A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

ESTATÍSTICA II. INFERÊNCIA: população e amostra como selecionar uma amostra amostragem aleatória simples distribuições amostrais: da média da proporção.

Apresentações semelhantes


Apresentação em tema: "ESTATÍSTICA II. INFERÊNCIA: população e amostra como selecionar uma amostra amostragem aleatória simples distribuições amostrais: da média da proporção."— Transcrição da apresentação:

1 ESTATÍSTICA II

2 INFERÊNCIA: população e amostra como selecionar uma amostra amostragem aleatória simples distribuições amostrais: da média da proporção do n. de ocorrência ESTIMAÇÃO: Intervalo de Confiança TESTE DE HIPÓTESE: da média da proporção

3 INFERÊNCIA ESTATÍSTICA Operação que consiste em, tomando por base amostras estatísticas, efetuar generalizações. Fazer afirmações sobre características de uma população, baseando-se em resultados de uma amostra

4 PRINCIPAIS TIPOS DE PESQUISAS: CENSOS Coletam informações sobre TODAS as unidades da população. PESQUISAS AMOSTRAIS Coletam informações sobre uma PARTE (AMOSTRA) da população. ↓ Inferência

5 Inferência estatística ; incerteza sempre presente. Se o experimento foi feito de acordo com certos princípios, essa incerteza pode ser medida. Uma função da estatística é fornecer um conjunto de técnicas para fazer inferências e medir o grau de incerteza destas inferências. A incerteza é medida em termos de probabilidades!

6 AMOSTRA – O CONCEITO... Fatos no cotidiano: -Você não precisa comer o bolo todo para saber se está gostoso O cozinheiro verifica o tempero de um prato que está reparando; Testar temperatura de um prato de sopa; Médico detecta as condições de um paciente através de exames de sangue, etc.

7 TEORIA DA AMOSTRAGEM Determina a relação entre a amostra e a população São consideradas duas dimensões: Tamanho e Composição da amostra Estat í stica II

8 COMO OBTER GRANDEZAS DESCONHECIDAS? A partir da análise de dados Média; Variância; Etc. COMO DIZER SE AS DIFERENÇAS AMOSTRAIS SÃO CASUAIS OU VERDADEIRAS? Testes de significância Testes de Hipóteses COMO OBTER AS RESPOSTAS: A partir da estatística amostral ou Inferência Estat í stica II

9 a) M é todos Probabil í sticos –Exige que cada elemento da popula ç ão possua determinada probabilidade de ser selecionado. Normalmente possuem a mesma probabilidade. –Somente com base em amostragens probabil í sticas é que se podem realizar inferências ou indu ç ões sobre popula ç ão a partir do conhecimento da amostra. Composi ç ão da Amostra

10 Aleatória Simples Sistemática Estratificada Conglomerados ou Agrupamento Tipos de Amostragem

11 AMOSTRAGEM ALEATÓRIA SIMPLES É um tipo de amostragem que utiliza uma técnica probabilística. A característica principal é que todos os elementos da população têm igual probabilidade de pertencer á amostra. Na prática a amostragem 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, k números dessa sequência, os quais corresponderão aos elementos pertencentes a amostra.

12 Exemplo : Vamos obter uma amostra representativa, de 10 % dos valores, para obtermos a estatura média de noventa alunos de uma escola: - Numeramos os alunos de 01 a 90 - Escrevemos os números, de 01 a 90, em pedaços iguais de um mesmo papel, colocando-os dentro de uma caixa. Agitamos sempre a caixa para misturar bem os pedaços de papel e retiramos, um a um, nove números que formarão a amostra.

13 AMOSTRAGEM SISTEMÁTICA Quando os elementos da população já estão ordenados, não há necessidade de construirmos um sistema de referência, para selecionarmos a amostra. São exemplos os prontuários médicos de um hospital, os prédios de uma rua, uma linha de produção, os nomes em uma telefônica, etc.

14 Nestes casos a seleção dos elementos que constituirão a amostra pode ser feita por um sistema imposto pelo pesquisador. Consideremos uma população, com elementos ordenados, de tamanho N e dela tiramos uma amostra de tamanho n, através de uma amostragem sistemática, da seguinte maneira:

15 - Definimos FS como fator de sistematização, dado por : FS = N/n. - Sorteamos um número entre 1 e FS. Esse número, m, que será o primeiro elemento da amostra. - O segundo elemento da amostra é o de número FS + m. - O terceiro elemento da amostra é o de número 2FS + m. - O k-ésimo elemento da amostra é o número (k – 1)FS+m

16 Uma rua contém 1000 prédios, dos quais desejamos obter uma amostra sistemática formada por 100 deles. FS = 1000/100 = 10 m será um número entre 1 e 10. Vamos supor que m=7. Então temos: 1º elemento da amostra = (1 – 1) = 7 >>> 7º elemento da população. 100º elemento da amostra = (100 – 1) = 997 >>> 997º elemento da população. Vamos criar uma outra situação onde o método sistemático seja eficiente?

17 AMOSTRAGEM PROPORCIONAL ESTRATIFICADA Muitas vezes a população se divide em subpopulações >> estratos. Como é provável que a variável em estudo apresente, de estrato em estrato, um comportamento heterogêneo, convém que o sorteio dos elementos da amostra leve em consideração tais estratos. É isso que fazemos quando empregamos a amostragem proporcional estratificada, que, além de considerar a existência dos estratos, obtém os elementos da amostra proporcional ao número de elementos dos mesmos.,

18 EXEMPLO Dada a população de operários da indústria automobilística, selecionar uma amostra proporcional estratificada de 5% de operários para estimar seu salário médio. Usando a variável critério “cargo” para estratificar essa população, e considerando amostras de 5% de cada estrato obtido, chegamos ao seguinte quadro:

19 CARGOPOPULAÇÃO5%AMOSTRA Chefes de seção5.0005(5.000)/100 = Operários especializados (15.000)/100 = Operários não especializados (30.000)/100 = TOTAL (50.000)/100 =

20 AMOSTRAGEM POR CONGLOMERADOS Neste tipo de amostragem a população total é subdividida em várias partes relativamente pequenas (normalmente homogêneas), e algumas dessas subdivisões, ou conglomerados, são selecionadas ao acaso, para integrarem a amostra global.

21 EXEMPLO Suponhamos que o reitor de uma universidade deseja saber o que os membros dos centros acadêmicos acham de um novo regulamento. Ele pode obter uma amostra por conglomerado entrevistando alguns ou todos os membros de alguns centros acadêmicos escolhidos ao acaso.

22 b) Métodos Não Probabilísticos –São amostragens em que há uma escolha deliberada dos elementos da amostra. Não é poss í vel generalizar os resultados das pesquisas para a popula ç ão, pois as amostras não-probabil í sticas não garantem a representatividade da popula ç ão. –Tipos de Amostragem : »Aleat ó ria Acidental »Intencional »Por Quotas Composi ç ão da amostra

23 Com Reposição –Cada elemento pode ser escolhido mais de uma vez (comprador - passageiro) Sem reposição –Cada elemento s ó pode ser escolhido uma vez (eleitor - renda per capita) Amostras com ou sem reposi ç ão

24 –Finita Número reduzido Amostra sem reposi ç ão (bolas de uma urna no bingo) –Infinita Número muito grande ou ilimitado Amostra com reposi ç ão Amostra finita muito grande (cara/coroa com uma moeda) Popula ç ão

25 –Considerar todas as amostras de tamanho n indiv í duos que podem ser retiradas da popula ç ão (com ou sem reposi ç ão). –Para cada amostra calcular um parâmetro estat í stico (m é dia, desvio padrão etc.) Distribui ç ão Amostral

26 Obtém-se uma distribuição dos parâmetros das amostras (distribuição amostral da média etc.) Para cada distribuição podem ser calculados –M é dia –Desvio padrão –Etc. –Parâmetros da Distribui ç ão Amostral Distribui ç ão Amostral

27 Distribuição amostral das médias –Todas as amostras de tamanho n (sendo n < N Popula ç ão = N ) Sendo  a média e  o desvio padrão (da população) Sendo  x a média e  x o desvio padrão(da distribuição amostral) Distribui ç ão Amostral

28 Distribuição amostral das médias Sem reposição / População finita Distribui ç ão Amostral

29 Distribuição amostral das medias com reposição / População infinita Distribui ç ão Amostral

30 Distribuição amostral das médias observação : Se n é grande ( n>=30) –Dist. amost. é normal para qualquer popula ç ão Se n é pequeno ( n<30) –Dist. amost. é normal se a popula ç ão é normal Distribui ç ão Amostral

31 Distribuição amostral das proporções observação : Todas as amostras de tamanho n (N População =  ) Sendo P a proporção de eventos de sucesso Sendo Q a proporção de eventos de não sucesso (na população) Exemplo: cara ou coroa P = ½ Q = ( 1 - ½ ) = ½ (na população) Distribui ç ão Amostral

32 Fórmula: Obs: se n é grande (n>=30) a distribuição amostral das proporções é normal

33 Distribuição amostral da diferença ou soma Se temos duas populações Pop 1 e Pop 2 Se temos amostras independentes N 1 retirada de Pop 1 não depende de N 2 N 2 retirada de Pop 2 não depende de N 1 Distribui ç ão Amostral

34 Distribuição amostral da diferença ou soma Se temos muitas amostras de tamanho n 1 retiradas de Pop 1 Se temos muitas amostras de tamanho n 2 retiradas de Pop 2 Se calculamos uma grandeza estatística S 1 a partir de cada amostra n 1 Se calculamos uma grandeza estatística S 2 a partir de cada amostra n 2 Distribui ç ão Amostral

35 Distribuição amostral da diferença ou soma Produzimos uma distribuição amostral de S 1 com  S1 e  S1 Produzimos uma distribuição amostral de S 2 com  S2 e  S2 Distribui ç ão Amostral

36 Distribuição amostral da diferença ou soma Se consideramos S 1 - S 2 teremos uma distribuição amostral da diferença Com  (S1 - S2) =  S1 -  S2 e  (S1 - S2) =  S1 2 +  S2 2 Se consideramos S 1 + S 2 teremos uma distribuição amostral da soma Com  (S1 + S2) =  S1 +  S2 e  (S1 + S2) =  S1 2 +  S2 2 Distribui ç ão Amostral

37 Valem para as médias, proporções e outras grandezas estatísticas Se n 1 >= 30 e n 2 >= 30 A distribuição amostral da + ou da - é Normal Distribui ç ão Amostral

38 O último tópico da teoria da amostragem mostra que: - Conhecida a população -Podemos informar a amostra Interessa o Inverso : - A partir da amostra -inferir a população - Inferência estatística - Estimação de parâmetros populacionais (a partir da estatísticas das amostras) (média, variância, desvio padrão etc.) Teoria Estat í stica da Estima ç ão

39 SE Média da distribuição Amostral de uma estatística = Parâmetro populacional correspondente. ENTÃO A estatística considerada é chamada de ESTIMADOR IMPARCIAL (estimativa imparcial) do parâmetro populacional Estimativas Imparciais

40 Caso em Contrário A estatística considerada é chamada de ESTIMADOR PARCIAL (estimativa parcial) do parâmetro populacional O estimador parcial é dependente de algum parâmetro que deve ser considerado para garantir nossas afirmações. Estimativas Imparciais

41 Se - duas distribuições amostrais de duas estatísticas tem a mesma média (ou esperança matemática) a estatística de menor variância é chamada de estimador eficiente ( estimativa eficiente) A outra – é chamada de estimador ineficiente( estimativa ineficiente)

42 Estimativa por ponto e por intervalo –A estimativa de um parâmetro populacional dada por um número único é chamada de estimativa por ponto ex: a média é 5,28 –Quando dada por dois números entre os quais pode-se considerar que ela esteja, é chamada de estimativa por intervalo ex: a média esta entre 5,24 e 5,32 ou 5,28 + ou – 0,04 onde o erro 0,04 é chamado de fidedignidade.

43 Questões Comuns em Negócios Como estimar os parâmetros de um novo mercado com base numa simples amostra? Qual a confiança neste resultado? Como se amostrar?

44 Inferência Estatística Estimação da média Estimação da proporção Tamanho da amostra

45 Conteúdo Estimação da média Estimação da proporção Tamanho da amostra Amostragem

46 População x Amostra  : média  : desvio- padrão 1 2 3

47 Exemplo Uma pesquisa nos bancos de dados de um call-center mostrou que, em 121 chamadas amostradas, a venda média foi de R$ 700, com desvio padrão de R$ 100. Como estimar a venda média deste negócio? Resp: intervalo de confiança da média

48 Intervalo de confiança da média 2,5899% 1,9695% 1,6590% Z GRAU DE CONFIANÇA

49 Solução do exemplo Repetir para confiança de 90% e 99%

50 Comentários Interpretação da confiança Confiança x tamanho do intervalo Validade da fórmula: –População normal –Amostra grande (n>=30) ou desvio padrão populacional conhecido para amostras pequenas (n<30) –Amostragem representativa

51 Amostras Pequenas (n<30) – Desvio Padrão Populacional desconhecido Exemplo Testes de uma nova droga em 10 pacientes revelou um aumento médio de pressão sangüínea de 2,25, com desvio-padrão de 0,95. Qual deve ser o intervalo de confiança para 95%? Resp: distribuição t ao invés da normal (z)

52 Solução do exemplo Valor de t = 2,262; (n-1=9,  /2=2,5%)

53 Conteúdo Estimação da média Estimação da proporção Tamanho da amostra Amostragem

54 Estimação de proporção Casos mais comuns Market-share Índice de audiência Índice de reclamações Eleitores de certo partido

55 Exemplo Uma pesquisa de mercado com 90 consumidores mostrou que o market-share de sua empresa é de 25%. Como estimar o market-share do mercado, com 95% de confiança?

56 Fórmula aplicada 

57 Solução do exemplo Repetir p/outros níveis de confiança

58 Comentários Validade da fórmula –Tamanho da amostra suficiente para o intervalo (p + 3  ) não conter 0 ou 1. –Amostragem representativa

59 Conteúdo Estimação da média Estimação da proporção Tamanho da amostra Amostragem

60 Tamanho da Amostra (n) para Estimativa da Média E: Erro de Estimação (semi-amplitude); vide cálculo do intervalo de confiança (x-E)___________(x)___________(x+E)

61 Exemplo de Tamanho da Amostra (n) para Estimativa da Média Volta ao exemplo do call-center (média R$700, devio-padrão R$100, 95% confiança) E: R$ 10 Erro de Estimação (semi-amplitude); (690)___________(700)___________(710)

62 Tamanho da Amostra (n) para Estimativa da Proporção E: Erro de Estimação (semi-amplitude); vide cálculo do intervalo de confiança (p-E)___________(p)___________(p+E)

63 Exemplo de Tamanho da Amostra (n) para Estimativa da Proporção Volta ao exemplo do market-share (p=0,25, 95% confiança) E: 2% Erro de Estimação (semi-amplitude); (23%)___________(25%)___________(27%)

64 Conteúdo Estimação da média Estimação da proporção Tamanho da amostra

65 TESTE DE HIPÓTESES É uma técnica para fazer inferência –A partir de uma amostra fazemos inferência sobre a população Objetivos: –Formular hipótese quanto ao valor de um parâmetro POPULACIONAL –Fazer um teste que indicará a aceitação ou rejeição da hipótese

66 CONCEITOS Hipótese Estatística –Suposição quanto ao valor de um parâmetro populacional Testes de Hipótese –Regras de decisão Tipos de Hipóteses –Ho: hipótese a ser testada – chamada hipótese nula –H1: hipótese alternativa

67 CONCEITOS (cont...) Tipos de Erros –Tipo I – Rejeição de uma hipótese Ho verdadeira –Tipo II – Aceitação de uma hipótese Ho falsa OBS:

68 Exemplos de tipos de hipóteses:

69 Gráficos correspondentes aos exemplos anteriores: Bilateral Unilateral à esquerda Unilateral à direita RAHo RRHo

70 Onde... RAHo: Região de Aceitação de Ho RRHo: Região de Rejeição de Ho

71 Testes Teste de Médias Teste de Proporções Teste de Igualdade de Médias Teste de Igualdade de Proporções

72 Como proceder nos testes??? Formular as hipóteses Ho e H1 Fixar o nível de significância Usar as tabelas estatísticas Calcular a fórmula do teste Aceitar ou rejeitar as hipóteses

73 Teste de Médias Usar a tabela t-Student (n-1 graus de liberdade) Fórmula do teste:

74 Exemplo1 (teste de média...) Historicamente temos um registro médio de 115 pontos em um teste vocacional para alunos de uma escola. Este ano foi feito teste para uma nova turma e numa amostra de 25 alunos observou-se uma média igual a 118 com desvio-padrão igual a 20. Podemos afirmar com 5% de significância que a média da população é a mesma dos anos anteriores?

75 Solução....

76 Solução (cont...) Achar os valores tabelados (t-Student) n-1 graus de liberdade (25-1=24) ,711 Fazer o gráfico correspondente Concluir....

77 UAU....

78 Exemplo 2: Para uma amostra de 51 firmas tomadas de uma particular indústria, o número médio de empregados por firma é de 420,4 com um desvio-padrão amostral de 55,7. Antes que os dados fossem coletados, foi feita a hipótese de que o número médio de empregados por firma, nesta indústria, era no máximo de 408. Testar esta hipótese com 5% e 1% de significância.

79 Exemplo 3: Uma agência publicitária afirma que as propagandas feitas por ela nos últimos meses têm rendido em média R$9.000,00 mensais de lucro. Um dos gerentes desta agência extraiu uma amostra encontrando um rendimento médio de R$8.000,00, com desvio padrão amostral de R$1.000,00, com base em 51 propagandas feitas. Faça o teste de hipóteses adequado com 5% e 1% de significância.

80 TESTE DE PROPORÇÕES Usar a tabela normal reduzida Z Fórmula do teste:

81 OBSERVAÇÕES... O procedimento para resolução de problemas de testes de hipóteses é sempre o mesmo para qualquer tipo de teste. As únicas coisas que mudam são: fórmula do teste e tabela a utilizar.

82 Exemplo (teste Proporção) Numa cidade a taxa de mortalidade indica que 60% dos nascidos vivem até os 65 anos. Numa amostra com 1000 nascidos verificou-se que 530 sobreviveram até 65 anos. Podemos afirmar que a proporção de sobreviventes até 65 anos é igual a 60%, com 5% de significância? E com 1%?

83 Resolução...

84 Resolução (Cont...) Encontrar os valores tabelados Fazer os gráficos Tirar conclusões...

85 Exemplo 2 (proporção) Uma pesquisa conclui que 90% dos médicos recomendam aspirina a pacientes que têm filhos. Teste a afirmação, com 5% e 1% de significância, contra a alternativa de que a percentagem é inferior a 90% se, numa amostra aleatória de 100 médicos, 80 recomendam aspirina.

86 Exemplo 3 (proporção) Uma agência publicitária afirma que 40% das pessoas que passam por umdeterminado local observam uma campanha publicitária estampada num outdoor (neste mesmo local). Foram entrevistadas 80 pessoas que passavam por esse local e, 25 pessoas responderam que observavam o outdoor. a) Teste a afirmação da agência, com 5% de significância. b) Teste a afirmação da agência, com 5% de significância, contra a alternativa de que a percentagem é inferior a 40%.

87 TESTE DE IGUALDADE DE MÉDIAS Usar a tabela normal reduzida Z Fórmula do teste:

88 Exemplo (igualdade de Médias) Um fabricante de pneus fabrica dois tipos (A e B) onde o desvio- padrão de A é de 2500km e o de B é 3000km de vida útil. Foram testados 50 pneus do tipo A apresentando vida útil média de 24000km, e testados 40 pneus do tipo B apresentando vida útil média de 26000km. Podemos afirmar com 4% de significância que a vida útil média dos pneus A e B é a mesma?

89 TESTE DE IGUALDADE DE PROPORÇÕES Usar a tabela normal reduzida Z Fórmula do teste:

90 Exemplo (igualdade de proporções) Uma revista foi lida por 200 homens e 70 deles se lembraram de uma certa propaganda. Essa mesma revista foi lida por 180 mulheres e 50 delas se lembraram dessa propaganda. Será que podemos dizer com 10% de significância que as proporções de homens e mulheres que se lembraram da propaganda são iguais?

91 Um fabricante deseja saber se um revestimento especial aplicado as placa de licenciamento de veículos lhes aumenta a resistência à ferrugem. Distribui-se placas tratadas juntamente com placas não tratadas. Uma amostra aleatória das placas tratadas, extraídas um ano depois, indica que, de 400, 360 estão em estado perfeito, enquanto que de uma amostra de 225 placas não tratadas, 195 estão em ótimas condições. Pode-se concluir que as placas tratadas são superiores as não tratadas?

92 Um fabricante de doces afirma que o percentual de sacos de pastilhas mal cheios é inferior a 3%. Uma pesquisa acusa 4 sacos mal cheios em 50. A amostra foi extraída de uma remessa de 400 sacos. A evidencia amostral refuta a alegação do fabricante?

93 Regressão Linear Simples Revisão: A R E T A

94 b X=1X=2 Equação da reta: y = a x + b

95 Equação da reta: y = a x + b a : coeficiente angular Mostra a variação de Y para cada unidade de variação de X É a tangente do angulo da reta Quanto maior “a” mais inclinada é a reta Se “a “ é positivo ---> reta crescente Se “a ” é negativo --> reta decrescente Se “a” é zero Y não depende de X -->.reta é paralela ao eixo X...na altura do valor b !! b : coeficiente de intersecção ou intercepto Revisão : A reta

96 Como estimar o faturamento de um negócio com base em seu investimento em publicidade? Situa ç ão

97 Regressão Linear Simples

98 Modelos Probabilísticos Ajuste do Modelo Hipóteses do Modelo Análise de Validade do Modelo Regressão Linear Simples

99 Devido aleatoriedade de várias fontes, pode-se assumir que o valor da grandeza de interesse será composta de uma parte determinística e de um erro. No exemplo do faturamento, teremos: Receita = a + b.(Investimento) + erro Modelos Probabil í sticos

100 Linha de Regressão Erro aleatório Modelos Probabil í sticos

101 Erro 1 Erro 2 Erro 3 Erro 4 (x 1,y 1 ) (x 2,y 2 ) (x 3,y 3 ) (x 4,y 4 )

102 Forma geral para regressão linear simples intercepto Inclinação Erro Variável Dependente (Resposta) Variável Independent e (Explicativa) Modelos Probabil í sticos

103 Intercepto: valor de y para x=0 Inclinação: acréscimo em y para cada unidade de x Curva ajustada (mínimos quadrados) Validade apenas no range dos dados Interpreta ç ão de cada parcela

104 1.A distribuição do erro possui média zero 2.A variância do erro é constante. 3.A distribuição do erro é normal 4.Os valores do erro são independentes dos y observados Hip ó teses do Modelo

105 X1X1 X2X2 X Y f(e) Linha de Regressão Distribuição de probabilidade do erro Visualiza ç ão das hip ó teses

106 r 2 = 1, Y X r = +1 r 2 = 1, Y X r = -1 r 2 =.8, Y X r = +0.9 r 2 = 0, Y X r = 0 Coeficientes de Correla ç ão ( r) e de Determina ç ão (r2)

107 Indica o poder de explicação do modelo em %. Em outras palavras, o modelo de regressão capturou 100.(r 2 )% da variação da variável de interesse. Coeficientes de Determina ç ão (r2)

108 O modelo linear vale? Há chance da inclinação ser zero? Duas formas de se verificar: Valor de t (ou sua p); ou Intervalo de confiança p/ inclinação An á lise de Validade do Modelo

109 Suponha que uma farmácia (ou supermercado, ou disk-qualquer coisa) tenha um site para entregas a domicílo, e fez um levantamento de quanto gastaram 32 de seus clientes durante certo período. Ela deseja saber se este gasto depende da distância do domicílio ao ponto de venda e se obedece uma relação linear: Exerc í cio

110 Buscamos saber se existe uma relação y = ax + b +  onde Y = consumo médio mensal (R$) (variável dependente) X= distância do cliente ao pto de venda (variável independente)  = Erro aleatório Exerc í cio

111 O Conselho de Administração está preparando o Planejamento Estratégico para o ano seguinte e precisa de uma previsão de demanda. Sabendo que você tem acesso ao banco de dados da empresa com as vendas dos anos anteriores, como proceder ? Situa ç ão

112 São utilizados quando a única informação disponível são as observações ao longo do tempo. Tipos de modelos de série de tempo: – Modelos de Média Móvel –Modelos de Exponencial Atenuadora – Modelos de Regressão – Modelos com Sazonalidade Modelos de S é ries Temporais

113 Modelos de Média Móvel

114 Produção de Soja= , ,83*ANO Modelos de Extrapolação de tendências

115 Usado normalmente para previsão Valor observado na série temporal é o produto dos componentes Dados anuais: Dados mensais ou trimestrais: T i = Tendência C i = Cíclico I i = Irregular S i = Sazonal Modelo de S é rie Temporal Multiplicativo

116 Y= T x S x I Y/T = (T x S x I)/T Y/T = S x I onde T = a + bx ( regressão ) Modelo de S é rie Temporal Multiplicativo

117 T = Tendência de Longo Prazo S = Componente Sazonal I = Componente Irregular Determinar a componente sazonal de uma série Demanda Mensal (peças) Y = T x S x I Modelo de Extrapolação de Tendências

118

119 1) Cálculo da Tendência de Longo Prazo (T) Passos para REMOVER a Tendência de Longo Prazo L: Y = T x S x I Modelo de Extrapolação de Tendências

120 Tendência de Longo Prazo (L) Modelo de Extrapolação de Tendências

121 2) Remoção da Tendência a Longo Prazo (L) Modelo de Extrapolação de Tendências

122 Remoção efeito da irregularidade ( I ) Y = T x S x I Z t = S x I Modelo de Extrapolação de Tendências

123 Fator de Sazonalidade (S): Efeito Mensal da Sazonalidade: Modelo de Extrapolação de Tendências

124 Números Índices

125 Definição Os números índices são medidas estatísticas freqüentemente usadas por administradores, economistas e engenheiros, para comparar grupos de variáveis relacionadas entre si e obter um quadro simples e resumido das mudanças em áreas relacionadas como preços de matérias primas, preços de produtos acabados, volume físico de produção etc.

126 Números Índices Com a utilização de números índices é possível estabelecer comparações entre: Variações ocorridas ao longo de tempo; Diferenças entre lugares; Diferenças entre categorias semelhantes, tais como produtos, pessoas, etc.

127 Números Índices Os números índices são usados para indicar variações relativas em quantidades, preços ou valores de um artigo, durante um dado período de tempo. Um número índice é uma razão usada para avaliar a variação entre dois períodos de tempo.

128 Números Índices Um número índice simples avalia a variação relativa de um único item ou variável econômica entre dois períodos de tempo. Calcula-se como a razão do preço, quantidade ou valor em um dado período para o correspondente preço, quantidade ou valor num período base.

129 Preços Relativos Relaciona o preço de um produto numa época t (chamada época atual ou época dada) com o de uma época 0 (chamada base)

130 Preços Relativos p t – preço numa época atual (ou dada) p 0 – preço na época base

131 Exemplo O preço de determinado artigo em 1998 foi R$ 1,20 e em 1999 subiu para R$ 1,38. Tomando-se por base o ano 1998, determinar o preço relativo em 1999.

132 Relativo - Quantidade q t – quantidade de um produto numa época atual (ou dada) q 0 – quantidade de um produto numa época base

133 Exemplo Uma empresa produziu 45 toneladas de aço em 1979 e 68 toneladas em A quantidade relativa será, tomando-se o ano de 1979 como base:

134 Relativos de Valor Se p for o preço de determinado artigo em certa época e q a quantidade produzida ou consumida desse mesmo artigo na mesma época, então pxq será denominado valor total de produção ou de consumo.

135 Exemplo Uma empresa vendeu, em 1990, 1000 unidades de um artigo ao preço unitário de R$50,00. Em 1991 vendeu 2000 unidades do mesmo artigo ao preço unitário de R$60,00. O valor relativo da venda em 1991 foi:

136 Exercícios Os preços médio no varejo, de uma produção, por unidade, durante os anos de 1993 a 1998, estão apresentados na tabela abaixo:

137 Exercícios a) Adotando o ano de 1993 como base, determinar os preços relativos correspondentes a todos os anos dados.

138 Exercícios b) Adotando o ano de 1996 como base, determinar os preços relativos correspondentes a todos os anos dados.

139 Aplicação Aplicações de todos os conceitos estudados em exercícios práticos.....


Carregar ppt "ESTATÍSTICA II. INFERÊNCIA: população e amostra como selecionar uma amostra amostragem aleatória simples distribuições amostrais: da média da proporção."

Apresentações semelhantes


Anúncios Google