Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ESTATÍSTICA
Definição:
É o conjunto de métodos e processos quantitativos que
servem para estudar, avaliar e conceituar as medidas e
os valores de um determinado fenômeno.
Definição:
Refere-se a organização e descrição dos dados a serem
estudados de uma população.
Variáveis
População e Amostra
Técnicas de Amostragem
Séries Estatísticas
Gráficos Estatísticos
Distribuição de Frequências
Definição:
Refere-se à análise e interpretação de dados de uma
população,a qual é baseada em amostras de probabilidade
da mesma.
02
RESUMO DE ESTATÍSTICA
ESTATÍSTICA
DESCRITIVA INDUTIVA
PROBABILIDADE
POPULAÇÃO
AMOSTRAGEM ANÁLISE DE
RESULTADO
AMOSTRA
HIPÓTES
E
VARIÁVEIS
GRÁFICO
S
TABELA
S
OBS: Para entendermos os fenômenos estudados pela estatística,devemos concei-
tuar primeiramente o conjunto de elementos que fazem parte destes estudo,o
qual chamaremos de POPULAÇÃO.
POPULAÇÃO
Definição:
É o conjunto de todos os elementos e valores que se
pretende estudar, isto é, o que possa ser medido.
CLASSIFICAÇÃO DA POPULAÇÃO
AMOSTRA ( ou Amostragem)
Definição:
É um subconjunto de elementos extraídos de uma população,
mas com um grau de representatividade confiável.
Ex: População =
, , , , , ,
Conjunto de
Amostra = , Maçãs Vermelhas
e de Maçãs Verdes
!
CENSO x AMOSTRA
2º) Planejar:
VARIÁVEIS
Definição:
São valores que recebem um tratamento estatístico.
FONTES DE PESQUISA
Definição:
São as bases de informações do pesquisador, as quais são utilizadas
para fundamentar a pesquisa do estudo estatístico.
EXERCÍCIOS DE FIXAÇÃO
a) a população_________
b) a amostra.___________
04) Ao nascer,os bebês são pesados e medidos para saber se estão dentro das
tabelas padrão. Estas duas variáveis são:
a) Qualitativas
b) Discretas
c) Contínuas
d) Contínuas e Discretas, respectivamente
e) Quantitativas
( ) Amostra a) 5 -1 -4 -3 -2
( ) Estatística b) 2 -3 -4 -1 -5
( ) População c) 3 -1 -4 -2 -5
( ) Variável d) 2 -1 -4 -5 -3
( ) Dado e) 2 -1 -4 -3 -5
GABARITO:
01 a) 3000 b) 30
02 a) QN b) QO c) QC d) QC e) QD f) QN
g) QN h) QN i) QN j) QC k) QC l) QN
m) QD n) QN o) QN p) QN q) QC r) QN
s) QN t) QD u) QN v) QD w) QC x) QN
03 B
04 C
05 D
06 C
07 E
MÉTODOS QUANTITATIVOS
VOLTADOS PARA PESQUISA
EM CONTABILIDADE
AULA 2
10
Definição:
OBS: Para obtermos uma análise final da estatística descritiva devemos seguir algumas
etapas, tais como:
2º) Medidas;
3º) Análise.
DISTRIBUIÇÃO DE FREQUÊNCIA
Definição:
2º) Amplitude Total (AT): É a diferença entre o maior (>) e o menor (<) valor observado
no ROL.
Ex: 6 – 2 = 4. Portanto, AT = 4
5º) Limite de Classes: São os valores extremos de cada classe. São divididos em:
li = Limite inferior
ls = Limite superior
b) li __ ls ► 2 __ 6 = {2,3,4,5,6}
Fórmula:
Xi = li + ls
2
Fórmula de Sturges:
K = 1 + 3,3.log N ; onde:
K = números de classe
N = números de elementos observados.
12
Ex: 15,20,10,11,30,28,10,13,23,19,13,29,19,15,24,17,19,28,24,29,24,25,11,27
Temos então:
ROL= 10,10,11,11,13,13,14,15,15,17,19,19,19,20,22,23,24,24,25,27,
28,28,29,29,30
13
10 14
14 18
18 22
22 26
26 30
6º) Calcular o Ponto Médio(Xi): Devemos somar o limite inferior com o limite
superior de cada classe e dividir por 2.
7º). Devemos calcular a frequência relativa simples (fri) para cada classe,conforme a
seguinte fórmula:
Devemos calcular a fri (%) em porcentagem, isto é, multiplicamos cada fri por
100%,temos:
Fac: 1º Classe: 6
2º classe: 6 + 4 = 10 e assim por em diante!
Fad: 1º Classe: 25
2º classe: 25 - 6 = 19 e assim por em diante !
________________________________\\______________________________
Exercício:
Uma sala de aula possui 30 alunos, sendo que a idade do mais novo é de 18 anos e do
mais velho é 50 anos. Estes alunos estão dispostos em uma tabela, referente a sua
idade, da seguinte maneira: (Utilize log 30= 1,48)
28,25,19,22,44,50,22,25,33,20,
18,19,21,35,48,24,32,26,33,40,
42,22,30,40,45,19,20,25,32,21
18,19,19,19,20,20,21,21,22,22
22,24,25,25,25,26,28,30,32,32
33,33,35,40,40,42,44,45,48,50
AT = Xmáx – Xmín
AT = 50 – 18
AT = 32
K = 3,3.logN , fica:
K = 3,3log30
K = 3,3.(1,48)
K = 4,884
K=5
16
(18 | 22) ; ( 22| 26) ; (26 | 30) ; ( 30 | 34) ; (34 | 38) ; ( 38 | 42)
(42| 46) ; ( 46 | 50).
Xi = li + ls Xi = 18 + 22 Xi = 40 Xi = 20
2 2 2 e assim
sucessivamente!
Portanto, temos:
Fri = fi fri = 8/30 fri = 0,27 (1º classe) e assim por em diante!
N
Calculando fri (%),temos: fri (%) = 0,27 x 100% = 27% . Portanto, temos:
Fac: 1º Classe: 8
2º classe: 8 + 7 = 15 e assim por em diante!
Fad: 1º Classe: 30
2º classe: 30 - 8 = 22 e assim por em diante!
Portanto, temos:
CONCLUSÕES DA PESQUISA:
GABARITO
01) 6 classes
02) 47,5
03) 48
04) 8
05) 39,5.
06) 87,5
07) D–C–A–B–E
08) D
09) A
10) C
MÉTODOS QUANTITATIVOS
VOLTADOS PARA PESQUISA
EM CONTABILIDADE
AULA 3
21
Definição:
Definição:
MÉDIA ARITMÉTICA ( X )
Definição:
É a medida que corresponde ao grau de concentração
dos valores de uma distribuição.
22
FÓRMULAS:
SOLUÇÂO:
MEDIANA (Md)
Definição:
É o valor do elemento do meio de uma distribuição,se
“ n” for ímpar, ou é a média dos valores do meio se “n”
for par.
Ex:1 N =7, onde temos: { 2 ,4, 6, 8, 10, 12, 16} Md = 8 ,pois este número é o
valor central !
FÓRMULA DA MEDIANA:
Onde:
Xi fmd
10 |--- 20 2
20 |--- 30 7
30 |--- 40 11
40 |--- 50 20
50 |--- 60 11
60 |--- 70 7
70 |--- 80 2
n=60
24
Xi fmd Facant
10 !--- 20 2 2
20 !--- 30 7 9
30 !--- 40 11 20
40 !--- 50 20 40
50 !--- 60 11 51
60 !--- 70 7 58
70 !--- 80 2 60
n=60
Xi fmd Facant
50 |--- 60 11 51
60 |--- 70 7 58
70 |--- 80 2 60
n=60
Xi Fi Fac
10 |--- 20 2 2
20 |--- 30 7 9
50 |--- 60 11 51
60 |--- 70 7 58
70 |--- 80 2 60
n=60
30 20
Md = li + Emd - Facant . h Md 40 10 Md = 45
20
fmd
RECLAMAÇÕES Fi(dias)
100|---180 8
180|---260 12
260|---340 16
340|---420 10
420|---500 9
500|---580 5
TOTAL 60
1º) Passo: Determinar o elemento mediano(Emd).
6º 500|--580 5 60
60
PROPRIEDADES DA MEDIANA:
MODA (Mo)
Definição:
É a medida que determina o valor de maior frequência na
distribuição, isto é, o valor que mais aparece na distribuição.
Temos:
Classe Reclamações Fi(dias)
1º 100|---180 8 li = 260 fica: Mo = 260 + 4 . 80
d1 = (16-12) = 4 4+6
2º 180|---260 12
d2 = (16-10) = 6 Mo = 260 + 32
3º 260|---340 16 h = 80 Mo = 292
4º 340|---420 10 Portanto, o dia que houve + reclamações,
tivemos 292 pessoas reclamando.
5º 420|---500 9
6º 500|---580 5
60
29
SEPARATRIZ
Definição:
São os valores que dividem uma distribuição em
partes iguais.
A Separatriz se divide em:
Quartil;
Decil;
Percentil.
QUARTIL
Definição:
É quando a distribuição é dividida em 4(quatro) partes
iguais e cada parte corresponde a 25% dos valores.
Quartil !
Com isso, podemos afirmar que 25% dos funcionários ocupam cada cargo
mencionado anteriormente.
30
NOTAÇÃO:
2. O segundo quartil: o Q2 = Md, pois abaixo ou acima dele se situam 50% dos
casos.
FÓRMULA: Temos:
Pq = p.n Pq = posição do quartil
q
p = posição desejada
n= quantidade de elementos
q = quartil(4)
EXERCÍCIO RESOLVIDO:
A = { 4,1,8,0,11,10,7,8,6,2,9,12 }
A ={ 0,1,2,4,6,7,8,8,9,10,11,12 }
1 12
PQ1 3 posição do 1 quartil
4
2 12
PQ 2 6 posição do 2 quartil
4
3 12
PQ 3 9 posição do 3 quartil
4
DECIL
Definição:
A distribuição é dividida em 10 partes iguais,sendo que a
cada parte corresponde a 10% dos valores.
Temos:
10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
CÁLCULO DE DECIS
A = { 7,12,15,20,2,4,6,18,10,24 }
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
2 4 6 7 10 12 15 18 20 24
b) Calcular D1
1 n 1 10
PD1 1 ( posição)
10 10
b) Calculo do D8
8 n 8 10
PD8 8 ( posição)
10 10
Exemplo:
filhos f fa
0 18 18
1 35 53
2 46 99
3 28 127
4 25 152
5 10 162
6 5 167
7 3 170
f 170
a) Cálculo do D3:
D3 = 3∑ f = 3.170 = 51ª (posição)
10 10
OBS1: A posição do D3 está na 2° classe (fa 53)
b) Cálculo do D7
D7 = 7∑ f = 7.170 = 119ª (posição)
10 10
K∑ f , (Para K = 1,2,3,...,9)
10
Esse termo está localizado numa classe que recebe o nome de classe Decil.
Para o cálculo dos decis, utilizamos técnicas semelhantes às do cálculo dos
quartis.
FÓRMULA DO DECIL
K. K∑ f i _ Fant
Dx = lDx + 10 . hDK
fDK
Sendo:
1 120 ├ 128 6 6
2 128 ├ 136 12 18
3 136 ├ 144 16 34
4 144 ├ 152 13 47
5 152 ├ 160 7 54
54
OBS: Calculam-se os decis D1, D2, ...D7, ..., de forma semelhante ao
1 f i 54
5,4 (O primeiro Decil pertence à 1º Classe).
10 10
Logo temos:
1. K∑ f i _ Fant
fDK 6
37
2 f i 2 54
10 ,8 (O segundo decil pertence à 2º Classe).
10 10
2. K∑ f i _ Fant
fDK 12
D2 = 131,2 cm
PERCENTIL
O Percentil (ou Centil) dividirá o conjunto em cem partes iguais. Por analogia, já
podemos concluir que a fração do numerador da fórmula para o Primeiro Centil
será (n/100)! E para os demais Percentis, teremos que:
2º Parte = P2 = 2n/100
3º Parte = P3 = 3n/100
E assim por em diante.
Definição:
São os valores que complementam as informações fornecidas
pelas medidas de posição e caracterizam o grau de variação
existentes em um conjunto de valores.
As Medidas de Dispersão se dividem em :
Definição:
Refere-se à diferença entre o maior e o menor valor observado
na Amostra.
FÓRMULA:
AT = X máx - X mín
Exemplo:
A altura de 5 alunos estão entre os seguintes medidas:
VARIÂNCIA (S2)
Definição:
Refere-se a dispersão dos valores em uma distribuição,isto é,
determina o quanto esses valores estão distante da própria
média aritmética.
FÓRMULA:
S2 = ∑ ( x - x )2 ou S2 = ∑x2 – (∑x)2
n-1 2
n-1
Onde:
x = Valor da Amostra;
x = Valor médio da Amostra ;
n = Número de elementos observados .
Exemplo:
Em uma Amostra de 5 residências de uma determinada rua, foram
registrados os seguintes números de moradores:
Nº MORADOES 3 6 2 7 2
Com isso, calcule a variância desta pesquisa.
Solução:
Definição:
É o valor que representa um intervalo de valores que estão
dispostos em um distribuição.
FÓRMULA: S = √S2
Utilizando o exercício anterior, temos:
S = √ 5,5 S = 2,34
OBS1: O valor do desvio-padrão indica a variabilidade dos valores à volta da
Média,em outras palavras,..., “Indica a dispersão dos dados; quanto
mais dispersos, maior o desvio padrão”.
OBS3: Existe uma variável que mede a precisão da média,a qual identificamos
por: Erro-Padrão da Média
FÓRMULA:
S(x) = Sx
n
41
Ex: Seja o Desvio – padrão (S) no valor de 215 e o ponto médio ( x ) igual a
300, então temos:
Solução:
Cv = 215. 100 = 71,67%
300
Portanto, a Série Estatística é heterogênea.
Ex: 2| 1| 3 | | 8 | 10 | 4 | 7 | 8 | 9 | 6|
ESQUERDA DIREITA
42
OBS:
Os valores concentrados à direta da distribuição, são os números
Maiores.
Definição:
É a medida que proporciona o grau de achatamento de uma
distribuição de valores.
GRAU DE CURTOSE
FÓRMULA:
K= Q 3 - Q1
2(P90 - P10)
Onde:
Q3 = 3º Quartil
Q1 = 1º Quartil
P90 = 90º Percentil
P10 = 10º Percentil Leptocúrticas
Mesocúrticas
Platicúrticas
Exemplo:
01) ( AFRF-2002.1):
Classes P(%)
70 |– 90 5
90 |– 110 15
110 |– 130 40
130 |– 150 70
150|– 170 85
170 |– 190 95
190 |- 210 100
Entende-se por curtose de uma distribuição seu grau de achatamento em geral
medido em relação à distribuição normal. Uma medida de curtose é dada pelo
quociente k = Q / (P90-P10), onde Q é a metade da distância interquartílica e
P90 e P10 representam os percentis de 90% e 10%, respectivamente. Assinale
a opção que dá o valor da curtose k para a distribuição de X.
a) 0,263
b) 0,250
c) 0,300
d) 0,242
e) 0,000
Solução:
K= Q 3 - Q1
2(P90 - P10)
45
Classes Fac Fi fi
70 – 90 5% 5% 10
Xi fi
70 !--- 90 10
90 !--- 110 20
n=200
Xi fi fac
70 !--- 90 10 10
90 !--- 110 20 30
n=200
47
Xi fi fac
n=200
n
4 facANT 50 30
Q1 l inf h Q1 110 20 E: Q1=118,0
fi 50
48
70 !--- 90 10
90 !--- 110 20
n=200
Xi fi fac
70 !--- 90 10 10
90 !--- 110 20 30
n=200
49
Xi fi fac
n=200
Como a resposta SIM surgiu na fac da quinta classe (150 !--- 170), diremos que
esta será nossa Classe do Terceiro Quartil.
3n
4 facANT
150 140
Q3 l inf h Q3 150 20
fi 30
70 !--- 90 10
90 !--- 110 20
n=200
Xi fi Fac
70 !--- 90 10 10
90 !--- 110 20 30
n=200
51
Xi fi fac
n=200
Portanto, que a classe correspondente (90 !--- 110) será nossa Classe
do Primeiro Decil!
Xi fi
70 !--- 90 10
90 !--- 110 20
n=200
Xi fi Fac
70 !--- 90 10 10
90 !--- 110 20 30
n=200
53
Xi fi fac
n=200
Portanto, que a classe correspondente (170 !--- 190) será nossa Classe do
Nono Decil.
Portanto: Letra D
54
EXERCÍCIOS DE FIXAÇÃO
a) A amplitude (AT)
b) A variância (S2)
c) O desvio padrão (S)
d) O coeficiente de variação. (CV)
Gabarito:
01
a) Amodal
b) 5
c) 4 e 10
d) 18
02
a) 8
b) 0,02
c) 7/16
03
Conjunto A
AT = 2,31
S2 = 0,74
S = 0,86
CV = 99,90%
Conjunto B
AT = 37/12 = 3,08
S2 = 1,03
S = 1,02
CV = 508,01%
04
Observe que o conjunto em B é igual ao conjunto em A multiplicado
por 20 e o conjunto em C é igual ao conjunto em A multiplicado por
20 e subtraído de 10 unidades.Logo,temos:
Conjunto A: X= 6 S = 3,87
Conjunto B: X = 120 S = 77,4
Conjunto C: X = 110 S = 67,4
56
AMOSTRAGEM
Definição:
É a técnica de seleção de uma Amostra, que possibilita o estudo das
características de uma população.
Distribuição Normal;
Distribuição Amostral.
DISTRIBUIÇÃO NORMAL
Definição:
É uma distribuição contínua,a qual possui dois parâmetros
estatísticos fundamentais:
50% 50%
Md = X = Mo
Z = Valor da tabela Z
Z=X - µ onde:
X = Valor aleatório
σ
µ = Média aritmética
σ = Desvio-padrão
Fonte: <http://www.tomcoelho.com.br/index.aspx/s/Artigos_Exibir/221/
O_mal_da_mediocridade>
58
1º) Exemplo:
Probabilidade de Z ≤ 1,53:
Na interseção da linha 1,5 com a coluna 0,03 há o valor 0,4370. Precisa-se
somar 0,5 porque, conforme visto, a tabela dá valores a partir de zero.
Assim, P( Z ≤ 1,53 ) ≈ 0,4370 + 0,5 = 0,9370.
2º) Exemplo:
Probabilidade de Z ≤ −1,53:
A simetria da curva permite deduzir a fórmula para valores negativos de z:
P( Z ≤ v ) = 1 − P( Z ≤ |v| ) para v < 0
Portanto, P( Z ≤ −1,53 ) ≈ 1 − 0,9370 = 0,0630.
3º) Exemplo:
Probabilidade de −1 ≤ Z ≤ 0,5:
A ideia gráfica permite concluir que é igual à diferença entre os valores
calculados para cada extremo.
P( Z ≤ 0,5 ) = 0,5 + 0,1915 = 0,6915. P( Z ≤ −1 ) = 1 − P( Z ≤ 1 ) =
1 − (0,5 + 0,3413) = 0,1587.
Portanto o resultado é dado por P( −1 ≤ Z ≤ 0,5 ) = 0,6915 − 0,1587 = 0,5328.
60
Para: x= 30 , Temos: z: x - µ = z: 30 - 50 = z: - 20 = -2
σ 10 10
Para: x= 80, Temos: z: x - µ = z: 80 - 50 = z: 30 = 3
σ 10 10
Portanto:
P(-2 < z < 3) = - 0,4772 –0,4987 = - 0,9759 ou 97,59%
61
DISTRIBUIÇÃO AMOSTRAL
Definição:
É a distribuição de probabilidade de uma medida estatística,
baseada em uma amostra aleatória, a qual é determinada o
posicionamento dos valores dentro dos parâmetros da média
e do Desvio-padrão.
INFERÊNCIAS ESTATÍSTICAS:
Definição:
É o processo estatístico que se refere-se à possibilidade de
obtermos informações sobre a população por meio de resultados
amostrais.
Estimação de Parâmetros:
É o valor retirado diretamente da Amostra para
medir e comprovar a eficácia dos possíveis
resultados da pesquisa.
DICA:
Na página 106 do livro a variância populacional esta sendo representada
pela letra σ, para não confundirmos com Desvio-padrão,o qual utiliza a
TIPOS DE AMOSTRAGEM
Amostragem Probabilística;
Amostragem Não probabilística;
Limite de Valor Z
Confiança
80% 1,28
90% 1,65
95% 1,96
99% 2,58
SOLUÇÃO:
Dados:
e= 5% = 0,05 (Erro máximo)
α = 90% (Limite de Confiança)
Z = 1,65 (Nível de Confiança,verificar tabela !)
p = q =R = 50% = 0,5 ( Proporção favorável e desfavorável)
n=? (Nº de Indivíduos da amostra)
Temos:
2 2
n = Z.R n = 1,65. 0,5 (16,5)2 = 272,25
e 0,05 n = 272 pessoas
EXERCÍCIOS DE FIXAÇÃO
02) A vida média útil de um aquecedor elétrico é de 1,5 anos, com um desvio –
padrão de 0,3 anos. Se são vendidos 12.000 unidades por uma empresa
fabricante ao mês, quantos aquecedores necessitarão de conserto antes
que expire o período de um ano de garantia ?
a) 510 aquecedores
b) 530 aquecedores
c) 550 aquecedores
d) 570 aquecedores
e) 590 aquecedores
68
Gabarito:
01 - C
02 - D
03 - B
04 - E
05 - B
MÉTODOS QUANTITATIVOS
VOLTADOS PARA PESQUISA
EM CONTABILIDADE
AULA 4
70
Definição1:
É um intervalo (espaço) estimado de um parâmetro estatístico,o qual
possibilita o cálculo deste parâmetro estatístico desconhecido.
Definição2:
É quando fazemos uma estimativa de um intervalo de valores
possíveis, no qual se admite esteja o parâmetro populacional.
Em outras palavras:
“O intervalo de confiança é um intervalo matemático que
mede a confiabilidade de uma amostra retirada de uma
determinada população.”
Profº Alan Carter Kullack
Exemplo 1:
Fonte:<http://pt.slideshare.net/NathliaMendona1/intervalos-de-confiana>
Portanto,temos que: e = Z. Sx
Definição:
São os valores retirados da média populacional, os quais podemos
validar para toda população a ser pesquisada, isto é, assim um
intervalo de confiança da própria média.
72
OBS:
Para efetuar a Estimativa de Médias de uma População utiliza-se desvio
padrão da distribuição que constitui a amostra (distribuição amostral), deve-se
levar em consideração se o desvio padrão da população é ou não conhecido.
Sx → Erro padrão
Sx = S S → Desvio padrão
√n , onde: n → Tamanho da amostra
Para uma população conhecida, usaremos a seguinte fórmula:
Sx + S . N -n
√n N-1
OBS1: Quanto melhor a precisão no cálculo da média populacional,
menor será o erro padrão.
OBS2: A amostra e o erro-padrão são grandezas inversamente
proporcionais.
Exemplo:
Numa população obteve-se desvio padrão de 2,64 com uma amostra aleatória
de 60 elementos. Qual o provável erro padrão?
Solução:
73
A DISTRIBUIÇÃO T DE STUDENT
Definição:
Se a distribuição de uma variável aleatória x é aproximadamente
normal e , então a distribuição amostral de é
uma distribuição t de Student, onde:
.
Onde:
t = Distribuição t de student;
X = Variável aleatória;
µ = Média;
S = Desvio Padrão amostral;
n = Número da amostra
X - t. Sx ≤ µ ≤ X + t. Sx
Portanto, temos:
74
p = Proporção favorável;
Fórmula:
q = Proporção desfavorável;
Sp = p.q Onde:
n n = Amostra;
Sp = Erro-padrão proporcional
Ex: Um instituto de pesquisa revelou,por meio de um estudo que realizou com 300
microempresas paranaenses, que 77% delas estão satisfeitas com os serviços
prestados por seus contadores e as demais estão insatisfeitas. Estime, com 95% de
confiança o intervalo da proporção populacional para aquelas empresas satisfeitas
com seus contadores.
Solução:
q = 23% Sp = 2,43 %
n = 300
Sp = ?
77
Definição:
Refere-se aos valores máximo e mínimo da proporção populacional.
Fórmula: p – Z. Sp ≤ ¶ ≤ p + Z.Sp
Exemplo:
Numa pesquisa de mercado, 400 pessoas foram entrevistadas sobre
sua preferência por determinado produto. Destas 400 pessoas, 240 disseram preferir
o produto. Determinar um intervalo de confiança de 95% de probabilidade para o
percentual de preferência dos consumidores em geral para este produto.
Solução:
P(Z > Zα/2) = 2,5%, ou então: (-Zα/2) = 2,5%. Este valor vale 1,96.
A estimativa por ponto para a proporção populacional será: p = f/n = 240/400 = 0,60
= 60%.
Logo,devemos calcular o erro-padrão amostral:
Sp = p.q
n
p – Z. Sp ≤ ¶ ≤ p + Z.Sp
60 – 1,96.2,45 ≤ ¶ ≤ 60 + 1,96.2,45
0,60 - 4,8 ≤ ¶ ≤ ,60 + 4,8 = [55,20%; 64,80%].
Portanto, pode-se afirmar com uma certeza de 95% de que este intervalo conterá a
proporção populacional, isto é, a verdadeira percentagem dos consumidores que
preferem o produto pesquisado.
TESTE DE HIPÓTESE
Definição:
Os testes de hipóteses tem a função de comparar as medidas
obtidas de uma amostra com os dados da população.
HIPOTESE ESTATÍSTICA
Definição:
É um processo de decisão para avaliar as hipóteses feitas a
respeito de uma determinada população.
Exemplo 1:
Suponhamos que uma indústria compre de certo fabricante parafusos cuja a carga
média de ruptura por tração é especificada em 50 Kg, o desvio-padrão das cargas
de ruptura é suposto ser igual a 4 Kg. O comprador deseja verificar se um grande
lote de parafusos recebidos deve ser considerado satisfatório, no entanto existe
alguma razão para se temer que a carga média de ruptura seja eventualmente
inferior à 50 Kg. Se for superior não preocupa o comprador pois neste caso os
parafusos seriam de melhor qualidade que a especificada. Neste exemplo, a
hipótese do comprador é que a carga média da ruptura é inferior a 50 Kg. O
comprador pode ter o seguinte critério para decidir se compra ou não o lote:
79
Definição:
É um valor suposto para um parâmetro.Se os resultados da amostra
não forem muito diferente de H0,ela não poderá ser rejeita.
No exemplo1, temos H0: µ = 50.
Definição:
É uma hipótese que contraria a hipótese nula, complementar de H0.
Essa hipótese somente será aceita se os resultados forem muito
diferentes de H0.
No exemplo1, temos H1: µ < 50
ERROS DE DECISÃO
OBS: Essa situação é totalmente análoga à decisão de um juiz sobre um réu após
um julgamento, como se pode ver na tabela abaixo. A hipótese de nulidade é o réu é
inocente e a decisão é no sentido de condenar ou não condenar o réu. Observe-se
que o erro do tipo I é o mais importante.
DECISÃO DE TOMADA
HIPÓTESE Não Condenar Condenar
Réu inocente Correta Erro Tipo I (Alfa)
Réu culpado Erro Tipo II ( Beta) Correta
Reforçando a Analogia: Não rejeitar H0 não quer dizer necessariamente que ela é
verdadeira; apenas não há evidências na amostra para a sua rejeição.
RESUMO:
Fonte: <http://www.portalaction.com.br/inferencia/511-erros-cometidos-nos-
testes-de-hipoteses>
Exemplo 1:
Suponha que equipe técnica tenha decidido adotar a seguinte regra:rejeitar Ho se X
for maior que 62.5 kgf e ou menor que 57.5 kgf.
Temos:
Rc X 62, 5 ou X 57, 5 Região de rejeição de Ho
Rc Ra 57, 5 X 62,4 Região de aceitação de Ho.
Solução:
Procedimento do Teste:
Se x Є Rc Rejeita -se Ho
Se x Rc Aceita-se Ho
Considerando as hipóteses :
H0: = 60 contra
H1: ≠ 60.
P[ X 62,5 ou X 57,5 / H0 60] ; Sendo X ~ N(60,25 /16).
P[ X 62,5 / H0 60] + P[X < 57,5 / H0 60]
Fonte: <http://www.ime.unicamp.br/~hlachos/Inferencia_Hipo1.pdf>
83
3º) Fixe a probabilidade de cometer o erro tipo I e use este valor para construir
a RC (região crítica). Lembre-se que a RC é construída para a estatística
definida no 1º passo , usando os valores hipotetizados por H0;
Estudaremos testes de hipóteses com uma hipótese nula (Ho) e uma hipótese
alternativa (H1). A partir da formulação de Ho e H1, podemos definir o tipo do teste a
ser utilizado. Consideremos o parâmetro estudado e o ,o valor Inicialmente
suposto para . Se nas hipótese formuladas forem do tipo:
TESTE BILATERAL:
TESTE UNILATERAL À DIREITA
TESTE UNILATERAL À ESQUERDA
84
TESTE BILATERAL
H0 : = 0
H1 : = 1
/2
1- /2
-zc zc Z
RC = {Z zc ou Z - zc}
H0 : = 0 H0 : =
H1 : = 1 (1 < 0)
H1 : ≠ 1 (1 > 0)
-ZC x z
0 xc x
x 0 c
x RC = {Z - zc }
85
1º) Supor que a variável de interesse segue uma distribuição normal na população,
isso significa que a distribuição amostral da média também será normal, permitindo
realizar a inferência estatística paramétrica.
Tal como na Estimação de Parâmetros por Intervalo existirão diferenças nos testes
dependendo do conhecimento ou não da variância populacional da variável.
testar) for conhecida. Neste caso a variância amostral da média poderá ser
calculada através da expressão:
Onde:
Z = X - 0
X = Média Amostral;
S
n 0 = Média Populacional;
S = Desvio Padrão;
n = Amostra
Compara-se o valor da variável de teste com o valor crítico (Zcrítico que depende do
Nível de Significância adotado) de acordo com o tipo de teste:
tcal = X - 0
S
n
Compara-se o valor da variável de teste com o valor crítico (tn-1,crítico que depende
do Nível de Significância adotado) de acordo com o tipo de teste.
As hipóteses são:
H0: µX1 - µX2 = d contra
H1: µX1 - µX2 ≠ d ou µX1 - µX2 > d
ou ainda
/2
1- /2
Assim fixando o nível de significância “α“, a hipótese nula será rejeitada se:
|z| > zα/2 no teste bilateral;
z > zα, no teste unilateral à direita;
z < zα no teste unilateral à esquerda.
89
Exemplo:
Um fabricante produz dois tipos de pneus. Para o pneu do tipo A o desvio padrão é
de 2500 km e para o pneu do tipo B é de 3.000 km. Uma companhia de táxis testou
50 pneus do tipo A e 40 do tipo B, obtendo 24.000 km de média para o “A” e 26.000
para o tipo “B”. Adotando α = 4% testar a hipótese de que a duração média dos dois
tipos é a mesma.
Solução:
As hipóteses são:
H0: µA - µB = 0 ( µA = µB ) contra
H1: µA - µB ≠ 0 ( µA ≠ µB )
Como α = 4%, então zα/2 = -2,05.
2.5002 + 3.0002
50 40
Portanto, rejeita-se a hipótese de igualdade entre as durações médias dos dois tipos
de pneus. Com base nestas amostras, pode-se afirmar, ao nível de 4% de
significância, que os dois tipos de pneus diferem quanto a durabilidade média.
Considere uma população e uma hipótese sobre uma proporção p dessa população:
H0 : p = p0
90
e) H1 : p p0 (teste bilateral)
Fórmula:
p̂ p 0
Z ; sendo p̂ é a proporção da Amostra
p(1 p) / n
Onde:
p̂ = Proporção Amostral;
po = Proporcional Populacional;
n = Amostra
Exemplo:
Um laboratório de vacinas contra febre aftosa reivindicou que ela imuniza 90% dos
animais. Em uma amostra de 200 animais, nos quais foram aplicados a vacina, 160
foram imunizados. Verificar se a declaração do fabricante é verdadeira ao nível de
5%.
Solução:
H0 : p = 0,90 (p0)
H1 : p < 0,90
160
n = 200 p̂ = 0,80 = 0,05
200
p̂ p 0 0,80 0,90
z obs = = - 4,72
p 0 (1 p 0 ) / n (0,90.0,10) / 200
RC = {Z -1,65}
91
EXERCÍCIOS DE FIXAÇÃO
01) Fazendo o teste H0: µ = 1150 (σ = 150) contra H1: µ = 1200 (σ = 200) e com n
= 100, estabeleceu-se a seguinte região crítica: RC = [1170, +∞). Determine:
a) Qual a probabilidade α de rejeitar H0 quando verdadeira?
b) Qual a probabilidade β de Aceitar H0 quando H1 é verdadeira?
04) Está-se desconfiado de que a média das receitas municipais, per capita, das
cidades pequenas (menos de 20 mil habitantes) é maior do que a média da
receita estadual que é de 1229 unidades monetárias. Para testar a hipótese é
realizada uma amostragem com 10 pequenas cidades que forneceram os
seguintes resultados (em termos de receitas médias):
1230, 582, 576, 2093, 2621, 1045, 1439, 717, 1838, 1359
Verifique que não é possível rejeitar a hipótese de que as receitas municipais
são iguais as do estado, aos níveis usuais de significância. Como isto se
justifica, já que a média da amostra obtida é bem maior do que a média do
estado!
92
05) Um fabricante garante que 90% das peças que fornece a um cliente estão de
acordo com as especificações exigidas. O exame de uma amostra aleatória de
200 destas peças revelou 25 fora das especificações. Verifique se as níveis de
5% e 1% de significância há exagero na afirmativa do fabricante.
06) Suponha que a experiência tenha mostrado que dos alunos submetidos a
determinado tipo de prova, 20% são reprovados. Se de uma determinada turma
de 100 alunos, são reprovados apenas 13, pode-se concluir, ao nível de
significância de 5%, que estes alunos, são melhores?
09) Num ensaio para testar a proteção de dois tipos de tinta em superfícies
metálicas, 55 painéis foram pintados com a tinta do tipo A e 75 com a tinta do
tipo. Decorridos dois anos de exposição dos painéis ao ar livre, verificou-se que,
dos painéis pintados com tinta A, 6 apresentaram problemas enquanto que dos
75 painéis pintados com tinta B, 19 apresentaram problemas. Pode-se concluir,
destes valores, com 5% de significância, que as duas marcas de tintas diferem
quanto a capacidade de proteção?
93
10) Os salários dos funcionários de uma fábrica de tecidos têm uma distribuição
aproximadamente normal. Para estimar o salário médio desta população, foram
observados os salários de 20 funcionários, obtendo-se x = 850 reais e s = 120
reais. Determine:
a) Um intervalo de confiança de 95% para a média populacional.
b) Um intervalo de confiança de 95% para a variância.
c) Um intervalo de confiança de 95% para o desvio-padrão populacional.
11) Considerando que uma amostra de cem elementos extraída de uma população
aproximadamente normal, cujo desvio padrão é igual a 2, forneceu média de
35,6, construir intervalos de confiança de 90%, 95% e 99% para a média dessa
população.
12) O valor de face dos títulos depositados em um banco para cobrança simples
tem distribuição normal com variância 400 (u.m.)2. Uma amostra de 10 títulos
escolhidos ao acaso forneceu os seguintes valores : 80, 120, 71, 120, 140, 200,
180, 70, 45, 87.
b) O responsável pela carteira afirma, com 80% de confiança, que o valor médio
dos títulos é de 125. Ele pode estar correto?
94
GABARITO:
03- Como α = 5%, zα = -1,645 e zc = -2. Rejeita-se H0, isto é, pode-se dizer que
o programa surtiu efeito.
04- Como tc = -0,566, não é possível rejeitar a hipótese aos níveis de 1%, 5% e
mesmo 10%. Isto se justifica devido a grande variabilidade da amostra que
apresenta um desvio padrão igual a 675,82.
06- H0: π = 20% contra H1: π < 20%. Como zc = -1,75 e z5% = -1,645 . Logo
pode-se rejeitar H0.
07- H0: π = 90% contra H1: π < 90%. Como zc = -1,667 e z5% = -1,645 . Logo
pode-se rejeitar H0.
09- H0 :π1 = π2 contra H1: :π1 ≠ π2 . Como Zc = 2,20 e z5% = 1,96. Pode-se
afirmar que as duas tintas diferem.
95
CORRELAÇÃO
Definição:
OBS2: Uma vez caracterizada esta relação, procura-se descrevê-la sob forma
matemática, através de uma função. A estimação dos parâmetros
dessa função matemática é o objeto da regressão.
Os pares de valores das duas variáveis poderão ser colocados num diagrama
cartesiano chamado “diagrama de dispersão”. A vantagem de construir um
diagrama de dispersão está em que, muitas vezes sua simples observação já
nos dá uma ideia bastante boa de como as duas variáveis se relacionam. Uma
medida do grau e do sinal da correlação é dada pela covariância entre as duas
variáveis aleatórias X e Y que é uma medida numérica de associação linear
existente entre elas, e definida por:
Cov(X, Y) = 1 . ∑x.y - ∑x.∑y
n n
É mais conveniente usar para medida de correlação, o coeficiente de
correlação linear de Pearson, como estimador de xy, definido por:
97
σx . σy Sxx . Syy e
sendo:
CORRELAÇÃO LINEAR
Definição:
FÓRMULA:
r= n.∑Xi.Yi – (∑Xi).(∑Yi)
Onde:
X = Variável independente;
Y = Variável dependente;
Definição:
O coeficiente de correlação rxy linear é um número puro que
varia de –1 a +1 e sua interpretação dependerá do valor
numérico e do sinal, como segue:
rxy = -1 Correlação perfeita negativa;
Resumidamente, temos:
f) CORRELAÇÃO ESPÚRIA:
Quando duas variáveis X e Y forem independentes, o coeficiente de
correlação será nulo. Entretanto, algumas vezes, isto não ocorre, podendo,
assim mesmo, o coeficiente apresentar um valor próximo de –1 ou +1.
Neste caso a correlação é espúria. Algumas situações que podem se
apresentar os diagramas de dispersão.
100
Fonte: http://www.lugli.com.br/2008/02/diagrama-de-dispersao/
Fonte: http://www.lugli.com.br/2008/02/diagrama-de-dispersao/
Fonte: http://www.lugli.com.br/2008/02/diagrama-de-dispersao/
r SQUARE
Definição:
Determina o impacto da variável independente do X no
comportamento da variável dependente Y.
Exemplo:
Seja r = 0,92; onde X é o produto derivado do petróleo e Y é o
resíduo deste material,logo podemos deduzir que existe uma forte
correlação positiva entre as duas variáveis(X e Y),pois:
CONCLUSÕES FINAIS:
EXERCÍCIOS DE FIXAÇÃO
X Y
0,91 0,10
1,33 1,10
4,19 3,40
2,68 2,10
1,86 2,60
1,17 1,00
X 2,0 2,0 2,0 4,0 4,0 4,0 6,0 6,0 6,0 8,0 8,0 8,0 10,0 10,0 10,0
Y 2,1 1,8 1,9 4,5 4,2 4,0 6,2 6,0 6,5 8,2 7,8 7,7 9,6 10,0 10,1
Calcule o coeficiente de correlação entre as variáveis X e Y.
GABARITO:
Cov( X , Y )
03- Devemos utilizar a fórmula: rX ,Y
S X .S Y
Calculando a Covariância: Cov( x, y ) X .Y X .Y .
X .Y
Xi.Yi 317 52,83 ; X
Xi 21 3,5 ;e Y
Yi 75 12 ,5
n 6 n 6 n 6
Logo: Cov(x,y)=52,83-(3,5).(12,5) Cov(x,y)=9,08
Calculando as Variâncias de X e de Y:
2 91
S 2 X X 2 X S 2 X 3,5 15,16 12 ,25 2,91 e
6
2
2 1111
S 2Y Y 2 Y S 2 Y
6
12 ,5 185 ,16 156 ,25 28,91
2
SY S 2Y Sy= 28,91
Calculando a Correlação:
Cov( X , Y ) 9,08 9,08 9,08
rX ,Y rX ,Y 0,989
S X .S Y 2,91. 28,91 84 ,128 9,172
REGRESSÃO LINEAR
Definição:
CLASSIFICAÇÃO
Definição:
É o processo estatístico pelo qual derivamos os parâmetros “a”
e “b” de uma função f (X). Estes parâmetros determinam as características da
função que relaciona ‘Y’ com ‘X’ que no caso do modelo linear se representa
por uma reta chamada de reta de regressão.
Ex: y = 2x + 3
106
FÓRMULAS:
PARÂMETRO a: a = Sxy
Sxx
PARÂMETRO b: b = Y – a.X
EQUAÇÃO DA RETA: y = ax + b
Exemplo:
Uma metalúrgica, gera e consegue armazenar anualmente 70
toneladas de resíduos no seu setor de produção.O gerente administrativo
solicitou a um pesquisador contábil, que estimula-se uma produção de 800
toneladas ao ano.
Com isso, o gerente questionou o pesquisador contábil se a empresa
precisaria passar por uma reestruturação física para comportar essa nova
geração de resíduos quando a produção chegasse 800 toneladas de
produção. Através do levantamento obtido e observado pelo pesquisador na
tabela a seguir, obtenha a resposta para o gerente da metalúrgica.
Solução:
r= n.∑Xi.Yi – (∑Xi).(∑Yi)
e) y = ax + b y = 0,0888.x + 0,3785
Temos então:
110
y = 0,0888.x + 0,3785
y = 0,0888.(800) + 0,375
y = 71,42 toneladas de resíduos.
Definição:
É um conjunto de técnicas estatísticas que servem para
construir modelos que descrevem de maneira razoável relações
entre várias variáveis explicativas ( X ) de um determinado
processo.
REPRESENTAÇÃO DE RLM
onde:
y = variável dependente;
x = variável independente;
a = parâmetro do modelo de equação;
b= valor de impacto da variável x na variável y
y = a + b1.X1 + b2.X2 + ɛ
y = α + β1.X1 + β2.X2 + ɛ
FÓRMULAS:
2ª) Sy2 = ∑Y.X2 - ∑Y.∑X2
1ª) Sy1 = ∑(Y.X1) - ∑Y.∑X1 n
n
n n
Y X1 X2
100 70 670
β1 = x22. y1 - x12. y1
x11.x22 - x122
β2 = x11.y2 - x12.y1
x11.x22 - x122
Conclusão:
Desta forma, uma redução de R$10 no preço do produto, sem investimento em
publicidade, aumentaria as vendas em aproximadamente 13 kg. Um aumento
na publicidade de 100 mil, sem alteração no preço, aumenta as vendas em 11
kg.
Uma regressão linear simples pode ser representada por gráficos lineares, isto
é, a função dada será representada por retas ou pela interseção delas,além
dos pontos aleatórios que ficam em seu entorno .
x 10 13 5 7 20
y 4 3 6 5 2
Equação de Regressão:
y = 6,87 – 0,261
115
OBS1: Quando temos apenas uma variável independente, obtemos uma reta
no gráfico;
OBS2 Os pontos próximo da reta, são os valores de Y ,eles indicam os erros
aleatório ocasiona na distribuição.
y = a + b1.X1 + b2.X2 + ɛ
116
Esse modelo, embora não seja uma linha reta, continua sendo um modelo
linear nos parâmetros. O método que será discutido para o modelo de
regressão linear simples aplica-se diretamente aos demais modelos lineares
nos parâmetros.
117
EXERCÍCIOS DE FIXAÇÃO
% UR 20 30 40 50
% Germinação 94 96 95 97
2
a) n 20, X 200, Y 300, XY 6200, X 3600.
∑Yi = 160 ∑Xi = 100 ∑XiYi = 1900 ∑Xi2 = 1200 ∑Yi2 = 3060
118
a) 14 mil reais
b) 13,25 mil reais
c) 13 mil reais
d) 12,4 mil reais
e) 12 mil reais
119
GABARITO:
01- 95,5 %
SÉRIES TEMPORAIS
Definição:
fazê-lo no futuro.
121
Tendência
Cíclicas ou períodos ciclos
Sazonais ou Sazonalidade
Estacionalidade
TENDÊNCIA (T)
Definição:
Fonte: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0034-71402006000200003>
122
Definição:
ou recessão.
Fonte: <http://g1.globo.com/economia/noticia/2013/04/inflacao-faz-copom-elevar-selic-75
-primeira-alta-desde-2011.html>
123
Definição:
São variações nos valores de uma variável com elevação ou queda
da mesma, com duração inferior ou igual a um ano ,as quais se
repetem todos os anos.
Fonte: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0101-74382002000300004>
ESTACIONALIDADE
Definição:
É quando não ocorre nenhuma oscilação na variável estudada, isto
é, a variável não sofre nenhuma mudança no seu comportamento,
ficando estável,ou melhor dizendo, sem elevação ou queda em
seu valor.
124
5
4,5 Empresa Fictícia:
ARCOM S.A.
4
3,5
3
2,5 Contas a receber
2 Contas a pagar
1,5 Despesas
1
0,5
Valores
0 estipulados em
Fonte: autor
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 10 20 30 40 50 60 70 80 90 100
Fonte:<file:///C:/Users/seven/Downloads/599-1270-1-SM%20(1).pdf>
125
1. DISCRETA:
T = {t1, t2, . . . , tn}
Ex: Exportações mensais de 2013 a 2014: {01/13, 02/13, .., 11/14, 12/14} .
Notação: Yt
2. CONTÍNUA:
T= {t: t1< t< t2} Ex: Registro do gasto de combustível de um carro durante 1
ano. T = [0, 24] se unidade de tempo é a hora. Notação: Y (t)
3. MULTIVARIADA:
São as observações que podem ser representadas por uma sequência de
valores que possuem duas ou mais funções agregadas.
Notação: Y1(t), . . . , Yk(t), sendo t ∈ T .
Ex: Vendas semanais Y1(t) e gastos com propaganda Y2(t).
Podemos identificar T = {1, 2, . . . , n}
Definição:
São fatores estatísticos que auxiliam na previsão do comportamento das
variáveis quantitativas. Esta avaliação da variável esta submetida com
os valores assumidos pela mesma durante um determinado período de
tempo, podendo assim analisar e sinalizar um resultado futuro.
Oscilações Sazonal;
Oscilações de Tendência;
Oscilações Cíclica;
Oscilações Aleatória.
126
OSCILAÇÕES SAZONAL
Exemplo:
Existem padrões nas vendas de:
Fonte:<http://rotadosconcursos.com.br/questoes-de-concursos/estatistica-grafico-de-
linhas/132416>
127
OSCILAÇÕES DE TENDÊNCIA
OBJETIVOS:
Exemplo:
Vamos supor que os dados a seguir representem a demanda por um
determinado produto nos últimos 20 anos. Analisar a série quanto à
tendência
Y = 6,9368 + 1,0489 t
DEMANDA (Y)
35
30
25
20
15 DEMANDA (Y)
10 y = 1.0489x + 6.9368
R2 = 0.9044
5
0
0 5 10 15 20 25
ANO(X)
Fonte: autor
Se desejarmos fazer uma previsão da demanda para o 21º o ano, podemos usar a
linha de tendência (equação de regressão) para fazer essa previsão:
OSCILAÇÕES CÍCLICA
Fonte:<http://pt-br.aia1317.wikia.com/wiki/An%C3%A1lise_Gr%C3%A1fica_-
_Normas_e_Interpreta%C3%A7%C3%A3o>
OSCILAÇÕES ALEATÓRIA
Fonte: <http://www.scielo.br/img/revistas/prod/v12n1/html/v12n1a04fig06-08.htm>
131
EXERCÍCIOS DE FIXAÇÃO
GABARITO:
02- a) Sim !
ANO 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
EXP. 20 6 23 -4 2 39 76 156 99
3–
a)
160000
140000
120000
100000
80000 PIB
60000
40000
20000
0
2009 2010 2011 2012 2013 2014
CÁLCULO MATRICIAL
MATRIZ
Definição:
É todo processo matemático que organiza valores numéricos em
uma sequência de linhas e colunas, estabelecendo uma ordem de localização
para cada número. A interação operacional destes números com variáveis gera
um cálculo matricial.
Em outras palavras, podemos afirmar que o cálculo matricial é oriundo
da interação entre operações básicas da matemática dos valores
numéricos e de letras (variáveis), os quais estão dispostos em linhas e
colunas de uma matriz,a qual podemos chamar de tabela de valores.
Veja:
Matriz Linha
Matriz Coluna
Matriz Nula
Matriz Diagonal
Matriz Triangular
136
Matriz Transposta
Matriz Quadrada
Matriz Identidade.
MATRIZ QUADRADA
Visualmente, temos:
A mxn =
Fonte: <http://www.infoescola.com/wp-content/uploads/2013/11/matrizes3.jpg>
137
MATRIZ IDENTIDADE
Essa matriz possui uma representação, sempre que for indicar uma matriz
identidade pode-se escrever In.
Por exemplo:
Uma matriz identidade de ordem 2, será sempre escrita da seguinte forma:
138
1 0 0
I3 = 0 1 0
0 0 1
ÁLGEBRA MATRICIAL
Definição:
É todo cálculo matemático que envolve uma matriz com equações
lineares, formando um sistema de equações algébrico,isto é,equações com as
suas respectivas variáveis. A resolução deste sistema de equações lineares
ocorre através dos cálculos matriciais.
Esse sistema de equações pode ser representado por uma matriz e dois
vetores coluna como segue:
A.X=B
AB = C
e multiplicássemos ambos os membros dessa expressão por 1/A (inverso de A)
ou A-1
Teríamos: B= 1 x C
A
Por exemplo:
inversa de A = A -1
1 0 0
Exemplo: I3x3 = 0 1 0
0 0 1
Diagonal Principal !
141
MULTIPLICAÇÃO DE MATRIZES
Condição
A mxn . B r x s ,ou melhor dizendo, n = r Necessária !
!
OBS: Quando efetuamos a multiplicação de duas matrizes,automaticamente o
seu resultado será igual a uma terceira matriz, sendo que esta terá o seu
formato pela quantidade de linhas da 1º matriz e a quantidade de coluna
da 2º matriz.
142
Exemplo: Sejam A 3x2 e B 2x4 matrizes, então o produto delas gera uma
Exemplo: 2 3 -3 1
Seja as matrizes C 2x2 = 1 5 e D 2x2 = 4 0
Temos: 2 . -3 + 3 . 4 = - 6 + 12 = 6
2.1 + 3.0 = 2 + 0 = 2
1 .-3 + 5 . 4 = -3 + 20 = 17
1.1 + 5.0= 1 + 0 = 1
143
C1 C2
Logo, fica:
6 2 L1
L1.C1 = L1
L2.C2 = L2
-3 1
Veja: x
4 0
Para acharmos uma matriz inversa de uma matriz dada, é necessário efetuar a
multiplicação entre essas duas matrizes e igualar a matriz identidade. O cálculo
da matriz inversa somente poderá ser realizado se a matriz dada for de ordem
quadrada, isto é, se a quantidade de linhas for igual a quantidade de colunas.
Além disso, devemos seguir a fórmula da matriz inversa:
Anxn . A-1nxn = I
Para compreendermos melhor,usaremos uma exemplificação para a fórmula
mencionada anteriormente.
Veja:
a b
x
c d
2a + 1c 2b + 1d = 2a + c 2b + d
2 1
3a + 0c 3b + 0d 3a 3b
3 0
Portanto, temos:
2a + c 2b + d 1 0
=
3a 3b 0 1
2(1/3) + d = 0 d = - 2/3
a b 0 1/3
Sendo A-1 = , então a matriz inversa fica: A-1 =
c d 1 - 2/3
SISTEMA LINEAR
Definição:
Exemplos:
Dado o sistema:
x+y=3
x–y=1
Dizemos que a solução deste sistema é o par ordenado (2,1), pois ele satisfaz
as duas equações do sistema linear. Observe:
x=2 e y=1
então:
2+1=3 3=3
2–1=1 1=1
147
Exemplo2:
Dado o sistema:
2x + 2y + 2z = 20
2x – 2y + 2z = 8
2x – 2y – 2z = 0
Podemos dizer que o trio ordenado (5, 3, 2) é solução do sistema, pois ele
satisfaz as três equações do sistema linear.
Veja:
2 . 5 + 2 . 3 + 2 . 2 = 20 10 + 6 + 4 = 20 20 = 20
2.5–2.3+2.2=8 10 – 6 + 4 = 8 8=8
2 .5 – 2 .3 – 2 . 2 = 0 10 – 6 – 4 = 0 0=0
Exemplos:
3º) Um sistema é dito como impossível, quando não temos nenhuma solução
para as variáveis que satisfaça as condições das equações lineares.
x + y = 12
x + y = 15
Método de Substituição:
Método de Comparação
Neste método, devemos escolher uma variável e isolar ela nas duas equações.
Após o isolamento, devemos comparar os seus valores pelo princípio da
igualdade.
150
Método da Adição
Esse método consiste em achar a matriz inversa de uma matriz dada. A sua
aplicabilidade consiste na fatoração ou eliminação do sistema dado, através de
operações matemáticas elementares.
Exemplo: Dado o sistema:
2x + 1y – 3z = -1
-1x + 3y + 2z = 12
3x + 1y – 3z = 0
Devemos trabalhar apenas com os coeficiente numéricos,isolando eles do
sistema. Além disso, devemos incluir os valores dos coeficientes constantes
dentro de uma matriz.
Veja:
2 1 -3 -1
A3x4 = -1 3 2 12
3 1 -3 0
2 1 -3 -1
-1 3 2 12
3 1 -3 0
2 1 -3 -1
0 7 1 23
0 0 22 44
Exemplo:
3x + y = 9
2x + 3y = 13
Logo, temos uma matriz A2x2, da seguinte forma:
3 1 x 9
2 3 y = 13
Temos:
x = det B
det A
9 1
13 3 9 . 3 – 13 . 1 27 - 13 14
X = = = 2
=
== 3 1 3. 3 -2.1 9 - 2 7
2 3
Temos:
y = det C
det A
3 9
2 13 3 . 13 – 2 . 9 39 - 18 21
= = =3
y= =
3 1 3. 3 -2.1 9 - 2 7
2 3
Exemplo
Uma empresa pretende aumentar o seu faturamento mensal. Devido
a este fato, estabeleceu algumas metas de vendas a serem alcança-
das pelos seus vendedores. Estes funcionários deveram vender pro-
tos A, B e C, sendo que o produto A será comercializado em R$
9,00 o produto B em R$ 12,00 e o produto C em R$7,00. Sabe-se que
no final do mês foi feito um levantamento sobre as vendas e foi
contabilizado um lucro de R$ 24.000,00. O custo total de fabricação
destes produtos foi de R$ 3.020,00 e o custo de produção do produto
A equivale a um terço do produto C.Portanto,quantos produtos essa
essa empresa vendeu ao final do mês e qual dos produtos que obteve
a maior arrecadação financeira ?
156
Temos:
A , B e C = Variáveis, onde:
A + B + C = 3.020
9A + 12B + 7C = 24.000
A = C/3
B = 3020 – 4C/3
B = 3020 – 4(3020/3)
B = 3020 – 2720
B = 300 peças
157
1 1 1 A 3.020
9 12 7 . B = 24.000
1 0 -1/3 C 0
EXERCÍCIOS DE FIXAÇÃO
01) Perguntado sobre a idade de seu filho Júnior, José respondeu o seguinte:
"Minha idade quando somada à idade de Júnior é igual a 47 anos; e quando
somada à idade de Maria é igual a 78 anos. As idades de Maria e Júnior
somam 39 anos." Qual a idade de Júnior?
a) 2 anos b) 3 anos c) 4 anos d) 5 anos e) 10 anos
03) (UFG 2007) Para se deslocar de casa até o seu trabalho, um trabalhador
percorre 550 km por mês. Para isso, em alguns dias, ele utiliza um
automóvel e, em outros, uma motocicleta. Considerando que o custo do
quilômetro rodado é de 21 centavos para o automóvel e de 7 centavos para
a motocicleta, calcule quantos quilômetros o trabalhador deve andar em
cada um dos veículos, para que o custo total mensal seja de R$ 70,00.
x 2 y z 2 x y 10 0
a) 2 x y 3 z 9 b) x z 5 0
3 x 3 y 2 z 3 y z 3 0
159
a) impossível.
b) possível e indeterminado.
GABARITO
01- C
02- C
04- x = 1 ; y = 2 e z = 3
Observe que:
L2 da matriz foi multiplicada por -1/2 e
L3 foi multiplicada por -1/3.
PROGRAMAÇÃO LINEAR
Definição:
Maximizar os lucros;
Dimensionar investimentos;
Aferir a quantidade de máquinas e equipamentos;
Minimizar custos, etc.
Resolução Gráfica;
Resolução por Análise Matemática;
163
Resolução Gráfica:
Esta técnica consiste em resolver um determinado
problema de programação linear com gráficos
cartesiano,o qual possui na função linear duas variáveis a
serem analisadas.
Veja:
y Ponto Solução:
(X,Y)
s r
Onde:
Exemplo:
Solução:
Dados:
x + 1,5y ≤ 150
4x + 3y ≤ 360
Exemplo:
e (90,0).
Para cada um dos pares teremos de obter o valor da função linear, eliminamos
o par (0,0).
Fazendo: z = A x + B y ; temos:
OBS: Neste caso o Z pode ser representado por L, pois o problema questiona
a lucratividade das vendas,logo temos:
EXERCÍCIOS RESOLVIDOS
.01) Certa empresa fabrica dois produtos P1 e P2. O lucro unitário do produto
P1 é de R$ 1.000,00 e o lucro unitário de P2 é R$ 1.800. A empresa
precisa de 20 horas para fabricar uma unidade de P1 e de 30 horas para
fabricar uma unidade de P2. O tempo anual de produção disponível para
isso é de 1200 horas. A demanda esperada para cada produto é de 40
unidades para P1 e 30 unidades para P2. Construa o modelo de
programação linear que objetiva Maximizar o lucro.
SOLUÇÃO:
Dados:
P1: Lucro – R$ 1.000,00
Tempo de produção P1: 20 horas
Demanda Esperada P1: 40 unidades
Temos:
Unidade produzida do Produto P1: x Unidade produzida do Produto
Logo:
MAXIMIZAR LUCRO:
NÚMEROS ÍNDICE
Definição:
São métodos quantitativos que auxiliam os administradores,
economistas, contadores entre outros profissionais, há comparar, compreender
e analisar determinadas variáveis relacionadas entre si com as suas variações.
OBS2: Fora dos problemas gerados por alterações nos preços dos produtos, os
números-índices são úteis também em outras áreas de atuação da
empresa como, por exemplo, no campo da pesquisa de mercado. Neste
caso, podem ser utilizados nas mensurações do potencial de mercado,
na análise da lucratividade por produto, por canais de distribuição etc.
Em síntese, os números-índices são sempre úteis quando realizamos
análises comparativas.
Definição:
São os números que avaliam a variação de um único item ou
variável em comparação a um valor base, o qual é definido pelo pesquisador
podendo abranger períodos(tempo),lugares ou qualquer outra situação que
necessite de comparação.
I = Índice de variação;
FÓRMULA:
Vn = Valor Nominal;
I = Vn . 100 onde:
Vo Vo = Valor Base.
169
Definição:
Avalia a variação relativa de um único item ou variável em
comparação à media de valores. Essa média é oriunda dos valores observados
pelo pesquisador.
FÓRMULA:
Ir = Índice de relativo;
Ir = Vn . 100% onde:
Vm Vn = Valor Nominal;
Vm = Valor Médio.
Definição:
Determina as variações entre os períodos consecutivos,isto é, são
os valores encontrados, através de comparações feitas pela divisão de um
período pelo período anterior com o período atual.
MUDANÇA DE BASE
Exemplo:
Nesta tabela, apenas um dos valores da segunda linha será igual a 100. Este
ano será, portanto, chamado ano base ! Todos os demais índices de preços
podem ser imediatamente “comparados” de forma percentual ao preço do ano
base, uma vez que este último é igual a 100 !
Veja:
Ano 2001 2002 2003 2004 2005 2006
Índice 75 88 92 100 110 122
Aqui, nosso ano base é 2004, pois é o único que traz o índice igual a
100! Se quisermos comparar o que houve com o preço desse produto no ano
de 2005, diremos sem dificuldades que ocorreu um aumento de 10%.
Para mudar a base dessa tabela,ou melhor dizendo,queremos que o ano base
deixe de ser 2004 e passe a ser o ano base de 2001. Para isso, o ano base de
2001 deverá assumir o valor de 100. Com isso, devemos dividir o índice do ano
de 2001(75) pelo ano base (100), obtendo o valor de 0,75. Para completar a
mudança, devemos dividir o índice de 2001(75) pelo próprio valor
encontrado(0,75), transformando ele no valor base 100.
171
Veja:
75 75 100
75x 100
0,75 75 75
100
O que nos resta agora é apenas saber que, a mesma operação que foi
realizada com o índice da nova base será também feita com todos os outros
índices da tabela! Ou seja, não vai mudar só o índice do ano-base: mudará
toda a tabela! E a operação será a mesma: dividir por 0,75. Teremos, portanto:
Chegaríamos a:
Ano 2001 2002 2003 2004 2005 2006
Temos, então:
x = 1. 234. 321 = 0,3843 x 100% = 38,43%
3.211.601
Portanto:
O número índice 38,43, é menor que 100%, significando que o valor de 2005 é
61,57 % menor que o valor de 2009 (100% – 38,43%).
Definição:
São índices do tipo agregativo, pois as suas ponderações são
executadas pelas quantidades do período base ou do período atual ou de
outras formas.
Esses índices são basicamente classificados em:
Índice de Laspeyres
Índice de Paasche.
Definição:
Refere-se a uma média ponderada de relativos, tendo os fatores de
ponderação calculados a partir de preços e de quantidades da época básica.
FÓRMULA
po = Preço inicial;
Definição:
É o índice agregativo de preços, ponderado pela quantidade
consumida no período atual.
OBS: O índice de Paasche pode ser considerado como uma média ponderada
de relativos, cujos os pesos são representados pelo produto dos preços
no ano base e multiplicado pela quantidade na época.
FÓRMULA:
po = Preço inicial;
qi = Quantidade atual
LASPEYRES PAASCHE
Usa as quantidades do período base Usa quantidades do período corrente
Pode ficar desatualizado Está sempre atualizado
Tende a exagerar aumentos de Tende a mascarar aumentos de
preços preços
Fonte:<http://www.mspc.eng.br/matm/indices01.shtml>
176
SÍNTESE DA AULA
EXERCÍCIOS DE FIXAÇÃO
VALOR EXPORTADO 50 40 35 48 51
(MILHÕES DE R$)
02) Em 2002, o preço de um produto era 35% mais baixo que em 2003 e,
em 2004, 30% maior que em 2003. Qual o índice de preço de 2002
(base) para 2004?
a) 100 %
b) 125%
c) 150%
d) 200%
e) 225%
a) 91,67% e 8,33%
b) 92,45% e 7,52%
c) 78,00% e 8,33 %
d) 92,45% e 6,29%
e) 91,67% e 7,52%
178
B1 5 5 8 5 10 10 12 10
B2 10 5 12 10 15 5 20 10
B3 15 10 18 10 20 5 20 5
B4 20 10 22 5 25 10 30 5
GABARITO
02- D
03- A
04
Pa
q .p n n
5x8 10x12 10x18 5x22 450 0,900
q .p o n 5x8 5x12 10x18 10x22 500
Sendo 0,900 x 100% = 90%
Pa
q .p n n
10x12 10x20 5x20 5x30 570 0,864
q .p o n 5x12 5x20 10x20 10x30 660
Sendo 0,8664 x 100% = 86,64%
La
p .q
n o
10x5 15x5 20x10 25x10 575 1,353
p .q
o o 5x5 10x5 15x10 20x10 425
Sendo 1,353 x 100% = 135,30 %
SISTEMAS ESTATÍSTICOS
Definição:
O profissional que trabalha com estatística lida geralmente com uma amostra,
ou seja, com uma pequena parcela da população, pela facilidade, pela
limitação de tempo e custo mais baixo.
Como qualquer resultado de pesquisa não tem utopia, a estatística trabalha
com uma pequena margem de erro, pois os seus valores referenciais são
retirados de uma amostra populacional.
A aplicabilidade do sistema estatístico é fundamental em pesquisas eleitorais,
pesquisa de mercado, índices econômicos, controle de qualidade entre outros.
Pesquisa Exploratória;
Pesquisa Descritiva;
Pesquisa Experimental.
PESQUISA EXPLORATÓRIA:
Definição:
É a pesquisa que proporciona ao pesquisador um maior
conhecimento do tema ou problema de interesse. Esta pesquisa é orientada
para aqueles que necessitam tomar ciência dos primeiros estágios da
investigação quando a familiaridade, o conhecimento e a compreensão do
fenômeno por parte do pesquisador são insuficientes.
182
OBJETIVOS
PESQUISA DESCRITIVA
Definição:
A pesquisa descritiva retrata as características específicas de uma
determinada situação pontual sobre bens, produtos ou serviços. O seu estudo
é mais complexo,o qual fundamenta o mercado sobre um determinado
produto,dando base para o pesquisador sobre todos os aspectos a serem
estudados,tais como:
Região de maior ou menor consumo;
Renda Financeira;
Faixa etária do consumidor ou usuário
Etc.
OBJETIVOS
PESQUISA EXPERIMENTAL:
Definição:
A pesquisa experimental é baseada em fatos empíricos, os quais
sinalizam probabilidades estatísticas que estão alicerçadas em causa e efeito.
Analisando este fato, temos a percepção que a pergunta sugestiona que uma
cidade com uma vida noturno elevada, terá uma grande procura dos alunos por
cursos técnicos no período da meia noite até às 4:00 hs da madrugada.
É fato consumado, que uma cidade com grande atividade noturna, terá uma
grande aceitação de redes de restaurantes, casas de show, farmácias entre
outros que funcionam neste horário específico. Em contrapartida, este horário é
184
MARKETING
Definição:
É o conjunto de técnicas e métodos destinados ao
desenvolvimento das vendas, mediante quatro possibilidades:
Preço,
Distribuição,
Comunicação e
Produto.
PESQUISA DE MARKETING
ELABORAÇÃO DO QUESTIONÁRIO
APLICAÇÃO DO QUESTIONÁRIO
As fontes de pesquisa sobre marketing são fatores que norteiam uma pesquisa
de consumo, serviço ou tendência sobre a coleta de informações que serviram
como parâmetro para a sinalização dos resultados apresentados. Estas fontes
podem ser classificadas em:
Pesquisado;
Informações do Pesquisado;
Casos Similares;
Dados Disponíveis.
188
PESQUISADO:
CASOS SIMILARES:
DADOS DISPONÍVEIS:
EXERCÍCIOS DE FIXAÇÃO
GABARITO
01- A
02- E
03- D