Estatística Descritiva e Inferência

Universidade Lusfona do Porto
Licenciatura Engenharia de Proteo Civil Mtodos Estatticos
APONTAMENTOS
1 Apontamentos verso 1-2013

ndice
Apresentao
Capitulo 1 INTRODUO GERAL
1.1. O que Estatstica 1.2. 1.3. Teoria da amostragem 1.4.
Capitulo 2 ESTATISTICA DESCRITIVA

2.1. Definio de Varivel 3 2.2. Classificao das Variveis 3 2.3. Exerccios 5 3. Amostragem 6 3.1. Por que fazer Amostragem? 6 3.2. Quando o uso de amostragem no interessante? 6 3.3. Tipos de Amostragem 6 3.3.1. Amostragem Aleatria Simples (AAS) 6 3.3.2. Amostragem Sistemtica (AS) 7 3.3.3. Amostragem Estratificada (AE) 8 3.3.4. Amostragem por Conglomerado (AC) 9 3.4. Exerccios 10
Capitulo.2.
4. Tabulao de Variveis 11 4.1. Variveis Qualitativas Unidimensionais 11 4.2. Variveis Quantitativas Unidimensionais 12 4.3. Variveis Qualitativas e Quantitativas Bidimensionais 13 4.4. Exerccios 14 5. Medidas de Posio 15 5.1. Mnimo e Mximo 15 5.2. Moda 15 5.3. Mdia 15 5.4. Mediana 16 5.5. Exerccios 18 6. Medidas de Disperso 19 6.1. Motivao 19 6.2. Amplitude 19 6.3. Varincia e Desvio Padro 19

6.4. Intervalo Interquartil 21 6.5. Exerccios 21 7. Estatstica Grfica 22 7.1. Grficos para as Variveis Qualitativas 22 7.1.1. Grfico em Barras 22 7.1.2. Grfico de Composio em Setores (Pizza) 23 7.1.3. Grfico de Pareto 23 7.2. Grficos para as Variveis Quantitativas 25 7.2.1. Grfico em Barras 25 7.2.2. Grfico de Pontos 26 7.2.3. Histograma 26 7.2.4. Grfico em Linhas (ou Grfico Temporal) 27 7.2.5. Ramo-e-Folhas 28 7.2.6. Desenho Esquemtico ou Diagrama de Caixas (Box-Plot) 29 7.3 Exerccios 31
Capitulo .3.
8. Correlao e Regresso 32 8.1. Estudo da relao entre variveis 32 8.2. Diagrama de Disperso 32 8.3. Coeficiente de Correlao 35 8.4. Regresso Linear Simples 37 8.5. Coeficiente de Determinao 39 8.6. Exerccios 40
Capitulo.4.
9. Probabilidade 44 9.1. Processo ou Experimento Aleatrio 44 9.2. Espao Amostral () 44 9.3. Evento 45 9.4. Exerccios 46 9.5. Introduo Probabilidade 47 9.6. Definio Clssica 48 9.7. Definio Freqentista 49 9.8. Definio Subjetiva 51 9.9. Definio Moderna 51 9.10. Probabilidade Condicional 52 9.11. Independncia de Eventos 53 9.12. Regra da Probabilidade Total 54 9.13. Teorema de Bayes 54 10. Varivel Aleatria Discreta 56

Apresentao
Estes apontamentos servem de breve introduo a um dos mais importantes e vastos campos da matemtica aplicada: a Estatstica. O contedo est organizado sempre com introdues tericas e em alguns captulos exemplos prticos. Alguns tpicos bsicos de matemtica como funes, logaritmos e probabilidade so essenciais para a compreenso da estatstica. Sempre que achar necessrio, feche estes apontamentos e procure aprofundar a teoria em matemtica! Esse um esforo que compensa, pois capacidade analtica sem dvida um dos diferenciais que as empresas procuram neste incio de sculo XXI. Sempre que possvel procure tambm bibliografia atualizada sobre os assuntos aqui tratados. Bom estudo, e boa sorte!

Capitulo 1- INTRODUO GERAL

Antes de comearmos a estudar Estatstica, importante saber o que se est a estudar. 1.1. O que Estatstica? Nem s nas reas das Cincias Exatas, nomeadamente na Matemtica, e da Engenharia tem a Estatstica as suas aplicaes, j diversos profissionais como economistas, psiclogos, socilogos e educadores consideram, hoje em dia, a estatstica como uma ferramenta bsica no seu trabalho dirio. Nem mesmos os historiadores podem ignorar os mtodos estatsticos A palavra Estatstica vem de Status (Estado, em Latim). Ela significa ento o estudo do estado. palavra Estatstica podem atribuir-se diferentes significados. A Estatstica est interessada nos mtodos cientficos para a recolha, organizao, apresentao e anlise de dados, bem como na obteno de concluses vlidas e na tomada de decises razoveis, baseadas em tais anlises. (SPIEGEL, 1994, p. 1). Entendemos a Estatstica como um conjunto de tcnicas que permite, de forma sistemtica, organizar, descrever, analisar e interpretar dados oriundos de estudos ou experimentos, realizados em qualquer rea de conhecimento. (MAGALHES, 2002, p.1). Histria da estatstica H indcios de que 3000 anos A.C. j se faziam censos na Babilnia, China e Egito e at mesmo o 4. livro do Velho Testamento faz referncia a uma instruo dada a Moiss, para que fizesse um levantamento dos homens de Israel que estivessem aptos para guerrear. Usualmente, estas informaes eram utilizadas para a taxao de impostos ou para o alistamento militar. O Imperador Csar Augusto, por exemplo, ordenou que se fizesse o Censo de todo o Imprio Romano. Contudo, mesmo que a prtica de coletar dados sobre colheitas, composio da populao humana ou de animais, impostos, etc., fosse conhecida pelos egpcios, hebreus, caldeus e gregos, e se atribuam a Aristteles cento e oitenta descries de Estados, apenas no sculo XVII a Estatstica passou a ser considerada disciplina autnoma, tendo como objetivo bsico descrio dos BENS do Estado. A

palavra Estatstica foi cunhada pelo acadmico alemo Gottfried Achenwall (1719-1772), que foi um notvel continuador dos estudos de Hermann Conrig (1606-1681). Gottfried determinou os objetivos da Estatstica e suas relaes com as demais cincias. Com a Escola Alem as tabelas tornaram-se mais completas, surgiram as representaes grficas e o clculo das probabilidades, e a Estatstica deixou de ser simples catalogao de dados numricos coletivos para se tornar o estudo de como chegar a concluses sobre o todo (populao), partindo da observao de partes desse todo (amostras). Atualmente, os estudos estatsticos tm avanado rapidamente e, com seus processos e tcnicas, Tm contribudo para a organizao dos negcios e recursos do mundo moderno. 1.2- Objetivo da estatstica No sentido mais amplo, ela refere-se a disciplina cujo objetivo fundamental A RECOLHA, A ORGANIZAO, A ANALISE e A INTERPERTAO DE DADOS (oriundos de estudos ou experimentos, realizados em qualquer rea do conhecimento, a aplicabilidade das tcnicas a serem discutidas se d nas mais variadas reas das atividades humanas). Assim, o principal objetivo da Estatstica auxiliar-nos a tomar decises ou tirar concluses em situaes de incerteza, a partir de informaes numricas. Para clarificar o que se entende por anlise e interpretao de dados til estabelecer a distino entre Estatstica Descritiva e Inferncia Estatstica. No mbito da primeira procura-se sintetizar e representar os dados de uma forma compreensvel a informao contida num conjunto de dados. O objetivo da inferncia estatstica mais ambicioso do que da estatstica descritiva e naturalmente os mtodos e tcnicas requeridas so mais sofisticados. Com base de um conjunto limitado de dados (uma amostra), pretende-se caraterizar o todo a partir do qual, tais dados foram obtido (a populao). 1.3.Estatstica Descritiva e Indutiva Como j referido anteriormente os mtodos da estatstica que procuram descrever e analisar certo grupo de dados, independentemente de serem dados extrados de uma amostra ou de toda a populao, so chamados de mtodos de estatstica descritiva.

Por outro lado, se uma amostra representativa de uma populao, e tiramos concluses a respeito desta populao com os dados extrados da amostra, temos uma aplicao da estatstica indutiva. Raciocnio indutivo aquele que parte do conhecimento de uma parte para tirar concluses sobre a realidade do todo. Assim, estatstica indutiva a parte da estatstica que tira concluses sobre a populao partindo do conhecimento da amostra. claro que o processo de induo no exato, e a estatstica indutiva est sujeita a erros. No entanto, os mtodos de induo (ou inferncia) estatstica so capazes de definir at que ponto, e com que probabilidade, estamos errados.
Ramos da Estatstica: Descreve e analisa grupos de observaes (amostras). Uso de medidas e formas de representao (tabelas, grficos, curvas, ) Processo de generalizao a partir da anlise e interpretao de dados amostrais Parte da Estatstica que utiliza mtodos e tcnicas apropriadas para o estudo de processos com margem de incerteza
Descritiva ou Dedutiva Inferncia Estatstica ou Estatstica Indutiva Probabilidade
1.4- Fases do mtodo de anlise estatstica No mbito da estatstica, o mtodo de abordagem dos problemas pode ser decomposto em cinco fases que se enunciam seguidamente: I. Estabelecimento do objetivo da anlise a efetuar (isto , das questes que se colocam e que pretendem ver resolvidas) e definio da(s) populao(es) correspondente(s); Conceo de um procedimento adequado para seleo de uma ou mais amostras; Recolha de dados. Anlise de dados Estabelecimento de inferncias acerca da populao (com base na informao amostral).
II. III. IV. V.
1.5-Estabelecimento do objetivo da anlise e definio da(s) populao(es) correspondentes

bvia a necessidade encara esta fase com o mximo de rigor, pois dela depender a forma como se desenvolvero os passos futuros e consequentemente a qualidade das concluses tiradas.
Figura - Esquema resumido das etapas da estatstica 1.6-Populao e amostra Para precisar os conceitos de populao e amostra, considera-se uma determinada analise estatstica que incide sobre um conjunto de objetos e, em particular, sobre uma caracterstica que, sendo comum a esses objetos, varia em quantidade ou qualidade. Neste contexto designa-se por Populao (ou universo) O grupo de dados (unidades) que expressam a caracterstica em causa para todos os objetos sobre os quais a anlise incide. A populao deve ser definida claramente e em termos daquilo que se pretende conhecer. Mais definies: O Maior conjunto, tomado como referncia na observao de um fenmeno, que pode ser finita ou infinita, concreta ou abstrata. Tambm definido como conjunto de todos os elementos portadores de, pelo menos, uma caracterstica comum. A populao pode ser FINITA ou INFINITA. (Seu estudo gera dados populacionais) Ex.1: A populao constituda de todos os resultados cara ou coroa em sucessivos lances de uma moeda INFINITA. (Voc pode no parar nunca de lanar a moeda, j que no foi especificado o nmero de vezes a ser lanada). Ex.2: A populao constituda de todos os parafusos produzidos por uma fbrica num determinado dia FINITA. (Ao final do dia, faz-se a contagem dos parafusos fabricados).

Na maioria das vezes, por impossibilidades, limita-se as observaes referentes a uma determinada pesquisa a uma parcela extrada da populao. no entanto de registar que frequentemente as populaes finitas tm uma dimenso de tal modo elevada que se torna mais simples analisa-las como infinitas, sem com isso se cometam erros considerveis. Para alm do j assinalado anteriromente existem vrias razes, para realizar-se o estudo de uma amostra e no da polulao: o custo elevado do processo de recolha e tratamento de dados, tempo excessivo no processamento/tratamento de dados, recolha atravs de mtodos destrutivos, inacessibilidade de alguns elementos por ordem legal,etc. Uma amostra corresponde a uma parte ou subconjunto da populao usada para obter informao a cerca do todo. um subconjunto no-vazio de uma populao, excetuando-se a prpria populao, o seu uso gera economia e rapidez dos resultados, e deve ser representativa da populao. Mais definies: uma parcela representativa da populao que examinada com o propsito de tirarmos concluses sobre a mesma. Um subconjunto da populao que mantm as mesmas caractersticas desta. (Seu estudo gera dados amostrais). importante lembrar que: A amostra sempre finita. Quanto maior for a amostra mais significativo o estudo. importante referir que os conceitos de populao e amostra anteriormente apresentados so possveis de generalizao. Quando se pretende estudar vrias caractersticas, bem como as relaes de associao entre elas, cada elemento da amostra passa a ser constitudo por um vetor de dados (um par ordenado, um termo ordenado, etc) que expressam o conjunto de caractersticas de cada objeto. As populaes constitudas por vetores ordenados de dados, designam-se por Populaes conjuntas. 1.6-Teoria da amostragem O processo de seleo de uma amostra a partir de uma populao designa-se por amostragem. Para se saber se o bolo de chocolate est bom, basta comer uma fatia

Esta a ideia essencial da amostragem: obter informao sobre o todo, examinando apenas uma parte. O processo de seleo de uma amostra a partir de uma populao designa-se por amostragem. Para se poder fazer inferncias a partir da amostra e medir o rigor de tais inferncias, esta deve ser selecionada de acordo com um processo de amostragem probabilstica. Para este tipo de amostragem, cada um dos elementos da populao tem hiptese de ser includo na amostra, sendo possvel medir com rigor qual a possibilidade de tal suceder, atravs do clculo da respetiva probabilidade. Quando se faz a amostragem, cada elemento da populao passa a ter uma probabilidade de ser selecionado, pois muito importante garantir que a amostra seja representativa, pois as nossas concluses relativas populao vo estar baseadas nos resultados obtidos nas amostras dessa populao. Exemplos da utilizao da amostragem: Exemplo 1.6.1 Sondagens opinio pblica que servem para conhecer a opinio da populao sobre variadas questes. As mais populares so as sondagens polticas. Exemplo 1.6.2 Inspeo de mercado utilizada com o intuito de descobrir as preferncias das pessoas em relao a certos produtos. Um dos exemplos mais conhecidos da aplicao desta amostragem a lista de audincias dos programas de televiso. Exemplo 1.6.3 Censo (recenseamento da populao) que tem como objetivo obter informao relativa ao nmero de ocupantes, idade, sexo, parentesco entre eles, etc. de cada habitao do pas (concelho ou freguesia). Exemplo 1.6.4 Amostragem de aceitao que consiste na seleo e inspeo cuidada de uma amostra retirada de uma encomenda enviada pelo fornecedor. Baseado no estado da amostra, toma-se a deciso de aceitar ou rejeitar a encomenda. Um censo uma amostra que consiste na populao inteira. Se nos interessa obter informao relativa populao, porque no considerar um censo? Se a populao grande, torna-se excessivamente caro e perde-se muito tempo a fazer um censo. Existem, ainda, outras razes que nos levam a preferir uma amostra a um censo. Nalguns casos, as unidades que constituem a amostra para inspeo, so destrudas. Noutros casos, pela escassez de pessoas treinadas (sem formao especfica) para levar a cabo um censo, mais seguro confiar num nmero reduzido de informao. Haveria uma menor ocorrncia de erros humanos. Assim, parece ser mais vantajoso retirar amostras e basear a anlise nessas amostras. Este processo parece ser simples, no entanto, pode levar a enganos.

A seleo das unidades da populao que so mais facilmente acessveis, origina uma amostra conveniente. Este tipo de amostra no representativo da populao e pode levar a concluses erradas sobre a populao. 1.6.1 Principais Tipos de Amostragem: H dois tipos de amostragens: no-probabilsticas e probabilsticas. A amostragem ser probabilstica quando cada elemento da populao tem uma probabilidade conhecida de ser selecionado. Caso contrrio, a amostragem ser no probabilstica. Quando no h preocupaes no rigor da representatividade da amostra (analises preliminares, ou estudos piloto), podem utilizar-se processos de amostragem no probabilsticos. Entre os quais destacam-se os seguintes: Amostragem por convenincia - As amostras, como nome indica so selecionadas por convenincia do analista, sendo este o critrio que preside a escolha dos elementos da amostra. Amostragem Subjetiva Como nome indica os elementos so selecionados pelo analista, com base num critrio pessoal (eminentemente subjetivo) de representatividade. Amostras aleatrias simples, estratificadas so probabilsticas, uma vez que seus elementos so selecionados com base em probabilidades conhecidas. Segundo essa definio, a amostragem probabilstica implica um sorteio com regras bem determinadas, cuja realizao s ser possvel se a populao for finita e totalmente acessvel. A grande vantagem deste mtodo que os resultados obtidos na pesquisa podem ser projetados para a populao total. Em estudos numricos, somente as amostragens probabilsticas permitem a correta generalizao para a populao dos resultados amostrais. Nas amostras probabilsticas, as inferncias podem ser formuladas por intermdio de estimadores simples, do tipo razo ou do tipo regresso . Os primeiros baseiam-se unicamente nos dados referentes varivel acerca da qual se deseja gerar inferncias, enquanto os outros tambm recorrem a variveis auxiliares, supostamente relacionados com o fenmeno estudado.

Probabilsticas - Todos os elementos da amostra tm probabilidade conhecida diferente. 1.6.2. Introduo Amostragem Aleatria Simples Embora a amostragem aleatria simples no seja, necessariamente, a estratgia amostral mais eficiente e econmica, ela funciona como base para as estratgias mais sofisticadas. As suas principais caractersticas constam da figura abaixo apresentada.
A amostragem aleatria simples (a.a.s.) a maneira mais fcil para selecionarmos uma amostra probabilstica de uma populao. Ela composta por elementos retirados ao acaso da populao. Ento todo elemento da populao deve ter igual probabilidade de ser escolhido para a amostra. Esse procedimento de amostragem possui dois critrios: - pode ser feita amostragem aleatria simples sem reposio; - pode ser feita amostragem aleatria simples com reposio. A amostragem aleatria simples sem reposio um processo bastante utilizado principalmente pela sua simplicidade. Nela cada unidade amostral, antes da tomada da amostra, tem igual probabilidade de pertencer ela e quando a unidade sorteada ela removida da populao ou seja, cada unidade s pode ser escolhida uma nica vez. A ideia principal consiste em dar a cada unidade da populao a mesma oportunidade de ser escolhida para fazer parte da amostra. Para abreviar usaremos, daqui

para a frente, a.a.s. para designar amostra aleatria simples. Uma a.a.s. obtida atravs de um mtodo que d a qualquer possvel amostra de tamanho n (com n elementos) a mesma oportunidade de ser a amostra escolhida. Exemplo: Um professor quer obter uma amostra aleatria simples sem reposio que seja representativa, de 10%, de uma populao de 200 alunos de uma escola, como deve proceder? 1) Numerar os alunos de 1 a 200; 2) Escrever os nmeros de 1 a 200 em pedaos de papel e coloc-los em uma urna; 3) Retirar 20 pedaos de papel, um a um, da urna, formando a amostra da populao. Nesta tcnica de amostragem, todos os elementos da populao tm a mesma probabilidade de serem selecionados: 1/N, onde N o nmero total de elementos da populao e 1 a probabilidade de cada indivduo ser selecionado. Quando a populao muito grande, esse tipo de procedimento torna-se invivel. Nesse caso, usa-se um processo alternativo, no qual os elementos so numerados e em seguida sorteados por meio de uma tabela de nmeros aleatrios, sorteando-se um elemento da populao at que sejam sorteadas as unidades da amostra. Tambm neste caso todos os elementos devem ter a mesma probabilidade de ser selecionados. Dos mtodos existentes, os mais usados e simples para a obteno de uma a.a.s. consistem em: Mtodo 1. Usar uma roda semelhante figura, que se segue,
Figura - Roda A roda deve ser desenhada numa superfcie lisa e deve rodar em torno do centro. A circunferncia deve ser dividida em 10 sectores iguais e numerados como: 0, 1, 2, 3, 4, 5, 6, 7, 8, 9. Fixa-se um ponteiro, como o que est representado na figura. De cada vez que a roda girar, ela parar e o ponteiro indicar um sector, por exemplo 0.

2. Cada sector (nmero) tem a mesma oportunidade de sair e, como a roda no tem memria, o resultado obtido de cada vez que a roda gira no vai afetar as tentativas seguintes. Podemos construir, assim, uma tabela de dgitos aleatrios. Mtodo 2. Usar uma tabela de nmeros aleatrios (j existente), como a que est representada na Tabela A.1 do Apndice. A tabela apresenta agrupamentos de 5 dgitos e tem as linhas numeradas, com o objetivo de facilitar a sua consulta. A tabela satisfaz as seguintes propriedades: 1. Qualquer par de dgitos na tabela tem a mesma oportunidade de ser (qualquer) um dos 100 possveis pares 00, 01, 02, 03, ..., 97, 98, 99. 2. Qualquer trio de dgitos na tabela tem a mesma oportunidade de ser um dos 1000 possveis trios 000, 001, 002, 003, ..., 997, 998, 999. 3. E assim por adiante, para grupos de 4 ou mais dgitos da tabela. Exemplo Se precisarmos de uma a.a.s. de tamanho 5, de um lote de 100 iogurtes para verificarmos contaminaes bacterianas, devemos 1. Numerar os 100 iogurtes de 00, 01, 02, ..., 99; 2. Ler na tabela, a partir de um stio qualquer e de seguida (por exemplo, da linha 111 temos 81486 69487 60513 09297 ...) 3. Registar os 5 grupos de dois dgitos que tenham correspondncia com os nmeros da populao: 81, 48, 66, 94 e 87. Estes so os iogurtes (numerados) selecionados para a amostra. Se aparecerem grupos (neste caso, de dois dgitos) repetidos, devemos ignor-los. Exemplo.2 Pretendemos uma amostra de tamanho 5 de um grupo de 300 unidades. Para numerar as unidades da populao use 000, 001, 002, ... , 297, 298, 299. Ao ler na tabela, por exemplo, a partir da linha 116, grupos de 3 dgitos, temos 144 592 605 631 424 803 716 510 362 253 504 906 118 138 167 985 ... Somente os 1o., 10o., 13o., 14o., 15o., ... devem ser usados. Os outros nmeros devem ser ignorados, pois no tm correspondncia na populao. A amostragem aleatria simples com reposio permite que cada elemento da populao tenha a mesma probabilidade de ser selecionado e esta probabilidade se mantm constante ao longo de todo o processo de seleo da amostra (se as extraes fossem sem reposio isso no aconteceria). Ou seja, durante o sorteio, a unidade amostral j sorteada retorna para a populao. Portanto em cada seleo a populao mantm a mesma quantidade de unidades elementares para serem sorteadas. Exemplo: Uma caixa contm dez bolas numeradas de 0 a 9. O objetivo selecionar nmeros de 2 dgitos para a construo de uma tabela de nmeros aleatrios. Retira-se a primeira bola e

anota-se o nmero, 5 por exemplo. Se esta bola for recolocada na caixa ento, novamente todos os nmeros podem ser selecionados na segunda retirada, inclusive o nmero 5. Quando devemos utilizar amostras com reposio ou sem reposio? Quando a populao grande (infinita) selecionar amostras com ou sem reposio no ir alterar a probabilidade do elemento seguinte ser selecionada. Em geral, deve-se dar preferncia ao tipo de amostragem aleatria simples sem reposio, principalmente quando se trata de populaes com reduzido nmero de unidades amostrais Berqu (1981). Observao importante: Ao compor amostras com seres humanos, mais apropriado ter uma amostra com pessoas diferentes do que permitir medies repetidas da mesma pessoa. Assim sendo, empregaramos o mtodo de amostragem sem reposio, de modo que, uma vez retirado determinado indivduo, o mesmo no poderia ser selecionado novamente As amostras aleatrias podem ser selecionadas com ou sem reposio de populaes finitas ou infinitas. O mtodo empregue deve ser indicado claramente, pois as equaes usadas nas inferncias estatsticas variam com os mtodos. Convm notar que as amostragens aleatrias simples com reposio de populaes finitas e sem reposio de populaes infinitas geram estimadores cujas equaes so idnticas. 1.6.3. Introduo Amostragem Aleatria Estratificada Quando os elementos da populao puderem ser agrupados em conjuntos homogneos (i.e., estratos), pode-se utilizar a amostragem aleatria estratificada, selecionando-se uma amostra para cada estrato. Os tamanhos das amostras e as estatsticas estimadas so independentes. Ao combinar-se as estimativas de cada estrato, obtm-se uma estimao para toda a populao. Na estratificao da populao, cada elemento deve constar de um nico estrato, ou seja, os estratos no podem possuir intersees, e em que o conjunto de elementos de um estrato deve ser o mais homogneo possvel em relao caracterstica que se pretende examinar, como ilustrado pela Figura abaixo apresentada.

A amostragem estratificada apresenta as seguintes vantagens: a) com relao amostra aleatria simples, supondo-se que haja um acrscimo no volume de informao acerca da populao em decorrncia da estratificao (p. ex., o desvio-padro observado em cada um dos estratos substancialmente inferior ao desvio-padro do conjunto da populao): - Obter preciso semelhante com uma amostra total menor; -obter maior preciso com uma amostra total igual; b) Obter estimativas para cada estrato, se essas estimativas forem teis; c) Dar maior ateno a certos grupos dentro da populao que tm uma propenso muito alta ou muito baixa a apresentar a caracterstica examinada. A estratificao pode ser til tambm se os custos de auditoria so diferentes para cada estrato (p. ex., entrevistas de contato direto em alguns casos e questionrios enviados pelo correio em outros). A amostragem aleatria estratificada deve ser realizada quando a populao for constituda por diferentes estratos. Muitas vezes uma populao composta de subpopulaes (ou estratos) bem definidos. A amostra estratificada dever ser composta por elementos provenientes de todos os estratos. Por exemplo, se as pessoas que moram nos vrios bairros de uma cidade so diferentes, cada bairro um estrato. Para obter uma amostra de pessoas dessa cidade, seria razovel obter uma amostra de cada bairro e depois reunir as informaes numa amostra estratificada (Vieira, 1991). IMPORTANTE: A seleo de cada estrato deve ser aleatria.

A amostra aleatria estratificada pode ser uniforme ou proporcional: Apesar de a amostragem estratificada apresentar resultados satisfatrios, a sua implementao dificultada pela falta de informaes sobre a populao para fazer a estratificao. Para poder contornar este problema, voc pode trabalhar com o esquema de amostragem chamado amostragem por conglomerados. Amostra estratificada uniforme: a forma mais comum de selecionar elementos de uma populao, devemos sortear o MESMO nmero de elementos em cada estrato. Este tipo de amostra recomendvel apenas se os estratos da populao forem pelo menos aproximadamente do mesmo tamanho. Exemplo: Nmero de pessoas que vivem nos domiclios de uma determinada cidade. Dividir os domiclios em nveis socioeconmicos e depois selecionar domiclios em cada nvel aleatoriamente (Renda baixa, mdia, alta). Amostra estratificada proporcional: Quando existem diferentes estratos e estes, apesar de apresentarem grande homogeneidade dentro deles so heterogneos entre eles. Sexo, idade, condio socioeconmica, so exemplos tpicos. Por exemplo, se o interesse for avaliar a ocorrncia de determinado agravo em uma cidade e as condies sociais das pessoas so diferentes em cada bairro ento se devem levar em considerao cada extrato e o sorteio da amostra deve ser feito em cada um deles independentemente. Da o nome de amostragem estratificada. Quando houver propores diferentes entre os estratos da populao recomendvel que o nmero de elementos sorteados em cada estrato sorteado seja proporcional ao nmero de elementos no estrato selecionado. Exemplo de Amostra aleatria estratificada proporcional: Em uma escola h 100 alunos, entre os quais 70 so homens e 30 so mulheres. 1- Para selecionar uma amostra aleatria estratificada proporcional com 10 pessoas (lembrar que este nmero o tamanho da amostra que deve ter sido previamente determinado), devemos dividir a populao em dois estratos: homens e mulheres. 2- Em um total de 100 alunos se 70 so homens ento: (70 / 100) x 100 = 70% e se 30 so mulheres ento: (30 / 100) x 100 = 30%. Logo 70% da amostra devero ser homens e 30% da amostra devero ser mulheres. Se a amostra deve ser composta por 10 pessoas ento: devero ser selecionados 7 homens e 3 mulheres.

3- A seleo dessas 10 pessoas dever ser feita por meio de sorteio, de acordo com os conceitos da amostragem aleatria simples. 4- - Se esta amostra estratificada proporcional fosse de 30 pessoas. Lembrar que o universo da populao masculina de 70 homens. Ento, logo teremos (70 x 30)/100 = 21 homens que deveriam ser selecionados para a amostra. O universo da populao feminina de 30 mulheres. Ento, (30 x30)/100 = 9 mulheres que deveriam ser selecionadas para a amostra. Ao contrrio da Amostragem Aleatria Simples, a amostragem Estratificada ideal para populaes heterogneas no entanto, exige um maior conhecimento sobre a populao para que se possa identificar os grupos homogneos dentro dela e poder dividi-la em subgrupos (estratos) para que se possa realizar uma amostragem dentro de cada estrato. Por exemplo: Deseja-se avaliar a aceitao de determinados mtodos de controlo de natalidade em uma determinada cidade. O que se deve levar em conta para selecionar a populao? Religio: catlicos, protestantes e judeus. Situao socioeconmica: alta, mdia e baixa. Quais os tipos de estratos que poderiam ser formados nesta populao? Protestantes de classe alta; Protestantes de classe mdia; Protestantes de classe baixa; Catlicos de classe alta; Catlicos de classe mdia; Catlicos de classe baixa; Judeus de classe alta; Judeus de classe mdia; Judeus de classe baixa. Retiramos amostras aleatrias simples de cada estrato. NUNCA ESQUECER QUE: se as propores forem diferentes entre os estratos a seleo da amostra estratificada DEVER SER PROPORCIONAL. c) A amostragem sistemtica: Quando os elementos da populao se apresentam ordenados e a retirada dos elementos da amostra feita periodicamente, temos uma amostragem sistemtica. A principal vantagem da amostragem sistemtica est na grande facilidade na determinao dos elementos da amostra. O perigo em adota-la est na possibilidade da existncia de ciclos de variao da varivel de interesse, especialmente se o perodo desses ciclos coincidir com o perodo de retirada dos elementos da amostra. Por outro lado, se a ordem dos elementos na populao no tiver qualquer relacionamento com a varivel de interesse, ento a amostragem sistemtica ter efeitos equivalentes a casual simples, podendo ser

utilizada sem restries. Na amostra sistemtica os elementos so escolhidos no por acaso, mas por um sistema. Quando temos uma populao organizada, mais fcil obter uma amostra sistemtica do que uma amostra aleatria simples. Por exemplo, para obter uma amostra de 2% (proporo que j foi previamente estabelecida pelo clculo do tamanho da amostra), dos pronturios dos pacientes de uma clnica, mais fcil pegar o ltimo de cada 50 pronturios do que fazer um sorteio at conseguir 2% do total de pronturio. As amostras sistemticas so muito usadas, mas exigem especial preocupao com o sistema de seleo. Por exemplo, se os elementos da populao esto em fila, no se deve selecionar os primeiros, ou os ltimos, nem mesmo os do meio, preciso percorrer toda a fila e escolher, por exemplo, o dcimo de cada grupo de dez. Exemplos de amostragem sistemtica. 1. Se em uma populao constituda de 500 elementos e a amostra deve ser de 50 elementos onde N = 500 e n = 50, dividem-se N por n, isto , 500 por 50, obtendo-se 10. Em seguida, sorteia-se um nmero da 1 dezena e, a partir dele, escolhem-se os demais, observando-se que se o nmero sorteado for, por exemplo, 5, o segundo dever ser 15 (5+10), o terceiro o 25 (15+10), e assim por diante at obter-se os 50 elementos que constituiro a amostra. 2. Uma populao formada de 30 pessoas e desejamos formar amostras aleatrias sistemticas com 6 pessoas. O valor de h ser 30/6 = 5. Sorteia-se um nmero entre 1 a 5. Se o nmero sorteado foi o 4, ento h = 4. A amostra sistemtica ser formada pelos valores que se colocarem nas posies: 4, 9, 14, 19, 24 e 29 elemento. Se o nmero sorteado de 1 a 5 fosse o 3, ento a = 3 e a amostra seria formada pelos nmeros que estiverem na ordem: 3, 8, 13 18, 23 e 28 nmero. Se o nmero sorteado de 1 a 5 fosse o 1, ento a = 1 e a amostra seria formada pelos nmeros que estiverem na ordem: 1, 6, 11 16, 21 e 26 nmero.
1.7. RECOLHA DE DADOS

Dado qualquer elemento individual da populao. Os dados constituem matria-prima de qualquer anlise estatstica, podem ser recolhidos da partir de diferentes fontes. Se forem obtidos diretamente pelo analista ou pela sua organizao, os dados dizem-se primrios. Esto neste caso os dados includos nos sistemas de informao ou aqueles que so obtidos propositadamente para a anlise estatstica em causa. Se os dados forem compilados por outra instituio so designados de secundrios. A recolha de dados pode ser realizada recorrendo a processos que pode se calssificar em experimentais ou observacionais. Nos processos experimentais exerce-se um controle direto sobre os fatores que potencialmente afetam a carterstica ou conjunto de carateristicas em anlise. O objetivo de pr em evidncia a influncia exercida por aqueles fatores, isoladou conjuntamente. Nos processos observacionais, os fatores que potencialemnte afetam a carteristica ou conjunto de carateristicas em anlise no so controlados. Os processos experimentais so potencialmente mais recveladores da influncia de certos fatores exercem sobre uma ou mais carteristicas que so objeto de analise.No entanto a maioria de analises estatisticas efetuadas no ambito de gesto,economia ou cincias sociais baseia-se em processos observacionais. Os procedimentos utilizados para aquisio de dados primrios so : observao , questionrio e tambm entervistas (caro e dispendioso). Erros Deve-se lembrar que os erros de recolha e manipulao de um grande nmero de dados podem ser maiores do que as imprecises a que estamos sujeitos quando generalizamos, via inferncia, as concluses de uma amostra bem selecionada. Portanto, incorreto pensar que seramos mais precisos, se tivssemos acesso a todos os elementos da populao.
Entretanto, risco a margem de erro motivada pelo fato de se investigar parcialmente (amostra) o universo (populao).

Ressalte-se que quanto maior e mais representativa for a amostra, mais forte o argumento. Se uma amostra for insuficiente ou tendenciosa, concluses retiradas a partir dela podero ser totalmente falsas. Por mais perfeita que uma amostra seja evidentemente ela sempre ter diferenas, quando comparada populao. Assim, quando se usa uma amostra, aceita-se uma margem de erro que chamada de "erro amostral". Erro Amostral a diferena entre um resultado amostral e o verdadeiro resultado populacional. Resulta de flutuaes amostrais aleatrias. A Incerteza a falta de conhecimento a priori do resultado de uma ao ou do efeito de uma condio. importante lembrar que ocorrem erros no-amostrais quando: Os dados amostrais so coletados, registrados ou analisados incorretamente, Usa-se um instrumento /equipamento defeituoso na realizao de mensuraes, Questionrios ou formulrios tm questes formuladas de modo tendencioso.
Com relao aos erros amostrais, claro que acontecem mais frequentemente quando: A amostra no reflete a populao. Por exemplo: a amostra tem mais elementos de sexo feminino e a populao tem mais de sexo masculino. O tamanho da amostra no adequado. fcil perceber que quanto maior o tamanho da amostra, menor o erro cometido e vice-versa. Assim, erro e tamanho da amostra seguem sentidos contrrios. Os termos erro e incerteza no so equivalentes, pois so conceitos diferentes. Toda medida experimental apresenta um erro que necessita ser estimado e compreendido, enquanto a incerteza a melhor estimativa do erro. O erro por natureza uma quantidade indeterminada. Se yv o valor verdadeiro da grandeza a ser medida e y o resultado de uma medio, o erro em y definido por:
= y - yv
O erro relativo percentual (%) definido por: ( %) = [(y -y v )/y v]*100

1. -Arredondamento de dados As amostras so compostas por elementos que podem ser nmeros, categorias, etc. Os nmeros devem ser representativos de cada elemento sem ambiguidade.Muitas vezes, necessrio ou conveniente suprimir unidades inferiores s de determinada ordem. Esta tcnica denominada arredondamento de dados:
O arredondamento feito da seguinte maneira
1 - Quando o primeiro algarismo a ser abandonado 0,1,2,3 ou 4, fica inalterado o ltimo algarismo a permanecer. Ex.: 4,273 = 4,27 ; 53,24 passa a 53,2 ; 44,03 passa a 44,0 2 - Quando o primeiro algarismo a ser abandonado 6,7,8, ou 9, aumenta-se de uma unidade o algarismo a permanecer. Ex.: 4,278 = 4,28 ; Ex: 53,87 passa a 53,9 ; 44,08 passa a 44,1 ; 44,99 passa a 45,0 3 - Quando o primeiro algarismo a ser abandonado 5, h duas solues: Se o nmero antecessor referncia 5 for par, ele mantido. Se for mpar, ser aumentado de uma unidade. Esta regra s se aplica se o nmero 5, que ser eliminado, vier seguido de zeros ou desacompanhado de valor. Exs: 3,455 = 3,46 3,465 = 3,46 a) Se ao 5 seguir em qualquer casa um algarismo diferente de zero, aumenta-se uma unidade ao algarismo a permanecer. Ex: 2,352 passa a 2,4 ; 25,6501 passa a 25,7 ; 76,250002 passa a 76,3 b) Se o 5 for o ltimo algarismo ou se ao 5 s se seguirem zeros, o ltimo algarismo a ser conservado s ser aumentando de uma unidade se for mpar. Exemplos: 24,75 passa a 24,8 24,65 passa a 24,6 24,75000 passa 24,8 24,6500 passa a 24,6
Obs: No devemos nunca fazer arredondamento sucessivos. Exemplo: 17,3452 passa a 17,3 e no para 17,35 e depois para 17,4.

2- Estatstica Descritiva
Introduo
O objetivo da estatstica descritiva, j identificado anteriormente, o de representar de uma forma compreensvel a informao obtida nos dados.
Um processo de amostragem pode gerar vrias possveis amostras, das quais somente uma utilizada. Cada uma dessas possveis amostras forneceria uma determinada estimativa do valor mdio da populao. A variabilidade que seria encontrada se todas as possveis amostras fossem observadas medida pelo respetivo desvio padro do estimador proposto. A preciso de um processo de amostragem dada pelo inverso desse desvio padro; assim, quanto menor a variabilidade em torno da mdia das possveis amostras, maior a preciso. Em geral, aumentando-se o tamanho da amostra, aumenta-se a preciso.
2.1- Conceitos Os Conceitos bsicos usados em amostragem so: Fenmeno Estatstico: qualquer evento que se pretenda analisar, cujo estudo seja possvel da aplicao do mtodo estatstico. Ex.1.: Comportamento do mercado de software no Japo; Ex.2: Produo de leite no pais; Ex.3: Crescimento industrial; Dados Estatsticos: Toda informao obtida do estudo de um determinado fenmeno. um dado e considerado a matria-prima sobre a qual iremos aplicar os mtodos estatsticos. Para os exemplos acima podemos citar: Ex.1: informaes sobre a quantidade e ou tipos de software vendidos no Japo. Ex.2: Volume de litros de leite produzidos por dia. Ex.3: Tipos de industrias e faturamento anual de cada uma. Varivel - uma caracterstica de uma unidade que ser medida a partir daquela unidade da amostra. Varivel pode ser entendida como uma classificao ou uma medida; uma quantidade que se altera em cada caso ou unidade de estudo, ou uma propriedade no

objeto de estudo que pode ser medida e enumerada. A Varivel , convencionalmente, um elemento representante do conjunto de todos os resultados possveis de um fenmeno. Uma varivel pode ser classificada em dois tipos: QUALITATIVA E QUANTITATIVA. Existem diferentes tipos de medio destas variveis: Existem nveis crescentes de medio. As operaes admissveis para um conjunto numrico de dados experimentais dependem do nvel ou escala de medio alcanada. Os dados podem ser expressos em quatro escalas: nominal, ordinal, de intervalo e absoluta. - Escala nominal: os dados dizem-se expressos numa escala nominal quando cada um deles for identificado apenas pela atribuio de um nome que designa uma classe. As classes devem ser exaustivas (qualquer dado pertence a uma das classes), mutuamente exclusivas (cada dado pertence a uma s classe) e no ordenveis (no existe nenhum critrio relevante que permita estabelecer preferncia por qualquer classe em relao s restantes). Exemplo: classificao das pessoas pela cor de cabelo: preto, castanho, loira, branco, etc. A classificao dos consumidores de bens de primeira necessidade pelo sexo: feminino e masculino. Os dados expressos nas classes de uma escala nominal podem ser designadas por nmeros desde que no se possa estabelecer qualquer relao de entre tais nmeros. Exemplo: Classificao dos consumidores pelo gnero, no mbito de um programa de computador: 0(fem) e 1(masc). A escala ordinal estabelece uma ordenao das classes nas quais os dados so classificados, segundo um critrio relevante. Exemplo: classificao obtida pelos alunos num teste de estatstica; mau, medocre, suficiente , bom e muito bom

Escala de intervalo: Os dados, nesta escala so diferenciados e ordenados por nmeros expressos numa escala cuja origem arbitrria. Neste caso pode-se atribuir um significado diferena entre os nmeros, mas no a razo entre eles. Exemplo:
Escala absoluta-ao contrario da escala de intervalos , esta escala tem uma origem fixa. As variveis podem ento ser descritas como: VARIVEL QUALITATIVA: Quando seus valores no so numricos, mas sim expressos por atributos: (sexo, cor dos olhos, raa), NO MEDIDA NUMERICAMENTE. Varivel Qualitativa Ordinal: So aquelas que podem ser colocadas em ordem, por exemplo, a classe social (A,B,C,D, ou E). Varivel Qualitativa Nominal: So aquelas que no podem ser hierarquizadas ou ordenadas, no tem nenhuma ordem de variaes, como a cor dos olhos, diferentes tipos de metais (ouro, prata, bronze), etc. - VARIVEL QUANTITATIVA: Quando os dados so de carter nitidamente quantitativo, e o conjunto dos resultados possui uma estrutura numrica (os seus valores so dados em nmeros: idade, peso, n de filhos). Dentre ainda as variveis quantitativas podemos dividi-las em contnuas ou discretas. Varivel Quantitativa Discreta: Variveis quantitativas discretas: varivel que s pode assumir determinados valores dentro de um intervalo (finito).O conjunto de resultados possveis podem ser finito ou enumervel. Exemplo: nmero de filhos, idade da esposa e etc. Os Seus valores so expressos geralmente atravs de nmeros inteiros no negativos. Resulta normalmente de contagens. Possui campo de variao numervel, finito ou infinito, (ex: n de quartos, n de acidentes por aplice) Ex: N de alunos presentes s aulas de estatstica na turma 2001: fev = 50 , mar = 50, abr = 45 , mai = 50 , jun = 45.

Varivel Quantitativa Contnua: varivel que pode assumir qualquer valor dentro de um intervalo (infinito);os valores formam um intervalo ou unio de nmeros reais. Exemplo: peso, altura, presso sistlica, nvel de acar no sangue. Resulta normalmente de uma mensurao, pode assumir, teoricamente, qualquer valor dentro de um intervalo. Possui campo de variao dado por um intervalo contnuo (ex: superfcie agrcola, taxa de juro). Ex.: - A temperatura de um corpo em C: 34,5; 38,7; 39,8; A altura de uma pessoa em metros: 1,58; 1,65; 2,08;)
Resumindo NOMINAL tambm conhecido como categrico ou qualitativo. No h relao de maior, menor ou qualquer escala de ordem. Uma varivel NOMINAL pode apenas ser igual ou diferente de outra varivel NOMINAL. Exemplos de variveis nominais: nome, gnero, raa. Para tratar ou resumir os dados nominais, voc pode trabalhar com frequncia ou percentagem. No possvel calcular mdia ou mediana para dados nominais. ORDINAL tambm qualitativo (embora em alguns casos pode ser transformado em qualitativo). Neste caso, as variveis possuem uma relao de ordem, podendo estabelecer comparaes como X maior que Z. Exemplos de variveis ordinais: grau de satisfao com o emprego, escolaridade, status socioeconmico. Como na varivel nominal, na varivel ordinal tambm possvel que se calcule sua frequncia.
Os nveis INTERVALAR e de RAZO so conhecidos como quantitativos. Nesses nveis se pode calcular mdia, mediana e desvio padro. A diferena bsica entre esses dois nveis que na escala de RAZO, existe um zero absoluto (ausncia do fenmeno). Exemplos de variveis intervalar: altitude, QI, temperatura.

Exemplos de variveis de razo: velocidade, peso, altura ( diferente de altitude).
Figura 2. Resumo da classificaa de vriaveis. Parmetro uma caracterstica numrica estabelecida para toda uma populao. Assim, um valor singular que caracteriza a populao. Exemplo: A mdia da altura de alunos de uma certa turma 1,72 cm. Parmetros: So valores singulares que existem na populao e que servem para caracteriz-la. Para definirmos um parmetro devemos examinar toda a populao. Ex: Os alunos da sala de aula tm em mdia 1,70 metros de estatura. Estimativa uma caracterstica numrica estabelecida para uma amostra. um valor aproximado do parmetro, sendo obtido a partir de medidas na amostra. Estimativa: um valor aproximado do parmetro e calculado com o uso da amostra. Ex.: - A expectativa de vida do portugues de 65 anos. (vrios bitos no so registrados).
- 70% da populao ganha menos de 2 salrios mnimos. (existem vrios desempregados no registrados).
POPULA O
27 Apontamentos PARMET verso 1-2013

RO
AMOSTRA
ESTIMATI VA

Figura- Diagrama representativo de parmetro e estimativa no contexto populao e amostra. DOMNIO DA VARIVEL: o conjunto de valores que esta varivel pode assumir. Dessa forma, varivel pode ser entendida como qualquer quantidade, qualidade, magnitude de uma caracterstica que pode possuir vrios valores numricos. Distribuio Amostral Quando examinamos uma amostra para tirar concluses sobre as caractersticas da populao, normalmente estas dizem respeito s caractersticas numricas dessa populao. Como exemplos temos: a percentagem de trabalhadores de uma cidade que usa transportes pblicos para se deslocar de casa para o emprego; o tempo mdio de vida das lmpadas GE de 40 watts, etc. Um parmetro uma caracterstica numrica da populao. um nmero fixo, mas em geral no conhecemos o seu valor. Uma estatstica uma caracterstica numrica da amostra. O valor de uma estatstica passa a ser conhecido logo que a amostra efetivamente retirada da populao. No entanto, esse valor vai variar de amostra para amostra. A isto se chama variao amostral. Se chamarmos s variveis X1,X2,X3,X4, ...,Xn1,Xn os elementos da amostra de tamanho n, ento uma estatstica tambm uma varivel aleatria e uma funo f dos elementos da amostra: f (X1,X2, ...,Xn). Esta estatstica usada para estimar o valor do parmetro da populao que desconhecido. Uma estatstica de uma a.a.s. pode tomar um padro (conjunto) de valores previsveis em repetidas amostragens. A este padro chama-se distribuio amostral da estatstica Conhecida a distribuio amostral possvel saber-se o erro (um limite superior) da estatstica em relao ao valor do parmetro da populao. Esta distribuio descreve tambm a tendncia e a preciso da estatstica. A preciso de uma estatstica de uma a.a.s. depende do tamanho da amostra e pode ser melhorada aumentando o tamanho da amostra.

1.3. Plano Amostral O ponto de partida de toda amostra o plano amostral, o qual documenta os passos e os procedimentos envolvidos na utilizao de tcnicas de amostragem, devendo envolver as etapas definidas a seguir: a) Estipular os objetivos do uso de tcnicas de amostragem, explicandose o porqu da no-utilizao de um censo; b) definir os elementos da populao, ou seja, os indivduos ou objetos acerca dos quais sero feitas estimativas; c) definir o tamanho da populao, recorrendo-se, se necessrio, a estimativas; d) examinar o cadastro da populao ou, caso no esteja disponvel, a descrio dos itens relevantes para a seleo; e) descrever a tcnica de amostragem a ser utilizada e justificar a escolha; f) descrever os procedimentos seguidos na execuo do trabalho; g) estabelecer o nvel de confiana; h) determinar o tamanho da amostra e a preciso desejada, o que frequentemente requer uma amostra preliminar; i) escolher as tcnicas de coleta, armazenamento e anlise dos dados. O maior ou menor sucesso dos estudos amostrais, independentemente do seu tipo, costuma guardar relao direta com a melhor ou pior observncia dessas etapas. Erros no processo de amostragem Podem surgir dificuldades no processo de amostragem. Dois tipos de erros podem ocorrer:

1. Erros de amostragem aleatrios que aparecem no processo de amostragem. Do origem a resultados diferentes dos que obteramos se tivssemos usado um censo. So devidos aleatoriedade da repetio de uma experincia e so fceis de ultrapassar, bastando para isso repetir vrias vezes a experincia para obter outras amostras. 2. Os erros de amostragem no aleatrios no esto relacionados com a seleo da amostra. Muitas vezes so devidos complexidade do comportamento humano. So exemplos tpicos destes erros, que surgem em inquritos: a falta de dados, que pode aparecer quando no possvel contactar um sujeito (que tenha sido selecionado para a amostra) ou o sujeito se recusa a responder ao questionrio; Erros nas respostas, quando o sujeito pode deliberadamente mentirmos ao responder s questes colocadas, ou pode no ter entendido a questo; Erro no processamento de dados, que ocorrem no processo mecnico do clculo de quantidades numricas e no processo de introduo de dados para um ficheiro; Efeito do mtodo usado para a obteno dos dados, que tm a ver com os inquiridores, com a altura em que realizado o inqurito, com a linguagem utilizada nas perguntas e com o meio utilizado (correios, telefones ou contactos diretos). O contacto direto com o inquirido o meio mais caro, mas com inquiridores treinados, este mtodo introduz menos tendncias do que qualquer dos outros mtodos (meios) de obteno de dados. Pelo que foi dito, um inqurito aleatrio opinio pblica (digno) de confiana vai depender do uso, no s das ideias estatsticas (amostragem aleatria), mas tambm de prticas experientes (linguagem utilizada nas questes, inquiridores treinados). Outra tcnica de amostragem muito usada que j foi referida, a amostragem estratificada. Para obter uma amostra aleatria estratificada dividem-se as unidades, donde se vai retirar a amostra, por grupos, conhecidos por estratos. Estas camadas ou grupos so escolhidos pelo interesse especial que temos nesses grupos ou pelo facto de que dentro de cada grupo as unidades so muito semelhantes. Finalmente retira-se uma a.a.s. de cada camada e combinam-se todas as amostras para construir a amostra aleatria estratificada. Neste tipo de amostra, as unidades da

populao no tm todas a mesma oportunidade de serem escolhidas. Alguns estratos da populao aparecem na amostra deliberadamente representados por excesso. Uma das vantagens deste tipo de amostragem est relacionada com a possibilidade de se obter informao acerca de cada estrato individualmente. A anlise a efetuar dos dados vai depender do tipo de amostragem usada. As tcnicas estatsticas para uma anlise correta dos dados, variam de acordo com a amostragem. Para planear uma amostra, com o objetivo de realizar um inqurito/estudo, devemos passar pelas seguintes etapas: 1. Definio da populao (em extenso e unidades). 2. Especificao das variveis a medir (preparar o questionrio). 3. Planeamento estatstico da amostra (tamanho e tipo de amostragem). 4. Reconhecimento de certos detalhes (treino dos inquiridores, escolha da altura adequada). Em geral, os pesquisadores procuram desenvolver instrumentos destinados a obter respostas objetivas para perguntas acerca de vrios tipos de fenmenos ou caractersticas (i.e., variveis aleatrias). Os dados coletados representam manifestaes das variveis aleatrias, podendo diferir de resposta para resposta. Essas manifestaes podem ser: categricas ou numricas.
UTILIZANDO O MICROSOFT EXCEL: OPO DADOS/RELATRIO DE TABELA DINMICA) gera estatsticas agrupadas por uma varivel categrica
Com relao aos dados numricos, as suas principais propriedades, ilustradas pela Figura 2.1, so: tendncia central, variao e forma.
2.1. Medidas de Tendncia Central


As medidas de tendncia central so mdia aritmtica, mediana, moda, meia amplitude e meia-amplitude semi-interquartlica, que podem ser definidas da seguinte maneira: a) Mdia Aritmtica Populacional (m) e Amostral ( X ): dado um conjunto de n observaes X1, X2, X3, ..., Xn, m ou X definida pelo somatrio do valor de todas as observaes dividido por n, ou seja:2(2 Caso toda a populao seja abrangida pelas observaes,
substitudo por N). n deve ser
UTILIZANDO O MICROSOFT EXCEL: =MDIA (nm1;nm2; ...).

b) Mediana (Md): dada uma sequncia ordenada de n observaes X1, X2, X3,..., Xn, Md definida pelo valor que divide a sequncia em dois conjuntos com a mesma quantidade de observaes. Caso n seja mpar, a mediana dada pelo valor correspondente ((n+1)/2) 1sima posio da sequncia. Caso n seja par, a mediana dada pela mdia dos valores correspondentes (n/2) e ((n/2)+1) s n-simas posies.
UTILIZANDO O MICROSOFT EXCEL: =MED(nm1;nm2;...). c) Moda (Mo): dado um conjunto de n observaes X1, X2, X3, ..., Xn, Mo definida pelo(s) valor(es) mais frequente(s) entre todas as observaes. UTILIZANDO O MICROSOFT EXCEL: =MODO(nm1;nm2;...). d) Meia Amplitude (Ma): dado um conjunto de n observaes X1, X2, X3, ..., Xn, Ma definida pela mdia do menor e maior valores observados, ou seja:
UTILIZANDO O MICROSOFT EXCEL: =(MXIMO(nm1;nm2;...)+MNIMO(nm1;nm2;...))/2.

e) Meia Amplitude Semi-Interquartlica (Mq): dada uma sequncia ordenada de n observaes X1, X2, X3, ..., Xn, Mq definida pela mdia dos valores correspondentes ao primeiro e terceiro quartis (Q1 e Q3) 3, ou seja(:3 O segundo quartil (Q2) corresponde mediana (Md)).

O primeiro quartil (Q1) definido pelo valor correspondente (n+1/4) -sima posio da sequncia, o qual separa os primeiros 25% das observaes dos 75% restantes. O terceiro quartil (Q3) definido pelo valor correspondente (3(n+1)/4)).-sima posio da sequncia, o qual separa os primeiros 75% das observaes dos 25% restantes. Se (n+1) no for mltiplo de 4, as equaes (n+1/4) e (3(n+1)/4)) no geraro nmeros inteiros. Nesse caso, h trs possibilidades: i. caso n seja mltiplo de 4, o quartil desejado ser dado pela posio imediatamente inferior ao nmero obtido; ii. caso (n+2) seja mltiplo de 4, o quartil desejado ser dado pela posio imediatamente superior ao nmero obtido; iii. caso (n+3) seja mltiplo de 4, o quartil desejado ser dado pela mdia dos valores correspondentes s (n -1)/4) 3 (n+3/4)-simas posies
.
2.2. Medidas de Variao J as medidas de variao so amplitude, amplitude semi-interquartlica, varincia, desvio-padro e coeficiente de variao, que so definidas como indicado abaixo: a) Amplitude (At): dado um conjunto de n observaes X1, X2, X3, ..., Xn, At definida pela diferena entre o maior e menor valores observados, ou seja: At = X mximo - X mnimo. UTILIZANDO O MICROSOFT EXCEL: =(MXIMO (nm1;nm2;...)MNIMO(nm1;nm2;...)). b) Amplitude Semi-Interquartlica (Dq): dado um conjunto de n observaes X1, X2, X3, ..., Xn, Dq definida pela diferena entre o terceiro e o primeiro quartis, ou seja: Dq = Q 3-Q 1. UTILIZANDO O MICROSOFT EXCEL c) Varincia Populacional ( 2) e Amostral (S2): dado um conjunto contendo n observaes X1, X2, X3,..., Xn, 2 e S2 correspondem ao somatrio do quadrado da diferena entre cada observao e a mdia (m ou X ) dividido, respetivamente, por N

(observaes abrangem toda a populao) ou por (n-1) (observaes abrangem apenas uma amostra), ou seja:
UTILIZANDO O MICROSOFT EXCEL: =VARP(nm1;nm2;...).
UTILIZANDO O MICROSOFT EXCEL: =VAR(nm1;nm2;...).

d) Desvio-Padro Populacional () e Amostral (S): dado um conjunto contendo n observaes X1, X2, X3, ..., Xn, s e S correspondem, respetivamente, raiz quadrada da varincia populacional (2) e amostral (S2), ou seja: 4(4O desvio-padro e a varincia tm como objetivo
medir a distribuio das n observaes em torno da mdia. Quanto mais prximas de zero, maior a concentrao. )
UTILIZANDO O MICROSOFT EXCEL: = DESVPADP(nm1;nm2;...).
UTILIZANDO O MICROSOFT EXCEL: = DESVPAD(nm1;nm2;...).
e) Coeficiente de Variao (CV): dado um conjunto de n observaes X1, X2, X3, ..., Xn, CV mede a variao relativa das observaes em torno da mdia (m ou X): CV populacional = (s/ m)100 %. ou CVamostral = X /S) 100.%
UTILIZANDO O MICROSOFT EXCEL:


=(DESVPADP(nm1;nm2;...)/MDIA(nm1;nm2;...)) CVpopulacional. =(DESVPAD(nm1;nm2;...)/MDIA(nm1;nm2;...)) CVamostral.

2.3. Relao entre a Mdia e a Mediana A curva de frequncia de um conjunto de n observaes X1, X2, X3, ..., Xn pode exibir uma forma simtrica, assimtrica direita ou assimtrica esquerda. Isso pode ser constatado comparando-se a mdia (m ou X ) e a mediana (Md). Nesse caso, h trs possibilidades: a) m ou X > Md forma assimtrica direita (mais de 50% das observaes concentra-se esquerda da mdia); b) m ou X = Md forma simtrica (a mdia separa os primeiros 50% das observaes dos 50% restantes); c) m ou X < Md forma assimtrica esquerda (mais de 50% das observaes concentra-se direita da mdia). Convm notar que a anlise anterior pode ser estendida s modas, como mostra a Figura 2.2.

Na teoria de erros, o erro uma quantidade desconhecida que determinada em termos de probabilidades. A distribuio de probabilidades para valores do erro , em um particular processo de medida pode ser entendida como distribuio de erros. O erro em um valor experimental y tem diversas causas, que significa que o erro total pode ser escrito como a soma de erros elementares 1, 2, 3,..., n. Portanto, temos: = 1+ 2+ 3+ ... + .n Esses erros elementares ei podem apresentar diferentes distribuies de probabilidades (triangular, quadrada, retangular, Poisson, entre outras). Entretanto quando o erro total resultar de uma superposio de vrios erros elementares, a distribuio de probabilidades para o erro total tende a ser uma Funo Gaussiana de Densidade de Probabilidades, ou Funo Normal de Erros.



ANEXO A1-


ANEXO A2-EXERCICIOS DE REVISO
Exerccio capitulo I Reviso


1) Arredonde cada um dos dados abaixo, deixando-os com apenas uma casa decimal: a) 2,38 ________ b) 24,65 ________ c) 0,351 _________ d) 4,24 _________ g) 89,99 _________ h) 5,829 ________
e) 328,35 _________ f) 2,97 ________
2) Arredonde cada um dos nmeros abaixo segundo a preciso pedida: a. Para o dcimo mais prximo: 23,40 _________ 234,7832 __________ 48,85002 ________ 78,85 ___________ b. Para o centsimo mais prximo: 46,727 __________ 253,65 ___________ c. Para a unidade mais prxima: 49,98 _________ 68,2 ____________ 45,09 _________ 12,35 __________ 28,255 _________ 128,5 __________
d. Para a dezena mais prxima: 59 __________ 265,0 ____________ 265,31 _________ 3) Efetue as operaes abaixo, simplificando os resultados sempre que possvel: a) b) c) d) e) f) g) h) (3/4) + (4/5) = (7/12) + (5/8) = (7/4) (3/2) + (1/2) = (4/10) + 2(3/5) 1 = 6/12 X 2/9 = 9/5 : 1/5 = (1 2/3) 3 = (1/2 + 2/3) 2/3 =
4) Escreva as taxas percentuais abaixo como razes. sob a forma mais simples possvel: a) 30% b) 60% c) 2,5% d) 200%
5) Calcule : a) 20% de 300; b) 15% de 150; c) 70% de 80 alunos


Estatística Descritiva e Inferência

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Estatística Descritiva e Inferência

Încărcat de

Drepturi de autor:

Formate disponibile

Universidade Lusfona do Porto

Licenciatura Engenharia de Proteo Civil Mtodos Estatticos

1 Apontamentos verso 1-2013

Universidade Lusfona do Porto

Capitulo 2 ESTATISTICA DESCRITIVA

Universidade Lusfona do Porto

3 Apontamentos verso 1-2013

Universidade Lusfona do Porto

4 Apontamentos verso 1-2013

Universidade Lusfona do Porto

Capitulo 1- INTRODUO GERAL

Universidade Lusfona do Porto

6 Apontamentos verso 1-2013

Universidade Lusfona do Porto

Descritiva ou Dedutiva Inferncia Estatstica ou Estatstica Indutiva Probabilidade

II. III. IV. V.

1.5-Estabelecimento do objetivo da anlise e definio da(s) populao(es) correspondentes

7 Apontamentos verso 1-2013

Universidade Lusfona do Porto

Universidade Lusfona do Porto

9 Apontamentos verso 1-2013

Universidade Lusfona do Porto

Universidade Lusfona do Porto

11 Apontamentos verso 1-2013

Universidade Lusfona do Porto

Universidade Lusfona do Porto

Universidade Lusfona do Porto

Universidade Lusfona do Porto

15 Apontamentos verso 1-2013

Universidade Lusfona do Porto

16 Apontamentos verso 1-2013

Universidade Lusfona do Porto

Universidade Lusfona do Porto

Universidade Lusfona do Porto

1.7. RECOLHA DE DADOS

19 Apontamentos verso 1-2013

Universidade Lusfona do Porto

Universidade Lusfona do Porto

21 Apontamentos verso 1-2013

Universidade Lusfona do Porto

Universidade Lusfona do Porto

Universidade Lusfona do Porto

24 Apontamentos verso 1-2013

Universidade Lusfona do Porto

25 Apontamentos verso 1-2013

Universidade Lusfona do Porto

Universidade Lusfona do Porto

Exemplos de variveis de razo: velocidade, peso, altura ( diferente de altitude).

27 Apontamentos PARMET verso 1-2013

Universidade Lusfona do Porto

Universidade Lusfona do Porto

29 Apontamentos verso 1-2013

Universidade Lusfona do Porto

Universidade Lusfona do Porto

2.1. Medidas de Tendncia Central

Universidade Lusfona do Porto

UTILIZANDO O MICROSOFT EXCEL: =MDIA (nm1;nm2; ...).

UTILIZANDO O MICROSOFT EXCEL: =(MXIMO(nm1;nm2;...)+MNIMO(nm1;nm2;...))/2.

Universidade Lusfona do Porto

Universidade Lusfona do Porto

UTILIZANDO O MICROSOFT EXCEL: =VARP(nm1;nm2;...).

UTILIZANDO O MICROSOFT EXCEL: =VAR(nm1;nm2;...).

UTILIZANDO O MICROSOFT EXCEL: = DESVPADP(nm1;nm2;...).

e) 328,35 _ f) 2,97