MBA em Gestão de Projetos e

Processos Organizacionais

Estatística Aplicada

Galo Lopez Noriega

GaloCLN@insper.org.br
1
 Tópicos do Curso

1. Noções de Amostragem e Análise

Exploratória de Dados (resumo dos dados,
tabelas e gráficos);
2. Medidas de uma Distribuição (medidas de
posição, medidas de dispersão e medidas de
forma);
3. Variáveis Aleatórias e Distribuição Normal;
4. Regressão Linear Simples;
5. Regressão Linear Múltipla;
2
Bibliografia Básica:
 Bussab, W. O. & Morettin, P. A. (2003). Estatística Básica –
Métodos Quantitativos. 5ª ed. São Paulo: Editora Saraiva.

Bibliografia Complementar:
 Anderson, D.R., Sweeney, D.J. & Williams, T.A. (2005). Estatística
Aplicada à Administração e Economia. São Paulo: Pioneira Thomson
Learning.
 Anderson, D.R., Sweeney, D.J. & Williams, T.A. (1999). Statistics for
Business and Economics. 7ed. Cincinnati: South-Western College
Publishing.
Freedman, D., Pisani, R. & Purves, R. (1998) Statistics. New York: W.W.
Norton & Company.
 Freund, J. E. e Simon, G. A. (2000). Estatística Aplicada: economia,
administração e contabilidade. 9 ed. Porto Alegre: Bookman
 Levine, D. M., Berenson, M.L., Stephan, D. (2005). Estatística: Teoria e
Aplicações. 3 ed. Rio de Janeiro: LTC.
3
 Critério de Avaliação

Testes e Trabalhos: 100%

Testes 1 e 2: feitos em sala de aula ou exercícios

especiais, individuais ou em grupo (50%).

Trabalhos 1 e 2: em grupo (50%).

MF = 50% Testes + 50% Trabalhos

4
 Estatística Aplicada
Análise Exploratória de Dados

Bussab e Morettin: Capítulos 1 e 2

Freedman: Capítulo 3
Levine: Capítulo 1

5
 Estatística Descritiva e Inferência
Estatística
Estatística é a ciência que tem por objetivo orientar a coleta, o
resumo, a apresentação, a análise e a interpretação de
dados. Podem ser identificadas duas grandes áreas de
atuação desta ciência:

 Estatística Descritiva: é o ramo da estatística voltada para

a organização, o resumo e a descrição de conjuntos de
dados.
Medidas descritivas, histograma, “box-plot”, etc.

 Inferência Estatística: é o ramo da estatística que utiliza

dados obtidos de uma amostra para fazer estimativas ou
testar hipóteses sobre características de interesse de uma
população. 6
Amostragem, teste de hipótese, distribuição normal, regressão, correlação, etc
Interação entre estatística e geração de
conhecimento
Observações
Dados
Planejamento da Análise Descritiva
pesquisa

Análise Inferencial

Objetivos da
pesquisa Conclusões

Formulação de
novos objetivos 7
 Razões para entender Estatística
 Descrever e apresentar informações de forma
adequada.
 Tirar conclusões sobre grandes populações baseado
na informação obtida da amostra.
 Saber melhorar processos baseado em informações
amostrais.
 Obter previsões confiáveis.
 Para aqueles que tomam decisões, o principal papel da
estatística é fornecer-lhes os métodos para obtenção e
conversão de dados (valores, fatos, observações ou
medições) em informações úteis.
8
 Estatística no mundo real ...
1. Um empresário investe seu patrimônio em diversos
fundos de renda fixa e variável. Qual o ganho médio e
a variabilidade de seus ganhos no último ano? Como
fazer a previsão da rentabilidade destes fundos para o
próximo mês?
2. Você foi contratado para trabalhar no departamento
financeiro da Moderna e sua primeira tarefa é sugerir
uma aplicação à empresa. Você pode aplicar na PPN
(empresa do setor petroquímico) ou nas ações que
compõem o fundo IBP. Qual seria o melhor
investimento?
9
 Estatística no mundo real ...
3. Um instituto de pesquisa, coletou dados de preços de dois
livros em vinte lojas na cidade de SP. Qual dos livros
apresentou maior variação de preços?
4. O departamento de RH de uma empresa deseja avaliar a
eficácia dos testes aplicados para a seleção de
funcionários. Para tanto, foi sorteada uma amostra de 50
funcionários e observou-se, para cada um, a nota média
nos testes de admissão e um escore que indica o seu
desempenho profissional. Existe alguma relação entre a
nota do teste e o desempenho dos funcionários? Como
prever o desempenho de um funcionário de acordo com
sua nota no teste?
10
 Estatística no mundo real ...
5. A sua empresa está sendo acusada de pagar um salário maior
para os homens do que para as mulheres. Para justificar a
acusação, apresentou-se uma lista de salários de uma amostra
de funcionários. Você tem motivos para se preocupar?
Sexo Anos no Salário Sexo Anos no Salário
emprego emprego
fem 0 24 masc 3 35
fem 0 27 masc 5 30
fem 0 29 masc 6 25
fem 0 33 masc 6 36
fem 1 26 masc 6 37
fem 2 30 masc 6 49
fem 3 32 masc 9 35
fem 4 37 masc 9 40
fem 5 27 masc 9 41
fem 5 35 masc 12 55
fem 6 34 masc 12 56
fem 6 36 masc 14 46
fem 6 37 masc 15 33
fem 6 44 masc 15 48
fem 7 31 masc 18 39
fem 7 35 masc 18 52
fem 8 35 masc 19 38
fem 9 35 masc 20 46
fem 9 36 masc 20 55
fem 9 39 masc 21 39
fem 16 40 masc 22 42
fem 20 56 masc 22 69 11
masc 25 68
masc 27 64
 Inferência Estatística
Características desconhecidas

Técnicas de Amostra
amostragem

Inferência estatística

Características
conhecidas
População
12
 População, amostra e dados
População: é a coleção de todos os elementos de
interesse num estudo
Amostra: é uma porção da população
Exemplo: Pesquisa eleitoral na cidade de SP
 População: Todos os eleitores da cidade de SP
 Amostra: 2000 eleitores da cidade de SP
Observe que um eleitor de Fortaleza não faz parte da população desse
estudo e nem poderia fazer parte dos 2000 eleitores escolhidos da
amostra.
Cada um dos 2000 eleitores pesquisados, darão suas
opiniões e a essas opiniões chamamos de dados.
Dados: são as informações obtidas de uma unidade
experimental ou de observação. 13
 Tipos de população
Populações finitas: o tamanho da população é
conhecido. Exemplo: eleitores de São Paulo,
aparelhos de som produzidos por uma
indústria, etc. A listagem de todos as unidades
amostrais recebe o nome de sistema de
referência.

Populações infinitas: o tamanho da população

é desconhecido. Exemplo: pacientes que têm
determinada doença, consumidores de uma
determinada marca. 14
 Variável
Suponha que tenhamos interesse em saber o perfil dos
Economistas do Estado de SP. Podemos estar
interesssados em conhecer várias características
desses profissionais como:
Salário
Escolaridade
Número de especializações
Quantidade de línguas estrangeiras que domina,…
A cada uma dessas características denominamos variável.
Variável: é toda característica que, observada em
uma unidade experimental, pode variar de uma
unidade para outra. 15
 Tipos de variáveis
É de interesse classificar as variáveis de acordo com suas
características pois existem técnicas estatísticas e
apresentações mais adequadas para cada tipo de variável.

As variáveis podem ser classificadas em:

–Qualitativas ou Categóricas: os resultados
observáveis não são numéricos
Ex.: Qualidade de Atendimento, Sexo, Cor, etc.
–Quantitativas ou Numéricas: os resultados
observáveis são numéricos
Ex. Peso, índice de inflação, número de pedidos, etc…
16
 Tipos de variáveis
As variáveis Qualitativas são classificadas em:

– Ordinal: a seqüência dos resultados dessas variáveis

tem ordem natural
• Ex.: Qualidade de atendimento:
Ruim Bom Ótimo Excelente

– Nominal: a seqüência dos resultados dessas variáveis

não tem ordem natural
• Ex.: Cor do veículo:
Prata Branco Azul Preto …

17
 Tipos de variáveis
As variáveis Quantitativas são classificadas em:
 Discreta: uma característica desse tipo de variável é
que entre dois resultados consecutivos não existe
nenhum valor intermediário, geralmente é uma
contagem.
 Ex. Número de acidentes de trabalho: 0, 1, 2, 3, …
Não tem sentido prático 0,5 acidentes de trabalho ou 2,3
acidentes de trabalho.
 Contínua: os resultados observáveis estão dentro de
intervalos, necessita da unidade para ser medida.
 Ex.: Inflação, salário.
Entre R$ 5.000,00 e R$ 6.000,00 existem infinitos resultados
possíveis.
18
 Exercício
Suponha que um recém formado precise escolher entre 4
possibilidades de emprego. Para tomar tal decisão, ele observa os
seguintes dados: salário, número de benefícios, satisfação dos
funcionários, ranking da empresa numa revista de negócios e o
local da empresa. Classifique as variáveis envolvidas no
problema.

ALTERNATIVA

Objetivos EMPREGO A EMPREGO B EMPREGO C EMPREGO D

Salário ($) 2.000,00 2.400,00 1.800,00 2.200,00

Número de benefícios 5 2 3 4

Satisfação Alta Boa Boa Alta

Ranking da Empresa 3 16° -- 25°

Local Zona Oeste Zona Sul Zona Sul Zona Oeste

19
 Tipos de Dados
Nominal Ex.: Localização

Qualitativo
Ordinal Ex.: Ranking

Discreto Ex.: Número de benefícios

Quantitativo

Contínuo Ex.: Salário

20
 Tipo de amostra

População
Amostra
finita ou infinita
n
Amostra

Simples
Por quotas Coleta Telefone

Por conglomerados Internet

Por conveniência (listagem Pessoal

de clientes ou voluntários)
21
 Amostragem - Exemplos
Situação 1: O gerente de uma indústria de cosméticos
deseja planejar a quantidade de xampus que deve ser
produzida de acordo com o tipo de cabelo de seus
consumidores (oleoso, normal ou seco).

Situação 2: Desconfia-se de que os fornecedores de um

componente eletrônico, com fábrica em determinado
município, estejam fazendo uma política combinada de
preços (cartel).

Situação 3: Uma construtora precisa decidir em qual

região da Grande São Paulo construirá um shopping
center.
Como proceder? 22
 Amostragem
Técnicas de amostragem: métodos para
extração de amostras
População

Amostra

Objetivo da amostragem: Extrair amostras

que possam ser utilizadas para realizar
inferências sobre a população de interesse.
23
 Tipos de amostras
Probabilísticas
A probabilidade de uma
Amostras unidade amostral ser
sorteada é conhecida
Não probabilísticas
A probabilidade de uma
unidade amostral ser
sorteada é desconhecida
24
 Exemplo
No processo de requalificação da área central
de São Paulo, deseja-se dimensionar o
mercado imobiliário da área.

Como fazer isso?

Que tipo de amostragem utilizar?

Informação: Número de domicílios na área:

cerca de 210.000, excluindo imóveis
comerciais e terrenos, distribuídos em cerca
de 1.400 quadras.
25
 São
Paulo

26
Área da Pesquisa
67= República
80=Sé
9= Bom Retiro
57= Pari
10= Brás
14= Cambuci
49= Liberdade
7= Bela Vista
26= Consolação
70= Santa Cecília
27
Esquemas amostrais
probabilísticos

28
 Amostra Aleatória Simples
O sistema de referência é numerado de 1 até N
(tamanho da população) e sorteia-se ao acaso
n unidades amostrais para comporem a
amostra. O sorteio pode ser com ou sem
reposição

29
 Amostra Estratificada (AE)
Estrato: segmento homogêneo da população
AE: divide-se a população em estratos. Em
cada estrato é sorteada uma amostra
aleatória simples.

30
 Amostra por conglomerados
(AC)
Conglomerado (cluster): segmento heterogêneo
da população.
AC: divide-se a população em conglomerados.
Sorteia-se uma amostra aleatória simples de
conglomerados. Todas as unidades amostrais
dos conglomerados sorteados são
pesquisadas.

31
 Amostra em múltiplos
estágios
Exemplo: Amostra em 2 estágios:

Estágio 1: sorteia-se uma amostra

aleatória simples de conglomerados
Estágio 2: em cada conglomerado
sorteado, sorteia-se uma amostra
aleatória simples de unidades
amostrais
32
 Esquemas
amostrais não
probabilísticos

33
 Planos não-probabilísticos
• Amostragem por conveniência

• Amostragem por quotas

34
 Amostra por quotas

20 classe A/B
20% classe A/B
40 classe C
40% classe C
30 classe D/E
30% classe D/E

Amostra (n=90)
Escolher unidades amostrais
População que reproduzam um perfil
populacional.
35
E no nosso problema??

Que tipo de
amostragem
vc utilizaria?

36
 Situação 1
Os membros de um partido político estavam considerando apoiar um
determinado candidato à eleição de prefeito da cidade, e os líderes do
partido queriam uma estimativa da proporção dos eleitores registrados
que favoreciam o candidato. O tempo e o custo associados em contatar
cada individuo na população dos eleitores registrados poderia ser
estratosférico.
Por isso, uma amostra de 400 eleitores registrados foi selecionada, e 160
dos 400 eleitores indicaram preferência pelo candidato. A estimativa da
proporção da população de eleitores registrados que favoreceram o
candidato foi de 160/400=0,40

37
Situação 2
Um fabricante de pneus desenvolveu um novo tipo de pneu
concebido para proporcionar um aumento de quilometragem à
atual linha de pneus da empresa. Para estimar o número médio
de quilômetros proporcionados, o fabricante coletou uma
amostra de 120 pneus para teste.

Os resultados do teste forneceram uma média da amostra de

36.500 quilômetros. Portanto, uma estimativa média da
quilometragem para a população dos novos pneus foi de
36.500 quilômetros.
38
 Probabilística vs Não
probabilística
Custo: Não probabilística, em geral, é
mais barata.
Tempo: Não probabilística, em geral, é
mais rápida.
Extensão dos resultados da amostra
para a população: só a amostragem
probabilística permite o uso da
inferência estatística nessa extensão. 39
 Exemplo

Deseja-se avaliar a eficácia de uma nova

metodologia de ensino.

Como coletar os dados?

Conglomerado, uma sala de

aula
Simples, Números aleatorios
e selecionar pessoas para
analisar 40
Entrevistar prof e alunos
 Tipos de Estudos

Observacionais

Estudos

Experimentais

41
 Planejamento da Pesquisa
De um modo geral o plano de uma pesquisa pode ser
observacional ou experimental.
Observacional: coletamos informações sobre variáveis
categóricas e numéricas de interesse, em indivíduos de um ou
mais grupos, mas não realizamos intervenções.
Exemplos: levantamento populacional, levantamento amostral
e estudo epidemiológico. Quanto à forma de obtenção dos
dados: prospectivo, retrospectivo e transversal.
Experimental: coletamos as informações como no caso
anterior, mas os resultados são influenciados pelo pesquisador
com intervenções. Em geral é necessário grupo controle.
Exemplos: ensaios clínicos, experimentos na área de
agronomia, nas áreas industriais, em laboratórios. A forma de
obtenção dos dados é prospectiva, longitudinal, em geral.
42
 Censo
Todas as unidades amostrais da população
são pesquisadas (amostra = população).
Vantagem: é possível conhecer com
exatidão todas as características da
população (não há erro amostral).
Desvantagens:
• pode ser caro e demorado (trabalhoso).
• em algumas situações não é factível, pois o
processo de observação das variáveis leva à
destruição das unidades amostrais.
43
 Discriminação
A sua empresa está sendo acusada de
pagar um salário maior para os homens
do que para as mulheres. Para justificar
a acusação, apresentou-se uma lista de
salários de uma amostra de
funcionários. Você tem motivos para se
preocupar? Justifique!

44
Discriminação.xls
Sexo Anos no Salário Sexo Anos no Salário
emprego emprego
fem 0 24 masc 3 35
fem 0 27 masc 5 30
fem 0 29 masc 6 25
fem 0 33 masc 6 36
fem 1 26 masc 6 37
fem 2 30 masc 6 49
fem 3 32 masc 9 35
fem 4 37 masc 9 40
fem 5 27 masc 9 41
fem 5 35 masc 12 55
fem 6 34 masc 12 56
fem 6 36 masc 14 46
fem 6 37 masc 15 33
fem 6 44 masc 15 48
fem 7 31 masc 18 39
fem 7 35 masc 18 52
fem 8 35 masc 19 38
fem 9 35 masc 20 46
fem 9 36 masc 20 55
fem 9 39 masc 21 39
fem 16 40 masc 22 42
fem 20 56 masc 22 69
masc 25 68
masc 27 64
45
Ramo e folhas dos salários anuais (em
salários mínimos) de homens e mulheres

20 20 4
25 5 25 6 7 7 9
30 0 3 30 0 1 2 3 4
35 5 5 6 7 8 9 9 35 5 5 5 5 6 6 7 7 9
40 0 1 2 40 0 4
45 6 6 8 9 45
50 2 50
55 5 5 6 55 6
60 4 60 Mulheres
Homens
65 8 9 65

46
 Boxplot dos salários
(visão aérea dos dados)

70

60

50
Salario

40

30

20

fem masc
Sexo

47
 Estatísticas Descritivas

Estatística Homens Mulheres

Média 44,9 34,5
Mediana 41,5 35,0
Desvio-padrão 11,7 6,9
n 24 22

48
 Problema
Os funcionários amostrados são
comparáveis?

Tempo médio no emprego

Homens - 14,1 anos – DP = 7,0 anos
Mulheres - 5,9 anos – DP = 0,85 anos

49
 Ajuste de Curvas
Existe relação entre salário e tempo no emprego?
Gráfico de dispersão

80
70
60
50
Salário

40
30
20
10
0
0 5 10 15 20 25 30
Tempo no emprego

50
 Diagrama de Dispersão
Gráfico de dispersão

80
70
y = 1.1225x + 27.872
60
50
Salário

40
30
y = 1.0664x + 29.854
20
10
0
0 5 10 15 20 25 30
tempo no emprego

51
 Dados Qualitativos
O gerente do restaurante MC&M gostaria de planejar a
compra e estoque dos refrigerantes devido ao volume que
eles ocupam no seu armazém. Para isso, ele vai analisar
os tipos de refrigerantes (A, B, C e outros) pedidos num
dia típico de funcionamento. Os dados obtidos são:

A A A C A Outros B A C B
B Outros A Outros B A B A B A
C A B A A B B B B B
Outros B C B A C C A C C
A B A A A B A A A Outros

52
 Freqüência Relativa e
Porcentagem
refrigerante freqüência freqüência relativa Porcentagem
A 21 0,42 42%
B 16 0,32 32%
C 8 0,16 16%
Outros 5 0,10 10%
Total 50

Ação prioritária: Os estoques dos refrigerantes devem

priorizar A e B, pois respondem por 74% dos pedidos.

A tabela de freqüências permite obter dois gráficos

muito utilizados:
 gráfico de setores
 gráfico de barras
53
 TABELAS E GRÁFICOS
Dados Qualitativos
Gráfico de setores Gráfico de barras

Tipo de Refrigerante Tipo de refrigerante

42
Outros 45
10% 40 32
C
A 35

Porcentagem
16%
42% 30
25
16
20
15 10
10
B 5
32% 0
A B C Outros

Esses gráficos são facilmente obtidos nas planilhas

eletrônicas como o Excel
54
Tabela e gráfico de dados quantitativos
O gerente de MC&M gostaria agora de obter informações a
respeito das vendas diárias (em milhares de garrafas) de
refrigerantes num mês. Os dados obtidos foram:

43 32 62 54 49
48 61 50 42 62
39 59 35 76 48
51 49 23 55 40
46 63 62 36 43
46 44 52 46 57

Observe que nesse caso não é apropriado montar a tabela

de freqüência contando a repetição de cada resultado uma
vez que a possibilidade de repetição é muito baixa. Quando
os dados têm muitas possibilidades de resultados, faz-se a
contagem dos resultados de acordo com um intervalo pré-
estabelecido, denominado de classe. 55
 Distribuição de freqüências
 DIVIDIR OS DADOS EM CLASSES
 AMPLITUDE IGUAIS
 CONTAR QUANTAS OBSERVAÇÕES EM CADA
CLASSE - FREQUÊNCIA ABSOLUTA
 DIVIDIR PELO NÚMERO TOTAL DE
OBSERVAÇÕES - FREQUÊNCIA RELATIVA

56
 Determinação do tamanho das
classes
 MÁXIMO = 76 E MÍNIMO = 23
 AMPLITUDE DE VARIAÇÃO = MAX - MIN = 76 - 23 =
53
 NÚMERO DE CLASSES = aproximadamente n
 TAMANHO DAS CLASSES :

Amplitude 53
  10
n º de classes 30

57
 Tabela e gráfico de dados quantitativos
43 32 62 54 49 Pertencem à classe
48 61 50 42 62 que vai de 30 (exclusive)
39 59 35 76 48
até 40 (inclusive).
51 49 23 55 40
46 63 62 36 43
46 44 52 46 57

classe
inf sup freq. absoluta freq. relativa tamanho classe densidade
inf sup freqüência
20 ----| 30 1 0,0333 10,00 0,0033
20 ----| 30 Contagem para 30 ----| 40 5 0,1667 10,00 0,0167
30 ----| 40 5 40 ----| 50 12 0,4000 10,00 0,0400
40 ----| 50
cada intervalo 50 ----| 60 6 0,2000 10,00 0,0200
50 ----| 60
60 ----| 70 5 0,1667 10,00 0,0167
60 ----| 70
70 ----| 80 1 0,0333 10,00 0,0033
70 ----| 80 30 1,0000

Densidade = freq. relativa / tamanho da classe

Essa tabela possibilita a montagem de um gráfico chamado de Histograma

58
Freqüência absoluta, freqüência Relativa ou densidade
 Tabela e gráfico de dados quantitativos
inf sup freq. absoluta freq. relativa tamanho classe densidade

20 ----| 30 1 0.0333 10.00 0.0033

30 ----| 40 5 0.1667 10.00 0.0167
40 ----| 50 12 0.4000 10.00 0.0400
50 ----| 60 6 0.2000 10.00 0.0200
60 ----| 70 5 0.1667 10.00 0.0167
70 ----| 80 1 0.0333 10.00 0.0033
30 1.0000
Histograma - Venda de refrigerantes

0.0450
0.0400
0.0350

Denmsidade
0.0300
0.0250
0.0200
0.0150
0.0100
0.0050
Histograma 0.0000
20 --| 30 30 --| 40 40 --| 50 50 --| 60 60 --| 70 70 --| 80

Vendas (milhares de garrafas)

Observou-se que as vendas diárias concentram-se entre 30 e 70,

podendo ocorrer esporadicamente vendas abaixo de 30 e acima de 70.
Dessa tabela podemos obter outra medida de freqüência chamado
60
freqüência acumulada e freqüência acumulada relativa.
A freqüência acumulada da classe é a soma da freqüência da
classe em questão e da freqüência acumulada anterior à classe em
questão. Para iniciar, consideramos que a freqüência acumulada da
primeira classe é igual ao valor da freqüência da classe

inf sup freqüência Freq. Acumulada

20 ----| 30 1 = 1
5+1
30 ----| 40 5 6
12 + 6 18
40 ----| 50 12
6 + 18
50 ----| 60 6 24
5 + 24
60 ----| 70 5 29
1 + 29
70 ----| 80 1 30
total 30
Os valores da freqüência acumulada indicam a quantidade de dados
que são menores ou iguais ao limite superior da classe. Por exemplo a
freqüência acumulada da terceira classe é igual a 18. Isso indica que em
18 de 30 dias, vendeu-se 50 mil ou menos garrafas de refrigerante por
dia. Pode-se também raciocinar complementarmente, isto é, em 12 de
30 dias vendeu-se mais de 50 mil garrafas de refrigerante por dia.
Obs.: o valor 12 foi obtido pela diferença entre 30 e 18. 61
 Podemos obter a freqüência acumulada relativa pela
divisão da freqüência acumulada pelo total de dados (n).

inf sup freqüência Freq. Acumulada Freq. Acum. relativa

20 ----| 30 1 1 1 / 30 0,03
30 ----| 40 5 6 6 / 30 0,20
40 ----| 50 12 18 18 / 30 0,60
50 ----| 60 6 24 24/ 30 0,80
60 ----| 70 5 29 29 / 30 0,97
70 ----| 80 1 30 30 / 30 1,00
total 30
Os valores da Freqüência acumulada (relativa) indicam a
quantidade (fração) de dados que são menores ou iguais ao
limite superior da classe.
Por exemplo: A freqüência acumulada relativa da terceira
classe é 0,60. Isso indica que em 60% dos dias vendeu-se 50
mil ou menos garrafas de refrigerante diariamente ou que em
40% dos dias vendeu-se mais de 50 mil garrafas de
62
refrigerante por dia.
Tabela e gráfico de dados quantitativos

Gráfico da freq. acumulada ou ogiva

Porcentagem acumulada

100,00

80,00

60,00
40,00

20,00

0,00
30 40 50 60 70 80
Venda (milhares de unidades)

Qual a chance de vender mais de 55.000 garrafas de

refrigerante num determinado dia?
63
 Histograma - Densidade
Distribuição de freqüências da variável salário
numa determinada empresa

Salário freq. relativa

[0, 2) 0.31
[2, 4) 0.20
[4, 8) 0.15
[8, 12) 0.10
[12, 16) 0.05
[16, 25) 0.08
[25, 50) 0.11
64
 Histograma - Densidade
Distribuição de freqüências da variável salário
numa determinada empresa.
Salário freq. relativa amplitude densidade
[0, 2) 0.31 2.00 0.1550
[2, 4) 0.20 2.00 0.1000
[4, 8) 0.15 4.00 0.0375
[8, 12) 0.10 4.00 0.0250
[12, 16) 0.05 4.00 0.0125
[16, 25) 0.08 9.00 0.0089
[25, 50) 0.11 25.00 0.0044
Densidade = freq. relativa / amplitude da classe
65
 Histograma - Densidade

Densidade

[0, 2) [2, 4) [4, 8) [8, 12) [12, 16) [16, 25) [25, 50)
salário

66
 Histograma - Densidade
Calcular a área sob o histograma feito utilizando-se a
densidade como altura.
Área = 1
O nome densidade é dado para distribuições cuja
área sob a curva é igual a 1.
Pq construir um histograma com classes de
tamanhos diferentes? Para que em algumas classes
não ocorram saltos no histograma, presença de
classes vazias. A assimetria da variável influencia na
construção do histograma, por exemplo, salários.
67
 Exemplo
O gerente comercial de uma editora deseja
estudar o preço de venda de um pequeno livro
de histórias infantis em 2 municípios: A e B.
Para estudar a distribuição de preços, foram
tomados os preços praticados por uma amostra
de 25 distribuidoras do município A e de 20
distribuidoras do município B.

68
 Dados
Município
A B
14,80 12,90 21,30 20,30
18,20 20,90 20,70 19,60
13,60 19,30 20,70 19,20
15,50 14,40 19,90 18,50
12,00 15,10 20,30 18,60
13,70 13,10 21,10 20,30
16,00 15,50 19,60 20,10
17,30 14,30 19,30 19,90
14,40 15,10 20,80 21,00
16,10 15,80 19,70 18,90
26,80 13,00
12,10 14,90
17,00
69
 Ramo-e-Folhas – Município A
12 0 10 90 12 0 10 90
Dados 13 60 70 10 0 13 0 10 60 70
14,80 12,90 14 80 40 40 30 90 14 30 40 40 80 90
18,20 20,90 15 50 10 50 10 80 15 10 10 50 50 80
13,60 19,30 16 0 10 16 0 10
15,50 14,40 17 30 0 17 0 30
12,00 15,10 18 20 Análise
18 20
13,70 13,10 19 30 19 30
16,00 15,50 20 90
• Distribuição
20 90assimétrica
17,30 14,30 de preços;21
21
14,40 15,10 22 • Grande22 variabilidade;
16,10 15,80 23 23
26,80 13,00 • Preço típico
24
entre 13 e 16;
24
12,10 14,90 25 • Presença 25 de um valor
17,00 aberrante26(outlier).
80
26 80

70
 Ramo-e-Folhas – Município B
Dados 18 50 60 90
21,30 20,30 19 20 30 60 60 70 90 90
20,70 19,60
20 10 30 30 30 70 70 80
20,70 19,20
19,90 18,50 21 0 10 30
20,30 18,60
21,10 20,30 Análise
19,60 20,10
• Distribuição pouco assimétrica;
19,30 19,90
20,80 21,00 • Pequena variabilidade de preços;
19,70 18,90 • Preço típico entre 19 e 21;
• Não há valores aberrantes.

71
Ramo-e-folhas - Comparação
12 00 10 90 12
13 60 70 10 00 13
14 80 40 40 30 90 14 Município B
15 50 10 50 10 80 15
16 00 10 16
17 30 00 17
18 20 18 50 60 90
19 30 19 90 60 30 70 60 20 90
20 90 20 70 70 30 80 30 30 10
21 21 30 10 00
22 Município A 22
23 23
24 24
25 25
26 80 26
72
 Exercício no Excel
Construir um histograma para cada um dos municípios (usando
classes de tamanho R$1,00) e compará-los de acordo com a
distribuição dos preços praticados pelos municípios.
Histograma - Município A

0.50

0.40
Densidade

0.30

0.20

0.10

0.00
12 --| 13 13 --| 14 14 --| 15 15 --| 16 16 --| 17 17 --| 18 18 --| 19 19 --| 20 20 --| 21 21--| 22 22 --| 23 23 --| 24 24 --| 25 25 --| 26 26 --| 27

Preço em R$

Histograma - Município B

0.5

0.4
Densidade

0.3

0.2

0.1

0
12 --| 13 13 --| 14 14 --| 15 15 --| 16 16 --| 17 17 --| 18 18 --| 19 19 --| 20 20 --| 21 21--| 22 22 --| 23 23 --| 24 24 --| 25 25 --| 26 26 --| 27
73
Preço em R$
Escolhendo uma aplicação
Você foi contratado para trabalhar no
departamento financeiro de uma
empresa. Sua primeira tarefa é sugerir
uma aplicação à empresa. Você pode
aplicar na PPN (empresa do setor
petroquímico) ou nas ações que
compõem o fundo IBP.
Que informações você gostaria de ter?
(IBP_PPN_aula.xls)
74
Fechamento – IBP
Agosto/94 a Janeiro/04

76
Fechamento – PPN
Agosto/94 a Dezembro/03

77
 -3
-2
-1
0
1
2
3
4
02/08/1994
02/12/1994
02/04/1995
02/08/1995
02/12/1995
02/04/1996
02/08/1996
02/12/1996
02/04/1997
02/08/1997
02/12/1997
02/04/1998
02/08/1998
02/12/1998
02/04/1999
02/08/1999
02/12/1999
02/04/2000
02/08/2000
Agosto/94 a Janeiro/04

02/12/2000
02/04/2001
02/08/2001
02/12/2001
02/04/2002
02/08/2002
02/12/2002
Retornos diários (%) – IBP

02/04/2003
78

02/08/2003
02/12/2003
 -15
-10
-5
0
5
10
15
20
02/08/1994

02/12/1994

02/04/1995

02/08/1995

02/12/1995

02/04/1996

02/08/1996

02/12/1996

02/04/1997

02/08/1997

02/12/1997

02/04/1998

02/08/1998

02/12/1998

02/04/1999
Retorno

02/08/1999

02/12/1999

02/04/2000

02/08/2000

02/12/2000

02/04/2001

02/08/2001
PN Agosto/94 a Dezembro/03

02/12/2001

02/04/2002

02/08/2002

02/12/2002

02/04/2003
79

02/08/2003
Retornos (%) diários– PPN

02/12/2003
 Comparação dos retornos
IBP

2,1

1,6

1,1

0,6

0,1

-0,4,0 3 ,8 6 ,7 0 ,5 4 ,3 8 ,2 1 ,0 5 ,11 ,27 ,44 ,60 ,76

-1 -0 -0 -0 -0 -0 -0 0 0 0 0 0
Retornos
PPN

0,85

Densidade de freqüência
0,75
0,65
0,55
0,45
0,35
0,25
0,15
0,05
-0,05

27

77

28

78

28

78
4

3
,7

,2

,7

,2

,7

,2
0,

0,

1,

1,

2,

2,
-2

-2

-1

-1

-0

-0 Retorno
 Retorno IBP
Agosto/99-Janeiro/04

Histograma Alisado - IBP

5000
4500
4000
3500
Densidade

3000
2500
2000
1500
1000
500
0

0.05

0.20

0.35

0.50

0.65

0.80

0.95
-1.00

-0.85

-0.70

-0.55

-0.40

-0.25

-0.10

Retorno (%)

81
Comparação dos retornos
Histogramas alisados
Densidade de freqüência

1,5
IBP
1
PPN
0,5

0
-3,0 -2,0 -1,0 0,0 1,0 2,0 3,0
Retornos

82
Comparação dos retornos
Gráfico da freqüência acumulada

1
Frequência acumulada

0,9
0,8
0,7
0,6 IBP
0,5
0,4 PPN
0,3
0,2
0,1
0
-3,0 -2,0 -1,0 0,0 1,0 2,0 3,0
Retornos

83
Exercício - Bussab e Morettin (pg. 26)

A Editora Moderna, desejando melhorar o nível

de seus funcionários em cargos de chefia,
montou um curso experimental e indicou 25
funcionários para a 1ª turma. Como havia
dúvidas quanto à adoção de um único critério de
avaliação, cada instrutor adotou seu próprio
sistema de aferição. Usando os dados da tabela
a seguir, responda as questões:

84
 Dados
Func Seção Administração Direito Redação Estatística Inglês Metodologia Política Economia
1 P 8.0 9.0 8.6 9.0 B A 9.0 8.5
2 P 8.0 9.0 7.0 9.0 B C 6.5 8.0
3 P 8.0 9.0 8.0 8.0 D B 9.0 8.5
4 P 6.0 9.0 8.6 8.0 D C 6.0 8.5
5 P 8.0 9.0 8.0 9.0 A A 6.5 9.0
6 P 8.0 9.0 8.5 10.0 B A 6.5 9.5
7 P 8.0 9.0 8.2 8.0 D C 9.0 7.0
8 T 10.0 9.0 7.5 8.0 B C 6.0 8.5
9 T 8.0 9.0 9.4 9.0 B B 10.0 8.0
10 T 10.0 9.0 7.9 8.0 B C 9.0 7.5
11 T 8.0 9.0 8.6 10.0 C B 10.0 8.5
12 T 8.0 9.0 8.3 7.0 D B 6.5 8.0
13 T 6.0 9.0 7.0 7.0 B C 6.0 8.5
14 T 10.0 9.0 8.6 9.0 A B 10.0 7.5
15 V 8.0 9.0 8.6 9.0 C B 10.0 7.0
16 V 8.0 9.0 9.5 7.0 A A 9.0 7.5
17 V 8.0 9.0 6.3 8.0 D C 10.0 7.5
18 V 6.0 9.0 7.6 9.0 C C 6.0 8.5
19 V 6.0 9.0 6.8 4.0 D C 6.0 9.5
20 V 6.0 9.0 7.5 7.0 C B 6.0 8.5
21 V 8.0 9.0 7.7 7.0 D B 6.5 8.0
22 V 6.0 9.0 8.7 8.0 C A 6.0 9.0
23 V 8.0 9.0 7.3 10.0 C C 9.0 7.0
24 V 8.0 9.0 8.5 9.0 A A 6.5 9.0
25 V 8.0 9.0 7.0 9.0 B A 9.0 8.5

85
Exercício - Bussab e Morettin (pg. 26)
a) Após observar cada variável e com o intuito de
resumi-las, classifique cada uma delas.
b) Construa gráficos e tabelas para cada uma das
variáveis envolvidas no problema.
c) Compare e indique as diferenças existentes
entre as distribuições das variáveis Direito, Política
e Estatística.
Entregar exercício, na próxima aula, em grupos
de até 3 alunos. 86