Teoria da Amostragem 83

11. Teoria da Amostragem

1) Introdução quanto à Teoria da Amostragem;

2) Distinção entre Amostra e Amostragem;
3) Explicitação de momentos, na prática, em que a Amostragem não se apresenta como um
método de pesquisa conveniente;
4) Métodos de Amostragem
a) Amostras Não Probabilísticas (explicitar a razão para o uso das mesmas e desenvolver os
tipos de amostras não probabilísticas);
b) Amostras Probabilísticas (explicitar a razão para o uso das mesmas e desenvolver os tipos
de amostras probabilísticas).

O pesquisador procura geralmente tirar conclusões de um grande número de situações. Posto

que trabalha com tempo, energia e recursos econômicos limitados, raras vezes estuda
individualmente todos os elementos da população na qual está interessado. Em lugar disso,
estuda apenas uma amostra – que se constitui de um número menor de elementos tirados de uma
população. Através do processo de amostragem, o pesquisador busca generalizar (conclusões)
de sua amostra (o grupo pequeno, mas com as mesmas características da população) para a
população toda, da qual essa mesma amostra foi extraída.

Amostra: parte de uma população.

Amostragem: processo de colher amostras de uma população

Usamos o termo INFERÊNCIA ESTATÍSTICA para o uso apropriado dos dados da amostra
para se Ter algum conhecimento sobre os parâmetros da população. Os valores calculados a
partir dos dados da amostra, com o objetivo de avaliar parâmetros desconhecidos, são chamados
de estimativas desses parâmetros.

Importante!
Quando o uso da amostragem não é interessante?
Citaremos três situações em que o uso da amostragem pode não ser indicado:
1) POPULAÇÃO PEQUENA. Se a população for pequena (≅ 50 elementos), para termos
uma amostra capaz de gerar resultados precisos para os parâmetros da população,
necessitamos de uma amostra relativamente grande (em torno de 80% da população).
Geralmente é mais relevante o tamanho absoluto da amostra do que a percentagem que ela
representa na população. Por exemplo, para verificar o tempero de um alimento em
preparação, desde que o alimento esteja bem mexido, uma amostra de uma colher é suficiente,
independente de estarmos preparando uma pequena ou grande quantidade de alimento.
2) CARACTERÍSTICA DE FÁCIL MENSURAÇÃO. Talvez a população não seja tão
pequena, mas a variável que se quer observar é de tão fácil mensuração, que não compensa
investir num plano de amostragem. Por exemplo, para verificar a porcentagem de funcionários
favoráveis à mudança de horário de um turno de trabalho, podemos entrevistar toda a
população no próprio local de trabalho.
3) NECESSIDADE DE ALTA PRECISÃO. A cada 10 anos o IBGE realiza um Censo
Demográfico para estudar diversas características da população brasileira. Dentre as
características tem-se o parâmetro número de habitantes residentes no país, que é fundamental
para o planejamento do país. Desta forma, o parâmetro número de habitantes precisa ser
avaliado com grande precisão e, por isso, se pesquisa toda a população.

Apostila de Estatística Aplicada à Informática – Autoria: Profª Henriette Damm (FURB / Departamento de Matemática)
Teoria da Amostragem 84

11.1. MÉTODOS DE AMOSTRAGEM

Tem-se, geralmente, a preocupação em saber se uma amostra é bem representativa da

população, afim de ser possível fazer generalizações de uma para outra.
Para fazer tais inferências, é necessário a seleção de um método apropriado de amostragem
que leve em conta a possibilidade de todos os membros da população fazerem parte da amostra
ou, então, de apenas alguns fazerem parte dela. Se todos os membros de tal população tiverem
igual oportunidade (probabilidade) de participar da amostra, diz-se que o método usado é da
AMOSTRAGEM CASUAL (amostragem probabilística); se este não for o caso, fala-se em
AMOSTRAGEM NÃO-CASUAL (amostragem não-probabilística).

11.1.1. AMOSTRAS NÃO-PROBABILÍSTICA (amostras não-casuais)

Razões para o uso das amostras não-probabilísticas

1) NÃO EXISTÊNCIA DE OUTRA ALTERNATIVA VIÁVEL. A população toda não está
disponível para ser sorteada. Por exemplo: numa pesquisa que envolve uma amostra com 120
hotéis, descobre-se que, desses, apenas 55 estão dispostos a concluir entrevistas, os demais se
recusam, alegando razões de sigilo. Qual será a opção menos ruim, não fazer a pesquisa ou fazê-
la com aqueles que se dispõem a colaborar?
2) A AMOSTRAGEM PROBABILÍSTICA É TECNICAMENTE SUPERIOR NA TEORIA. No
entanto, na prática, ocorrem problemas com sua aplicação que enfraquecem essa superioridade.
Por exemplo: os entrevistados podem não seguir corretamente as instruções ao selecionar os
respondentes, ou podem omitir algumas das perguntas ao entrevistar algumas pessoas; alguns
dos elementos selecionados podem recusar-se a ser entrevistados, ou podem não ser encontrados.
E o resultado do processo de amostragem poderá ser não-probabilístico, apesar de todo esforço
para que o fosse, o que torna a opção amostragem não-probabilística também aceitável.
3) A OBTENÇÃO DE UMA AMOSTRA DE DADOS QUE REFLITAM PRECISAMENTE A
POPULAÇÃO NÃO SER O PROPÓSITO PRINCIPAL DA PESQUISA. Se não houver intenção
de generalizar os dados obtidos na amostra para a população, então não haverá preocupações
quanto à amostra ser mais ou menos representativa da população. É o caso, por exemplo, da
realização de uma pesquisa exploratória, em que o objeto principal é ganhar conhecimento sobre
o assunto e não as informações obtidas serem ou não representativas da população. O
importante é que o pesquisador não se engane, nem engane aos demais interessados na pesquisa,
quanto a limitação das informações obtidas dessa forma.
4) TEMPO, RECURSOS FINANCEIROS, MATERIAIS E HUMANOS NECESSA’RIOS
PARA A REALIZAÇÃO DE UMA PESQUISA DE AMOSTRAGEM PROBABILÍSTICA. Pode ser
que esses recursos sejam tão disponíveis e de tal monta que, ao pesquisador, possam restar
apenas duas opções: ou fazer a pesquisa com recursos disponíveis, conformando-se com uma
amostra não- probabilística, ou não fazê-la.

Por essas razões, e a medida que os pesquisadores estiverem convencidos de que tais
processos de amostragem sejam razoavelmente satisfatórios, é certeza de que pesquisas
continuarão sendo realizadas de acordo com os princípios de amostragem não-probabilística, ou
seja, os pesquisadores continuarão a empregar métodos não-probabilísticos, justificando seu uso
por inúmeras razões práticas, embora nunca deixando de admitir a superioridade técnica, a
princípio, da amostragem probabilística.

Apostila de Estatística Aplicada à Informática – Autoria: Profª Henriette Damm (FURB / Departamento de Matemática)
Teoria da Amostragem 85

11.1.1.1. TIPOS DE AMOSTRAS NÃO-PROBABILÍSTICAS

 Amostras por conveniência (ou acidentais): são selecionadas por alguma conveniência do
pesquisador.
Exemplo: * solicitar a pessoas que voluntariamente testem
um produto e, em seguida respondam a uma entrevista; * parar
pessoas em um supermercado e colher suas opiniões; *
durante um programa de televisão ao vivo, colocar à
disposição dos telespectadores linhas telefônicas acopladas a
computadores para registrar, automaticamente, opiniões a
favor ou contra alguma colocação formulada.
Em qualquer desses exemplos, o elemento pesquisado foi
auto-selecionado, ou selecionado por estar disponível no local
ou no momento em que a pesquisa estava sendo realizada.

 Amostras Intencionais (ou por julgamento): a suposição básica da amostra intencional é

que, com bom julgamento e estratégia adequada, podem ser
escolhidos os casos a serem incluídos e, assim, chegar a
amostras que sejam satisfatórias para as necessidades da
pesquisa. O problema é que não temos como conhecer o grau
e direção do erro amostral; por isso afirmações conclusivas
sobre a população em estudo, não poderão ser feitas a partir
dessa amostra. No entanto, se os critérios de julgamento na
escolha da amostra forem corretos, uma amostra intencional
deverá trazer melhores resultados para a pesquisa do que uma
por conveniência.
Um exemplo em que a amostra intencional traz bons
resultados, quando se quer verificar as razões de compra/não
compra de determinada marca de produto, é escolher dois
grupos de elementos a serem pesquisados: os usuários e os não
usuários do produto.

 Amostras por Quotas (ou proporcionais): constituem um tipo especial de amostras

intencionais. O pesquisador procura obter uma amostra que
seja similar, sob alguns aspectos, à população. Há necessidade
de se conhecer a priori, a distribuição na população de algumas
características controláveis e relevantes para o delineamento da
amostra. A montagem dessa amostra é simples de ser
realizada quando, além de dispor de informações sobre a
população, o pesquisador trabalha apenas com poucas
características sob controle e com poucas categorias em cada
uma.
À medida que o número de características e de categorias
sob controle for sendo elevado, pode-se chegar a uma situação
tal que o método não poderá ser empregado, ou pela não-
disponibilidade das proporções na população, ou pelo
exagerado número de células a que se chega, o que exigirá um
número elevado de elementos no total da amostra. Exemplo:
1a característica – sexo: 2 categorias: masculino e feminino

Apostila de Estatística Aplicada à Informática – Autoria: Profª Henriette Damm (FURB / Departamento de Matemática)
Teoria da Amostragem 86

2a característica – idade: 4 categorias: até 18 anos, de 19 a 30

anos, de 31 a 50 anos e mais de 50 anos
3a característica – classe social: 5 categorias: classe A, classe
B, classe C, classe D e classe E
4a característica – nível educacional: 5 categorias: analfabeto,
primário, ginásio, colegial, superior
O número de resultantes será: 2 x 4 x 5 x 5 = 200. Para que
uma amostra com esse número de células seja levada adiante é
preciso Ter informações de proporções na população de cada
uma dessas células, o que é, praticamente, impossível de se
conseguir. No entanto, admitindo-se que essas informações
estejam disponíveis, outro problema operacional a ser
resolvido será o tamanho que deverá Ter essa amostra, e como
trabalhar para colher elementos em números significativo para
todas as células, o que parece constituir-se numa tarefa, se não
impossível, extremamente complexa de ser resolvida.

11.1.2. AMOSTRAS PROBABILÍSTICAS

A amostragem probabilística é caracterizada pelo conhecimento da probabilidade de que cada

elemento da população possa ser selecionado para fazer parte da amostra.
A característica de conhecer as probabilidades de que cada elemento da população possa vir a
fazer parte da amostra garante que a amostra será constituída de elementos selecionados
objetivamente por processos aleatórios e não pela vontade do pesquisador, dos entrevistadores de
campo ou mesmo pelo entrevistado. Esse fato, em termos estatísticos, significa que a
amostragem probabilística permite calcular em que medida os valores de variáveis obtidas na
amostra diferem dos valores da população. Essa diferença é chamada de erro amostral e é
advinda exclusivamente do fato de estarem sendo tomadas medidas numa amostra e não em toda
população.

11.1.2.1. TIPOS DE AMOSTRAS PROBABILÍSTICAS

 Amostragem Aleatória Simples: caracteriza-se pelo fato de cada elemento da população

Ter probabilidade conhecida, diferente de zero, idêntica à dos
outro elementos, de ser selecionada para fazer parte da
amostra.
Para selecionar então a amostra, usa uma tábua de números
aleatórios (uma tábua de números aleatórios é construída com
a finalidade de gerar uma série de números totalmente
desprovida de “lei de formação”), mas para isso faz-se
necessário arranjar uma lista de todos os componentes da
população, atribuindo-lhes valores únicos de identificação.

 Amostragem Sistemática: os membros da população que participam da amostra são

determinados a partir de intervalos fixos. Ao empregar tal
amostragem, cada n-ésimo membro de uma população é
incluída numa amostra da população.
Exemplo: de 10 em 10, casa da esquina em casa da
esquina, posição na lista telefônica, ...)

Apostila de Estatística Aplicada à Informática – Autoria: Profª Henriette Damm (FURB / Departamento de Matemática)
Teoria da Amostragem 87

 Amostragem Estratificada: consiste em dividir a população em subgrupos mais

homogêneos- estratos – dos quais amostras aleatórias simples,
são extraídas.
Exemplo: suponham que desejamos estudar a aceitação de
vários dispositivos para o controle de natalidade entre os
membros de determinada cidade. Como as atitudes relativas
ao controle de natalidade variam conforme a região e situação
sócio-econômica, poderíamos estratificar a populaçào em
católicos, protestantes, judeus, bem como, classe alta, média e
baixa.
Tendo identificado os estratos, começamos a colher
amostras casuais simples.
A estratificação baseia-se na idéia de que um grupo
homogêneo requer uma amostra menor que um grupo
heterogêneo.

 Amostragem por Conglomerados: usadas para reduzir os custos de grandes pesquisas, nas
quais os entrevistadores devem ser enviados a locais muito
esparsos, fato do qual decorrem muitas viagens.
Nesse método de amostragem, dois níveis de amostragem
são empregados:
• a unidade primária de amostragem ou
conglomerados, que corresponde a alguma área bem delineada
onde se concentram características encontradas na população.
Exemplo: estado, comarca, quarteirão, ...;
• os sujeitos amostrados (amostragem aleatória
simples) dentro de cada conglomerado.

Apostila de Estatística Aplicada à Informática – Autoria: Profª Henriette Damm (FURB / Departamento de Matemática)
Teoria da Amostragem 88

11.2. TAMANHO DE UMA AMOSTRA

11.2.1. TAMANHO DE UMA AMOSTRA PROBABILÍSTICA

σ2 ⋅ p ⋅ q ⋅ N
n: 2
E ⋅ ( N − 1) + σ 2 ⋅ p ⋅ q

onde:
n = tamanho da amostra
σ 2 = nínel de confiança
p = proporção da característica pesquisada
q = 100 – p
N = tamanho da população
E2 = erro de estimação permitido

Portanto o tamanho da amostra depende:

• Amplitude do universo
• Nível de confiança estabelecido – nível de confiança da curva normal que se pretende
abranger. Normalmente nas pesquisas trabalha-se com 95% de confiança (na curva
normal este valor equivale a 1,96. Isto significa que existe uma probabilidade de 95%,
em 100%, de que qualquer resultado obtido na amostra seja válido para o universo
• Erro de estimação permitido – os resultados da amostra não podem ser rigorosamente
exatos em relação ao universo que pretendem representar, supõem erros de medição.
Quanto maior a amostra menor o erro. Normalmente trabalha-se com um erro de 5%
• Proporção da característica pesquisada

Apostila de Estatística Aplicada à Informática – Autoria: Profª Henriette Damm (FURB / Departamento de Matemática)
Teoria da Amostragem 89

Identificação do Universo e Amostra :

Alunos do CAMPUS I (Dados fictícios)
Universo: 10.927 alunos

Amostra:
CENTRO DE CIÊNCIAS EXATAS E NATURAIS
UNIVERSO AMOSTRA
º
Ciências – Licenciatura de 1 Grau 41
Ciências Biológicas – matutino 252
Ciências da Computação – matutino 323
Ciências da Computação – noturno 418
Matemática – matutino e noturno 120
Química – matutino 119
Química – noturno 135
Total de Alunos Matriculados 1408
CENTRO DE CIÊNCIAS DA SAÚDE
Medicina – integral 283
Educação Física – matutino 200
Educação Física – noturno 203
Farmácia 150
Fisioterapia – matutino 187
Fisioterapia –vespertino 148
Odontologia – integral 176
Psicologia – matutino e vespertino 383
Total de Alunos Matriculados 1730
CENTRO DE CIÊNCIAS HUMANAS E DA COMUNICAÇÃO
Ciências Sociais – noturno 57
História – noturno 112
Serviço Social – noturno 170
Serviço Social – matutino 89
Secretariado Executivo – noturno 333
Comunicação Social – matutino 191
Comunicação Social – noturno 210
Total de Alunos Matriculados 1162
CENTRO DE CIÊNCIAS JURÍDICAS
Direito – matutino 588
Direito – noturno 682
Total de Alunos Matriculados 1270
CENTRO DE CIÊNCIAS SOCIAIS APLICADAS
Administração – noturno 835
Administração – matutino 428
Ciências Contábeis – noturno 816
Ciências Econômicas – noturno 624
Turismo e Lazer – matutino 50
Total de Alunos Matriculados 2753

Apostila de Estatística Aplicada à Informática – Autoria: Profª Henriette Damm (FURB / Departamento de Matemática)
Teoria da Amostragem 90

CENTRO DE CIÊNCIAS DA EDUCAÇÃO

Letras – noturno 333
Pedagogia – noturno 363
Total de Alunos Matriculados 696
CENTRO DE CIÊNCIAS TECNOLÓGICAS
Arquitetura e Urbanismo – matutino 515
Engenharia Civil – matutino e vespertino 414
Engenharia de Telecomunicações – matutino 123
Engenharia Florestal – vespertino e vespertino 183
Engenharia de Produção – Tecnologias + Limpas 53
Total de Alunos Matriculados 1288
EXTENSÃO
Curso
Laboratório de Línguas 351
ETEVI 269
Total de Alunos Matriculados 620

TOTAL GERAL 10.927

Apostila de Estatística Aplicada à Informática – Autoria: Profª Henriette Damm (FURB / Departamento de Matemática)
Teoria da Amostragem 91

Professores e Funcionários (Campus I) (Dados fictícios)

Universo: 1.370

Amostra:
CENTROS UNIVERSO AMOSTRA
PROFESSORES CCE 93
CCS 200
CCEN 130
CCHC 72
CCJ 55
CCSA 87
CCT 102
Laboratório de Línguas 7
ETEVI 24
Total de Professores 770
FUNCIONÁRIOS 448
TERCEIRIZADOS 152
TOTAL GERAL 1.370

Apostila de Estatística Aplicada à Informática – Autoria: Profª Henriette Damm (FURB / Departamento de Matemática)
 Teoria da Amostragem 92

Identificação do Universo e Amostra :

População Urbana

Projeção Domicílios Amostra c/ 95% de conf.

BAIRROS
2000 e 5% de margem de erro
Centro 661
Jardim Blumenau 301
Bom Retiro 335
Petrópolis 203
Da Velha 9686
Victor Konder 1128
Vila Nova 2010
Do Asilo 5432
Do Salto 1239
Itoupava Seca 918
Boa Vista 403
Itoupava Norte 4025
Ponta Aguda 2558
Vorstadt 1407
Rib.Fresco 404
Do Garcia 4220
Da Glória 1923
Progresso 4740
Vila Formosa 276
Fortaleza 6380
Salto Norte 2332
Salto Weissbach 569
Passo Manso 867
Badenfurt 1117
Texto Salto 1157
Itoupavazinha 4460
Itoupava Central 2966
Vila Itoupava 597
Fidélis 173
Valparaiso 1844
TOTAL 66332

Apostila de Estatística Aplicada à Informática – Autoria: Profª Henriette Damm (FURB / Departamento de Matemática)
Teoria da Amostragem 93

11.2.2. TAMANHO DE UMA AMOSTRA NÃO PROBABILÍSTICA

σ2 ⋅ p ⋅q
n:
E2

onde:
n = tamanho da amostra
σ 2 = nível de confiança
p = proporção da característica pesquisada
q = 100 – p
E2 = erro de estimação permitido

Apostila de Estatística Aplicada à Informática – Autoria: Profª Henriette Damm (FURB / Departamento de Matemática)
Teoria da Amostragem 94

TABELA NORMAL

Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,00 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,10 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,20 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,30 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,40 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,50 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,60 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,70 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,80 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,90 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,00 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,10 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,20 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,30 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,40 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,50 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,60 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,70 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,80 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,90 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,00 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,10 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,20 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,30 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,40 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,50 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,60 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,70 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,80 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,90 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,00 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,10 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,20 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,30 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,40 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,50 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,60 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,70 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,80 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,90 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000
4,00 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000

Apostila de Estatística Aplicada à Informática – Autoria: Profª Henriette Damm (FURB / Departamento de Matemática)