Escolar Documentos
Profissional Documentos
Cultura Documentos
Métodos Quantitativos
3º PERÍODO
PALMAS-TO/ 2006
1
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
sidade
iver do
Un
To
Fundaçã
cantins
Tecnologia em educação continuada
2
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Apresentação
3
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
4
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Plano de Ensino
CURSO: Ciências Contábeis e Administração.
PERÍODO: 3º
DISCIPLINA: Métodos Quantitativos
EMENTA
Principais técnicas e ferramentas quantitativas utilizadas na gestão
empresarial moderna, para orientar a tomada de decisões, abordando de
maneira ampla os modelos de otimização, de decisão e risco de previsão de
demanda ( regressão linear simples e múltipla e análise de séries temporais).
OBJETIVOS
CONTEÚDO PROGRAMÁTICO
• Distribuição de Probabilidade;
• Amostragem e Distribuição amostral;
• Estimação por ponto e intervalo de confiança;
• Teste de hipótese;
• Análise de regressão e correlação;
• Análise de variância;
• Programação linear;
• Diagrama de decisão;
• Risco e incerteza;
• Números índices;
• Teoria do limite central;
• Ferramentas estatísticas para o controle de qualidade.
5
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
BIBLIOGRAFIA BÁSICA
BIBLIOGRAFIA COMPLEMENTAR
6
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Sumário
Tema 1 – Distribuição de Probabilidade
Introdução .................................................................................................. 08
Atividades .................................................................................................. 12
7
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Tema 01
Distribuição de Probabilidade
Objetivo
Introdução
8
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
9
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Probabilidade
Teorema de Bayes
10
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
- Para a caixa C2: P(probabilidade das bolas brancas) = P(B2) = 2/4 = 1/2;
P(probabilidade da bola preta) = P(P2) = 2/4 = 1/2;
Todo esse processo pode ser reduzido em uma única etapa, por meio
do chamado “Teorema de BAYES”, que diz: “A probabilidade de um evento (A)
ocorrer dada ocorrência do evento (B) é igual a probabilidade condicional de
(A) em (B) dividida pela soma de todas as probabilidades condicionais de (A)
no espaço amostral”.
Matematicamente tem-se:
(
P Ai / B j = ) P (A i ) . P B j ( )
∑ P(A ).P(B ) n m
onde:
P(Ai )= probabilidade de ocorrência do evento Ai;
P(Bj )= probabilidade de ocorrência do evento Bi;
P(An )= probabilidade de ocorrência do todos os eventos An;
P(Bm )= probabilidade de ocorrência do todos os eventos Bm;
11
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Síntese do tema
Atividades
12
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Tema 02
Objetivo
Introdução
Amostragem
Tipos de Amostragem
Amostragem Probabilística
13
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
Seja uma caixa contendo 10 (dez) bolas numeradas de 0 a 9. Se
procede a retirada de 3 pares de bola, obtendo-se os resultados abaixo:
(0;1), (3;4) e (6;7).
Amostragem Sistêmica
14
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
Seja N = 500 (tamanho da população)
n = 50 (tamanho da amostra);
Divide-se o tamanho da população pelo tamanho da amostra.
a = N/n = 500/50 = 10
Amostragem Conglomerada
Exemplo:
Seja um colégio composto de salas de aula onde estudam meninos e
meninas. Sorteiam-se 02 alunos de cada sala, que no conjunto representam a
população do colégio.
Amostragem Estratificada
Exemplo:
A população em uma cidade está dividida em classes sociais. Extrai-
se, por sorteio, várias pessoas de cada classe social em número proporcional à
quantidade de pessoas de uma das classes.
Plano de Amostragem
15
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Atividades
1) No total de 100 estabelecimentos que se dedicam ao mesmo ramo de
comércio, foram estudados os gastos mensais de cada estabelecimento,
multiplicados por R$ 1.000,00 indicados na tabela:
29 6 34 12 15 31 34 20 8 30
8 15 24 22 35 31 25 26 20 10
30 4 16 21 14 21 16 18 20 12
31 20 12 18 12 25 25 13 1 5
13 19 30 17 25 29 11 25 32 36
10 21 18 7 16 14 23 22 21 21
32 17 15 13 8 12 30 25 13 17
5 12 32 21 10 30 8 10 14 20
34 22 30 48 19 12 17 7 15 9
26 25 22 30 33 14 26 13 10 15
Pede-se:
a) Selecione nesta população uma amostra simples ao acaso de 30 elementos;
b)Agrupar os elementos em classes (por dezenas de 10, 20, 30...).
Distribuição Amostral
16
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
(X )
No curso de
Média da amostra Estatística Aplicada,
a letra utilizada para
∑X
variância e desvio
i padrão foi o “V”.
X= Nessa apostila,
n adotaremos o “s”.
Variância da amostra (S )2
∑ (x )
2
i −x
s 2
=
n−1
Exemplo:
Seja X uma população constituída dos seguintes elementos {2; 3; 4; 5}
(N = 4). Extrai-se aleatoriamente e com reposição, amostras de 2 elementos
(n = 2), tem-se 42 = 16, o número de amostras possíveis representada pelos
pares abaixo:
(2; 2) (3; 2) (4; 2) (5; 2)
(2; 3) (3; 3) (4; 3) (5; 3) 16 amostras (pares de 2 números)
(2; 4) (3; 4) (4; 4) (5; 4)
(2; 5) (3; 5) (4; 5) (5; 5)
Calcula-se a média dos dois números, obtendo-se:
2,0 2,5 3,0 3,5
2,5 3,0 3,5 4,0
3,0 3,5 4,0 4,5
3,5 4,0 4,5 5,0
17
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Temos que:
()
P X = 0,625
Como a população é {2; 3; 4; 5}
Temos que:
Média da população µ = 3,5
T
p=
n
E(p )= p
p.q
Var ( p ) =
n
Exemplo:
Seja X uma população formada por 2 mulheres e 1 homem
X = {M1, M2, H1};
Seja sucesso (inferência) a ocorrência de uma mulher;
Temos:
p = probabilidade de mulher = 2/3;
18
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Amostra:
(M1M1) (M1M2) (M1H1) (M2M1) (M2M2) (M2H1) (H1M1) (H1M2) (H1H1)
f 0 1/2 1
∑ (x )
2
x=
∑x i
e s 2
=
i −x
n n−1
∑ (x )
2
Pelo teorema de Fischer i −x = σ 2 . xn2 − 1 onde xi são
elementos de uma amostra retirada de uma população com distribuição normal,
variância σ2 e x2n-1 ambos variáveis aleatórias, a qual é denominada
∑ (x )
2
i −x
Como
s 2
=
n−1
demonstra-se que s2 tem distribuição χ 2 com n-1 graus de liberdades onde o
2σ 4
estimador E(s ) = σ
2 2
e Var (s ) = 2
n−1
A aplicação desta distribuição veremos nos temas seguintes.
19
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
X−µ
t=
s/ n
se multiplicamos e dividimos o 2º termo por σ tem-se:
x−µ σ x−µ σ σ
t= . = . =z.
s n σ σ/ n s s
x−µ
fazendo z=
σ/ n
2
s 2 x n −1 z
= e z ≅ N (0;1) logo t=
2 n−1 x n2 −1 / n − 1
v 2v(u + v − 2 )
F(E ) = e Var (F ) =
v−2 u(v − 2 ) . (v − 4 )
2
Exemplo:
Supondo que a altura dos estudantes do sexo masculino de uma certa
universidade seja uma variável aleatória de distribuição normal, com média
igual a 60 polegadas e desvio padrão 3. Que porcentagem de estudantes é
maior que 72 polegadas?
Trata-se do calculo de probabilidade, que se obtém calculando P(x > 72).
Escolhe-se o valor de X = 72, então µ = 69 e σ = 3, logo o valor correspondente
a Z é dado por:
72 − 69
z= =1
3
20
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Como a área sob a metade direita desta curva é 0,5, segue que a área para a
direita de Z = 1 é igual a 0,500 – 0,3413 = 0,1587.
Conclui-se que 15,87 % dos estudantes do sexo masculino terão um valor de Z
que excede a 1 e, portanto, uma altura que excede a 72 polegadas.
Síntese do tema
Atividades
2) Uma pesquisa de opinião pública numa comunidade mostrou que 46% das
pessoas são favoráveis a um projeto de lei. Determine a probabilidade de que a
maioria das pessoas de um conjunto amostral de 1.000 pessoas seja favorável
a tal projeto?
21
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Tema 03
Objetivo
Mostrar a utilização prática das distribuições de probabilidade por meio do
conceito de intervalo de confiança.
Introdução
Estimação
22
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
E(X)=µ e lim n→∞ Var (X)=O (lê-se o limite da variância quando o
número de elementos da amostra tendem a infinito).
Exemplo:
Var (s2)A = 05 e Var (s2)B = 05.
Exemplo:
O valor da média de preço de determinado produto é 1,5, podem variar
o seu valor entre 1,4 a 1,6.
Seja y o nível de significância que representa a probabilidade de erro
que se comete quando se afirma que a probabilidade do intervalo Ô1 ≤ O ≤ Ô2
contenha o verdadeiro valor do parâmetro populacional O, entende-se por
intervalo de confiança em torno de uma estimativa por ponto, para que com a
probabilidade conhecida (1 – α) contenha o verdadeiro valor do parâmetro
estimado.
23
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
σ2
s =
2
s2 (variância da amostra) = σ2 (variância da população)
n
α α
2 2
z
−zα / 2 zα / 2
⎛ σ2 ⎞ x−µ
x = N ⎜ µ, ⎟ sendo z=
⎜ n ⎟ σ/ n
⎝ ⎠
Tem distribuição N (0 ; 1)
⎛ σ σ ⎞
P⎜⎜ x − z y / 2 . ≤ µ ≤ x + zy/2 . ⎟ = 1− α
⎟
⎝ n n⎠
Para este caso deve-se estimar σ2 por meio do operador estatístico s2,
como foi visto anteriormente.
x−µ
Como t= tem a distribuição t student com (n-1) graus de
s n
liberdade.
p p
2 2
t
−tα / 2 tα / 2
24
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Como P(−t α / 2 ≤ t ≤ t α / 2 ) = 1 − α
⎛ s s ⎞
P⎜⎜ x − t y / 2 . ≤ µ ≤ x + ty/2 . ⎟ = 1− α
⎟
⎝ n n⎠
Sendo x uma variável aleatória com distribuição normal (µ, σ2) vale:
s 2 . (n − 1)
x n2−1 =
σ2
P (x 12 ≤ x ≤ x 22 ) = 1 - α
⎛ s 2 . (n − 1) s 2 . (n − 1) ⎞⎟
P⎜ ≤ σ 2
≤ = 1− α
⎜ x2 x 2 ⎟
⎝ sup inf ⎠
2
xinf = x 2(1− α ) / 2 x 2sup = x 2(1− α ) / 2
^
p− p
z= P(−z α / 2 ≤ z ≤ z α / 2 ) = 1 − α
p.q / n
( )
IC = x 1 + x 2 ± z α / 2 .
σ12 σ 22
n
+
n
25
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
( )
IC = x 21 + x 22 ± t α / 2 . s ,
1
+
1
n1 n 2
(n1 − 1) s 12 + (n1 − 1) s 22
s, =
n1 + n − 2
Síntese do tema
Atividades
1) Calcule o intervalo e confiança para a média em cada um dos casos abaixo:
Média amostral em Tamanho da Desvio padrão da Coeficiente de
centímetro (cm) amostra (unid) amostra (s) em cm confiança
170 100 15 15
165 184 30 85
180 225 30 70
2) Qual deve ser o tamanho de uma amostra cujo desvio padrão é 10, para que
a diferença de média amostral para a média populacional, em valor absoluto,
seja menor que 1, com coeficiente de confiança igual a 95% e 99%.
3) Suponha que uma amostra de n = 100 de uma distribuição normal N (µ, σ2)
26
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Tema 04
Teste de Hipóteses
Objetivo
Introdução
Teste de Hipóteses
27
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Realidade Decisão
Aceitar H0 Rejeitar H0
H0 é verdadeira Decisão correta Erro tipo I
H0 é falsa Erro tipo II Decisão Correta
28
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
σ 2 = 16 = σ = 16 = 4
n = 18
área de uma distribuição normal com n = 18, α = 0,05
x c − 20
1,8322 = → x c ≅ 21 , 73
4 / 18
Portanto: 1. R.C – região crítica - Rejeita H0 para X > 21,73
2. R.A - região de aceitação – Aceita H0 para X ≤ 21,73.
- H0 µ = µ0;
- H1 µ ≠ µ0 teste bilateral;
µ > µ0 teste unilateral;
µ < µ0 teste unilateral.
- Fixar o nível de significância α
Se σ2 é conhecida, a variável será a normal padronizada (Z);
Se σ2 é desconhecida, a variável será o t de student, com (n - 1) graus de
liberdade;
- Avalia-se a região(ões) critica(s);
α α
2 2
− zα / 2 zα / 2
z ou t
− tα / 2 tα / 2
Teste Bilateral
29
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
α Teste unilateral à
esquerda
z ou t
− zα
− tα
α Teste unilateral à
direita
z ou t
zα
tα
- Calcula-se Z ou t:
x−µ x−µ
z= ou t=
σ/ n s/ n
- Conclusões:
Se Módulo de Z > Zα/2 rejeita-se H0;
ou Teste bilateral
Se Módulo de t> tα/2 rejeita-se H0;
- H0 σ2 = σ20 ;
- H1 σ2 ≠ σ20 teste bilateral;
σ2 > σ20 teste unilateral;
σ2 < σ20 teste unilateral.
- Fixar o nível de significância α
30
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
α
2 α
2
χ2
χ (21 − α / 2) Teste Bilateral χ α2 / 2
χ2
χ 2
(1 − α )
Teste Unilateral
χ2
χα 2
Teste Unilateral
- Calcula-se χ :
2
(n − 1) s 2
χ =2
σ 20
- Conclusões:
Se χ2 > χ2 α/2 rejeita-se H0;
Se χ2 < χ2 1-α/2 rejeita-se H0;
Se χ2 > χ2α ou χ2 < χ2α rejeita-se H0;
- H0 p = p0;
- H1 p ≠ p0 teste bilateral;
p > p0 teste unilateral;
p < p0 teste unilateral.
31
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
α α
2 2
− zα / 2 zα / 2
z ou t
− tα / 2 tα / 2
- Calcula-se Z ou t:
^
p− p o
z=
p o (1 − p o ) / n
- Conclusões:
Se Módulo de Z > Zα/2 rejeita-se H0;
Se Z > Zα rejeita-se H0;
Se Z < Zα rejeita-se H0;
x1 − x 2
z=
σ12 σ 22
+
n1 n2
32
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
x1 − x 2 (n1 − 1) s12 + (n 2 − 1) s 22
t= e s, =
n1 + n 2 n1 + n 2 − 2
s,
n1 − n 2
x1 − x 2 (s12 / n1 + s 22 / n 2 ) 2
z= e φ= −2
s12 s 22 s12 / n1 s 22 / n 2
t + +
n1 n2 n1 + 1 n 2 + 1
- Conclusões:
Se Módulo de Z > Zα/2 rejeita-se H0;
ou Teste bilateral
Se Módulo de t> tα/2 rejeita-se H0;
33
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
- H0 : σ12 = σ22;
- H1 : σ12 ≠ σ22 , σ12 > σ22 , σ12 < σ22 ,
- Fixar o nível de significância α
- Escolher a variável F de Snedecor com:
Φ1 = n – 1 graus de liberdade no numerador;
Φ2 = n – 1 graus de liberdade no denominador.
- Calcula-se a variável:
s12
F=
s22
- Conclusões:
Se F < F1-α/2 ou F > Fα/2 rejeita-se H0;
Se F > Fα rejeita-se H0;
Se F < Fα rejeita-se H0;
34
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Síntese do tema
Atividades
3) Suponha que uma amostra de n = 100 de uma distribuição normal N(µ, σ2)
forneceu média 510,6. Supondo µ conhecido e igual a 16, obtenha um intervalo
de confiança para µ, com α = 0,95.
35
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Tema 05
Objetivo
Introdução
Correlação
Exemplo:
- relação entre o fumo e doenças do coração;
- relação entre recepção de rádio e perturbações solares;
- relação ente beleza e nível de inteligência.
36
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
∑ (x ) ( )
n
i − x . yi − y
i=1
r=
(n − 1) . s x y sy
Onde:
r = Coeficiente de correlação
x 1 e y 1 = Valores das variáveis x e y
x
y y
r = 0,8 r = - 0,8
x x
37
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
N° X Y
1 5,0 4,0
2 7,0 6,0
3 3,0 8,0
4 5,0 5,0 y
10
5 7,0 8,0
9
6 9,0 6,0
8
7 6,0 7,0
7
8 5,0 3,0
6
9 8,0 4,0
10 6,0 5,0 5
11 6,0 3,0 4
12 5,0 6,0 3
13 7,0 4,0 2
14 8,0 9,0 1 x
1 2 3 4 5 6 7 8 9 10 11
15 10,0 7,0
16 6,0 4,0
17 7,0 7,0
18 6,0 8,0
19 7,0 9,0
20 6,0 6,0
x = 6,45 S x = 1,572
y = 5,95 S y = 1,905
38
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
N° (x i −x ) (y i −y ) (x i )(
− x . yi − y )
1 1,75 -1,95 -3,2145
2 0,55 0,05 +0,0275
3 -3,45 2,05 -7,0725
4 -1,45 -0,95 +1,3775
5 0,55 2,05 +1,1275
6 2,55 0,05 +0,1275
7 -0,45 1,05 -0,4725
8 -1,45 -2,95 +4,2775
9 +1,55 -1,95 -3,0225
10 -0,45 -0,95 +0,4275
11 -0,45 -2,95 +1,3275
12 -1,45 0,05 -0,0725
13 0,55 -1,95 -1,0725
14 1,55 3,05 +4,7275
15 3,55 1,05 +3,7275
16 -0,45 -1,95 +0,8775
17 0,55 1,05 +0,5775
18 -0,45 2,05 -0,9225
19 0,55 3,05 +1,6775
20 -0,45 0,05 -0,0225
3,71
3,71
r = = 0,0652
(20 − 1) . (1,572 ) . (1,905 )
Regressão Linear
39
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
Seja dada uma determinada aplicação financeira cujo rendimento é
proporcional ao número de meses dessa aplicação conforme a tabela abaixo.
N° dias (x) 12 18 24 30 36 42 48
Rendimento (y) 5,27 5,68 6,25 7,21 8,02 8,42 8,71
y
10
4 x
6 12 18 24 30 36 42 48
a=y e b=
∑ (x − x ). y
i i
∑ (x − x )
2
i
40
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
y' = y +
(x i − x . yi ) (
. x − x )
∑ (x )
2
i − x
ou
y' = y +
∑ x y − nx y
i i
∑ x − nx 2 2
L
46,56 210
y= = 7,08 , x= = 30
7 7
103,68
b= = 0,103
1008
n° x y x– x (x − x ). y (x − x ) 2
Média 30 7,08
41
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Síntese do tema
Atividades
N 1 2 3 4 5 6 7 8 9 10 11 12
Y 65 73 70 68 66 69 75 70 64 72 65 71
Z 124 184 161 164 140 154 210 164 126 172 133 150
X 1 2 3 4 5
Y 2 5 4 8 6
42
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Tema 06
Análise de Variância
Objetivo
Introdução
Análise de Variância
43
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Onde:
x ij = Cada observação, onde i indica o tratamento To e j indica o
elemento da amostra, e formado por três elementos básicos:
1° - efeito da média (µ ) devido à população i a que pertence;
( )
2° - efeito do tratamento i, α i , específico ao tratamento a que pertence;
( )
3° - efeito aleatório, ε ij , denominado erro residencial.
1 – H o : µ 1 + µ 2 + µ 3 ... µ k = µ
y = f (F)
Rejeito H0
Aceito H0
α
F (x)
F (α)
44
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
N° de elementos
T1 T2 T3 ... Tk
das amostras
1 X11 X21 X31 Xk1
Total
2 X12 X22 X32 Xk2
J X1]1 X2]2 X3]2 Xk]k
n X1n1 X2n2 X2n3 Xknk
∑ (∑ x )
k
Soma (∑ ) Σx 1j Σx 2 j Σ 3j ... Σx knk ij
1= 1
N° elementos n1 n2 n3 ... nk n= Σ n
Médias x1 x2 x3 ... xk X
⎡ Σx ij ( )2
⎤ Se
se = ∑ ⎢
Entre Teste
⎥ − c K–1 = A
Amostras
⎣ ni
i ⎢ ⎥⎦ k−1 F
Dentro da Sr
sr = s t − s e N–k =B
Amostra N−k
⎛ ∑ ∑ X ij ⎞
2
⎜ i ⎟
s t = ∑ ∑ X ij2 − c c = ⎜
j
⎟ A
Total N–1 N F=
i j ⎜ ⎟ B
⎝ ⎠
45
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Teste de tração
Amostras
Maquina 1 2 3 4 5
A 3,2 4,1 3,5 3,0 3,1
B 4,9 4,5 4,5 4,0 4,2
C 3,0 2,9 3,7 3,5 4,2
Hipóteses:
Ho : µ A = µ B = µ C = µ
H1 : µ i ≠ µ
K = 3 (maquina A, B e C)
N = 15 (total de ensaios)
Resolução:
Inicialmente deve-se organizar os dados de acordo com o QAR.
46
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Maquinas
Ensaios A B C
2 2
X X X X X X2
1 3,2 10,20 4,9 24,01 3,0 9,00
2 4,1 16,81 4,5 20,25 2,9 8,41
3 3,5 12,25 4,5 20,25 3,7 13,49
4 3,0 9,00 4,0 16,00 3,5 12,25 Total
5 3,1 9,61 4,2 17,60 4,2 17,64
∑ X = 217,05
2
2
⎛ 16,9 + 22,1 + 17,3 ⎞
C=⎜ ⎟ = 211,31
⎝ 15 ⎠
Fcalculado = 5,802
Aceito H0
α = 10%
F (x)
F (10) = 2,81
47
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Síntese do tema
Atividades
Populações
N° amostras A B C
1 3 11 16
2 4 10 21
3 5 12 17
48
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Tema 07
Números Índices
Objetivo
Introdução
Números Índices
Pn pn
I− ou I p = x 100
Po po
Onde:
I – índice simples;
Ip – índice simples percentual;
49
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
Seja dada a Tabela 1 (abaixo) indicando os preços de 3 produtos
vendidos em certa região do país, no período de 2002, 2003, 2004 e 2005.
Com base nos valores apresentados, calcule o índice simples de preço
com base no ano de 2003.
Tabela 1: Preços praticados para os produtos A, B e C, no período de 2002 a
2005, em determinada região do Brasil.
12 12
IA(02/03) = = 0,8 ou IPA(02/03) = x 100 = 80 %
15 15
50
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Calcula-se por meio da média de valores de vários produtos para cada período
dividindo-se também pela média dos valores de vários produtos do período
referência ou base, usando o exemplo anterior temos:
18 + 20 + 35 73
IM(2004/2003) = = = 1,46
15 + 10 + 25 50
ou
I.M
Percentual
Ano Simples
%
2002 0,74 74
2003 1,00 100
2004 1,46 146
2005 1,98 198
- Índice simples geral ou índice geral de preços: Calcula-se por meio da média
aritmética dos índices simples de vários itens.
n
∑
i=1
I
∗
I =
M
n
∗ ∗
IPM (2005 / 2003 ) = IM x 100 = 213,3%
51
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Percentual
Ano Simples
%
2002 0,0700 70,0
2003 1,000 100,0
2004 1,533 153,3
2005 2,133 213,3
Exemplo:
Usando ainda os dados da Tabela 1, pode-se calcular.
24 . (4 ) + 30 (9) + 45 (4 )
IL(2005 / 2003 ) = = 2,184
15 (4 ) + 10 (9) + 25 (4 )
ou
24 (5 ) + 30 (7 ) + 45 (6 )
I P (2005 / 2003 ) = = 2,034
15 (5 ) + 10 (7 ) + 25 (6 )
ou
IPP(2005 / 2003 ) = IP(2005 / 2003 ) x 100 = 203,4%
Uma análise dos índices mostra que, em relação ao ano base (2003),
no ano de 2002 ocorreu uma redução do índice Laspeyres de 30,8 pontos
percentuais e 31,1 pontos percentuais do índice Paasche, como podemos
observar na Tabela 6.
52
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
53
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
n
Pit
I CV (pn / po ) = ∑P
i=1
. θi
io
Onde:
Pit = preço do item i no período t;
Pio = preço do item i no período base;
θ i = proporção do item i em relação ao conjunto de itens.
Onde
∑
i=1
θi = 1
Síntese do tema
Neste tema, foram apresentados os vários tipos de índices econômicos,
sua determinação, aplicação e interpretação, os quais são de grande
valia na análise econômica-financeira de uma sociedade, produto ou
serviço.
Atividades
1) Defina índice de preço ao consumidor?
54
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Tema 08
Programação Linear
Objetivo
Introdução
55
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
Seja dada as equações abaixo, obtidas de determinada função
empresarial:
Exemplo:
Maximizar ou minimizar a função abaixo
56
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Sujeito a :
a11X1 + a12X2 ... + a1nXn = b1
a22X1 + a22X2 ... + a2nXn = b2
am1X1 + am2X2 ... + amnXn = bm
Forma Canônica
Sujeito a:
a11X1 + a12X2 ... a1nXn ≤ b1
a21X1 + a22X2 ... a2nXn ≤ b2
onde: X1, X2 …, Xn ≥ 0
57
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
β (-1)
- ai1X1 – ai2X2 ... – ainXn ≥ - bi
- Transformação da igualdade em duas restrições de desigualdades
equivalentes:
negatividade) Xi, por um par de variáveis não negativas xi' e xi' ' , fazendo
xi = xi' − xi' ' e assim formulando novamente o problema desta vez com as
novas variáveis.
ai1 x1 + ai 2 x 2 ... + ain x n = b , x1 = x1' + x1' '
( )
ai1 x1' + x1' ' + ai 2 x 2 ... + ain x n = c
58
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
Em determinado evento de competição entre homens e mulheres,
observou-se que a superação de obstáculos é dada pela equação
z = 4 x1 + x 2 e os limites dos competidores pelas inequações 9 x1 + x ≤18
H . H . 9 x1 + x 2 ≤ 18
H . M . 3 x1 + x 2 ≤ 12
Introduzido as variáveis de folga x3 e x 4 obtem-se o sistema de equações
lineares:
− 4 x1 − x 2 =0
9 x1 + x 2 + x3 = 18
3 x1 + x 2 + x 4 = 12
X1 X2 X3 X4 S
L - 4 -1 0 0 0
X3 9 1 1 0 18
X4 3 1 0 1 12
A primeira pergunta é:
- Qual a variável que, saindo da base, aumentaria mais rapidamente o valor da
função objeto?
59
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
valor - 4.
Nesta condição, verifica-se que x1 aumenta a função objeto mais
novo quadro.
X1 X2 X3 X4 S
x (4) + L -4 -1 0 0 0
X1 9/9 = 1 1/9 1/9 0 18/9 = 2
x (-3) + X4 3 1 0 1 12
X1 X2 X3 X4 S
L 0 -5/9 4/9 0 8
X1 1 1/9 1/9 0 2
X4 0 2/3 -1/3 1 6
X1 X2 X3 X4 S
L 0 0 1/6 5/6 13
X1 1 0 1/6 -1/6 1 x (5/9) +
x (-1/9) + X2 0 1 -1/2 3/2 9
60
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Outras formas de PL
Forma cartesiana
n
Maximizar: z = ∑i =1
ci xi
Tal que
n
∑
i =1
a j xi ≤ b j j = 1, 2, 3... M .
Forma Matricial
AX ≤ b
z = c t x maximizar
X ≥0
Onde:
C = [C1 , C 2 ... C n ]
t
61
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
X = [X 1 , X 2 ... X n ]
t
b = [b1 , b2 ... bn ]
t
A = aij [ ]( MXN )
0 = [0, 0, ... 0]
t
Forma Vetorial
Maximizar: z = c x
t
x1 p1 + x 2 p 2 ... + x n p n ≤ p0
xi ≥ 0 i = 1, 2, ... N .
Onde:
C = [c1 , c 2 ... c n ]
t
X = [x1 , x 2 ... x n ]
t
[
Pi = a1 j , a 2 j ... a M , N ]
t
Po = [b1 , b2 ... bM ]
t
Síntese do tema
Atividades
1 – Uma grande fábrica de móveis dispõe em estoque de 300m de tábuas (t),
600m de pranchas (p) e 500m de painéis aglomerados (a). A mesma produz
escrivaninha (E), mesa (M), armário (A), e prateleira (P), estes modelos são
vendidos respectivamente por $100; $80; $120 e $30, e consomem:
62
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Tema 09
Diagrama de decisão
Objetivo
Introdução
63
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
Um determinado produto apresenta uma demanda de mercado D1, D2,
D3, D4, e D5 conforme a tabela abaixo. Sabe-se que um revendedor pretende
adquirir lotes mínimos deste produto de 5 unidades até o limite máximo da
demanda do mercado, e ainda que a venda de cada unidade gere um ganho de
$300,00 e a não venda uma despeza de $200,00. Monte a tabela de decisão
do problema acima com base na probabilidade de demanda.
Exemplo:
Considerando o exemplo anterior em que o melhor evento é aquele de
maior probabilidade (P = 40 %), ou seja, espera-se uma demanda de 15
unidades de produto e um ganho máximo de $3000,00.
64
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
Ainda com relação ao exemplo inicial temos:
Ganho por lotes de aquisição ($)
Demanda
Lote 5 unid Lote 10 unid Lote 15 unid Lote 20 unid
(unid)
Abs Dif Abs Dif Abs Dif Abs Dif
(1500-1500) 1500-500 1500-(-500) 1500-(-1500)
5 1500 500 -500 -1500
0 1000 2000 3000
(300-1500) (3000-3000) 3000-2000 3000-1000
10 1500 3000 2000 1000
1500 0 1000 2000
(4500-1500) 4500-3000 4500-4500 4500-3500
15 1500 3000 4500 3500
3000 1500 0 1000
(6000-1500) (6000-3000) 6000-4500 6000-6000
20 1500 3000 4500 6000
4500 3000 1500 0
Mínimo
1500 500 -500 -1500
(minimax)
Máximo
1500 3000 4500 6000
(maxmax)
Arrependimento
4500 3000 2000 3000
Máximo
Exemplo:
Com base no evento inicial construa a tabela abaixo e calcule o valor
esperado (VE) elegendo o melhor.
65
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Diagrama de decisão
66
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
Foi apresentada a um fabricante uma proposta para um novo produto,
e ele deve decidir se o desenvolve ou não. O custo do projeto de
desenvolvimento é $200.000; a probabilidade de êxito é 0,70. Se o
desenvolvimento não tiver êxito o projeto é terminado. Se tiver êxito, o
fabricante deve decidir se começa a fabricar o produto em nível alto ou baixo.
Se a demanda for alta, o lucro adicional, dado um alto nível de produção é
$700.000; dado um baixo nível é $150.000. Se a demanda for baixa, o lucro
adicional, dado um alto nível de produção é $100.000; e dado um nível baixo é
de $150.000.
Todos estes valores de lucro adicional são valores brutos (isto é, antes
da subtração do custo de desenvolvimento que é de $200.000). A
probabilidade de uma demanda elevada é estimulada em 0,40.
Construir a árvore de decisão para esta situação é determinar se
desenvolve ou não o produto.
Demanda
elevada(p = 0,40)
E.E.
Desenvolver com Produção $+500.000
Desenvolver êxito(p = 0,70) elevada
Terminar o projeto –
conseqüência de Demanda
elevada(p = 0,40)
$ - 200.000 Demanda
baixa(p = 0,60)
C.E. C.E.
$-50.000 $-100.000
ponto de decisão;
evento aleatório.
VE (não desenvolver) = 0
Considerando os VE acima, verifica-se que a melhor ação é
desenvolver o produto e produzi-lo a um alto nível de produção.
67
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Síntese do tema
Atividades
68
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Tema 10
Risco e Incerteza
Objetivo
Introdução
Risco
Exemplo:
Um grande jogador pode prever a probabilidade dos resultados
possíveis de um jogo de dados. O mesmo ocorre com economistas quando
69
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
Podemos inferir a probabilidade de se machucar a cabeça andando de
bicicleta sem capacete, a partir da observação da freqüência com que lesões
são observadas nos ciclistas; da mesma forma, estimam-se distribuições de
probabilidade para retorno de capital aplicado no mercado financeiro do
histórico de retornos passados.
Incerteza
Exemplo:
No caso dos ciclistas serem estimulados a usar capacete, é de se
esperar que as lesões na cabeça sofram considerável redução, devido à
proteção oferecida pelo capacete; mas, na prática, foi observado que o número
de cabeças machucadas aumentou, possivelmente porque os ciclistas, ao usar
os capacetes, começaram a andar de maneira mais arriscada devido à falsa
percepção de segurança.
Com esse exemplo, verificamos que, na prática, risco e incerteza se
aplicam em situações de escolha; porém a incerteza prevalece sobre as
relações subjacentes entre causa e efeito. Por outro lado como o risco é
quantificável, o mesmo é mais propenso a um tratamento teórico e empírico, o
que é comprovado por meio da literatura acadêmica que trata apenas dos
riscos, desconhecendo literalmente a incerteza.
70
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Rentabilidade
Tempo (anos)
Síntese do tema
Atividades
1)Quais os elementos que identificam o risco?
2)Qual a diferença entre risco e incerteza?
3)Como podemos avaliar e mensurar os riscos financeiros?
71
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Tema 11
Objetivo
Introdução
σ 2 . Para amostras X1, X2, X3 ..., Xn, retiradas ao acaso e com reposição de X,
a distribuição de probabilidade (ocorrência de fenômeno examinado na
Propriedades
σ2 σ
S= =
n n
72
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Exemplo:
Considere uma amostra aleatória do tamanho n com distribuição N(10,
16).
1,2
n = 100
1,0
0,8 n = 50
DENSIDADE
0,6 n = 30
0,4
n = 10
0,2
0,0
5 10 15
X
Distribuição de dois eventos à medida que se aumenta o número das amostras examinadas.
X ~ N (10,16 / n )
73
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
x µ x µ
↓ ↓
5 3
x µ x µ
↓ ↓
5 3
µ x x µ
↓ ↓
5 3
74
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Síntese do tema
Atividades
1) Seja X uma variável aleatória com média µ = 5, 4 e variância σ 2 = 4, 44 .
Uma amostra com 40 observações é sorteada. Qual a probabilidade da média
amostral ser maior que 5?
3) Suponha que nas crianças nascidas com peso abaixo de 750g, o nível de
bilirrubina sórica tem distribuição normal com média 8,5 mg/dl e desvio padrão
valores de X .
75
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Tema 12
Objetivo
Introdução
Controle de Qualidade
Exemplo:
- espessura de uma chapa metálica;
- resistência mecânica de um produto.
Nos casos práticos, haverá sempre certa variação, mesmo que o
processo de produção seja constante. Esta variação por outro lado pode ser
atribuída a duas principais causas:
- Causas aleatórias: inerentes ao próprio processo, ou seja, faz parte da
própria distribuição do processo que, como visto no capítulo do Teorema de
Limite Central, aproxima-se de uma distribuição normal.
- Causas relevantes: quando as alterações do processo se tornam anormais
por algum problema de seu funcionamento. Nesse caso, uma verificação é
76
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Gráfico de controle
( )
X ~ N µ , σ 2 , se forem escolhidas amostras do tamanho n e calcula-se a sua
σ 2 / n , ou seja:
(
X ~N µ , σ2 / n )
e
X−µ
Z= é a distribuição normal reduzida de X
σ/ n
77
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
µ
1,0
3σ
µ− 0,5
n
0,0
1 2 3 4 5 6 7 8
lotes de amostras
Exemplo:
78
EAD UNITINS / EDUCON – METÓDOS QUANTITATIVOS - ADMINISTRAÇÃO
Os limites serão:
3σ 3 (0,0106 )
µ+ = 0,9996 + = 1,0138
n 5
3σ 3 (0,0106 )
µ− = 0,9996 − = 0,9854
n 5
0,999
1,00
1 2 3 4 5
a m o s tra s
Observa-se que o processo está sob controle e obedecendo a uma
distribuição normal.
O histograma dos valores das médias amostrais é importante para
verificar o comportamento da normalidade da distribuição.
79
EAD UNITINS / EDUCON - MÉTODOS QUANTITATIVOS - ADMINISTRAÇÃO
Síntese do tema
Aplicação das ferramentas estatísticas dos Métodos Quantitativos para o
controle de qualidade, tais como: média, desvio padrão, distribuição normal,
teorema central do limite e histograma.
Atividades
Dados
Amostras N°1 N°2 N°3 N°4 N°5
1 9,989 10,004 10,000 9,994 10,005
2 10,030 10,002 9,992 9,994 10,001
3 10,005 10,006 9,910 10,035 9,995
4 9,997 10,045 10,025 9,998 10,001
5 10,001 9,998 1,995 10,008 9,925
6 10,004 10,007 10,006 9,996 10,002
7 9,998 9,978 10,008 10,010 9,935
8 10,003 9,995 9,999 9,985 9,925
9 10,050 9,999 10,014 10,010 10,040
10 9,997 10,003 10,004 10,011 10,025
a) estimar µ e σ ;
80