Baixe o app para aproveitar ainda mais
Prévia do material em texto
ESTATÍSTICA Graduação Tecnológica em Gestão Comercial Sumário UNIDADE I .................................................................................................................................. 3 I - Introdução ........................................................................................................................... 3 I-I Análise estatística, População e Amostra ........................................................................ 3 I- II Amostragem .................................................................................................................... 4 I.III Censo e Estimação .......................................................................................................... 7 II Estatística descritiva ........................................................................................................... 8 II - I Inferência e probabilidade ............................................................................................. 8 II-II Principais conceitos ......................................................................................................... 9 UNIDADE II – DESCRIÇÃO DE DADOS E PROBABILIDADE ...................................... 16 I - Formas de descrição de dados ..................................................................................... 16 I.I Tabelas ............................................................................................................................ 16 I.II Gráficos .......................................................................................................................... 19 II Introdução à teoria da probabilidade ......................................................................... 22 II.I Experimento Aleatório ................................................................................................... 22 II.II Ponto Amostral e Espaço Amostral ............................................................................... 22 II.III Evento .......................................................................................................................... 23 II.IV Cálculo de probabilidade ............................................................................................. 23 BIBLIOGRAFIA ........................................................................................................................ 26 UNIDADE I I - Introdução A estatística nada mais é do que a coleta, análise e interpretação de dados. Imagine a estatística como sendo a ferramenta perfeita para entender situações a partir de números. Dentro de uma empresa, por exemplo, a estatística pode ser usada para se analisar as informações históricas de vendas para determinado perfil de cliente. A partir dessas informações o gestor pode tomar decisões. Um exemplo seria a análise da média de vendas dos últimos 3 anos para o segundo trimestre do ano. A partir dessa média é possível estimar as compras para o ano atual. Em soma, quando se é cometido um erro, se obtém experiências, e a partir dessas podemos tirar possíveis informações que nos possibilitam a tomar diferentes decisões de não incidir no mesmo erro novamente, o que podemos chamar de análise estatística. I-I Análise estatística, População e Amostra Chamamos de análise estatística o processo de extrair as informações de resultados para responder futuras perguntas. Essas informações são retiradas da população ou da amostra. O termo População é conhecido como um grupo completo de indivíduos ou objetos, com as mesmas ou parecidas características. A partir da população podemos obter a amostra, que é apenas uma parte da mesma. Por exemplo, uma população muito grande pode tornar economicamente inviável a coleta de informações de todos os indivíduos. Dessa forma é constituída uma amostra, isto é, uma parte desse conjunto total, mas que busca apresentar características de todo o conjunto. Ao invés de, por exemplo, fazermos uma pesquisa e solicitar que todos os 5.000 clientes da empresa respondam a um questionário de 20 questões, poderíamos ter uma amostra de 50 clientes para a realização da pesquisa. Esse número (50 clientes) é uma amostra da população total. A amostragem é o processo de se retirar uma amostra. I- II Amostragem O processo em que se obtém uma amostra é conhecido como amostragem, o qual consiste em escolher os elementos a serem estudados da população de maneira que o seu resultado seja o mais adequado para a análise de um todo. Esse processo de amostragem é considerado bastante importante, já que com o mesmo não há necessidade de sabermos os dados de uma população completa para um resultado generalizado. A amostragem pode ser realizada de diversas maneiras, dependendo do conhecimento da população, dos recursos disponíveis, dentre outros fatores. Pode ser classificada em dois grupos e respectivos subgrupos. Amostragem probabilística: Qualquer elemento tem a mesma probabilidade de ser sorteado, sendo a mais recomendada para que se garanta a representatividade da amostra. Esse tipo de amostragem pode ser subdividido em amostragem aleatória simples, amostragem sistemática, amostragem estratificada e amostragem por aglomerados. Amostragem aleatória simples Todos os elementos presentes tem a mesma possibilidade de serem sorteados. Temos como exemplo os números de um bingo. Todo e qualquer número que esteja dentro do sorteio e não seja repetido terá a mesma chance de ser tirado. Esse processo é um dos mais utilizados, sendo o de mais fácil compreensão. Porém sua desvantagem é que o resultado é menos preciso, apresentando maior quantidade de erros em comparação com outras técnicas, além de poder resultar em uma amostra não representativa. Amostragem aleatória sistemática: A escolha é feita com os elementos alinhados de maneira organizada (filas, listas e outros). Nesse tipo de amostragem sempre terá um elemento “k”, que é considerado o intervalo entre uma amostra e outra. O primeiro elemento é tirado ao acaso entre 1 e “k” e a partir daí se retira os próximos sempre calculando o mesmo intervalo entre um e outro. Amostra estratificada: Realiza-se esse tipo de amostra com a população dividida em estratos, sendo eles subconjuntos homogêneos com características em comum. A partir daí é feita a seleção em cada estrato pelo processo aleatório simples, retirando o mesmo número de itens de cada. Pode-se exemplificar uma amostra estratificada, dividindo uma população entre homens e mulheres, regiões, cidades pequenas e grandes, faixa etária, dentre outros exemplos. Amostra por conglomerados: Nesse tipo de amostra também se usa a subdivisão da população em grupos, mas diferente da amostra estratificada, os grupos contêm uma grande heterogeneidade entre os indivíduos. Aqui já não é mais feita a seleção de indivíduos por cada um dos grupos, e sim selecionados os conglomerados de forma geral para o estudo. A seleção dos conglomerados também é feita aleatoriamente. Amostragem não probabilística: Os elementos da amostra não têm a mesma probabilidade de serem escolhidos e os resultados não podem ser generalizados, já que esse processo não garante a representatividade da população. É dividida em diversos subgrupos como a amostra acidental e por julgamento. Amostra acidental: Também conhecida como amostra por conveniência, onde os elementos selecionados serão os mais disponíveis. Não existe um critério de seleção para pesquisa, apenas a facilidade de acesso a cada indivíduo. Como um repórter na rua fazendo pesquisas com as pessoas que passam perto dele. Amostra por julgamento: É um tipo de amostragem intencional, onde se usa um “filtro” para a escolha de cada indivíduo, sendo escolhidos apenas osque são interessantes para a pesquisa. I.III Censo e Estimação Pode acontecer ainda que exista uma população pequena de indivíduos e nesse caso seja necessário coletar as informações de todos os indivíduos. Se tivermos, por exemplo, apenas 100 clientes dentro de nossa empresa é interessante buscar a coleta de todos esses clientes e não apenas de uma amostra. Cabe lembrar que aqui caberá o bom- senso e o pensamento crítico do investigador. Quando usamos todos os indivíduos da população para a pesquisa estaremos realizando um censo. Apenas através do censo se obtém o valor real do parâmetro que descreve a população, sendo ele então mais vantajoso para pequenas populações. Ao se obter os dados de uma amostra ou de um censo, os mesmos são usados para realizar o estudo desejado com a população e chamamos esse processo de estimação. E esse processo é usado, por exemplo, para estimarmos valores de parâmetros como média, desvio padrão, dentre outras medidas. Ou seja, a estimação é o ato de se calcular alguns parâmetros estatísticos (que iremos comentar mais a frente no nosso material) a partir dos dados coletados. Um exemplo de estimação seria o cálculo da média salarial dos 100 clientes de uma determinada empresa. Nesse caso, estamos calculando a média (que é uma medida estatística) a partir de dados coletados com toda a população. II Estatística descritiva A estatística descritiva busca detalhar os dados coletados em uma pesquisa e é usada na primeira fase de levantamento de dados, sendo conceituada como um conjunto de técnicas com a finalidade de resumir e descrever as informações iniciais. Ela é responsável pela organização, resumo e apresentação por gráficos e/ou medidas dos dados de uma amostra ou população. Por exemplo, se em nossa pesquisa coletarmos a idade, salário, quantidade de filhos de nossos clientes, entre outras informações, poderemos apresentar algumas dessas informações através de gráficos. O que irá facilitar visualmente a apresentação e o entendimento. Esse trabalho é o que chamamos de estatística descritiva. II - I Inferência e probabilidade Embora pareça algo de outro mundo a probabilidade é a estimativa feita, com base nos dados recolhidos, de que um evento possa ocorrer. E essa probabilidade pode ser constituída através da inferência. A inferência é capaz de responder se é possível generalizar (com margem de erro ou nível de confiança) a resposta, deduzindo e tirando conclusões sobre um grande número de eventos com base em uma parte deles. Para entendermos isso melhor podemos usar um exemplo: Se nos três últimos anos a média de vendas no mês de março foi de R$25.000,00, é provável que no mês de março do corrente ano a média de vendas acompanhe o nível histórico. Mas cabe lembrar que a estatística não possui uma bola de cristal, mas permite estabelecer parâmetros com base em séries históricas. E é disso que se trata a inferência, ou seja, podemos afirmar uma proposição com base em outros acontecimentos tidos como verdadeiros: A probabilidade é a chave do processo de inferência, sendo utilizada para se estudar a incerteza dos fenômenos aleatórios, servindo para análise das conclusões da realidade de um todo com conhecimento de apenas uma parte. Antes de qualquer análise de inferência estatística é necessário fazermos uma organização dos dados, ou seja, a análise descritiva serve também como base da estatística referencial. É o que comentamos antes, eu preciso organizar os dados coletados (processo de tabulação que iremos comentar também em nossas aulas) para que possamos fazer inferências. II-II Principais conceitos Tipos de variáveis As variáveis são as informações extraídas para tirarmos possíveis conclusões pela estatística descritiva. Para essa extração primeiramente deve-se definir o tipo de característica a ser estudada (idade, peso, sexo...). A variável vai depender do número (n) de elementos da amostra ou da população, sendo ela unidimensional, onde a quantidade de elementos estudados é igual à quantidade de dados. Os tipos de variáveis são divididos em dois grupos que são divididos em outros dois subgrupos cada um, como mostra a ilustração abaixo. Figura 1 – Tipos de Variáveis Variável qualitativa Variáveis que resultam de uma classificação por tipo ou atributos. Não podem ser mensuradas numericamente. São classificadas entre nominal e ordinal. Nominal: os dados não podem ser ordenados, e são citados por denominação. Exemplos: cor dos olhos de determinadas pessoas, qualidade de um produto (defeituoso ou perfeito), sexo masculino ou feminino, dentre outros tipos de variáveis nominais. Ordinal: os dados podem ser representados em ordem. Mesmo que não sejam numéricos existe uma hierarquia entre as variáveis. Por exemplo: nível de escolaridade (fundamental, médio e superior), classes sociais (baixa, média e alta), economia de países (ótima, boa, ruim e péssima), dentre outros tipos de variáveis ordinais. Variável quantitativa Variáveis mensuradas numericamente que são resultantes de contagem e expressa em números. São classificadas em discretas e contínuas. Discretas: os dados são observados em números completos, inteiros. Não é possível classificar uma variável discreta como sendo apenas metade de algo. Como por exemplo, o número de filhos dos casais de uma rua, pois só é possível que se tenha 1, 2, 3 ou qualquer outra quantidade que seja inteira. Contínuas: os dados são valores aproximados dentro de um intervalo, podendo ter números com vírgula, já que os mesmos são feitos por medição como altura, peso, dentre outros tipos. Medidas de tendências central Média Conhecida como média aritmética, ela é usada para concentrar todos os dados, centralizando os valores em apenas um como representante. Para ser mais adequada aos padrões de amostra, os resultados são melhores quando são mais uniformes e não se tem grandes discrepância de valores. É calculada somando-se todos os valores da amostra e dividindo o resultado pela quantidade de valores somados entre si. Como por exemplo: Calculando a média de idade de um grupo de 5 pessoas, soma-se todas as idades e divide-se pela quantidade de pessoas do grupo: João - 19 anos Mariana - 25 anos José Antônio - 23 anos Roberta - 20 anos Alice - 23 anos Média - (19 + 25 + 23 + 20 + 23) / 5 = 22 anos Mediana A mediana é aplicada a conjuntos de valores ordenados, sendo ela o dado que ocupa a posição central dos elementos, sabendo que para realizar esse cálculo é preciso que todos os valores sejam colocados exatamente na ordem crescente. Se você precisa calcular a mediana das idades, como no exemplo abaixo, deverá colocar essas idades em ordem crescente. Podem-se ter dois tipos de mediana, dependendo da quantidade de elementos que se tem. Se sua quantidade no total for ímpar, a mediana será exatamente o valor que separa a metade maior da metade menor da amostra. Caso a quantidade for par, para saber o valor da mediana somam-se os dois valores que se encontram no meio e divide- se o resultado por 2. Usando o mesmo exemplo anterior das idades, encontra-se a mediana colocando-as em ordem crescente e analisando qual será o valor do meio. 19 – 20 – 23 – 23 – 25 A mediana das idades equivale a 23. Moda Essa medida é a que tem o significado mais simples. Apenas observando o valor que mais se repete na amostra é possível descobrir a moda, ou seja, ela sempre será o dado com a maior frequência em comparação com o restante. Uma amostra pode conter mais de uma moda ou nenhuma, caso os valores não se repitam nenhuma das vezes. O que é conhecido como amostra amodal. No exemplo das idades pode-se observar que a moda é 23, já que é o único valor que se repete.Medidas de variabilidade ou dispersão Quando se realiza cálculos de medidas de tendência central, não se pode esquecer que mesmo chegando a um resultado final, existe uma variabilidade grande ou pequena dos dados. Como por exemplo, saber a média de idade de um grupo, não nos permite saber o quão novo pode ser o de menor idade ou quão velho pode ser o de maior idade. Sendo assim, as medidas de dispersão existem para caracterizar a dispersão ou a variabilidade entre os dados obtidos em pesquisas. Dentre elas encontramos: a amplitude, a variância, o desvio médio e o desvio padrão. Amplitude Amplitude é a medida entre os extremos dos valores. É calculada fazendo-se a diferença do valor máximo com o mínimo de um conjunto de dados. Exemplo: Registrou-se o número de pessoas que visitaram uma loja em sua semana de inauguração de segunda a sábado. Os valores obtidos foram os seguintes: Segunda-feira: 256 pessoas Terça-feira: 200 pessoas Quarta-feira: 159 pessoas Quinta-feira: 185 pessoas Sexta-feira: 130 pessoas Sábado: 240 pessoas A amplitude dos dados é: 256 – 130 = 126 pessoas. Logo a quantidade de pessoas que visitaram a loja durante a semana variou em 126 pessoas. Apenas é importante ressaltar que a amplitude leva em consideração apenas o menor e maior valor, o que não a torna o melhor meio de análise de dados. Mas iremos entender sua importância ao longo de nossos estudos. Variância A variância da amostra é dada pela média das diferenças ao quadrado entre cada um dos valores do conjunto de dados. Podendo ser representada pela seguinte fórmula: Não se assuste com essa fórmula! Pois a primeira vista ela pode parecer desafiadora. Na verdade buscamos ter a cautela de manter os padrões científicos de descrição das fórmulas, mas o conceito da variância não é tão difícil assim. A variância é uma grandeza estatística que busca responder qual a variação a partir dos valores esperados. Até o momento cabe lembrar que se trata de uma grandeza estatística e ela é necessária para progredirmos em nossos estudos. Como iniciantes em estatística é importante salientar que nem tudo nesse primeiro momento pode apresentar para você aluno uma aplicabilidade prática imediata. Mas é um conhecimento gradativo e necessário para galgarmos os próximos degraus. Por enquanto então, é importante você saber da existência da variância e que iremos utilizá-la nos próximos conteúdos que estudaremos. Desvio padrão amostral Desvio padrão é a medida que expressa o grau de dispersão dos dados, podendo dar a noção se os valores são próximos ou não um dos outros. Ou seja, o desvio padrão serve pra analisar a homogeneidade de todos os valores entre si, sabendo que quanto mais próximo de zero o desvio, mais homogêneo serão os dados estudados. Para o cálculo usamos a raiz quadrada da variância. Normalmente ao se resolver exercícios de estatística essas duas grandezas (variância e desvio padrão) são pedidas e o cálculo de uma depende da anterior. Ou seja, quando efetuarmos o cálculo da variância, segundo o conceito apresentado antes, iremos apenas aplicar a raiz quadrada e calcular o desvio padrão. SAIBA MAIS! Aprofunde seu aprendizado! Veja os materiais complementares disponíveis no AVA. Assista também aos vídeos: Vídeo: https://www.youtube.com/watch?v=NvqHnM3TucE Vídeo: https://www.youtube.com/watch?v=vcTQCIfz9_M Vídeo: Estratégia como uma Oportunidade https://www.youtube.com/watch?v=NvqHnM3TucE https://www.youtube.com/watch?v=vcTQCIfz9_M UNIDADE II – DESCRIÇÃO DE DADOS E PROBABILIDADE I - Formas de descrição de dados A estatística descritiva é responsável por apresentar de forma resumida e clara todos os dados necessários para realizarmos estudos. Portando, quanto melhor a compreensão das informações melhor será seu resultado final. Na maioria das vezes os dados são gerados em grandes quantidades, sendo então mais fácil fazer análises quando se condensa uma maior quantidade de informações em um só local, resumindo os elementos. São usadas então formas mais apresentáveis e visíveis de se demostrar todos esses dados, como tabelas, gráficos, diagramas, dentre outras. Para qualquer forma de descrição se usa o passo a passo: I.I Tabelas Uma das maneiras mais conhecidas de se apresentar de forma resumida um conjunto de dados é a tabela. Suas principais características são: Forma não discursiva; Dados numéricos destacados como informação central; Ordenação dos dados com fácil compreensão, com maiores informações em espaço menor. E seus elementos principais são: Título - Indica o fato a ser observado, local e época da pesquisa (O que é, quando e onde). Sempre completo e conciso, informando o conteúdo do corpo. Corpo - Linhas e colunas que se encontram formando células, cada uma com seu respectivo dado. As tabelas podem ser apresentadas de diversas formas em geral, mas pode-se exemplificar o tipo de cada uma a partir do elemento de variação apresentado. Temporal ou cronológica – O elemento de variação é o tempo: dia, hora, mês, dentre outros exemplos de variação cronológica. Tabela 1 - UFPB Estatística Geográfica – O elemento da variação é o lugar: município, bairro, escola, dentre outros. Tabela 2 - UFPB Estatística Especificativa – O elemento da variação é a espécie: material, tipo de roupa, dentre qualquer outro fator que não seja temporal e nem geográfico. Tabela 3 - UFPB Estatística Mista – encontram-se dois elementos de variação na mesma tabela e combinam-se dois ou mais tipos. Tabela 4 - UFPB Estatística I.II Gráficos Outra maneira de apresentação de dados muito usada é o gráfico. Além de apresentar apenas dados, ele também demostra evoluções de fatos e relaciona valores. Existem diversos tipos de gráficos e cada tipo tem um objetivo. Os gráficos mais utilizados para análises são os diagramas que representam geograficamente duas dimensões e são de fácil interpretação. São classificados em gráficos de: colunas, barras, linhas ou de curvas de setores. Gráfico de linhas ou curvas - é organizado com os pontos dispostos de acordo com suas coordenadas horizontais e verticais e ligados com linhas. É muito usado quando o elemento de estudo é o tempo para demostrar suas variações. Figura 1 - Estatística Básica - Universidade Federal de Pelotas Gráfico de colunas – compara grandezas com retângulos dispostos verticalmente de mesma largura com as alturas proporcionais aos valores apresentados na vertical. Figura 2- Estatística Básica - Universidade Federal de Pelotas Gráfico de barras - é usado com a mesma intencionalidade do de coluna, porém disposto horizontalmente. Usa-se mais quando as especificações dos retângulos forem maiores do que sua base. Figura 3 - Estatística Básica - Universidade Federal de Pelotas Gráfico de setores - também conhecido como gráfico de pizza. Apresenta o quanto cada informação representa no total, sendo dividido por frequências relativas as quais no total devam representar 100%. Figura 4 - Estatística Básica - Universidade Federal de Pelotas II Introdução à teoria da probabilidade A probabilidade é o meio pelo qual se calcula a chance de se ocorrer algum resultado dentro de todos os outros possíveis. A teoria da probabilidade nos dá uma base racional para podermos lidar com situações influenciadas por fatores em que se envolvem o acaso. Ela sempre será demostrada por um número entre 0 e 1, os quais equivalem uma porcentagem de 0 a 100. II.I Experimento Aleatório A definição que melhor explica um experimento aleatório é quando não se conhece o resultado e sim as opções que se tem como resposta.Como por exemplo, um lançamento de um dado. As únicas opções serão as que obtenham um número de 1 a 6, ou seja, tem-se 100% de certeza que algum desses números será obtido no lançamento. Porém não é possível saber qual deles será o sorteado, até que o mesmo seja lançado. II.II Ponto Amostral e Espaço Amostral Ponto amostral é qualquer resultado possível de se ter do experimento. Como no exemplo do lançamento de dado, cada número de 1 a 6 é um ponto amostral. O espaço amostral é o conjunto dos pontos amostrais de um experimento aleatório, sendo todos os resultados possíveis. Num experimento aleatório sempre se conhece o seu espaço amostral e ele é representado pelo símbolo Ω. O exemplo do dado pode ser demonstrado da seguinte forma: Ω = {1, 2, 3, 4, 5, 6} II.III Evento Um evento é um conjunto formado por possíveis resultados do experimento. Ou seja, ele sempre é encontrado dentro do espaço amostral, sendo um subconjunto dele. Como por exemplo, pode-se ter um evento das possíveis probabilidades de sair um número ímpar no lançamento de um dado. O evento pode conter desde zero até todos os resultados prováveis de se acontecer em um experimento. Existem 3 possibilidades de evento: Evento impossível: um conjunto vazio, com nenhum ponto amostral pertencente a ele. Evento certo: um conjunto com todos os pontos amostrais pertencentes a ele, ou seja, o próprio espaço amostral. O terceiro tipo de evento é qualquer outro que não seja nem o impossível e nem o certo, pertencendo a ele possíveis resultados, mas não todos. É possível montar diversos tipos de eventos com apenas um experimento. No lançamento do dado, por exemplo, podemos ter eventos como: A: Sair um número ímpar. B: Sair um número maior que 3. C: Sair um número natural. D: Sair um número menor que 4. II.IV Cálculo de probabilidade Já vimos que a probabilidade pode ser considerada como as chances que se tem de que algo aconteça. Mas pra saber ao certo qual é a probabilidade de que tal evento ocorra é necessário que se faça um cálculo sobre isso. Esse resultado pode ser dado em forma de fração, porcentagem ou por meio de um número decimal. As probabilidades são calculadas, dividindo o número de resultados favoráveis pelo número de resultados possíveis. P = n(E)/n(Ω) Sendo n(E) o evento que se deseja conhecer, ou seja, o número favorável de resultados e o n(Ω) o espaço amostral, o número de casos possíveis. Para exemplificar pode-se pensar no lançamento do dado novamente. Ao lançar o dado, qual seria a probabilidade de que saia um número par? Nesse caso, temos os números de 1 a 6. A quantidade de números pares existente equivale a 3 números (2, 4 e 6), sendo o evento de números pares igual a 3. Já o espaço amostral equivale a 6, que é a quantidade total de números possíveis de cair no lançamento do dado. Calcula-se da seguinte forma: P = (3/6) = 0.5 ou 50% Portanto a probabilidade de que saia um número par nesse lançamento de dado será de 0.5, ou seja, há 50% de chances de o número ser par. A probabilidade sempre dará um resultado entre 0 e 1, e para que se saiba a porcentagem de chances basta multiplicar o valor por 100. II.V Teste de hipótese O teste de hipótese é utilizado para que possa testar um determinado parâmetro populacional com base na amostra retirada. Para isso, é realizado algum tipo de suposição com a amostra e assim verifica- se através de um teste estatístico se é possível que essa população tenha aquele valor para o parâmetro em estudo. O primeiro passo para realizar o teste é extrair uma amostra, logo em seguida são analisados os elementos da mesma e a partir desses elementos tenta-se dizer algo sobre a população. Ou seja, realiza-se uma inferência estatística. Após a análise admite-se um valor hipotético de parâmetro populacional e assim é realizado um teste estatístico para que possamos aceitar ou rejeitar esse valor hipotético. Sempre irá existir uma porcentagem de erro ao aceitar ou rejeitar o parâmetro hipotético, já que a base utilizada é uma amostra e não a população inteira. O teste sempre será um par de hipóteses, sendo uma afirmação e a outra a antítese da primeira, ou seja, sempre serão contrárias uma da outra. Chamamos uma de hipótese nula e a outra de hipótese alternativa. Assim, não poderão existir elementos em comum entre elas, como por exemplo: se a hipótese nula equivale a “fazer sol”, a hipótese alternativa obrigatoriamente equivale a “não fazer sol”. SAIBA MAIS! Aprofunde seu aprendizado! Assista aos Vídeos: Vídeo: https://www.youtube.com/watch?v=NvqHnM3TucE Vídeo: https://www.youtube.com/watch?v=h4QcWDDlrW0 https://www.youtube.com/watch?v=NvqHnM3TucE https://www.youtube.com/watch?v=h4QcWDDlrW0 BIBLIOGRAFIA Bibliografia Básica CASTANHEIRA, Nelson. Estatística Aplicada a todos os níveis. 1 ed. Curitiba. InterSaberes, 2012. CRESPO, Antônio Arnot. Estatística Fácil. 19 ed. São Paulo. Saraiva, 2009. SICSÚ, Abraham Laredo; DANA, Samy. Estatística aplicada: análise exploratória de dados. 1 ed. São Paulo. Saraiva, 2012. Bibliografia Complementar PIANA, Clause Fátima de Brum et alli. Estatística Básica. Universidade Federal de Pelotas. Disponível em http://www.energiapura.net.br/alunos/planejamento_experimentos/Aulas_ PAE/aula1_PAE/Apostila_EB.pdf. Acesso em 25/julho/2019 SHIGUTI, Wanderley Akira et alli. Apostila de Estatística. Disponível em http://www.inf.ufsc.br/~paulo.s.borges/Download/Apostila5_INE5102_Qui mica.pdf. Acesso em 25/julho/2019 LOPES, Luis Felipe Dias Lopes. Apostila Estatística. Disponível em http://www.inf.ufsc.br/~vera.carmo/LIVROS/LIVROS/Luis%20Felipe%20D ias%20Lopes.pdf. Acesso em 25/julho/2019
Compartilhar