Baixe o app para aproveitar ainda mais
Prévia do material em texto
AN02FREV001/REV 4.0 86 PROGRAMA DE EDUCAÇÃO CONTINUADA A DISTÂNCIA Portal Educação CURSO DE ESTATÍSTICA Aluno: EaD - Educação a Distância Portal Educação AN02FREV001/REV 4.0 87 CURSO DE ESTATÍSTICA MÓDULO IV Atenção: O material deste módulo está disponível apenas como parâmetro de estudos para este Programa de Educação Continuada. É proibida qualquer forma de comercialização ou distribuição do mesmo sem a autorização expressa do Portal Educação. Os créditos do conteúdo aqui contido são dados aos seus respectivos autores descritos nas Referências Bibliográficas AN02FREV001/REV 4.0 88 MÓDULO IV 18 INTRODUÇÃO E IMPORTÂNCIA DE PROBABILIDADES A noção de probabilidade tem a sua origem mais remota referida não só à prática de jogos de azar, antes disso, à instituição dos seguros que foram usados já pelas civilizações mais antigas, designadamente pelos fenícios, a fim de protegerem a sua atividade comercial marítima. O cálculo das probabilidades parece ter nascido na Idade Média, com as primeiras tentativas de matematização dos jogos de azar, muito difundidos na época. É sabido que, desde sempre, os jogos foram praticados como apostas, mas também para prever o futuro, decidir conflitos, dividir heranças. O desenvolvimento do cálculo das probabilidades surgiu no século XVII. A ligação das probabilidades com os conhecimentos estatísticos veio dar uma nova dimensão à Ciência Estatística. Os três nomes importantes ligados a esta fase são Fermat (1601-1665), Pascal (1623-1662) e Huygens (1629-1695). No cotidiano, usamos diariamente o cálculo de probabilidades de uma forma intuitiva: ao acordarmos olhamos o tempo, sentimos a temperatura, ouvimos e consultamos a internet sobre a previsão do tempo em determinado dia e, a partir daí, escolhemos a roupa que vamos usar, se levaremos guarda-chuva ou não; podemos também ter uma noção de que hora precisamos sair de casa para não chegar atrasado na escola, no trabalho; a probabilidade de o trânsito estar congestionado; podemos também calcular a probabilidade de o nosso time ganhar um campeonato, um jogo; a probabilidade de passarmos em um concurso público ou vestibular “chutando” todas questões. Diariamente, muitas pessoas, no Brasil e em todas as partes do mundo – em busca de diversão e, principalmente, dinheiro –, apostam em loterias, vão às casas de bingo, compram raspadinhas, gastam moedinhas em caça- níqueis, viajam para lugares onde há cassinos. AN02FREV001/REV 4.0 89 Independentemente do valor apostado, que pode ser R$ 0,50, em uma raspadinha, ou quantias milionárias, como as que circulam em Las Vegas (EUA), Punta del Este (Uruguai), ou Mônaco, por exemplo, os jogos de azar despertaram a atenção das pessoas que sonham com dinheiro fácil e uma vida mais tranquila. É muito importante destacar, por fim, que, embora os jogos de azar tenham historicamente impulsionado o desenvolvimento das teorias das probabilidades, essa fascinante parte da matemática tem aplicações notáveis em outras ciências, como biologia (principalmente em genética), finanças, marketing e econometria (conjunto de técnicas matemáticas usadas para quantificar fenômenos econômicos). 19 NOÇÕES DE PROBABILIDADE: ESPAÇO AMOSTRAL E EVENTO O estudo da probabilidade começou na Itália, quando o matemático e médico Giloramo Cordano (1501-1576) relacionou noções elementares de probabilidade com jogos de azar. Atualmente, grande quantidade de jogos é oferecida, entre os quais citamos, por exemplo, a Loteria Federal, a Quina, a Mega- Sena, a Loteca. É natural que se pense nas chances de ganhar um prêmio antes de decidir em qual deles jogar. Muitas vezes, ao acordarmos, perguntamos para nós mesmos: será que vai chover? De um modo ou de outro atribuímos um valor à chance de chover, e, então, decidimos o tipo de roupa que usaremos e se levaremos ou não o guarda-chuva. Sendo assim, as probabilidades estão associadas a eventos. 19.1 EXPERIMENTOS ALEATÓRIOS São experimentos cujos resultados ocorrem ao acaso. Mesmo que repetidos várias vezes sob condições semelhantes, apresentam resultados imprevisíveis. A afirmação “é provável que eu vença o jogo de xadrez hoje” pode resultar: a) que, apesar do favoritismo, eu perca; AN02FREV001/REV 4.0 90 b) que, como pensei, eu vença; c) que haja um empate. Como vimos, o resultado final depende do acaso (acontecimento imprevisto, fato repentino, sorte). 19.2 ESPAÇO AMOSTRAL Cada experimento corresponde, em geral, a vários resultados possíveis. Assim, ao lançarmos uma moeda, há dois resultados possíveis: ocorrer cara ou ocorrer coroa. Já, ao lançarmos um dado, há seis resultados possíveis: 1; 2; 3; 4; 5 ou 6. Ou seja: a) lançamos a moeda e observamos o resultado da face superior: S = {cara, coroa} b) ao lançarmos um dado, vamos observar o resultado na face superior: S = {1; 2; 3; 4; 5; 6} c) lançamos duas moedas diferentes e observamos o resultado na face de cada moeda: S = {(cara, cara); (cara, coroa); (coroa, cara); (coroa, coroa)} 19.3 EVENTO Podemos chamar de evento qualquer subconjunto do espaço amostral (S). Será representado por qualquer letra maiúscula de nosso alfabeto. Por exemplo, no lançamento de um dado, onde S = {1; 2; 3; 4; 5; 6}, temos: A = {2; 4; 6} está contido em S; logo, A é um evento de S. G = {1; 2; 3; 4; 5; 6} está contido em S; logo, G é um evento de S. L = 7 não está contido em S; logo, L é um evento impossível de S. AN02FREV001/REV 4.0 91 Um evento é sempre definido por uma sentença. Assim, os eventos citados como exemplos podem ser definidos pelas sentenças: “obter um número par na face superior” “obter um número menor ou igual a 6 na face superior” “obter um número maior que 6 na face superior” 19.4 NOÇÃO INFORMAL DE PROBABILIDADE Chama-se probabilidade de ocorrer o evento A, a razão entre o número de elementos de A: n (A) e o número de elementos de S: n (S). )S(n )A(n )A(P Vejamos alguns exemplos: 1º Lançando-se um dado, qual a probabilidade de ocorrer na face superior um número par? S = {1, 2, 3, 4, 5, 6} → n(s) = 6 elementos A = {2, 4, 6} → n(A) = 3 elementos 2 1 6 3 )S(n )A(n )A(P ou 50% 2º Lançando-se uma moeda três vezes, sucessivamente, qual a probabilidade de obtermos pelo menos uma cara? Vamos obter os elementos do espaço amostral por meio de um diagrama conhecido como árvore de probabilidades ou simplesmente diagrama de árvore. AN02FREV001/REV 4.0 92 K (K,K,K) K C (K,K,C) K K (K,C,K) C C (K,C,C) K (C,K,K) K C (C,K,C) C K (C,C,K) C C (C,C,C) K = Cara C = Coroa n(s) = 8 elementos O evento sair pelo menos uma cara é formado por sequências que apresentam uma, duas ou três vezes cara, isto é: A = {(K,C,C); (C,K,C); (C,C,K); (K,K,C); (K,C,K); (C,K,K); (K,K,K)} → N (A) = 7 7 elementos %5,87 8 7 )S(n )A(n )A(P AN02FREV001/REV 4.0 93 19.5 EVENTOS COMPLEMENTARES Um evento pode ocorrer ou não. Sendo p a probabilidade de que ele ocorra (sucesso) e q a probabilidade de que ele não ocorra (insucesso). Para um mesmo evento existe sempre a relação: p + q = 1 q = 1 – p Assim, se a probabilidade de realizar um evento é 3 1 p , a probabilidade de que ele não ocorra é q = 1 – p, ou seja: 3 2 3 1 1q Sabemos que a probabilidade de tirar o 2 no lançamento de um dado é 6 1 p . Logo, a probabilidade de não tirar o 2 no lançamento de um dado é: 6 5 6 1 1q 19.6 ASSOCIAÇÃO DE EVENTOS I) Dados dois eventos A e B, o evento A U B (A união com B) ocorre somente se houver pelo menos um desses eventos (A, B ou A e B). II) Dados dois eventos A e B, o evento A ∩ B (A intersecção com B) ocorre, somente se houver, simultaneamente, o evento A e o evento B. AN02FREV001/REV 4.0 94 Se A for um evento, o evento complementar de A é aquele que ocorrerá se, e somente se, não ocorrer o evento A. Vejamos o exemplo: Demonstre que no lançamento de um dado, o evento complementar do evento “número ímpar” é o “evento número par”. Resolução: Considerando S = {1, 2, 3, 4, 5, 6} e E1= {1, 3, 5} e E2 = {2, 4, 6} Observamos que: a) {1, 3, 5} U {2, 4, 6} = {1, 2, 3, 4, 5, 6} = E1 U E2 = S b) {1, 3, 5} ∩ {2, 4, 6} = = E1 ∩ E2 = Portanto: p(E1) + p (E2) = 1 19.7 EVENTOS MUTUAMENTE EXCLUSIVOS Dizemos que dois ou mais eventos são mutuamente exclusivos quando a realização de um, exclui a realização do(s) outro(s). Se dois eventos são mutuamente exclusivos, a probabilidade de que um ou outro ocorra é igual à soma das probabilidades de que cada um deles se realize, ou seja, os elementos desses eventos não se repetem. P (A U B) = P(A) + P(B) Considerando dois eventos A e B contidos num mesmo espaço amostral, existirá a presença de elementos repetidos. Sendo assim: P(A U B) = P(A) + P(B) – P (A ∩ B) Exemplo: Uma urna contém 20 bolas idênticas numeradas de 1 a 20. Extraindo-se uma bola ao acaso dessa urna, qual a probabilidade de o número da bola sorteada ser: a) múltiplo de 2 ou 3? b) múltiplo de 5 ou 7? AN02FREV001/REV 4.0 95 Resolução: a) Consideramos os seguintes eventos: A → o número múltiplo de 2: S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20} A = {2, 4, 6, 8, 10, 12, 14, 16, 18, 20} → 20 10 )S(n )A(n )A(P B → o número múltiplo de 3: S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20} B = {3, 6, 12, 15, 18} → 20 6 )S(n )A(n )A(P A ∩ B = {6, 12, 18} → 20 3 )S(n )BA(n )BA(P Como 20 13 20 3 20 6 20 10 )AUB(P ou 65%. b) Consideramos os seguintes eventos: A → o número é múltiplo de 5: S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20} A = {5, 10, 15, 20} = 20 4 )S(n )A(n )A(P B → o número é múltiplo de 7: S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20} B = {7, 14} = 20 2 )S(n )A(n )A(P Como A ∩ B = , então P (A U B) = P(A) + P(B). Assim: 20 6 20 2 20 4 )AUB(P ou 30% AN02FREV001/REV 4.0 96 19.8 PROBABILIDADE CONDICIONAL Muitas vezes, quando realizamos um experimento, temos informações adicionais sobre a ocorrência de um evento. Neste caso, necessitamos utilizar esta informação adicional para realocar probabilidades aos outros eventos. Considerando os eventos A e B de um espaço amostral S, defini-se como probabilidade condicional do evento A, tendo ocorrido o evento B e indicado por B A P , a razão: )B(P )BA(P B A P No lançamento de dois dados, observando as faces de cima, para calcular a probabilidade de sair o número 5 no primeiro dado, sabendo que a primeira soma dos dois números é maior que 7, consideramos: S = {(1, 1); (1, 2); ... ; (6, 5); (6, 6)} n(S) = 36 Evento A: número 5 no primeiro dado A = {(5, 1); (5, 2); (5, 3); (5, 4); (5, 5); (5, 6)} Evento B: a soma dos dois números é maior que 7 B = {(2, 6); (3, 5); (3, 6); (4, 4); (4, 5); (4, 6); (5, 3); (5, 4); (5, 5); (5, 6); (6, 2); (6, 3); (6, 4); (6, 5); (6; 6)} A ∩ B = {(5, 3); (5, 4); (5, 5); (5, 6)} P(A ∩ B) = 36 4 P(B) = 36 15 AN02FREV001/REV 4.0 97 Assim, 15 4 36 15 36 4 B A P )B(P )BA(P B A P ● Multiplicação de Probabilidades A probabilidade de acontecer P(A ∩ B) é igual ao produto da probabilidade de um deles pela probabilidade do outro em relação ao primeiro. Sendo, )B(P )BA(P B A P ou )A(P )BA(P A B P Então, B A PP(B)B)P(A ou A B PP(A)B)P(A ● Eventos Independentes Dizemos que dois eventos são independentes quando a realização ou a não realização de um dos eventos não afeta a probabilidade da realização do outro e vice-versa. Ou seja, dois eventos A e B de um espaço amostral S, são independentes quando )A(P B A P ou )B(P A B P . Sendo os eventos A e B independentes, temos: I) B A P)B(P)BA(P e Il) )A(P B A P Substituindo I em II, temos: P (A ∩ B) = P(A) x P(B) Exemplo: Uma caixa contém 20 lâmpadas das quais seis são defeituosas. Retirando- se duas lâmpadas, qual a probabilidade de ambas serem boas quando: a) há reposição? b) não há reposição? Resolução: Temos n(S) = 20 lâmpadas. Consideremos os seguintes eventos: A: a primeira lâmpada é boa. B: a segunda lâmpada é boa. AN02FREV001/REV 4.0 98 A e B são eventos independentes, pois o fato de sair uma lâmpada boa na primeira não influi em sair uma lâmpada boa na segunda. a) Com reposição: n(S) = 20 lâmpadas n(A) = 14 lâmpadas boas = 20 14 )S(n )A(n )A(P n(B) = 14 lâmpadas boas = 20 14 )S(n )B(n )B(P P (A ∩ B) = P(A) x P(B) = 20 14 x 20 14 = 400 96 = 100 49 = 49% b) Sem reposição: n(S) = 20 lâmpadas n(A) = 14 lâmpadas boas = 20 14 )S(n )A(n )A(P 2ª lâmpada boa. n(S) = 19 lâmpadas n(B) = 13 lâmpadas boas = 19 13 )S(n )B(n )B(P P (A ∩ B) = P(A) x P(B) = 20 14 x 19 13 = 380 182 = 190 91 = 47,9% AN02FREV001/REV 4.0 99 19.9 AMOSTRAGEM Os problemas de amostragem podem ser mais ou menos complexos e sutis, dependendo das populações e das variáveis que se deseja estudar. De um lado, os problemas de amostragem para um controle de qualidade de produtos industriais são de fácil resolução. Por outro, em pesquisas econômicas, sociais ou de opinião, a complexidade desses problemas é normalmente grande. O problema de amostragem exige muito bom senso e experiência e é sempre conveniente que o trabalho do estatístico seja complementado pelo trabalho de um especialista do assunto em estudo. Basicamente, existem dois tipos de amostragem: a probabilística e a não probabilística. Vamos estudar cada uma delas. 19.9.1 Amostragem probabilística É possível usar combinações de várias técnicas de amostragem probabilística, embora seja comum utilizar as técnicas isentas de mistura e, entre estas, as principais serão citadas a seguir. Veremos alguns tipos: I) Amostragem casual simples (ou ao acaso) – consiste em enumerar os elementos de uma população e escolher os n elementos dessa sequência, que irão compor a amostra por meio de um dispositivo aleatório qualquer como a tabela de Tipet (Edgenworth, Kendall, Fisher, entre outros) ou a tabela de números ao acaso. A tabela de números ao acaso éconstituída por inúmeros dígitos gerados por um processo equivalente a um sorteio equiprovável. Seja, então, a população constituída por N = 700 elementos e dela quer-se extrair uma amostra casual simples de n = 20 elementos. Os elementos da população devem ser enumerados de 001 a 700 e devem-se tomar os números dessa tabela sempre com três algarismos, de forma subsequente, os quais indicarão os elementos da amostra. AN02FREV001/REV 4.0 100 Por exemplo: Se, a partir do dígito sorteado no início, os numerados observados forem: 118 853 060 981 833 398 299 ... Os elementos sorteados para amostra serão os de ordem 118, 060, 398, 299 etc. É claro que os grupos 853, 981 e 833 foram desprezados, pois não constam da população. Da mesma forma seriam desprezados os grupos que aparecessem mais de uma vez (se a amostragem for sem reposição). Outro exemplo: Vamos obter uma amostra representativa para a pesquisa de estatura de oitenta alunos de uma escola: a) Numeramos os alunos de 1 a 80. b) Escrevemos os números, de 1 a 80, em pedaços iguais de um mesmo papel, colocando-os dentro de uma caixa. Agitamos sempre a caixa para misturar bem os pedaços de papel e retiramos, um a um, oito números que formarão a amostra. Neste caso, 10% da população. II) Amostragem sistemática – representa uma abreviação do processo anterior. É normalmente usada quando os elementos da população se apresentam ordenados e a retirada dos elementos da amostra é feita periodicamente (sistematicamente). Acontece quando os elementos de uma determinada população já se acham ordenados. Exemplos: os prontuários médicos de um hospital, os prédios de uma rua, as linhas de produção, entre outros. No caso de uma linha de produção, podemos a cada dez itens produzidos, retirar um para pertencer a uma amostra da produção diária. Neste caso, estaríamos fixando o tamanho da amostra em 10% da população. Exemplo: Em um processo contínuo de produção, poder-se-ia, a cada 30 peças produzidas, retirar 1 peça para pertencer a uma amostra da população diária. III) Amostragem por meio de conglomerados – quando a população apresenta uma subdivisão em grupos menores (denominados conglomerados), sorteia-se um número suficiente de conglomerados, e os elementos desses AN02FREV001/REV 4.0 101 conglomerados sorteados vão compor a amostra. Convém usar esse processo quando é difícil (ou praticamente impossível) selecionar os elementos de uma população, mas é fácil sortear os conglomerados; muitas vezes, ele também é usado por motivos de ordem prática e econômica. Exemplo: Estimar o número de cabeças de suínos de uma região administrativa. Neste caso, serão selecionados alguns municípios dessa região para compor a amostra. IV) Amostragem estratificada – usada quando a população é constituída por subpopulações (ou estratos) nas quais o comportamento da variável em estudo é razoavelmente homogêneo dentro de cada estrato, mas substancialmente diverso de estrato para estrato. Neste caso, se o sorteio fosse feito ao acaso, poderia ocorrer de vários estratos não serem representados na amostra e essa tendência seria tanto maior quanto menor fosse o tamanho da amostra. O processo consiste, então, em especificar quantos elementos serão retirados de cada estrato para formar a amostra. Existem três subtipos desse processo: uniforme (ou não proporcional), proporcional e ótima. Vejamos um exemplo: Escrevemos os números, de 1 a 80, em pedaços iguais de um mesmo papel, colocando-os dentro de uma caixa. Agitamos sempre a caixa para misturar bem os pedaços de papel e retiramos, um a um, oito números que formarão a amostra. Neste caso, 10% da população. Supondo que desses 80 alunos, 44 sejam meninos e 36 sejam meninas, vamos obter a amostra estratificada. São, portanto dois estratos (sexo masculino e sexo feminino) e queremos uma amostra de 10% da população. Logo, temos uma tabela conforme mostrada a seguir: AN02FREV001/REV 4.0 102 TABELA 40 - TABELA COM ALUNOS SEXO POPULAÇÃO 10% AMOSTRA Masculino 44 10 x 44 = 4,4 100 4 Feminino 36 10 x 36 = 3,6 100 4 Total 80 10 x 80 = 8,0 100 8 Dados fictícios. FONTE: Criação própria do autor. V) Amostragem múltipla – este caso, a amostra é retirada em diversas etapas sucessivas. Em função dos resultados obtidos em cada etapa, pode-se saber se serão necessárias outras etapas ou se elas serão dispensadas. A amostragem sequencial é um caso particular extremo desse processo, e nela a amostra vai sendo acrescida, item por item, até chegar à conclusão no sentido de aceitar ou não uma hipótese; com isso, pretende-se minimizar o número médio de itens inspecionados em longo prazo. 19.9.2 Amostragem não probabilística É um processo de amostragem subjetivo e seu rendimento depende do conhecimento que o pesquisador possui a respeito da estrutura das populações e a amostra é uma parcela proporcional desta estrutura. Ela é empregada, muitas vezes, por simplicidade ou pela impossibilidade de se obter uma amostragem probabilística. Embora o erro de amostragem não possa ser estimado, esse tipo de amostragem pode ser usado quando os efeitos de sua utilização puderem ser considerados equivalentes aos de uma amostragem probabilística. AN02FREV001/REV 4.0 103 Por exemplo: Suponha-se que o último recenseamento realizado numa região tenha mostrado que a população tem a seguinte estrutura (sob o ponto de vista profissional): 35% operários, 10% agricultores, 5% profissionais liberais, 15% empregados, 8% funcionários e 27% sem profissão. Ao pretender obter uma amostra de 2.000 pessoas, deve-se procurar formá-la com 700 operários, 200 agricultores, 100 profissionais liberais, 300 empregados, 160 funcionários e 540 sem profissão, sendo cada um deles selecionado livremente. 19.9.3 Plano de amostragem O plano de amostragem é constituído das seguintes fases: 1ª Definição dos objetivos a) definição do fato (o que será estudado?); b) definição dos setores geográficos ou específicos (onde - localidade); c) qual o grau de precisão exigida (exatidão – confiabilidade nos dados); d) tempo disponível (tempo que será despendido); e) custo previsto (quanto será gasto para efetuar o trabalho). 2ª Definição dos meios a) qual tipo de amostragem é aleatório ou não? b) qual a amplitude ou tamanho (qual a dimensão da amostra)? c) qual o método para levantamento dos dados: fone, correio, mala direta, e-mail, entre outros; d) como os interessados serão questionados? como será a abordagem? 3ª Preparação do plano (sondagem propriamente dita) a) elaboração do questionário (completo – concreto – secreto – discreto): definir as informações procuradas; AN02FREV001/REV 4.0 104 elaborar o questionário transformando as informações procuradas em questões; distribuição das perguntas no questionário. b) características das questões: despertar o interesse do público; ser explícito; ser facilmente compreensível (usar fácil linguagem); suscitar respostas não tendenciosas. c) experimentação do questionário: verificar se as respostas estão sendo respondidas com precisão (pré-teste). d) execução, coleta, crítica, apuração e apresentação dos dados. 4ª Análise dos resultados: a) determinar uma característica (número ou proporção dos tomadores de refrigerante, por exemplo); b) verificação de uma hipótese (receptividade de um evento publicitário, por exemplo); c) estimar e verificar os parâmetros. 5ª Relatório final: a) claro, indicando todos os detalhes (forma, lugar, tamanho, técnicas usadas, dificuldades e limitações); b) honesto, isto é, sem ideias pré-concebidas, aceitando o resultado, seja ele positivo ou negativo. c) de fácil entendimento para as partes interessadas.AN02FREV001/REV 4.0 105 20 CONCLUSÃO SOBRE O ESTUDO DA ESTATÍSTICA Até o início do século XVIII, a Estatística servia apenas para assuntos de Estado e limitava-se a uma simples técnica de contagem, traduzindo numericamente fatos ou fenômenos observados – era a fase da Estatística Descritiva. No século XVIII, iniciou-se, na Inglaterra, uma nova fase de desenvolvimento da Estatística, voltada para a análise dos fenômenos observados. Ao longo dos séculos XVIII e XIX, a Estatística desenvolveu-se muito, com a associação ao cálculo das probabilidades, que, entretanto havia se desenvolvido e a realização de trabalhos de pesquisas científicas nos domínios da Botânica, Biologia, Meteorologia, Astronomia, entre outros. Mais tarde, a Estatística deixou de ser mera técnica de contagem de fenômenos para se transformar num poderoso instrumental científico a serviço dos diferentes ramos do saber. As áreas de aplicação da estatística são: Medicina (no diagnóstico, prognóstico, ensaios clínicos); Genética e Epidemiologia; Agricultura (na experimentação agrícola); Indústria e negócio (controle de qualidade, previsão da demanda, gerenciamento eficiente, mercado e finanças); Governo (disseminação da informação, políticas de decisão, serviços públicos); Economia (técnicas econométricas e séries temporais); Pesquisa (artes, arqueologia, ciências exatas); Ambiente (mercado, petróleo); Direito (evidência estatística, teste de DNA, investigação criminal). AN02FREV001/REV 4.0 106 A atuação principal da estatística se aplica: Bioestatística (aplicações à medicina); Biometria (aspectos estatísticos e matemáticos da biologia); Sociometria (estudo de problemas sociais por meio da estatística); Demografia (ciência da população humana e sua evolução); Epidemiologia (campo da medicina que trata dos estudos de epidemias); Econometria (estudo de problemas econômicos combinando métodos estatísticos e matemáticos com teoria econômica). FIM DO MÓDULO IV AN02FREV001/REV 4.0 107 REFERÊNCIAS BIBLIOGRÁFICAS CRESPO, A. A. Estatística Fácil. São Paulo: Saraiva, 2002. IEZZI, G. Matemática: Ciência e aplicações. 2. ed. São Paulo: Atual Editora, 2004. MARTINS; D. Princípios de Estatística. São Paulo: Atlas, 1990. FIM DO CURSO
Compartilhar