Estat stica Descritiva

Profa Dra Alcione Miranda dos Santos

Universidade Federal do Maranho a Departamento de Sade Pblica u u email:alcione.miranda@gmail.com

Maro, 2012 c

1 / 60

Sumrio a
Introduo ca Estat stica: O que ? e Diviso da estat a stica Conceitos bsicos de estat a stica Populao e amostra ca Variveis a Anlise descritiva dos dados a Tabelas e Grcos a Medidas Descritivas Assimetria Anlise Bivariada a Associao entre duas variveis categricas ca a o Associao entre duas variveis numricas ca a e
2 / 60

Estat stica: O que ? e

Estat stica pode ser pensada como a cincia de aprendizagem e a partir de dados. Em linhas gerais, a Estat stica fornece mtodos que auxiliam o e processo de tomada de deciso. a A Estat stica est presente em todas as reas da cincia que a a e envolvam a coleta e anlise de dados. a Bioestat stica a aplicao de estat e ca stica ao campo biolgico o e mdico. Ela essencial ao planejamento, coleta, avaliao e e e ca interpretao de todos os dados obtidos em pesquisa na rea ca a biomdica. e

3 / 60

Diviso da estat a stica

A Estat stica est compreendida em duas partes: a Estat stica Descritiva: Rene um conjunto de tcnicas para u e sumarizar os dados (tabelas, grcos) e medidas descritivas que a permitem tirar muitas informaes contidas nos dados. co Estat stica Indutiva: Consiste em obter e generalizar concluses. Isto , inferir propriedades para o todo (populao) o e ca tratada atravs de tcnicas e mtodos com base na amostra. E e e e que se fundamentam na Teoria das Probabilidades.

4 / 60

Conceitos bsicos de estat a stica

A nalidade da pesquisa coletar dados para obter informaes. e co Dados: observaes de uma ou mais variveis. co a Varivel: aquilo que se deseja observar para se tirar algum tipo a de concluso, por exemplo, idade, sexo, peso. a Dados usualmente provem de uma amostra, a qual representa uma populao de interesse. ca

5 / 60

Conceitos bsicos de estat a stica

Populao: E o conjunto de indiv ca duos (ou objetos) que apresentam pelo menos uma caracter stica em comum, cujo comportamento deseja-se analisar ou inferir.
Exemplo: Estudo sobre a ocorrncia de sobrepeso em crianas e c de 7 a 12 anos no Munic de So Lu pio a s. Populao de estudo: crianas matriculadas em escolas. ca c

Amostra: E um subconjunto da populao. ca

6 / 60

Variveis a

Varivel a caracter a e stica de interesse que medida em cada e elemento da amostra ou populao. ca As variveis podem ser numricas ou categricas. a e o Variveis numricas: caracter a e sticas que podem ser medidas em uma escala quantitativa, ou seja, apresentam valores numricos. e Variveis categricas: caracter a o sticas que no possuem valores a quantitativos, sendo denidas apenas por vrias categorias. a

7 / 60

Variveis Categricas a o
As variveis categricas (ou qualitativas) podem ser nomia o nais ou ordinais. Variveis categricas nominais: so representadas por categoa o a rias que no mantm necessariamente relao entre elas. a e ca Exemplos: Sexo, estado civil, tipo sangu neo, cor da pele, etc. Variveis categricas ordinais: apresentam ordenao de uma a o ca categoria em relao ` outra. ca a Exemplos: Grau de instruo (1o grau, 2o grau, grau superior), ca classe social (alta, mdia, baixa), presso sangu e a nea (baixa, normal, alta), etc.

8 / 60

Variveis Numricas a e
As variveis numricas (ou quantitativas) podem ser discrea e tas ou cont nuas. Variveis numricas discretas: apresentam valores inteiros. Frea e quentemente, resultam de contagem. Exemplos: Nmero de lhos, nmero de consultas mdicas em u u e um determinado per odo, nmero de leitos, etc. u Variveis numricas cont a e nuas: valores podem ser nmeros frau cionrios e a varivel pode apresentar qualquer valor pertena a cente ao conjunto dos nmeros reais. Geralmente, as variveis u a cont nuas so resultados de mensurao. a ca Exemplos: Altura, idade, peso, altura, presso sangu a nea, taxa de colesterol,etc.

9 / 60

Anlise descritiva dos dados a

A anlise descritiva consiste basicamente na organizao e desa ca crio dos dados. ca A organizao e apresentao de dados consiste em: ca ca
Tabelas de frequncias; e Grcos; a Medidas descritivas (por exemplo, mdia e desvio padro). e a

Comearemos a anlise descritiva com apenas uma varivel em c a a estudo.

10 / 60

Tabelas de Frequncias e
Uma maneira de sintetizar os dados pela distribuio de free ca quncias que consiste na construo de uma tabela a partir dos e ca dados brutos. As tabelas de frequncias indicam cada valor distinto de uma e varivel, juntamente com uma contagem do nmero de vezes a u que esse valor ocorre. Esta contagem conhecida por frequncia e e simples ou absoluta. Juntamente com as freqncias simples, a tabela poder ainda ue a incluir:
Frequncias relativas e Frequncias acumuladas e Frequncias relativas acumuladas. e

11 / 60

Tipos de Frequncias e

Frequncia relativa: percentagem relativa ` frequncia sime a e ples. Frequncia acumulada: nmero de vezes que uma varivel e u a assume um valor inferior ou igual a esse valor. Frequncia relativa acumulada: percentagem relativa ` free a quncia acumulada. e

12 / 60

Tabelas de frequncias para variveis categricas e a o

Tabela: Tipo de parto em nascidos vivos de parto unico. So Lu MA, a s1997/98

Tipo de parto Vaginal Cesreo a Total Fonte: Silva et al. (2001)

Frequncia e 1.619 824 2.443

% 66, 27 33, 73 100, 00

13 / 60

Tabelas de frequncias para variveis categricas e a o

Tabela: Estado civil dos residentes em So Lu no per a s, odo de 10 de agosto a 31 de dezembro de 2005

Estado civil Solteiro Casado Separado Divorciado Vivo u Unio estvel a a Total Fonte: Dados Fict cios

Frequncia e 281 197 87 56 54 46 721

% 38, 97 27, 32 12, 07 7, 77 7, 49 6, 38 100, 00

14 / 60

Tabelas de frequncias para variveis numricas e a e

Quando analisamos uma varivel discreta que assume poucos valores, os a dados so organizados na forma de uma tabela de frequncias, anloga ` a e a a constru para o caso de variveis qualitativas. Entretanto, em vez das da a categorias apresentamos os valores distintos da varivel. a Tabela: Nmero de lhos por fam u lias no munic de So Lu Maro, pio a s, c 2009. Nmero de Filhos u 0 1 2 3 4 Total
Fonte: Fict cia.

Frequncias e 3 4 6 10 7 30

% 0, 10 13, 33 20, 00 33, 34 23, 33 100,00

15 / 60

Tabelas de frequncias para variveis numricas e a e

Em geral, as variveis cont a nuas assumem muitos valores distintos. Assim, costuma-se descrever as variveis cont a nuas por meio de tabelas de frequncias agrupadas em classes. e Para construo da tabela precisamos calcular: ca
i) Nmero de classes: u
k = 1 + 3, 3 log (n) , sendo n o tamanho da amostra.

ii) Amplitude de classes:

At a= , com At a diferena entre o valor mximo e o minimo c a k da varivel em estudo. a

16 / 60

Tabelas de frequncias para variveis numricas e a e

Exemplo: O tempo de coagulao (em minutos) de 30 provas de ca
coagulao, encontrados em exames hematolgicos de pacientes do ca o Hospital Universitrio Materno Infantil so apresentados abaixo. a a 4 5 6 7 6 9 8 4 10 12 7 10 14 5 4 6 4 12 7 9 5 6 9 5 10 8 8 5 7 6

Temos que
i) Nmero de classes: u
k = 1 + 3, 3 log (30) = 5, 87 6

ii) Amplitude de classes:

a= 14 4 = 1, 67 6 2.

17 / 60

Tabelas de frequncias para variveis numricas e a e

Para os dados anterior, a tabela de frequncia dada por e e

Tabela: Tempo de coagulao (em minutos) de 30 provas de coagulao, ca ca encontrados em exames hematolgicos de pacientes do Hospital o Universitrio Materno Infantil. a Tempo 4 6 6 8 8 10 10 12 12 14 14 16 Total
Fonte:Fict cia.

Frequncias e 9 9 6 3 2 1 30

Porcentagens 30, 0 30, 0 20, 0 10, 0 7, 0 3, 0 100, 0

18 / 60

Representao grca para variveis categricas ca a a o

As variveis podem ser representadas por Grcos de Barras ou a a Grcos de Setores a Vejamos um exemplo de grcos de barras. a

Figura: Dados sobre as doenas mais comuns ocorridas no Estado de So c a Paulo.

19 / 60

Representao grca para variveis categricas ca a a o

Exemplo de grcos de setores, popularmente conhecido como grcos a a de pizza. Este grco desnecessrio quando a varivel em estudo a e a a possui apenas duas categorias.

Figura: Dados sobre as doenas mais comuns ocorridas no Estado de So c a Paulo.

20 / 60

Representao grca para variveis numricas ca a a e

Trs tipos de grcos so usualmente utilizados para representar e a a variveis numricas: Histograma, Box-plot e Grcos de linha. a e a O Histograma usado para visualizar a forma da distribuio da e ca varivel estudada. a

Figura: Presso arterial sistlica dos estudantes da UFMA a o

21 / 60

Representao grca para variveis numricas ca a a e

O Boxplot muito util para descrio dos dados, variao de e ca ca sua variablidade e para comparao de diferentes grupos. ca Por meio dele, obtemos um sumrio completo dos dados de a forma simples. Podemos identicar a mediana, a disperso, a assimetria e a outliers de um conjunto de dados. A maior importncia desse tipo de grco est na identicao a a a ca de poss veis outliers no conjunto de dados. Outliers: observaes que apresentam um grande afastamento co das restantes ou so inconsistentes com elas. Estas observaes a co so tambm designadas por observaes at a e co picas ou aberrantes.

22 / 60

Representao grca para variveis numricas ca a a e

A construo do boxplot exige que tenhamos o valor m ca nimo, o primeiro quartil, a mediana, o terceiro quartil e o valor mximo. a

Tambm devemos calcular o limite inferior (LI ) e o limite sue perior (LS), os quais so dados por: a LI = Q1 1, 5(Q3 Q1 ) LS = Q3 + 1, 5(Q3 Q1 )

23 / 60

Representao grca para variveis numricas ca a a e

24 / 60

Representao grca para variveis numricas ca a a e

Figura: N de Hemoglobina glicosilada segundo grupo de gestantes vel

25 / 60

Representao grca para variveis numricas ca a a e

Quando as observaes da varivel so feitas ao longo do tempo, os co a a dados so denominados temporais ou longitudinais. a Uma representao adequada para este tipo de dados o grco de ca e a linhas.

26 / 60

Medidas Descritivas

Medidas de Tendncia Central e Medidas Separatrizes Medidas de Disperso ou Variabilidade a

27 / 60

Medidas de tendncia central e

Servem para termos uma idia acerca dos valores mdios da e e varivel em estudo. a So usadas para sintetizar em um unico nmero os dados oba u servados. So exemplos de medidas de tendncia central: Mdia, Moda a e e e Mediana. A escolha de qual medida usar, depende...

28 / 60

Mdia aritmtica e e
A medida de tendncia central mais comumente usada para e descrever resumidamente um conjunto de dados. E denida como a soma das observaes dividida pelo nmero co u delas. Denotada por x . Sejam x1 , x2 , . . . , xn os n valores da varivel X , obtidos pelo a pesquisador. A mdia aritmtica denida por: e e e x= x1 + x2 + ... + xn n

sendo n o total de observaes. co

29 / 60

Mdia aritmtica e e

Exemplo: Considere os dados relativos `s idades (em anos) de a onze pacientes: 10 12 11 17 21 18 16 17 20 15 27.

Determine a mdia de idade. e A mdia de idade ser dada por: e a x= 198 10 + 12 + 11 + ... + 27 = = 18 11 11

Portanto, a mdia de idade 18 anos. e e

30 / 60

Mediana
Exemplo 1: Retornemos aos dados relativos `s idades (em anos) a de onze pacientes. Determine a idade mediana. 10 12 11 17 21 18 16 17 20 15 27.

Ordenando os valores, tm-se: e 10 11 12 15 16 17 17 18 20 21 27

Logo, a idade mediana neste caso 17 anos. e Acrescentando-se mais uma idade ao conjunto de dados, temse: 10 11 12 14 15 16 17 17 18 20 21 27.

Portanto, a mediana ser a mdia aritmtica do 6o e 7o elea e e mentos: 16 + 17 Md = = 16, 5 anos 2

31 / 60

Moda

Valor que ocorre com maior freqncia. ue

Obtida por inspeo da tabela de distribuio de freqncias. ca ca ue

Ao contrrio do que acontece com a mediana e a mdia, uma a e amostra pode possuir mais do que uma moda.

32 / 60

Moda

Exemplo: Considere os dados relativos `s idades (em anos) de a onze pacientes. Determine a idade modal. 10 12 11 17 21 18 16 17 20 15 27.

Temos que a idade modal igual a 17 anos, pois este valor se e repetiu em maior nmero de vezes. u

33 / 60

Mdia ou Mediana? e
Considere a idade (em meses) de 7 indiv duos em diferentes amostras (A e B).
A B 10 10 20 20 30 30 40 40 50 50 60 60 70 350 Total 280 560 Mdia e 40 80 Mediana 40 40

Deve-se notar que

O valor da mdia igual ao da mediana na amostra A. e e As medianas so iguais em ambas as amostras. a Em B, a mdia foi 80, sendo superior ` maioria dos valores e a individuais. Observando os valores individuais da amostra, verica-se que o nmero 40 melhor representa a distribuio global da idade na u ca amostra do que o nmero 80. u Assim, quando o valor da mediana muito diferente da mdia, e e aconselhvel considerar sempre a mediana para representar os e a dados, pois a mdia bastante sens ` valores discrepantes. e e vel a
34 / 60

Medidas Separatrizes

Medidas que separam a distribuio em partes iguais. ca

Quartis

Decis

Percentis

35 / 60

Quartis
Os quartis dividem a base de dados em 4 partes. Precisamos portanto de 3 quartis para dividir a base de dados em quatro partes iguais. So representados pelo 1o quartil(Q1 ), 2o quartil(Q2 ) e 3o quartil(Q3 ) a quartil. O 2o (Q2 ) quartil indica que abaixo existem 50% da distribuio, ca logo, acima esto os outros 50% dos dados. a Observe que Q2 = mediana.

36 / 60

Como calcular os quartis?

O mtodo mais prtico utilizar o princ do clculo da mee a e pio a diana para os 3 quartis. Exemplo 1: Considere novamente os dados relativos `s idades a (em anos) de onze pessoas. Vamos determinar os quartis. Ordenando os valores, tm-se: e 10 11 12 15 16 17 17 18 20 21 27

Vimos que a mediana igual 17 anos, que ser igual a Q2 . e a Temos agora {10, 11, 12, 15, 16} e {17, 18, 20, 21, 27} como sendo os dois grupos de valores iguais proporcionados pela mediana (Q2 ). Para o clculo do Q1 e Q3 basta calcular as medianas das partes a iguais provenientes da mediana. Portanto, temos que Q1 = 12 e Q3 = 20.
37 / 60

Decis
Precisamos de 9 decis para dividirmos a base de dados em 10 partes iguais. So representados por D1 , D2 , D3 , ... e D9 . a O 1o decil (D1 ) de um conjunto de dados informa que abaixo esto localizados 10% dos dados e, assim sendo, acima esto a a os 90% restantes. Os outros decis so interpretados de forma semelhante. a Observe que o 5o decil (D5 ) igual ao valor mediano (Md). e

38 / 60

Precentis ou centis

Denominamos percentis ou centis como sendo os noventa e nove valores que separam uma srie em 100 partes iguais. e Indicamos por P1 , P2 , ..., P99 . E evidente que P50 = Md, P25 = Q1 e P75 = Q3 . O clculo dos percentis segue a mesma tcnica do clculo da a e a mediana.

39 / 60

Medidas de Variabilidade
Medidas de tendncia central so descritores insucientes de e a uma amostra. So necessrias medidas que reitam a variao dentro de um a a ca conjunto de dados (medidas de variabilidade). Essas medidas sero pequenas se os dados forem prximos e a o grandes se eles estiverem muito espalhados. Alm disso, tais medidas devem permitir comparar amostras e de diferentes tamanhos e determinar se uma amostra mais e varivel (ou heterognea) que a outra. a e

40 / 60

Medidas de Variabilidade

Amplitude Total

Varincia e desvio padro a a

Coeciente de variao ca

41 / 60

Amplitude total

E a diferena entre o maior e o menor valor observado. Isto , c e At = maior valor observado menor valor observado Vantagem: fcil de ser calculada. a Inconveniente: muito afetada pelos valores extremos, porque no seu clculo no so consideradas todas as observaes. a a a co

42 / 60

Varincia a
E um indicativo da disperso de um conjunto de dados em a relao ` mdia. ca a e A varincia populacional denotada por 2 . Usualmente 2 a e e desconhecida. A varincia amostral denotada por S 2 , sendo obtida da seguinte a e forma:
n n

(xi x )2 S2 =
i=1

xi2 n2 x =
i=1

n1

n1

Desvantagem: no expressa na unidade de medida dos dados a e originais. Por exemplo, caso estejamos avaliando com o peso corporal de indiv duos, tomados em kg, a varincia destes pesos a 2. expressa em kg e
43 / 60

Desvio padro a
Corresponde ` raiz quadrada da varincia, tendo portanto a a a mesma unidade da varivel que est sendo estudada. a a O desvio padro ser denotado por S. a a E a medida mais usada na comparao de diferenas entre gruca c pos. Fornece um nmero que permite especicar quo acima ou quo u a a abaixo da mdia est um determinado valor. e a Quanto maior o desvio-padro, maior a variabilidade dos dados. a

44 / 60

Coeciente de variao ca
Avalia a homogeneidade dos dados Vantagem: caracteriza a disperso dos dados em termos relaa tivos a seu valor mdio. e Quanto menor o valor, mais homogneo ser o conjunto de e a dados. o Coeciente de variao (CV) dado por: ca e S CV = X Como o CV uma medida que exprime a variabilidade relativa e ` mdia, algumas vezes, o CV ainda multiplicado por 100, a e e passando a ser expresso como percentagem. Para efeitos prticos, costuma-se considerar que o CV supea rior a 50% indica alto grau de disperso e, consequentemente, a pequena representatividade da mdia. e
45 / 60

Medidas de assimetria

A assimetria o quanto a distribuio de frequncia se desvia e ca e ou afasta da posio simtrica. ca e Podemos caracterizar as distribuies de frequncia em: co e
Assimetria nula ou simtrica e Assimtrica ` direita ou positiva e a Assimtrica ` esquerda ou negativa e a

O grau de assimetria de uma distribuio de frequncias pode ca e ser calculado pelo Coeciente de assimetria de Pearson.

46 / 60

Coeciente de Assimetria de Pearson

Coeciente de Pearson (AS) AS = 3( Md) x S

Interpretao: ca
Se AS = 0, distribuio simtrica ( = Md = Mo). ca e x Se AS > 0, distribuio assimtrica positiva ( > Md > Mo). ca e x Se AS < 0, distribuio assimtrica negativa ( < Md < Mo). ca e x

47 / 60

Coeciente de Assimetria de Pearson

48 / 60

Coeciente de Assimetria de Pearson

Em uma amostra quase imposs observar simetria pura. Por e vel isso, o coeciente de assimetria assume valores quase sempre diferentes de zero. Desta forma, consideraremos a seguinte interpretao para o ca coeciente de Pearson:
Se AS [0, 5; 0, 5] distribuio simtrica; ca e

49 / 60

Utilizao das medidas de tendncia central ca e

a) Escolha da mdia: e
i) quando a distribuio dos dados aproximadamente simtrica; ca e e ii) quando for necessrio obter posteriormente outros parmetros a a que podem depender da mdia, como por exemplo a varincia, e a o desvio padro, etc. a

b) Escolha da mediana
i) quando h valores extremos; a ii) quando desejamos conhecer o ponto central da distribuio; ca iii) quando a distribuio dos dados muito assimtrica. ca e e

c) Escolha da moda
i) quando a medida de interesse o ponto mais t e pico ou popular dos dados; ii) quando precisamos apenas de uma rpida idia sobre a tendncia a e e central dos dados.

50 / 60

Anlise Bivariada a

A anlise bivariada consiste em examinar simultaneamente duas a variveis, com o objetivo de avaliar associao entre elas. a ca Podemos construir tabelas de frequncia com dupla entrada e ou grcos de disperso. Essas tabelas de dados cruzados so a a a conhecidas por tabelas de contingncia. e As tabelas de contingncia so utilizadas para estudar a assoe a ciao entre duas variveis categricas. ca a o

51 / 60

Tabela de contingncia e

Suponhamos que temos duas variveis: tipo de parto (vaginal a e cesreo) e categoria de internao (pblica, privada). a ca u Observamos os valores de ambas as variveis em uma amostra a de 2.443 mulheres. Uma tabela de contingncia pode ser usada para expressar a e associao entre tais variveis. ca a Vamos construir a tabela de contingncia para os dados acima. e

52 / 60

Tabela de contingncia e
Para construo da tabela de contingncia, vamos considerar ca e as seguintes informaes: co
Dos 824 partos cesreos, 252 foram realizados na rede privada. a Foram realizados 2.174 partos na rede pblica, sendo 1.602 paru tos do tipo vaginal.

Transferindo as informaes acima para a tabela, temos que: co

Categoria de internao ca Pblica u Privada f % f % 572 26,31 252 93,68 1.602 73,69 17 6,32 2.174 100,00 269 100,00

Tipo de parto Cesreo a Vaginal Total

Total f % 824 33,73 1.619 66,37 2.443 100,00

53 / 60

Medidas de associao entre variveis numricas ca a e

A quanticao do grau de associao entre duas variveis ca ca a categricas feita pelo coeciente de associao. o e ca Existem diversas medidas que quanticam a associao entre ca as variveis categricas, entre elas citamos o coeciente de cona o tingncia, a ser denido mais adiante. e

54 / 60

Associao entre duas variveis numricas ca a e

Caracter sticas: Relaciona duas variveis quantitativas. a Exemplos:
Estatura x idade. Consumo de dieta x Ganho ponderal. Idade x Peso.

Questes a serem respondidas na anlise: o a

Existe uma relao entre as variveis ? ca a Relao linear positiva (direta) ou negativa (inversa)? ca Se existe, quo forte ela ? a e Qual a probabilidade da relao ser verdadeira ? (p-valor) ca

55 / 60

Diagrama de Disperso a
O diagrama de disperso um grco onde pontos no espao a e a c cartesiano XY so usados para representar simultaneamente a os valores de duas variveis numricas. a e

56 / 60

Diagrama de Disperso a

Nos grcos (c) e (f), os pontos esto alinhados exatamente em a a uma reta e correspondem a situaes de correlaes perfeitas co co (negativa e positiva,respectivamente). Nos demais grcos, ca evidente que a correlao do tipo a ca linear inversa e direta. e A diferena bsica entre estes grcos a intensidade da corc a a e relao, podendo ser classicada como alta, moderada e baixa. ca

57 / 60

Coeciente de correlao de Pearson ca

Os grcos apresentados anteriormente ilustram apenas a avaliao a ca grca da correlao entre duas variveis. a ca a Entretanto, importante quanticar o grau de correlao entre e ca as variveis a Para isto temos que calcular o coeciente de correlao de Pearca son, que ser denotado por r . a Assim, r denido pela seguinte expresso: e a
n i=1 xi yi xi x 2 )(

r=

ny x yi y 2 )

58 / 60

Coeciente de correlao de Pearson ca

O coeciente de correlao expressa numericamente tanto a ca fora quanto o sentido da relao, variando entre -1 e 1. c ca Quanto mais prximo r estiver de 1 ou -1, maior ser a ino a tensidade da correlao e quanto mais prximo de 0, maior ca o a indicao de que as variveis no esto correlacionadas de ca a a a forma linear. Se r = 1, a correlao perfeita inversa; se r = 1, a corca e relao perfeita direta; se r = 0, no existe correlao linear. ca e a ca

O coeciente de correlao no deve ser expresso em porcenca a tagem.

59 / 60

Coeciente de correlao de Pearson ca

Uma classicao do grau de correlao entre duas variveis X ca ca a e Y a seguinte: e

1. Se 0 <| r |< 0, 4 correlao fraca ca 2. Se 0, 4 | r |< 0, 7 correlao moderada ca 3. Se 0, 7 | r |< 1 correlao forte ca

Observao: Correlao no o mesmo que causa e efeito. ca ca a e Duas variveis podem estar altamente correlacionadas e, no a entanto, no haver relao de causa e efeito entre elas. a ca

60 / 60