FINANÇAS - ESTATÍSTICA

Apresentação em tema: "FINANÇAS - ESTATÍSTICA"— Transcrição da apresentação:

1 FINANÇAS - ESTATÍSTICA
CURSO DE PÓS GRADUAÇÃO FINANÇAS - ESTATÍSTICA Marcus Bessa –

2 A estatística é uma parte da matemática aplicada que fornece métodos para a coleta, organização, descrição, análise e interpretação de dados para a utilização dos mesmos na tomada de decisões. Segundo o estatístico Jean-Claude Garnier a estatística passa do certo desconhecido para o conhecido incerto. Por meio de sondagem, de coleta de dados e de recenseamento de opiniões, podemos conhecer a realidade geográfica e social, os recursos naturais, humanos e financeiros disponíveis, as expectativas da comunidade sobre a empresa, e estabelecer suas metas, seus objetivos com maior possibilidade de serem alcançados a curto, médio ou longo prazos.

3 Variável – É, convencionalmente, o conjunto de resultados possíveis de um fenômeno. São tipos de variáveis: Qualitativa – quando seus valores são expressos por atributos: sexo (masculino – feminino), cor da pele (branca, preta, amarela, vermelha, parda) etc. Quantitativa – quando seus valores são expressos em números (salário dos funcionários, idade dos alunos etc). Uma variável quantitativa que pode assumir, qualquer valor entre dois limites recebe o nome de variável contínua: uma variável que só pode assumir valores pertencentes a um conjunto enumerável recebe o nome de variável discreta.

4 Classifique as variáveis abaixo em qualitativas ou quantitativas (discretas ou contínuas):
a) População: Estação meteorológica de uma cidade. Variável: precipitação pluviométrica, durante o ano. Resp.: b) P: Alunos de uma cidade. V: Cor dos olhos. c) P: Bolsa de valores de São Paulo. V: Número de ações negociadas. d) P: Funcionários de uma empresa. V: Salários. Quantitativa contínua Qualitativa Quantitativa discreta Quantitativa contínua

5 População – Ao conjunto de entes portadores de, pelo menos, uma característica comum denominamos População estatística ou Universo estatístico. Amostra – É um subconjunto finito de uma população. Amostragem – É uma técnica especial para recolher amostras, que garante, tanto quanto possível, o acaso na escolha. Tipos de amostragem: Amostragem casual ou aleatória simples – pode ser realizada numerando-se a população de 1 a n e sorteando-se, a seguir, por meio de um dispositivo aleatório qualquer. Podemos exemplificar através do sorteio lotérico.

6 Amostragem proporcional estratificada – Como é provável que a variável em estudo apresente, de estrato em estrato, um comportamento heterogêneo e, dentro de cada estrato, um comportamento homogêneo, convém que o sorteio dos elementos da amostra leve em consideração tais estratos. Ou seja, consideramos a existência dos estratos, obtendo os elementos da amostra proporcional ao número de elementos dos mesmos. Amostragem sistemática – Quando os elementos da população já se acham ordenados, não há necessidade de construir o sistema de referência. São exemplos os prontuários médicos de um hospital, os prédios de uma rua, linhas de produção etc. Nesses casos, a seleção dos elementos que constituirão a amostra pode ser feita por sistema de imposto pelo pesquisador.

7 Séries estatísticas - É toda tabela que apresenta a distribuição de um conjunto de dados estatísticos em função da época, do local ou da espécie. Podemos exemplificar através da distribuição de freqüência. Dados absolutos - São dados estatísticos resultantes da coleta direta da fonte, sem outra manipulação senão a contagem ou medida. Dados relativos – São o resultado de comparações por quociente (razões) que se estabelecem entre os dados absolutos e têm por finalidade realçar ou facilitar as comparações entre quantidades. Traduzem-se os dados relativos, em geral, por meio de percentagens, índices, coeficientes e taxas. Índices – São razões entre duas grandezas tais que uma não inclua a outra. Exemplo: Índice demográfico (ou densidade demográfica) = população superfície

8 Coeficientes – São as razões entre o número de ocorrências e o número total (número de ocorrências e o número de não ocorrências). Exemplo: Coeficiente de natalidade = número de nascimento população Taxas – São os coeficientes multiplicados por uma potência de 10 (10, 100, 1000 etc.). Exemplos: Taxa de natalidade = coeficiente de natalidade x 1000. Taxa de evasão escolar = coeficiente de evasão escolar x 1000

9 Estatura de 40 alunos do colégio A
DISTRIBUIÇÃO DE FREQÜÊNCIA Rol – É um tipo de tabela, cujos elementos não foram numericamente organizados. Também é denominado tabela primitiva. 166 160 161 150 162 165 167 164 168 163 156 173 155 152 169 151 170 154 172 153 157 158 Tabela 1 Estatura de 40 alunos do colégio A

10 ESTAT. (CM) FREQ. 150 151 152 153 154 155 156 157 1 4 3 ESTAT. (CM) FREQ. 158 160 161 162 163 164 165 166 2 5 4 3 1 ESTAT. (CM) FREQ. 167 168 169 170 172 173 1 2 Total 40 No exemplo que trabalhamos, a variável em questão, estatura, será observada e estudada muito mais facilmente quando dispusermos valores ordenados em uma coluna e colocarmos, ao lado de cada valor, o número de vezes que aparece repetido. Denominamos freqüência o número e alunos que fica relacionado a um determinado valor da variável. Obtemos, assim, uma tabela que recebe o nome de distribuição de freqüência.

11 ESTATURAS (cm) FREQÜÊNCIA 150 ⌐ 154 154 ⌐ 158 158 ⌐ 162 162 ⌐ 166 166 ⌐ 170 170 ⌐ 174 4 9 11 8 5 3 Total 40 O processo anterior ainda é inconveniente, já que exige um espaço muito grande, mesmo quando o número de valores da variável (n) é de tamanho razoável. Sendo possível, a solução mais aceitável, pela própria natureza da variável contínua, é o agrupamento dos valores em vários intervalos, sendo que, em estatística, preferimos chamar os intervalos de Classes.

12 ELEMENTOS DE UMA DISTRIBUIÇÃO DE FREQÜÊNCIA
Classes de freqüência – São intervalos de variação da variável. Limites de classe – São os extremos de cada classe. A saber: O limite inferior (li) é o menor número da classe; O limite superior (Li) é o maior número da classe. Amplitude de um interalo de classe (h) – É a medida do intervalo que define a classe. Será obtido pela diferença entre o limite superior e o limite inferior de cada classe. Ou seja: h = Li - li

13 Amplitude total da distribuição (AT) – É a diferença entre o limite superior da última classe (limite superior máximo) e o limite inferior da primeira classe (limite inferior mínimo). Ou seja: AT = L(máx.) – l(mín.) Amplitude amostral (AA) – É a diferença entre o valor máximo e o valor mínimo da amostra. Ou seja: AA = x(máx.) – x(mín.) Ponto médio de uma classe (xi) – É, como o próprio nome indica, o ponto que divide o intervalo de classe em duas partes iguais. Ou seja: xi = Li + li 2

14 Freqüência simples ou absolutas (fi) – São os valores que realmente representam o número de dados de cada classe. A soma das freqüências simples é igual ao número de total dos dados. Σfi = n Freqüência relativas (fri) – São os valores das razões entre as freqüências simples e a freqüência total. Ou seja: fri = fi Σfi Freqüência acumulada (Fi) – è o total das freqüências de todos os valores inferiores ao limite superior do intervalo de uma dada classe. Fk = f1 + f2 + f fk

15 De acordo com os dados da Tabela 1, podemos montar a seguinte tabela com as freqüências estudadas:
ESTATURAS (cm) fi xi fri Fi Fri 1 2 3 4 5 6 150 ⌐ 154 154 ⌐ 158 158 ⌐ 162 162 ⌐ 166 166 ⌐ 170 170 ⌐ 174 9 11 8 152 156 160 164 168 172 0,100 0,225 0,275 0,200 0,125 0,075 13 24 32 37 40 0,325 0,600 0,800 0,925 1,000 Σ = 40 Σ = 1,000 Freqüência acumulada relativa (Fri) – É a freqüência acumulada da classe, dividida pela freqüência total da distribuição. Ou seja: Fri = Fi Σfi

16 Faça a distribuição dos dados abaixo:
Exercícios: Faça a distribuição dos dados abaixo: a) Sendo limite inferior 30 e 10 para intervalo de classe: 84 68 33 52 47 73 61 77 74 71 81 91 65 55 57 35 85 88 59 80 41 50 53 76 60 67 78 56 94 45 64 66 48 39 69 89 98 42 54

17 b) Os resultados obtidos pelo lançamento de um dado 50 vezes foram os seguintes:
6 5 2 4 3 1

18 Respostas: a) fi xi fri Fi Fri i NOTAS 1 2 3 4 5 6 7 30 ⌐ 40 40 ⌐ 50
30 ⌐ 40 40 ⌐ 50 50 ⌐ 60 60 ⌐ 70 70 ⌐ 80 80 ⌐ 90 90 ⌐ 100 9 11 35 45 55 65 75 85 95 0,080 0,120 0,180 0,220 0,140 10 19 30 39 46 50 0,200 0,380 0,600 0,780 0,920 1,000 Σ = 50 Σ = 1,000

19 Respostas: b) xi fi fri Fi Fri 1 2 3 4 5 6 8 9 7 10 0,120 0,160 0,180
0,140 0,200 14 23 30 40 50 0,280 0,460 0,600 0,800 1,000 Σ = 50 Σ = 1,000

20 Medidas de Posição - São estatísticas que representam uma série de dados orientando-nos quanto à posição da distribuição em relação ao eixo horizontal (eixo das abscissas). As medidas de posição mais importantes são as medidas de tendência central, que recebem tal denominação pelo fato de os dados observados tenderem, em geral, a se agrupar em torno dos valores centrais. Dentre as medidas de tendência central, destacamos: a. a média aritmética; b. a mediana; c. a moda. As outras medidas de posição dão as separatrizes, que englobam: a. a própria mediana; b. os quartis; c. os percentis.

21 Média Aritmética ( X ) - É o quociente da divisão da soma dos valores da variável pelo número deles: ( dados não agrupados) X = Σ xi n Sendo: X – a média aritmética; xi – os valores da variável; n – o número de valores Exemplo: Sabendo-se que a produção leiteira da vaca A, durante uma semana, foi de 10, 14, 13, 15, 16, 18 e 12 litros, temos, para produção média da semana: X = = 98 = 14 7 7

22 Observação: Quando o número que representativo da média não está representado nos dados originais, costumamos dizer que a média não tem existência concreta. Desvio em relação à média - Denominamos desvio em relação à média a diferença entre cada elemento de um conjunto de valores e a média aritmética. O somatório dos desvios em relação à média será igual a zero. Fórmula: di = xi - X

23 Dados Agrupados: Sem intervalo de classes
MÉDIA ARITMÉTICA Dados Agrupados: Sem intervalo de classes Idade (xi) fi fi.xi 1 2 3 4 6 10 12 20 36 16 Σ = 34 Σ fi.xi = 78 Fórmula: X = Σ fixi Σ fi X = 2,29

24 Dados Agrupados: Com intervalo de classes
MÉDIA ARITMÉTICA Dados Agrupados: Com intervalo de classes i Estaturas (cm) fi xi fi.xi 1 2 3 4 5 6 150 ⌐ 154 154 ⌐ 158 158 ⌐ 162 162 ⌐ 166 166 ⌐ 170 170 ⌐ 174 9 11 8 152 156 160 164 168 172 608 1404 1760 1312 840 516 Σ = 40 Σ fi.xi = 6440 Fórmula: X = Σ xifi Σ fi X = 161

25 Exercícios: Média Aritmética
1- Um produto é vendido em três supermercados por R$ 13,00/kg, R$ 13,20/kg e R$ 13,50/kg. Determine quantos R$/kg se paga em média pelo produto. 2- Uma loja vende cinco produtos básicos A, B, C, D, E. O lucro por unidade comercializada destes produtos vale respectivamente R$ 200,00, R$ 300,00, R$ 500,00, R$ 1.000,00, R$ 5.000,00. A loja vendeu em determinado mês 20, 30, 20, 10, 5 unidades respectivamente. Qual foi lucro médio por unidade comercializada por esta loja? 3- Um caminhão cujo peso vazio é 3.000,00 kg será carregado com 480 caixas de 10 kg cada, 350 caixas de 8 kg cada, 500 caixas de 4 kg cada, 800 caixas de 5 kg cada. O motorista do caminhão pesa 80 kg e a lona de cobertura pesa 50 kg. (a) Se este caminhão tem que passar por uma balança que só permite passagens a caminhões com peso de 15 toneladas, este caminhão passará pela balança? (b) Qual o peso médio das caixas carregadas no caminhão?

26 Exercícios: Média Aritmética
4- Calcule a média das idades dos alunos de uma classe: Idades fi 17 18 19 20 21 3 8 4 Σ = 50 Acidentes fi 1 2 3 4 30 5 Σ = 40 5- Calcule o número médio de acidentes por dia em uma determinada esquina:

27 i i Exercícios: Média Aritmética
6- O salário de 40 funcionários de um escritório está distribuído segundo o quadro ao lado. Calcule o salário médio destes funcionários. i Salários (R$) fi 1 2 3 4 5 6 400 ⌐ 500 500 ⌐ 600 600 ⌐ 700 700 ⌐ 800 800 ⌐ 900 900 ⌐ 1000 12 15 8 Σ = 40 i Aluguel (R$) fi 1 2 3 4 5 0 ⌐ 200 200 ⌐ 400 400 ⌐ 600 600 ⌐ 800 800 ⌐ 1000 30 52 28 7 Σ = 120 7- Uma imobiliária gerencia o aluguel de residências particulares, seguindo o quadro ao lado. Calcule o aluguel médio para estas residências

28 Moda (Mo) - Denominamos Moda o valor que ocorre com maior freqüência em uma série de valores.
Dados não-agrupados Quando lidamos com valores não-agrupados, a moda é facilmente reconhecida: Exemplos: 7, 8, 9, 10, 10, 10, 11, 12, 13, 15 – A moda é 10 3, 5, 8, 10, 12, 13 – não apresenta moda (amodal) 2, 3, 4, 4, 4, 5, 6, 7, 7, 7, 8, 9 – temos duas modas: 4 e 7 (bimodal) Dados agrupados: Sem intervalo de classes Uma vez agrupados os dados, é possível determinar imediatamente a moda basta fixar o valor da variável de maior freqüência.

29 MODA - Dados agrupados: Com intervalos de classe
A classe com maior freqüência é denominada classe modal. Pela definição, podemos afirmar que a moda, neste caso, é o valor dominante que está compreendido entre os limites da classe modal. O método mais simples para o cálculo da moda consiste em tomar o ponto médio da classe modal. Damos a esse valor a denominação de moda bruta. Mo = l* + L* 2 Onde: l* - Limite inferior da classe modal L*- Limite superior da classe modal

30 i Classe modal Mo = l + L 2 Mo = 158 + 162 Mo = 160
MODA - Dados agrupados: Com intervalos de classe i Estaturas (cm) fi 1 2 3 4 5 6 150 ⌐ 154 154 ⌐ 158 158 ⌐ 162 162 ⌐ 166 166 ⌐ 170 170 ⌐ 174 9 11 8 Σ = 40 Classe modal Mo = l + L 2 Mo = Mo = 160

31 MODA - Dados agrupados: Com intervalos de classe
Existe, para o cálculo da moda, outros métodos mais elaborados, como, por exemplo, o que faz uso da fórmula de Czuber: Mo = l* D x h* D1 + D2 onde: l* - Limite inferior da classe modal h*- É a amplitude da classe modal D1 = f* - f (ant) D2 = f* - f (post) f* - freqüência da classe modal f (ant) – freqüência simples da classe anterior à classe modal f (post) - freqüência simples da classe posterior à classe modal

32 i Classe modal Mo = 158 + 2 x 4 3 + 2 Mo = 159,6
MODA - Dados agrupados: Com intervalos de classe i Estaturas (cm) fi 1 2 3 4 5 6 150 ⌐ 154 154 ⌐ 158 158 ⌐ 162 162 ⌐ 166 166 ⌐ 170 170 ⌐ 174 9 11 8 Σ = 40 Mo = l* D x h* D1 + D2 Classe modal D1 = 11 – 9 = 2 D2 = 11 – 8 = 3 h* = 162 – 158 = 4 Mo = x 4 3 + 2 Mo = 159,6

33 Exercícios: Moda 1- Calcule a moda das séries abaixo:
2, 3, 5, 4, 5, 2, 5, 7 4, 12, 5, 9, 12, 4, 3 7, 7, 7, 7, 7 4, 5, 6, 6, 6, 7, 8, 8, 8, 9, 10, 10, 10, 11 2, 5, 9, 6, 10, 12 2- Calcule a moda das idades dos alunos de uma classe: Idades fi 17 18 19 20 21 3 8 4 Σ = 50

34 i Exercícios: Moda Acidentes fi 1 2 3 4 30 5 Σ = 40
1 2 3 4 30 5 Σ = 40 3- Calcule a moda de acidentes por dia em uma determinada esquina: i Salários (R$) fi 1 2 3 4 5 6 400 ⌐ 500 500 ⌐ 600 600 ⌐ 700 700 ⌐ 800 800 ⌐ 900 900 ⌐ 1000 12 15 8 Σ = 40 4- O salário de 40 funcionários de um escritório está distribuído segundo o quadro ao lado. Calcule a moda do salário destes funcionários.

35 Exercícios: Moda 5- Uma imobiliária gerencia o aluguel de residências particulares, seguindo o quadro ao lado. Calcule a moda do aluguel para estas residências i Aluguel (R$) fi 1 2 3 4 5 0 ⌐ 200 200 ⌐ 400 400 ⌐ 600 600 ⌐ 800 800 ⌐ 1000 30 52 28 7 Σ = 120 i Consumo por nota (R$) fi 1 2 3 4 5 6 0 ⌐ 50 50 ⌐ 100 100 ⌐ 150 150 ⌐ 200 200 ⌐ 250 250 ⌐ 300 10 28 12 Σ = 54 6- Calcule a moda para a distribuição de valores de 54 notas fiscais emitidas na mesma data, selecionadas em uma loja de departamentos:

36 Mediana (Md) - A mediana é outra medida de posição definida como o número que se encontra no centro de uma série de números, estando estes dispostos segundo uma ordem. Dados não-agrupados Dada a série de valores, como, por exemplo: 5, 13, 10, 2, 18, 15, 6, 16, 9. De acordo com a definição de mediana, o primeiro passo a ser dado é o da ordenação (crescente ou decrescente) dos valores: 2, 5, 6, 9, 10, 13, 15, 16, 18 Em seguida, tomamos aquele valor central que apresenta o mesmo número de elementos à direita e à esquerda. Em nosso exemplo, esse valor é o 10, já que, nessa série, há quatro elementos acima dele e quatro abaixo.

37 Mediana (Md) - Dados não-agrupados
Se, porém, a série dada tiver um número par de termos, a mediana será, por definição, qualquer dos números compreendidos entre os dois valores centrais da série. Convencionou-se utilizar o ponto médio. Assim, a série de valores: 2, 6, 7, 10, 12, 13, 18, 21 tem para mediana a média aritmética entre 10 e 12. Logo: Md = = 11 2

38 Mediana (Md) - Dados agrupados sem intervalo de classes
Nesse caso, é o bastante identificar a freqüência acumulada imediatamente superior à metade da soma das freqüências. A mediana será aquele valor da variável que corresponde a tal freqüência acumulada. Alunos fi Fi 1 2 3 4 6 10 12 8 18 30 34 Σ = 34 Sendo: Σfi = 34 = 17 Md = 2 A menor freqüência acumulada que supera esse valor é 18. Logo:

39 Mediana (Md) - Dados agrupados com intervalo de classes
Executaremos os seguintes passos: Determinamos as freqüências acumuladas; Calculamos Σfi 2 c) Marcamos a classe correspondente à freqüência acumulada imediatamente superior (classe mediana) e em seguida utilizaremos a fórmula: Σfi - F(ant) x h* Md = l* f* Sendo: l* - limite inferior da classe mediana; F(ant) – freqüência acumulada da classe anterior à classe mediana; f* - freqüência simples da classe mediana h* - amplitude do intervalo da classe mediana

40 Md = 160,55 Mediana (Md) - Dados agrupados com intervalo de classes i
Estaturas (cm) fi xi Fii 1 2 3 4 5 6 150 ⌐ 154 154 ⌐ 158 158 ⌐ 162 162 ⌐ 166 166 ⌐ 170 170 ⌐ 174 9 11 8 152 156 160 164 168 172 13 24 32 37 40 Σ = 40 Sendo: Σfi = 40 = 20 A menor freqüência acumulada que supera esse valor é 24. Logo a 3ª Classe será a Classe Mediana x 4 Md = 11 Md = 160,55

41 Exercícios: Mediana 1- Calcule a mediana das séries abaixo:
2, 3, 5, 4, 5, 2, 5, 7 4, 12, 5, 9, 12, 4, 3 7, 7, 7, 7, 7 4, 5, 6, 6, 6, 7, 8, 8, 8, 9, 10, 10, 10, 11 2, 5, 9, 6, 10, 12 2- Calcule a mediana das idades dos alunos de uma classe: Idades fi 17 18 19 20 21 3 8 4 Σ = 50

42 i Exercícios: Mediana Acidentes fi 1 2 3 4 30 5 Σ = 40
1 2 3 4 30 5 Σ = 40 3- Dado o número de acidentes por dia em uma determinada esquina: Calcule a mediana. i Salários (R$) fi 1 2 3 4 5 6 400 ⌐ 500 500 ⌐ 600 600 ⌐ 700 700 ⌐ 800 800 ⌐ 900 900 ⌐ 1000 12 15 8 Σ = 40 4- O salário de 40 funcionários de um escritório está distribuído segundo o quadro ao lado. Calcule a mediana.

43 i i Exercícios: Mediana
5- Uma imobiliária gerencia o aluguel de residências particulares, seguindo o quadro ao lado. Calcule a mediana do aluguel para estas residências i Aluguel (R$) fi 1 2 3 4 5 0 ⌐ 200 200 ⌐ 400 400 ⌐ 600 600 ⌐ 800 800 ⌐ 1000 30 52 28 7 Σ = 120 i Consumo por nota (R$) fi 1 2 3 4 5 6 0 ⌐ 50 50 ⌐ 100 100 ⌐ 150 150 ⌐ 200 200 ⌐ 250 250 ⌐ 300 10 28 12 Σ = 54 6- Calcule a mediana para a distribuição de valores de 54 notas fiscais emitidas na mesma data, selecionadas em uma loja de departamentos:

44 Medidas Separatrizes - São números que dividem a seqüência ordenada de dados em partes que contêm a mesma quantidade de elementos da série. Desta forma, a mediana que divide a seqüência ordenada em dois grupos, cada um deles contendo 50% dos valores da seqüência, é também uma medida separatriz. Além da mediana, as outras medidas separatrizes que destacaremos são: quartis, quintis, decis e percentis. Quartis – Se dividirmos a série ordenada em quatro partes, cada uma ficará com seus 25% de seus elementos. Os elementos que separam estes grupos são chamados de quartis. Assim, o primeiro quartil, que indicaremos por Q1, separa a seqüência ordenada deixando 25% de seus valores à esquerda e 75% de seus valores à direita. O segundo quartil, que indicaremos por Q2, separa a seqüência ordenada deixando 50% de seus valores à esquerda e 50% de seus valores à direita. Note que o Q2 é a Mediana da série. O terceiro quartil Q3 obedece a mesma regra dos anteriores.

45 Quintis – Se dividirmos a série ordenada em cinco partes, cada uma ficará com seus 20% de seus elementos. Os elementos que separam estes grupos são chamados de quintis. Assim, o primeiro quintil, que indicaremos por K1, separa a seqüência ordenada deixando 20% de seus valores à esquerda e 80% de seus valores à direita. De modo análogo são definidos os outros quintis. Decis – Se dividirmos a série ordenada em dez partes, cada uma ficará com seus 10% de seus elementos. Os elementos que separam estes grupos são chamados de decis. Assim, o primeiro decil, que indicaremos por D1, separa a seqüência ordenada deixando 10% de seus valores à esquerda e 90% de seus valores à direita. De modo análogo são definidos os outros decis.

46 De modo análogo são definidos os outros percentis.
Percentis – Se dividirmos a série ordenada em cem partes, cada uma ficará com 1% de seus elementos. Os elementos que separam estes grupos são chamados de centis ou percentis. Assim, o primeiro percentil, que indicaremos por P1, separa a seqüência ordenada deixando 1% de seus valores à esquerda e 99% de seus valores à direita. De modo análogo são definidos os outros percentis. Se observarmos que os quartis, quintis e decis são múltiplos dos percentis, então basta estabelecer a fórmula de cálculo de percentis. Todas as outras medidas podem ser identificadas como percentis. Ou seja: Q1 = P25 Q2 = P50 Q3 = P75 K1 = P20 K2 = P40 K3 = P60 K4 = P80 D1 = P10 D2 = P20 D3 = P30 D4 = P40 D5 = P50 D6 = P60 D7 = P70 D8 = P80 D9 = P90

47 Dados não-agrupados Identificamos à medida que queremos obter com o percentil correspondente, Pi. Calculamos i% de n para localizar a posição do percentil i no Rol, ou seja: i x n 100 Em seguida, identificamos o elemento que ocupa esta posição. Note que se o elemento for um número inteiro, então Pi que estamos procurando identificar é um dos elementos da seqüência ordenada. Se não for um número inteiro, isto significa que Pi é um elemento intermediário entre os elementos que ocupam as posições aproximadas por falta ou por excesso do valor calculado. Neste caso, Pi é definido como sendo a média dos valores que ocupam estas posições aproximadas.

48 Dados não-agrupados - Exemplos
Dada a série de valores, Calcule Q1 1, 2, 5, 5, 5, 8, 10, 11, 12, 12, 13, 15. Solução: Q1 = P25. Calculamos 25% de 12 que é o número de elementos da série obtendo: 25 x = 3 100 Este valor indica a posição do P25 no Rol, isto é, o P25 é o terceiro elemento do Rol. Observando o terceiro elemento do Rol obtém-se 5. Portanto Q1 = P25 = 5. Interpretação: 25% dos valores desta seqüência são valores menores que 5 e 75% dos valores desta seqüência são valores maiores que 5.

49 Exemplo: Calcule o D4 para a série
Dados agrupados sem intervalos de classe Identificamos à medida que queremos obter com o percentil correspondente, Pi. Calculamos i% de n(Σfi) para localizar a posição do percentil i no Rol, ou seja: i x Σfi 100 Exemplo: Calcule o D4 para a série xi fi Fi 2 4 5 7 10 3 8 6 16 22 24 Σfi = 24

50 Dados agrupados sem intervalos de classe
Solução: D4 = P40. Calculamos 40% de 24 que é o número de elementos da série obtendo: 40 x = 9,6 100 Este valor indica a posição do P40 é um valor compreendido entre o nono e o décimo elemento da série. xi fi Fi 2 4 5 7 10 3 8 6 16 22 24 Σfi = 24 Observamos que o nono e o décimo elementos é o número 5. Assim: D4 = = 5 2 Interpretação: 40% dos valores desta seqüência são valores menores ou iguais que 5 e 60% dos valores desta seqüência são valores maiores ou iguais que 5.

51 Dados agrupados com intervalos de classe
Para obtermos a fórmula geral para o cálculo dos percentis, vamos generalizar a fórmula de mediana: i x n - F(ant) x h Pi = li fi Sendo: Pi – Percentil i (1, 2, 3, ..., 99); li - limite inferior da classe que contém o percentil; n – número de elementos da série (Σfi); F(ant) – freqüência acumulada da classe anterior à classe que contém o percentil; fi - freqüência simples da classe que contém o percentil; h - amplitude do intervalo da classe mediana

52 Exemplo: Calcule o Q3 para a série
Dados agrupados com intervalos de classe Exemplo: Calcule o Q3 para a série i Intervalo de Classe fi Fi 1 2 3 4 5 0 ⌐ 10 10 ⌐ 20 20 ⌐ 30 30 ⌐ 40 40 ⌐ 50 16 18 24 35 12 34 58 93 105 Solução: Q3 = P75. 75 x = 78,75 100 A classe que contém o elemento que ocupa a posição 78,75 na série é a quarta classe. Esta é a classe que contém o P75.

53 Dados agrupados com intervalos de classe
Substituindo os valores na fórmula obtém-se: 75 x x 10 P75 = = 35,93 35 Portanto Q3 = P75 = 35,93. Interpretação: 75% dos valores desta seqüência são valores menores ou iguais a 35,93 e 25% dos valores desta seqüência são valores maiores ou iguais que

54 i Exercícios: Separatrizes
1- Se uma série ordenada possui 180 elementos, dê o número aproximado de elementos que situam: a) Acima do P20; b) Abaixo do K3; c) Acima do Q3; d) Abaixo do P90; e) Entre o P10 e o P90; f) Entre o Q1 e o Q3; g) Entre o Q3 e o P80. i Aluguel (R$) fi 1 2 3 4 5 0 ⌐ 200 200 ⌐ 400 400 ⌐ 600 600 ⌐ 800 800 ⌐ 1000 30 52 28 7 Σ = 120 2- Uma imobiliária gerencia o aluguel de residências particulares, seguindo o quadro ao lado. Calcule: a) Q1; b) K2; c) D3; d) P98.

55 i Exercícios: Separatrizes Consumo por nota (R$) fi 1 2 3 4 5 6 0 ⌐ 50
50 ⌐ 100 100 ⌐ 150 150 ⌐ 200 200 ⌐ 250 250 ⌐ 300 10 28 12 Σ = 54 3- A distribuição de valores de 54 notas fiscais emitidas na mesma data, selecionadas em uma loja de departamentos. Calcule: a) Q3; b) K4; c) D7; d) P75. 4- Tomando como base op exercício anterior, o gerente desta loja decidiu premiar a nível promocional com um brinde diário, 10% dos fregueses que mais consumirem, nos próximos 30 dias. A partir de qual valor de consumo da nota fiscal os clientes seriam premiados?

56 i Exercícios: Separatrizes Preço unitário (R$) fi 1 2 3 4 5 6 0 ⌐ 10
10 ⌐ 20 20 ⌐ 30 30 ⌐ 40 40 ⌐ 50 50 ⌐ 60 4.000 13.500 25.600 43.240 26.800 1.750 Σ = 54 5- A tabela ao lado representa a venda de livros didáticos em uma editora na primeira semana de março. Calcule: a) Q1; b) Q3; c) P90; d) P10.

57 Medidas de Dispersão – Caso venhamos fazer uma reflexão sobre as medidas de tendência central, observaremos que elas não são suficientes para caracterizar totalmente uma seqüência numérica. Desta forma, foi introduzido as medidas de dispersão, com intuito de verificar como se comportam essas medidas de tendência central em relação a dispersão. As principais medidas de dispersão absolutas são: A Variância e o Desvio Padrão. Variância – É uma média aritmética calculada a partir dos quadrados dos desvios obtidos entre os elementos da série e sua média. Notação: Quando a seqüência de dados representa uma População a variância será denotada por σ2(x), e quando se tratar de uma amostra será denotada por s2(x).

58 Variância - Dados não-agrupados
Se a seqüência representa uma população, a variância será calculada através da seguinte fórmula: σ2 = Σ ( xi – x )2 n Variância - Dados agrupados sem intervalo de classes Se a seqüência representa uma população, a variância será calculada através da seguinte fórmula: σ2 = Σ ( xi – x )2 fi Σ fi

59 Variância - Dados agrupados com intervalo de classes
Se a seqüência representa uma população, a variância será calculada através da seguinte fórmula: σ2 = Σ ( xi – x )2 fi Σ fi Observação: Neste caso o xi é o ponto médio da classe i. Desvio Padrão – É a raiz quadrada positiva da variância. Notação: Quando a seqüência de dados representa uma População o desvio padrão será denotada por σ(x), e quando se tratar de uma amostra será denotado por s(x). Assim, independente de como se apresentarem os dados (agrupados ou não) a fórmula do desvio padrão será: σ = σ2

60 Interpretação do desvio padrão – O desvio padrão é sem dúvida a mais importante das medidas de dispersão. É fundamental que o interessado consiga relacionar o valor obtido do desvio padrão com os dados da série. Quando uma curva de freqüência representativa da série é perfeitamente simétrica como a curva a seguir, podemos afirmar que o intervalo [ x - σ. x + σ] contém aproximadamente 68% dos valores da série. Assim como, quando tivermos o intervalo [ x - 2σ. x + 2σ] irá conter aproximadamente 95% dos valores da série. E o intervalo [ x - 3σ. x + 3σ] irá conter aproximadamente 99% dos valores da série. Como podemos ver no gráfico a seguir

61

62 Medidas de Dispersão Relativa – Se uma série X apresenta x = 10 e σ(x) = 2 e uma série Y apresenta y = 100 e σ(y) = 5 do ponto de vista da dispersão absoluta, a série Y apresenta maior dispersão que a série X. No entanto, se levarmos em consideração as medidas das séries, o desvio padrão de Y que é 5 em relação a 100 é um valor menos significativo que o desvio padrão de X que é 2 em relação a 10. Isto nos leva a definir as medidas de dispersão relativas: coeficiente de variação, o qual será apresentado através da fórmula: CV = σ(x) x Note que o coeficiente de variação, como é uma divisão de elementos de mesma unidade, é um número puro. Portanto, pode ser expresso em percentual.

63 Exercícios: Medidas de dispersão
1- Calcule a variância, desvio padrão e o coeficiente de variação das séries abaixo: 2, 3, 5, 4, 5, 2, 5, 7 4, 12, 5, 9, 12, 4, 3 7, 7, 7, 7, 7 4, 5, 6, 6, 6, 7, 8, 8, 8, 9, 10, 10, 10, 11 2, 5, 9, 6, 10, 12 2- Calcule a variância, desvio padrão e o coeficiente de variação das idades dos alunos de uma classe: Idades fi 17 18 19 20 21 3 8 4 Σ = 50

64 i Exercícios: Medidas de dispersão Acidentes fi 1 2 3 4 30 5 Σ = 40
1 2 3 4 30 5 Σ = 40 3- Calcule a variância, desvio padrão e o coeficiente de variação da tabela ao lado. i Salários (R$) fi 1 2 3 4 5 6 400 ⌐ 500 500 ⌐ 600 600 ⌐ 700 700 ⌐ 800 800 ⌐ 900 900 ⌐ 1000 12 15 8 Σ = 40 4- O salário de 40 funcionários de um escritório está distribuído segundo o quadro ao lado. Calcule a variância, desvio padrão e o coeficiente de variação .

65 i i Exercícios: Medidas de dispersão
5- Uma imobiliária gerencia o aluguel de residências particulares, seguindo o quadro ao lado. Calcule a variância, desvio padrão e o coeficiente de variação para estas residências i Aluguel (R$) fi 1 2 3 4 5 0 ⌐ 200 200 ⌐ 400 400 ⌐ 600 600 ⌐ 800 800 ⌐ 1000 30 52 28 7 Σ = 120 i Consumo por nota (R$) fi 1 2 3 4 5 6 0 ⌐ 50 50 ⌐ 100 100 ⌐ 150 150 ⌐ 200 200 ⌐ 250 250 ⌐ 300 10 28 12 Σ = 54 6- Calcule a variância, desvio padrão e o coeficiente de variação para a distribuição de valores de 54 notas fiscais emitidas na mesma data, selecionadas em uma loja de departamentos:

66 PROBABILIDADE Experimento ou Fenômeno Aleatório - São aqueles que, mesmo repetidos várias vezes sob condições semelhantes, apresentam resultados imprevisíveis. Espaço Amostral – É o conjunto de possíveis resultados de um experimento ou fenômeno aleatório, representado por S. Evento – É qualquer subconjunto do espaço amostral S de um evento aleatório. Probabilidade – Dado um experimento aleatório, sendo S o seu espaço amostral, vamos admitir que todos os elementos de S tenham a mesma chance de acontecer, ou seja, que S é um conjunto equiprovável. Probabilidade de um evento A (A  S): P(A) = n(A) n(S) Sendo: n(A) – número de elementos de A; n(S) – número de elementos de S.

67 Eventos Complementares – Sabendo que um evento pode ocorrer ou não
Eventos Complementares – Sabendo que um evento pode ocorrer ou não. Sendo p a probabilidade de que ele ocorra (sucesso) e q a probabilidade de que ele não ocorra (insucesso), para um mesmo evento existe sempre a relação: p + q = 1  q = 1 – p Eventos Independentes – Dizemos que dois eventos são independentes quando a realização ou não realização de um dos eventos não afeta a probabilidade da realização do outro e vice-versa. Assim, sendo p1 a probabilidade de realização do primeiro evento e p2 a probabilidade do segundo evento, a probabilidade de que tais eventos se realizem simultaneamente é dada por: p = p1 x p2

68 Eventos Mutuamente Exclusivos – Dizemos que dois ou mais eventos são mutuamente exclusivos quando a realização de um exclui a realização do(s) outro(s). Assim, no lançamento de uma moeda, o evento “tirar cara” e o evento “tirar coroa” são mutuamente exclusivos, já que, ao se realizar um deles, o outro não se realiza. Se dois eventos são mutuamente exclusivos, a probabilidade de que um ou outro se realize é igual à soma das probabilidades de cada um deles se realize: p = p1 + p2

69 Exercícios de Probabilidade
1- Qual a probabilidade de sair o ás de ouros quando retiramos uma carta de um baralho de 52 cartas? 1/52 2- Qual a probabilidade de sair um rei quando retiramos uma carta de um baralho de 52 cartas? 1/13 3- Em um lote de 12 peças, 4 são defeituosas. Sendo retirada uma peça, calcule: A probabilidade de essa peça ser defeituosa A probabilidade de essa peça não ser defeituosa 1/3 2/3 4- De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do primeiro e uma carta do segundo. Qual a probabilidade de sair um rei no primeiro e no segundo ser o 5 de ouros? 1/676

70 Exercícios de Probabilidade
5- No lançamento de dois dados, calcule a probabilidade de se obter a soma igual a 5? 1/9 6- Uma urna A contém: 3 bolas brancas, 4 pretas, 2 verdes; Uma urna B contém: 5 bolas brancas, 2 pretas, 1 verdes; Uma urna C contém: 2 bolas brancas, 3 pretas, 4 verdes. Uma bola é retirada de cada urna. Qual a probabilidade de as três bolas retiradas da primeira, segunda e terceira urnas serem, respectivamente, branca, preta e verde? 1/27 7- De um baralho de 52 cartas retiram-se, ao acaso, duas cartas sem reposição. Qual a probabilidade de a primeira carta ser o ás de espada e a segunda ser a damas de ouros? 1/2652 8- Qual a probabilidade de sair uma carta de copas ou de ouros quando retiramos uma carta de um baralho de 52 cartas? 1/2 9- No lançamento de um dado, qual a probabilidade de se obter um número não inferior a cinco? 1/3

71 Exercícios de Probabilidade
10- São dados dois baralhos de 52 cartas. Tiramos, ao mesmo tempo, uma carta do primeiro baralho e uma carta do segundo. Qual a probabilidade de tirarmos uma dama e um rei, não necessariamente nessa ordem? 2/169 11- Dois dados são lançados conjuntamente. Determine a probabilidade de: A soma ser igual ou maior que 10; A soma seja inferior a 5; Sejam iguais; Sejam ímpares. 12- Em um lote de 12 peças, 4 são defeituosas. Sendo retiradas aleatoriamente 2 peças, calcule: A probabilidade de ambas serem defeituosas; A probabilidade de ao menos uma ser defeituosa. 1/11 19/33

72 Distribuição Normal – É uma distribuição contínua: X pode assumir quaisquer valores do campo real desde -  até +  . Uma forma abreviada de indicar que a variável X se distribui normalmente (ou tem distribuição normal) é escrever X  N ( x; σ² ). x σ 2σ 3σ - σ - 2σ - 3σ 68,26 % 95,44 % 99,74 %

73 Normal Reduzida – Vamos imaginar que uma variável X tenha média x e o desvio padrão σ. Se “empurrarmos” o eixo vertical (freqüências) para a direita até o centro da curva, teremos feito uma operação chamada mudança de origem, em que o zero “mudou de lugar”. Tomando uma nova variável Z e definindo-a como: Zc = xi – x σ Teremos construído uma distribuição normal reduzida.

74 Exemplo: Seja X com os seguintes parâmetros: N (25; 36)
Exemplo: Seja X com os seguintes parâmetros: N (25; 36). Qual o valor de Zc para xi = 18? 25 19 N (25; 36) σ =  σ = 6 25 18 Sendo: Zc = xi – x Zc = 18 – 25 Zc = - 1,17 σ 6 Conclusão: 18 está a 1,17 desvio padrão à esquerda da média.

75 Com intuito de podermos representar de uma maneira mais simples os dados obtidos, iremos recorrer à tábua de probabilidades. Para consultar a tábua, é preciso decompor o Zc em duas parcelas: 1ª Parcela: Parte inteira mais a 1ª casa decimal 2ª Parcela: 0,0 mais a 2ª casa decimal Assim teremos: Se Zc = 1,17  1ª parcela  1,1  2ª parcela  0,07 O Z decomposto em duas parcelas compõe a “moldura” da tábua. No cruzamento das duas parcelas encontra-se a Probabilidade correspondente à área da curva entre 0 e o Zc calculado (também chamado de crítico). No exemplo anterior, após consultarmos a tabela, iremos encontrar: 0,3790 ou 37,90%.

76 Exercícios de Distribuição Normal
1- Encontre a probabilidade dos eventos abaixo ocorrerem de acordo com a seguinte distribuição X  N(30; 16): Maior ou igual a 40; Menor ou igual a 20; Entre 35 e 42 2- Uma empresa tem a como média de receita mensal R$ 55 milhões, e variância de R$ 1,44 milhões. Qual a probabilidade dessa empresa obter uma receita entre R$ 54,5 e 55,3 milhões? Qual a probabilidade dessa empresa obter uma receita inferior a R$ 54 milhões? Qual a probabilidade dessa empresa obter uma receita superior a R$ 55,8 milhões?

77 Teste de Hipóteses – Iremos analisar algumas hipóteses, afirmações ou alegações sobre um determinado problema. E a partir de alguns cálculos poderemos decidir sobre a veracidade ou não dessas hipóteses, com um determinado nível de confiança. Exemplo: Em uma determinada empresa os funcionários afirmam que permanecem mais de 15 minutos na fila do almoço, o gerente garante que não passa de 10 minutos, como estabelecer mecanismos para tirarmos essa dúvida? Ao tomarmos qualquer decisão poderemos estar cometendo dois tipos de erros: Erro tipo 1 – abandonar uma hipótese verdadeira devido as análises através da amostra indicarem a hipótese como falsa. Erro tipo 2 – aceitar uma hipótese como verdadeira devido as análises da amostra, porém, ela é falsa.

78 Iremos estabelecer uma comparação com Z da distribuição amostral, e através dessa comparação iremos decidir sobre a veracidade ou não de nossa hipótese. Para isso, iremos calcular o “novo” Z através da seguinte fórmula: Z = X – x σ / n Onde: X – Média encontrada na amostragem, após a hipótese; x – Média anterior; σ – Desvio-padrão; n – quantidade da amostragem.

79 Exemplo: Usuários de um setor de digitação reclamam da enorme ineficiência do setor, devido às altas taxas de erro, em média, 10 erros por 200 números digitados em seqüência. Para identificarmos se é procedente a reclamação, encontramos uma média de 8 erros, com desvio padrão de 3 em uma amostra de 100 conjuntos de 200 digitações. Assim, para podermos ter uma confiança de 99%, iremos proceder: 1º Passo: estabelecer as hipóteses: H0 – A média é igual ou superior a 10 erros; H1 – A média é inferior a 10 erros. 2º Passo: Com α = 0,01, isto é, confiança de 99%; e n superior a 30 (n=100), identificaremos na tabela que o valor 2,3263, com isso: Iremos abandonar a H0 caso o valor encontrado seja maior que 2,3263. Caso contrário, aceitaremos H0.

80 CONCLUSÃO: A RECLAMAÇÃO NÃO PROCEDE, EM UMA CONFIANÇA DE 99%.
3º Passo: Análise dos dados: X = 8 x = 10 σ = 3 n = 100 Z = – 10  Z = - 6,667 3 / 100 Ignorando os sinais teremos que 6,667 > 2,3263, com isso, rejeitamos a hipótese da nulidade H0 de que o número médio de erros por 200 digitações é 10. CONCLUSÃO: A RECLAMAÇÃO NÃO PROCEDE, EM UMA CONFIANÇA DE 99%.

81 Exercícios de Teste de Hipóteses
1- Os funcionários de uma empresa estão voltando mais tarde do almoço porque, conforme dizem, ficam, em média, 15 minutos na fila do restaurante da empresa, para serem servidos. O gerente afirma que os trabalhadores gastam, em média, no máximo 10 minutos na fila, antes de serem servidos. Estabeleça hipóteses e verifique se o gerente está correto, com confiança de 95%, sabendo-se que foi feito uma amostragem do tempo gasto na fila com 100 funcionários, obtendo uma média de 13 minutos com desvio padrão de 1,5 minuto. 2- Certa marca de corretor líquido tem, no rótulo, a informação de que cada frasco contem 30 ml do líquido. Formule as hipóteses adequadas para testar esta afirmativa. Foram medidos os conteúdos de uma amostra aleatória de 45 frascos, que forneceu uma média de 29,1 ml e um desvio padrão de 0,5 ml. Teste a afirmativa do fabricante, ao nível de 95 % de significância.

82 Exercícios de Teste de Hipóteses
3- Uma fábrica de carros produz um tipo no qual afirma que consome, em média, 15 km por litro. Você testa uma amostra de 200 carros deste tipo e acha uma média de 12 km por litro com desvio padrão de 2 km por litro. Teste esta afirmativa da fábrica com um nível de 99% de significância. 4- A gerência afirma que os bônus pagos aos funcionários são, em média, de R$ 1.000,00. Você toma uma amostra aleatória de 100 funcionários que trabalham na empresa e verifica que eles recebem bônus, em média, de R$ 850,00, com um desvio padrão de R$ 100,00. Faça um teste com um nível de 95% de significância, e comente esta afirmativa da empresa .

83 OBRIGADO PELA COMPANHIA
CURSO DE PÓS GRADUAÇÃO ESTATÍSTICA "Jamais considere seus estudos como uma obrigação, mas como uma oportunidade invejável  para aprender a conhecer a influência libertadora da beleza do reino do espírito, para seu  próprio prazer pessoal e para proveito da comunidade à qual seu futuro trabalho pertencer."  Albert Einstein BOA NOITE OBRIGADO PELA COMPANHIA