42, 43, 47, 49
N
( .i f ant )
Qi Li 4 .A
f Di
5.1 Exemplo 1
22
Salários f
0|---- 2 8
2|---- 4 12
4|---- 6 22
6|---- 8 26
8|---- 10 18
10|---- 12 15
( 25,25 20)
Q1 4 .2
22
(5,25)
Q1 4 .2 4 0,48 4,48
22
23
Já os percentis permitem dividir a distribuição em cem partes iguais e são
representados por Pi, em que i representa a ordem do percentil (1, 2, 3,...., 99).
No diagrama a seguir, verificamos que cada percentil corresponde a 1% do
conjunto de dados, pois dividimos 100% dos dados por 100. Assim, a cada
percentil, acumulamos 1%.
N
Decis: Posição = .i , em que i representa o decil a ser calculado. Assim,
10
i = 1, 2,..., 9.
N
( .i f ant )
Di Li 10 .A
f Di
N
Percentis: Posição = .i , em que i representa o percentil a ser
100
calculado. Assim, i = 1, 2,..., 99.
N
( .i f ant )
Pi Li 100 .A
f Pi
24
N 101
8º decil: Posição = .i = .8 80,80
10 10
Classe: 8|---- 10
(80,80 68)
D8 8 .2
18
D8 8 1,42 9,42
N 101
Percentil 90: Posição = .i = .90 90,90
100 100
Classe: 10|----12
(90,90 86)
P90 10 .2
15
TROCANDO IDEIAS
NA PRÁTICA
FINALIZANDO
26
REFERÊNCIAS
27
ESTATÍSTICA APLICADA ÀS
ANÁLISES CONTÁBEIS
AULA 3
CONTEXTUALIZANDO
Tabela 1 – Imposto pago por uma empresa nos últimos cinco meses
Mês Imposto
1 500
2 1.500
3 1.800
4 2.200
5 2.500
Figura 1 – Dispersão
3
e de R$30,00. Desse modo, para o mesmo produto encontramos diferença entre
os preços e precisamos saber qual é essa variação, pois os valores
apresentados na pesquisa apresentam dispersão em torno da média.
Dentre as medidas de dispersão, podemos citar a amplitude total, o desvio
médio, a variância, o desvio padrão e o coeficiente de variação.
A = maior – menor
2.1 Exemplo 1
2.1 Exemplo 2
Mês Imposto
1 500
2 1.500
3 1.800
4 2.200
5 2.500
Maior valor = 2.500
4
Menor valor = 500
Amplitude = 2.500 – 500 = 2.000
Solução: segundo Castanheira (2010), para o caso de os dados estarem
agrupados em classes, o cálculo da amplitude total pode ser realizado das duas
formas a seguir.
1. Pelos pontos médios das classes: nesse caso, a amplitude total é igual
ao ponto médio da última classe menos o ponto médio da primeira classe.
2. Pelos limites das classes: nesse caso, a amplitude total é igual ao limite
superior da última classe menos o limite inferior da primeira classe.
2.3 Exemplo 3
Ponto médio das classes: nesse caso, para calcular a amplitude total
precisamos encontrar o ponto médio da última classe e o ponto médio da
primeira classe, para, depois, realizar a diferença. Lembrando que o ponto
médio é calculado pela fórmula:
Ls Li
Pm
2
Amplitude:
172 – 152 = 20 cm
Limites das classes: para calcular a amplitude total, precisamos encontrar
o limite superior da última classe e o limite inferior da primeira classe para
depois realizar a diferença:
Limite superior da última classe = 174
Limite inferior da primeira classe = 150
Amplitude = 174 – 150 = 24 cm
Dm =
x x .f
N
6
3.1 Exemplo 1
X
X
N
3 7 8 10 11 39
X 7,8
5 5
Dm =
x x .f
N
11,2
Dm 2,24
5
3.2 Exemplo 2
X
X. f
N
8
Tabela 5 – Veículos negociados X número de vendedores X xiFi
26
X 2,6
10
9
Tabela 7 – Veículos negociados X número de vendedores X |xi média| X |xi-
média|*Fi
Dm =
x x .f
N
6,80
Dm 0,68
10
Dm x x.f Dm
Pm x . f
N N
3.3 Exemplo 3
10
Solução: o primeiro passo é calcular o ponto médio de cada classe.
Lembrando que, para calcular o ponto médio, utilizamos a fórmula:
Ls Li
Pm
2
X
Pm. f
N
3610
X 62,24
58
Dm
Pm x . f
N
597
Dm 10,29
58
TEMA 4 – VARIÂNCIA
S 2
(x x) .f
2
S 2
(x x) .f
2
N 1
12
em que x representa os dados, x é a média dos conjunto de dados, f é a
frequência com que o dados aparecem e N é o número de observações.
A utilização de uma ou outra fórmula depende se os dados representam
uma população ou amostra. Como a variância utiliza o quadrado dos desvios
médios, o primeiro passo é calcular a média para depois aplicar as fórmulas
indicadas.
Ao analisar o resultado da variância, quanto maior for o seu valor, mais
distante da média estarão os dados, e, quanto menor, mais próximos os valores
estarão da média. Se os desvios forem baixos, teremos pouca dispersão, ao
contrário, se os desvios forem altos, teremos elevada dispersão.
4.1 Exemplo 1
X
X
N
3 7 8 10 11 39
X 7,8
5 5
S 2
(x x) .f2
N 1
(3 7,8) 2 .1 (7 7,8) 2 .1 (8 7,8) 2 .1 (10 7,8) 2 .1 (11 7,8) 2 .1
S2
5 1
(4,8) 2 .1 (0,8) 2 .1 (0,2) 2 .1 (2,2) 2 .1 (3,2) 2 .1
S2
4
23,04.1 0,64.1 0,04.1 4,84.1 10,24.1
S2
4
13
23,04 0,64 0,04 4,84 10,24
S2
4
38,80
S2 9,7
4
4.2 Exemplo 2
40 45 48 52 54 62 70 371
X 53
7 7
S2
(x x) .f2
(40 53)².1 (45 53)².1 (48 53)².1 (52 53)².1 (54 53)².1 (62 53)².1 (70 53)².1
S2
7
169 64 25 1 1 81 289
S2
7
630
S2 90
7
4.3 Exemplo 3
14
Tabela 11 – Veículos negociados X número de vendedores
X
X. f
N
26
X 2,6
10
15
Tabela 13 – Veículos negociados X número de vendedores X xiFi X (xi-média)²*Fi
S2
(x x) .f
2
N 1
6,4 6,4
S2 0,71
10 1 9
População: S 2
( Pm x ) 2
.f
N
Amostra: S 2
( Pm x ) 2
.f
N 1
4.4 Exemplo 4
16
Tabela 14 – Escores X alunos Fi
X
Pm. f
N
3610
X 62,24
58
495 . 5 = 2.473
17
Tabela 16 – Escores X alunos Fi X Pm X (Pm-média)² X (Pm-média)²·f
S 2
( Pm x ) 2
.f
N 1
9409
S2
58 1
9409
S2 165,1
57
S
(x x) .f 2
S
(x x) .f 2
N 1
S S²
18
Para o cálculo do desvio padrão, temos os seguintes passos.
1. Calcular a média.
2. Calcular a variância.
3. Extrair a raiz quadrada da variância.
5.1 Exemplo 1
3 7 8 10 11
Solução:
1. Calcular a média.
3 7 8 10 11 39
X 7,8
5 5
2. Calcular a variância.
38,80
S2 9,7
4
S S 9,7 3,11
2
5.2 Exemplo 2
19
Tabela 17 – Veículos negociados X número de vendedores
Solução:
1. Calcular a média.
26
X 2,6
10
2. Calcular a variância.
6,4 6,4
S2 0,71
10 1 9
S S 2 0,71 0,84
20
5.3 Exemplo 3
Solução:
1. Calcular a média.
3610
X 62,24
58
Tabela 21 – Escores X alunos Fi X Pm X Pm ·ƒ
2. Calcular a variância.
9409
S2 165,1
57
21
Tabela 22 – Escores X alunos Fi X Pm X (Pm-média)² X (Pm-média)².f
S S 2 165,1 12,85
22
coeficiente de variação com elevada dispersão (acima de 30% de variação). Uma
distribuição é dita homogênea quando seus valores são parecidos, mais
próximos; já em uma distribuição heterogênea, os valores apresentando são
bem diferentes.
5.4 Exemplo 4
Departamento A:
S
CV .100
x
1500
CV .100 0,375.100 37,5%
4000
Departamento B:
1200
CV .100 0,4 40%
3000
TROCANDO IDEIAS
23
NA PRÁTICA
Leitura complementar
Vamos ler os seguintes artigos e analisar situações em que a utilização
das medidas de dispersão fornece informações para tomada de decisão.
FINALIZANDO
24
REFERÊNCIAS
25
ESTATÍSTICA APLICADA ÀS
ANÁLISES CONTÁBEIS
AULA 4
A probabilidade é utilizada por qualquer pessoa que precisa tomar uma decisão
em uma situação de incerteza ou em situações em que precisamos conhecer a
possibilidade de determinado evento ocorrer no futuro.
Frequentemente usamos expressões como "Improvável”, “Impossível” ou
“provavelmente”, o que demonstra que em alguns momentos não sabemos qual o
resultado de uma situação, mas conseguimos ter a noção da sua ocorrência. Você se
recorda de algum fato ou momento do seu cotidiano que utilizou algumas destas
expressões?
CONTEXTUALIZANDO
“A ideia de probabilidade ocorre sempre que nos deparamos com situações nas
quais não sabemos exatamente o que pode ocorrer, mas temos uma ideia dos possíveis
resultados” (Aula 5, S.d.). Por exemplo, verificamos a probabilidade de chover em um
determinado dia, a probabilidade de ganhar na loteria, probabilidade do nosso time
favorito ganhar o jogo, probabilidade de certo candidato ganhar ou não uma eleição,
probabilidade de um produto ser vendido, probabilidade de um investimento ser mais
lucrativo do que outro e a probabilidade de bons lucros em uma determinada operação
ou compra de ações.
Segundo Castanheira (2010), o termo Probabilidade é usado de modo muito
amplo na conversação diária para sugerir certo grau de incerteza sobre o que ocorreu
no passado, o que ocorrerá no futuro e o que está ocorrendo no presente. Martins (2010)
comenta que a probabilidade é usada por qualquer indivíduo que toma decisões em
situações de incerteza e que ela nos indicará uma medida de quão provável é a
ocorrência de determinado evento.
Pelos exemplos e pelas definições, percebemos que são inúmeras as situações
nas quais a probabilidade está presente, mas como calcular a probabilidade e quais os
seus principais conceitos?
TEMA 1 – PROBABILIDADE
3
Designamos por S o número de casos possíveis e por A o número de casos
favoráveis, temos a probabilidade P, definida por:
ou seja,
a) O número 5.
b) Um número par.
c) Um número menor que 5.
a) O número 5:
A = {5}
4
P(A) = 0,16667 x 100 = 16,66667 = 17%
b) Um número par:
a) Saída do número 3;
b) Saída de um número par;
c) Saída de um número ímpar;
d) Saída de um número menor que 6.
5
Inicialmente encontramos o espaço amostral. Como temos que
escolher número entre 1 e 7, nosso espaço amostral é igual a:
S= {1, 2, 3, 4, 5, 6, 7}
Agora definimos os eventos e calculamos a probabilidade de
ocorrência:
a) Saída do número 3:
A = {3}
A = {2,4,6}
Número de algarismos pares 3
P(A) = =
Total dos algarismos 7
P(A) = 0,42857 x 100 = 42,85714%
A = {1, 3, 5, 7}
Número de algarismos impares 4
P(A) = =
Total dos algarismos 7
A = {1, 2, 3, 4, 5}
6
P(A) = 0,71429 x 100 = 71,42857%
6
P(A) = = 0,30 x 100 = 30%
20
10
P(A) = = 0,50 x 100 = 50%
20
4
P(A) = = 0,20 x 100 = 20%
20
7
Sabemos pelo enunciamos que do total de 12 peças temos 4 defeituosas,
assim:
4
P(A) = = 0,33333 x 100 = 33,333%
12
8
P(A) = = 0,66667 x 100 = 66,66667%
12
Sair número 3:
1
P(A) = 0,16667 x100 16,66667%
6
8
Sair número 4:
1
P(B) = 0,16667 x100 16,66667%
6
P( A B) P( A) P( B)
5
P(A) = 0,41667 x100 41,66667%
12
Bola Preta:
3
P(B) = 0,25 x100 25%
12
P ( A B ) P ( A) P ( B )
P A B P A PB P A B
9
em que, P A B é a interseção, ou seja, a probabilidade dos eventos ocorreram
simultaneamente e é calculado por:
P A B P A.PB
Sair número 5:
S= {1,2,3,4,5,6}
A={5}
1
P(A) = 0,1667
6
Sair número 3:
B={3}
1
P(B) = 0,1667
6
P A B P A.PB
P A B 0,1667.0,1667 0,0278
10
Já temos todos os valores necessários e vamos calcular a probabilidade
dos eventos ocorrem:
Jogador 1:
1
P (A) = 0,5
2
Jogador 2:
3
P (B) = 0,6
5
P A B P A.PB
P A B 0,5.0,6 0,3
P A B P A PB P A B
11
Neste exemplo temos 3 valores:
P A B P A PB P A B
P( A B)
P( A / B)
P( B)
ou seja,
12
Lembrando que A B é a ocorrência simultânea, ou seja, dois eventos
ocorrendo ao mesmo tempo.
Exemplo 1: Considere o lançamento de um dado e os seguintes eventos:
A={sair o número 2}
B={sair um número par}
13
Para resolver precisamos encontrar os eventos A,B e a interseção, sendo
que o B é o evento que já ocorreu.
A B 12,14,16,18,20
P A B PB .P A / B
[Ao] analisar um experimento e calcular a probabilidade da ocorrência
simultânea podemos ter experimentos com reposição ou sem
reposição. Em experimentos em que ocorre reposição, o elemento
retirado é devolvido à população, podendo ser escolhido novamente,
ou seja, não há redução de elementos no espaço amostral e/ou evento.
Se não houver reposição, o elemento, uma vez escolhido, não é
devolvido à população, não podendo, assim, ser escolhido novamente.
No caso do experimento ocorrer sem reposição realizamos o desconto
do item no espaço amostral e em alguns momentos no evento (Aula 5,
S.d.).
14
A = {1ª Defeituosa} = 6 = 0,6
10
Agora vamos calcular a probabilidade de a segunda peça ser defeituosa,
lembrando que o experimento ocorre sem reposição. Tínhamos 6 peças
defeituosas, mas já retiramos uma sem reposição, assim sobraram 5 peças
defeituosas e no total tínhamos 10 peças, mas retiramos uma sem reposição
sobrando 9 peças. Com estes dados calculamos a probabilidade de a segunda
ser defeituosa:
P A B PB .P A / B
P A B PB .P A / B
15
Exemplo 3:
1ª branca 10
0,6667
15
5 0,6667 x0,3571x0,6923 0,1648x100 16,48%
2ª preta 0,3571
14
9
3ª branca 0,6923
13
TROCANDO IDEIAS
NA PRÁTICA
16
ESTADÃO. Saiba como é calculado o valor do seguro de veículos, 8
abr. 2003. Disponível em:
<http://economia.estadao.com.br/noticias/geral,saiba-como-e-calculado-
o-valor-do-seguro-de-veiculos,20030408p15592>. Acesso em: 30 set.
2019.
INFOMONEY. Preço do seguro empresarial depende dos riscos e
probabilidades de lesões, 24 abr. 2014. Disponível em:
<http://www.infomoney.com.br/minhas-
financas/seguros/noticia/3307636/preco-seguro-empresarial-depende-
dos-riscos-probabilidades-lesoes>. Acesso em: 30 set. 2019.
FINALIZANDO
17
REFERÊNCIAS
18
ESTATÍSTICA APLICADA ÀS
ANÁLISES CONTÁBEIS
AULA 5
CONTEXTUALIZANDO
Em que:
N = tentativas
X = vezes
p = probabilidade de sucesso
q = 1 –p= probabilidade de insucesso
3
Exemplo 1:
5! = 5· 4· 3· 2· 1 = 120
9! = 9· 8· 7· 6· 5· 4· 3· 2· 1 = 362.880
Ao calcular uma distribuição binomial, os problemas podem fornecer ou
não o valor da probabilidade (p). Caso não seja informado, utilizar a fórmula do
cálculo da probabilidade:
N = tentativas = 5
X = vezes = 3
p = probabilidade de sucesso.
S = {1,2,3,4,5,6}
O evento é a saída do número 2, ou seja:
A = {2}
Com estas informações, calculamos a probabilidade:
1
P ( A) 0,1667
6
Com o valor de p, calculamos o valor da probabilidade do insucesso (q):
Q=1 – p =1 – 0,1667=0,8333
Conhecido todos os valores, aplicamos a fórmula da distribuição binomial:
N=5
X=3
p=0,1667
q=0,8333
p xq N X
N!
P( x)
X !( N X )!
0,166730,83335 3
5!
P( x)
4 3!(5 3)!
120
P( x) 0,0046.0,6944
6 (
120 2)!
P( x) 0,0032
12
P( x) 10.0,0032 0,032.100 3,2%
P( X ) 7,65%
Exemplo 4: Um varejista de computadores vende PCs on-line, tanto
desktops quanto laptops. Sabendo que 80% dos PCs que o varejista vende
sejam desktop e 20% laptop, encontre a probabilidade de que três dos próximos
quatro PCs comprados sejam laptops.
Analisando o enunciado, temos os seguintes valores:
N=4
X=3
P= 20% = 20/100 = 0,20
q = 1 – p = 1 – 0,20 = 0,80
5
Com base nos dados, aplicamos a fórmula da distribuição normal:
4!
P( X ) 0,2030,80 4 3
3!(4 3)!
24
P( X ) 0,008.0,80
6.1!
24
P( X ) 0,0064
6
Em que:
X: número designado de sucessos;
λ(lambda): é o número médio de sucessos em um intervalo específico, ou
seja, a média.
e: base do logaritmo natural, ou 2,71828.
Observação: o valor de e pode ser calculado utilizando a calculadora
científica, HP, pela substituição do valor por 2,71828, ou utilizando uma tabela
6
Substituição do valor de e:
x e
P( x)
X!
7
52 e 5 25.0,00674
P( x )
2! 2
0,16845
P( x) 0,08422 8,422%
2
Temos 8,928% de chance de três clientes pararem por hora nesse caixa.
8
Figura 1 – Curva normal
50% 50%
X
Z
s
Em que corresponde à média e S ao desvio padrão.
Esta é a fórmula reduzida da distribuição normal com média igual a zero e
desvio padrão igual a um. Ao calcular Z, encontramos a probabilidade entre a
média e o valor de X, conforme a Figura 3:
9
Figura 3 – Cálculo de Z
Z
Para encontrarmos o valor da distribuição normal, utilizamos o valor de Z
que é tabelado, conforme tabela 1. A tabela indica as proporções de área para
vários intervalos de valores para a distribuição de probabilidade normal
padronizada, com a fronteira inferior do intervalo começando sempre na média.
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
(continua)
10
(continuação da Tabela 2)
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
Obs.: as áreas para os valores de z negativos são obtidos por simetria.
Fonte: Adaptada de Costa Neto.
valores de X, e S.
Para encontrar o valor de X, analisamos a faixa de valores solicitada no
enunciado, queremos calcular diâmetro entre 2 e 2,05. Verificamos que 2 é a
nossa média, assim, 2,05 será o valor de X. Por meio do enunciado, temos o
valor da média e desvio padrão, conforme abaixo:
X = 2,05
=2
S = 0,04
Conhecidos os valores, vamos encontrar Z aplicando a fórmula:
X
Z
s
2,05 2
Z 1,25
0,04
Agora, verificamos na tabela o valor de Z = 1,25. Na primeira coluna,
procuramos o valor até a primeira casa decimal = 1,2. Em seguida,
encontramos, na primeira linha, o valor 0,05, que corresponde ao último
11
algarismo do número 1,25. Na intersecção da linha e coluna correspondentes,
encontramos o valor 0,3944, este valor é a probabilidade que procuramos:
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
13
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
Fonte: Adaptado de Costa Neto.
14
Para encontrar a probabilidade, calculamos o valor de Z com os seguintes
dados:
80
X = 85
S 5
85 80
Z 1
5
Procurando Z na tabela, temos uma probabilidade de 0,3413, mas como
queremos identificar a porcentagem acima de R$ 85, conforme gráfico abaixo,
precisamos diminuir a probabilidade encontrada de 50% ou 0,5.
15
Como o intervalo procurado apresenta um número menor e outro maior
que a média, precisamos calcular dois valores para Z utilizando dois valores de
X, sendo X = 17 e X = 22:
X = 17:
17 20
z 1,5
2
Verificando na tabela, temos 0,4332.
X = 22
22 20
z 1
2
16
Segundo Castanheira (2010), a estimativa por intervalo, também
denominada intervalo de confiança, para um parâmetro é uma faixa de valores
possíveis e aceitos como verdadeiro, na qual se estima encontrar o parâmetro.
Permite diminuir o tamanho do erro que estamos cometendo, e quanto menor for
o comprimento do intervalo, maior a precisão dos cálculos.
O intervalo de confiança é um intervalo de valores com probabilidade de
conter o valor desconhecido e associado a um nível de confiança, um número
que exprime o grau de confiança deste intervalo:
cZ
n
Em que:
Z = distribuição normal padronizada
= desvio padrão da população
n = tamanho da amostra
Após calcular o valor de c, determinamos o intervalo de confiança:
X c X c
Em que:
X = média da amostra
média da população
Exemplo 1: Determine o intervalo de confiança para um grupo que tem
peso médio de 68 kg com desvio padrão de 3 kg. Supor nível de confiança igual
a 90% e uma amostra de 64 pessoas.
O primeiro passo para encontrar o intervalo de confiança é calcular o
valor de c, mas precisamos ter o valor de Z. Para encontrar Z,levamos em conta
o nível de confiança que, neste exemplo, é igual a 90%. Dividimos o nível de
confiança por 2 e, depois, por 100, assim procuramos o valor obtido na tabela de
distribuição normal para termos o valor de Z.
90% 45%
0,45
2 100
17
Na tabela, buscamos o valor no centro e, ao encontrar, verificamos o seu
correspondente na vertical e horizontal conforme abaixo:
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
Fonte: Adaptado de Costa Neto, S.d.
cZ
n 3 3
c 1,65 1,65 1,65.0,375 0,6188
64 8
X c X c
68 0,6188 68 0,6188
67,3812 68,6188
20
tipo I, ou aceitar a hipótese nula sendo ela falsa, cometendo o erro tipo II. No
quadro abaixo, avaliamos os possíveis erros e acertos de uma decisão com
base em um teste de hipótese.
21
Figura 9 – Teste de hipótese (II)
Ou seja:
22
podemos afirmar que a média dessa população é superior a 43 mm, ao nível de
significância de 1%?
Precisamos encontrar as hipótese nula (H0) e alternativa (H1), ou seja:
H0= 43 mm
H1 > 43 mm
Precisamos fixar o limite de erro (α) que, no nosso exemplo, é de 1% =
0,01, ou seja:
0,50 – 0,01 = 0,49
Buscamos o valor encontrado na tabela de distribuição normal para
encontrar o parâmetro z, conforme abaixo:
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
23
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
Fonte: Adaptado de Costa Neto.
Logo, z = 2,33.
Agora, definimos as regiões de aceitação (R.A) e rejeição (R.R):
TROCANDO IDEIAS
24
tamanho da amostra utilizada, o nível de confiança de tal pesquisa e o intervalo
de confiança dos resultados apresentados.
Vimos também as diferentes distribuições de probabilidade e suas
aplicações, você se recorda de alguma aplicação utilizando as distribuições?
NA PRÁTICA
FINALIZANDO
25
REFERÊNCIAS
26
ESTATÍSTICA APLICADA ÀS
ANÁLISES CONTÁBEIS
AULA 6
CONTEXTUALIZANDO
2
Para entender como ocorrem essas análises, veremos os conceitos
referentes à correlação, cálculo e interpretação do coeficiente de correlação de
Pearson, regressão linear e regressão múltipla.
TEMA 1 – CORRELAÇÃO
3
Correlação linear positiva: quando as variáveis crescem no mesmo
sentido, ou seja, se uma variável aumenta, a outra também aumenta.
4
TEMA 2 – COEFICIENTE DE CORRELAÇÃO DE PEARSON
Exemplo: uma empresa realizou uma pesquisa para estudar como varia a
procura de determinado produto em função do preço de venda, obtendo os
seguintes resultados. Calcule o coeficiente de correlação linear.
5
Tabela 1 – Variação de um determinado produto (1)
6
(5.193405) (858.1130)
r
5.147438 858 .5.256718 1130
2 2
967025 969540
r
737190 736164. 1283590 1276900
2515
r
1026.6690
2515
r
6863940
2515
r
2619,91221
r 0,95996
Venda Mensal
300
250
200
150
100
50
0
160 165 170 175 180 185
TEMA 3 – REGRESSÃO
7
Na regressão, y é chamado de variável dependente ou variável não
controlada, já o x é a variável independente, que é a variável que pode ser
controlada em um experimento.
Segundo Castanheira (2016), em termos da complexidade das funções
ajustantes, a regressão é chamada de linear quando o ajustamento é feito por
uma função do primeiro grau, ou seja, pela equação de uma reta e não linear
quando o ajustamento é feito por uma função de grau superior a um, ou seja, por
uma função exponencial, geométrica, parabólica etc. Para que a regressão
possa ser útil, é necessário saber construir um modelo, estimar seus parâmetros
com base nos dados relativos às variáveis e interpretar os resultados.
Uma regressão é dita linear quando o ajustamento dos dados é feito por
uma função do primeiro grau, tendo como representação uma reta. O nosso
principal objetivo será aproximar por uma linha reta um conjunto de valores,
determinando a equação de regressão linear simples que melhor se ajuste aos
dados, ou seja, precisamos encontrar os coeficientes da equação da reta:
y = a + bx
n x. y x. y
b
n x 2 x
2
a b
y x
n n
ou a y bx
Exemplo: Considere a seguinte tabela, que indica as quantidades
produzidas de determinado produto e seus respectivos custos totais de
produção. Pela análise de regressão, encontre a reta que melhor se ajuste ao
conjunto de dados.
8
Tabela 3 – Relação entre a quantidade e custo de um produto (1)
5.183950 255.2720
b
5.17725 255
2
9
919750 693600
b
88625 65025
226150
b 9,5826
23600
a b
y x
n n
2720 255
a 9,5826
5 5
a 544 9,582651
y = 55,2874 + 9,5826 x
10
Segundo Castanheira (2016), a regressão linear simples é normalmente
utilizada para estudar a relação existente entre variáveis, com o propósito de
fazer previsões com base nos resultados obtidos nelas.
Considerando o exemplo, qual seria o valor estimado do custo para uma
produção de 180 unidades? Utilizaremos a equação encontrada para prever qual
será o custo na produção de 180 unidades, ou seja, substituímos o x da equação
por 180:
y = 55,2874 + 9,5826 x
y = 55,1874 + 1724,8680
y = 1780,0554 = 1.780
onde:
y = variável dependente
M1,2,...n = coeficientes de regressão
x1,2,...,n = variáveis independentes
B = múltiplo intercepto
Quando temos duas variáveis, os parâmetros são determinados utilizando
as seguintes fórmulas:
11
onde:
12
Tabela 5 – Consumo de matéria-prima (1)
Consumo X1 X2
3,5 10 8
4 12 9
5,4 15 11
6,1 17 13
7 20 15
7,5 23 16
8 25 18
41,5.122
S y1 780,2
7
5063
S y1 780,2 780,2 723,285714 56,914286
7
13
41,5.90
S y 2 571,7
7
3735
S y 2 571,7 571,7 533,571429 38,128571
7
122.90
S12 1692
7
10980
S12 1692 1692 1568,571429 123,428571
7
S11 2312
1222
7
14884
S11 2312 2312 2126,285714 185,714286
7
S 22 1240
90
2
8100
S 22 1240 1240 1157,142857 82,857143
7
14
38,128571 56,914286
123,428571 185,714286
M2
82,857143 123,428571
123,428571 185,714286
0,308912 0,306462
M2
0,671296 0,664615
0,002450
M2 0,366712
0,006681
38,128571 82,857143
M1 .0,366712
123,428571 123,428571
M1 0,308912 0,671296.0,366712
41,5 122 90
B 0,06274. 0,366712.
7 7 7
A equação procurada é:
y M1.x1 M 2.x2 B
15
TROCANDO IDEIAS
NA PRÁTICA
Saiba mais
16
FINALIZANDO
17
REFERÊNCIAS
18