Baixe o app para aproveitar ainda mais
Prévia do material em texto
ANÁLISE ESTATÍSTICA (aulas 1 – 10) Aula 1: Conceitos Introdutórios em Estatística Atualmente, é fundamental o emprego da Estatística em quase todas as áreas do conhecimento, todas as vezes que estiverem envolvidas informações na forma de dados coletados em pesquisas ou de forma experimental. Com o objetivo de alcançar uma melhoria dos processos tanto nas áreas industriais como tecnológicas, as ferramentas estatísticas tem alcançado um papel importantíssimo nesse cenário. O que modernamente se conhece como Estatística é “um conjunto de técnicas e métodos de pesquisa que, entre outros tópicos, envolve o planejamento do experimento a ser realizado, a coleta qualificada dos dados, a inferência, o processamento, a análise e a disseminação das informações”. Fonte: IBGE Estatística da Área de Gestão Todo profissional hoje em dia deve estar ciente da importância da Estatística e ter conhecimento de como utilizá-la, a fim de ter um lugar no mercado de trabalho com a capacidade de lidar com as realidades atuais extremamente competitivas. Dentre várias habilidades profissionais, vem crescendo em importância o desenvolvimento do pensamento estatístico, tendo em vista as necessidades de todas as áreas de conhecimentos de uma análise mais apurada durante os processos decisórios. A metodologia estatística está sendo empregada em várias áreas de conhecimento, tais como nos setores farmacêuticos, médicos e setores industriais diversos, principalmente para melhoria da área de produção. Observa-se que o controle de qualidade foi criado como uma necessidade de resolver problemas na redução de custos, no controle de perdas desnecessárias, na uniformização e normalização da produção, auxiliando as empresas a controlarem, melhor distribuírem e maximizarem os seus recursos, tornando-as assim mais competitivas. Aplicação Um interessante estudo experimental aplicado à pesquisa médica é o relato do primeiro ensaio clínico planejado para comprovar a eficácia do AZT (zidovudina) no prolongamento da vida de aidéticos. Os dados foram publicado por Fischl et al. (1987) e posteriormente discutidos por Soares & Siqueira (1999, p.176-183). O experimento considerou essencialmente o acompanhamento de 282 pacientes aidéticos durante 24 semanas de tratamento, os quais foram aleatoriamente divididos em dois grupos: o grupo de pacientes tratados com AZT (composto por 145 aidéticos) e o grupo controle, composto por 137 aidéticos que receberam o placebo. A variável resposta (desfecho) é a situação do paciente (sobrevivente ou não sobrevivente) após as 24 semanas de tratamento. Número de sobreviventes e não sobreviventes após 24 semanas de tratamento com AZT ou Placebo. Aparentemente a proporção de sobreviventes é maior no grupo de pacientes tratados com AZT, mas para estender este resultado para a população, é vital avaliar se as diferenças observadas não são devidas ao acaso, mediante um teste de hipóteses. Neste problema, a estratégia de análise adotada foi o teste de homogeneidade de populações, baseado na estatística (lê-se “qui-quadrado”) de Pearson. O valor calculado da estatística de teste foi igual a 15,087, cuja probabilidade de significância associada (p_value, em inglês) é inferior a 0,0001. Este resultado evidencia que a verdadeira proporção de pacientes aidéticos que sobrevivem após 24 semanas é maior quando são tratados com AZT em relação aos não tratados (isto é, que recebem o placebo). Método científico Há muito tempo que o homem faz descobertas importantes, que originaram muitos dos conhecimentos atuais. Entretanto muitas dessas descobertas foram ao acaso, ou em função de uma necessidade da época e muitas dessas descobertas não seguiram um caminho, roteiro ou um método específico. Contudo hoje em dia os métodos de observação, estudo e análise fazem parte da maioria dos aumentos de conhecimentos atuais. Até mesmo os conhecimentos obtidos por descobertas ao acaso são desenvolvidos com base em métodos específicos, que chamamos de métodos científicos. Os métodos são as trilhas que nos permite chegar a um objetivo, ou a um determinado resultado, sendo um conjunto de passos e procedimentos que repetidos fornecem um resultado específico. Dentre os métodos científicos destacamos o método estatístico e experimental. Método Experimental Quando se realiza um experimento e se deseja analisar como se comportam seus resultados ao se alterar algum dos elementos componentes do experimento, é necessário manter constante os demais fatores (causas). Quando se usa este tipo de pesquisa, faz-se uma análise do problema, montam-se as hipóteses necessárias. A seguir procede-se a uma manipulação das variáveis referentes ao fenômeno observado, alterando-as da melhor maneira possível. As alterações nas variáveis tanto em quantidade, quanto em qualidade, permite o estudo das relações de causas e efeitos do referido fenômeno em análise. Todo esse procedimento experimental permite que se possa avaliar e controlar os resultados obtidos. Pontos importantes do método experimental: Indicar o objeto de estudo; Determinar as variáveis independentes capazes de influenciar o fenômeno em estudo; Identificar as ferramentas de análise, controle e observação dos efeitos, resultantes da manipulação das variáveis, sobre o objeto. Método Estatístico No nosso dia a dia, quando fazemos repetidas observações com relação a um determinado sistema ou fenômeno específico, verificamos que os resultados obtidos não são exatamente os mesmos. A esta fato podemos chamar de variabilidade. No método estatístico, observando suas várias etapas, podemos considerar que a mais importante muitas vezes não é a análise de dados. Podemos dizer que a etapa que necessita de maior atenção e cuidado é o planejamento de como o conjunto de dados será coletado. Um mau planejamento, ou mesmo uma coleta feita de forma inapropriada pode acarretar em dados inúteis, de onde não se consegue tirar nenhuma informação ou qualquer conclusão coerente. O uso dos métodos estatísticos está praticamente em todos os setores e campos de estudo. É possível utilizar o método na avaliação da produção, a fim de melhorar o controle de qualidade e permitir um produto melhor a custos menores; utilizar no controle estatístico de doenças e epidemias, permitindo uma ação antecipada no controle de doenças; ou até mesmo na criação de regulamentações e leis, com a finalidade de proteger espécies em extinção, verificadas através de levantamentos estatísticos da população. Abusos da Estatística Não é de hoje que ocorrem abusos com a Estatística. Assim é que, há cerca de um século, o estadista Benjamin Disraeli disse: “Há três tipos de mentiras: as mentiras, as mentiras sérias e as estatísticas”. Já se disse também que “os números não mentem; mas os mentirosos forjam os números” (Figures don’t lie; liars figure) e que “se torturarmos os dados por bastante tempo, eles acabam por admitir qualquer coisa”. O historiador Andrew Lang disse que algumas pessoas usam a Estatística “como um bêbado utiliza um poste de iluminação – para servir de apoio, e não para iluminar”. Todas essas afirmações se referem aos abusos da Estatística quando os dados são apresentados de forma enganosa. Eis alguns exemplos das diversas maneiras como os dados podem ser distorcidos: Pequenas Amostras Números Imprecisos Estimativas por Suposição Porcentagens Distorcidas Cifras Parciais Distorções Liberadas Perguntas Tendenciosas Gráficos Enganosos Pressão do Pesquisador Más Amostras Conclusão: Aula 2: Revisão das Medidas de Tendência Central e de Posição Medidas de Posição Central Em uma dada distribuição amostral, é possível fazer várias observações,no intuito de entender o comportamento dos seus valores. Podemos, por exemplo, tentar localizar a maior concentração de valores de uma determinada distribuição. Entretanto, para que tenhamos parâmetros de comparação entre as tendências características de cada distribuição, é necessário introduzir conceitos que se expressem através de números. Veremos então as medidas de posição. As serem estudadas são as medidas de tendência central e as separatrizes. Medidas de tendência Central: Média: Média Aritmética: Multiplicação por Escalar: Mediana: Comparação entre a Média, a Mediana e a Moda: Relação entre a Média, a Mediana e a Moda: Com essas três medidas de posição é possível determinar a assimetria da curva de distribuição de frequência. A tabela de distribuição de frequências é composta de uma coluna contendo os valores que compõem a relação de dados e uma coluna com as correspondentes quantidades que cada valor aparece na relação de dados. As medidas de assimetria complementam as informações dadas pelas medidas de posição, a fim de permitir uma melhor compreensão das distribuições de frequências. A mediana se localiza na posição central da distribuição, devendo estar entre os valores da média e moda e podendo até mesmo ser igual a ambas. Nesta situação temos três casos possíveis: O coeficiente de assimetria pode ser calculado pela fórmula do primeiro coeficiente de Pearson, tornando mais fácil determinar se a assimetria da distribuição é positiva ou negativa: No denominador da fórmula temos um símbolo que representa o desvio padrão da distribuição. Quando for apresentado o estudo sobre as medidas de dispersão, veremos mais detalhes sobre o cálculo do desvio padrão e seu significado. No momento podemos adiantar que terá sempre um valor positivo (ou seja, não é possível ocorrer desvio padrão negativo). Assim sendo o que vai determinar o sinal da fração é o sinal do numerador. Quando a distribuição de frequência é assimétrica à direita da curva, dizemos que a distribuição tem assimetria positiva; Quando a distribuição de frequência é assimétrica à esquerda da curva, dizemos que a distribuição tem assimetria negativa; Outro coeficiente de assimetria de Pearson indica se esta é forte ou fraca: SEPARATRIZES: Exemplo usando Excel - EXEMPLO: Determine a média, a moda e a mediana da amostra abaixo, usando a planilha do Excel: Aula 3: Revisão das Medidas de Dispersão Medidas de Dispersão Em uma dada distribuição amostral é possível fazer várias observações no intuito de entender o comportamento dos seus valores. Normalmente as medidas de posição não são suficientes para dar o comportamento de uma distribuição de dados, sendo necessárias informações adicionais que permitam uma melhor análise do fenômeno a ser estudado. É importante levar um ponto em consideração durante a análise dos dados, a dispersão ou variabilidade. A dispersão ou variabilidade indica a maior ou menor diferença entre os valores de uma variável, dado da distribuição, e sua medida de posição, normalmente a média. Estudaremos as seguintes medidas de dispersão: Amplitude: Desvio Médio Absoluto Variância e Desvio padrão: Dados Agrupados Sem Intervalos de Classe: Para os dados agrupados numa tabela de distribuição de frequência a variância é calculada da seguinte forma: Coeficiente de Variação Quando é necessário comparar duas amostras com média e desvio padrão diferentes, podemos comparar os coeficientes de variação. Quanto maior o valor, menor será a homogeneidade da distribuição, ou seja, apresenta o maior grau de dispersão. Usando o Excel Seja uma distribuição amostral composta de sete números (n), representando o tempo (em minutos) de execução de uma prova. X = (85, 86, 88, 88, 91, 94, 104). Usando as fórmulas prontas do Microsft Excel para determinar a variância e o desvio padrão da amostra e da população, teremos: Aula 4: Gráficos Estatísticos no Microsoft Excel Inserindo gráficos no Excel Para que um gráfico seja inserido no Excel, é necessário que os dados que se deseja analisar também estejam contidos na planilha. Vejamos como seria ilustrar graficamente a venda de camisas por cor: Passo a passo: Primeiramente, insira os dados na planilha do Excel, digitando conforme mostrado a seguir: Formatando o Gráfico É preciso formatar o gráfico criado, pois ele não possui informação de cabeçalho, rótulos nos dados, nome dos eixos etc. Clicando no gráfico e mantendo-o marcado, veremos na opção Ferramentas de gráfico os três novos menus: Com a opção Design marcada, clicando em Alterar tipo de gráfico (primeiro ícone da esquerda), é possível alterar o modelo do gráfico, escolhendo alguma das opções do lado direito da janela. Automaticamente esses dados serão colocados na caixa de texto Intervalo de dados do gráfico, conforme a figura: Menu Layout O menu Layout possui as seguintes opções: Rótulos As duas seleções seguintes são referentes aos dados que podem ser colocados no gráfico, opção Rótulo de dados, ou na forma de tabela, opção Tabela de dados. Eixos Continuando nosso exemplo e dando uma breve passada nas opções que ainda faltam: Selecionando Eixos, é possível alterar os eixos horizontal e vertical. Para o nosso exemplo, mantenha selecionada a opção do eixo horizontal da esquerda para a direita. No eixo vertical, escolha a opção Eixo padrão. No caso de necessidade de outras alterações nos eixos, é possível usar o comando Mais opções de eixo vertical principal, que também vale para o eixo horizontal. As linhas de grades em um gráfico têm a finalidade de orientar a posição de um valor em comparação aos outros valores do gráfico, principalmente neste exemplo, se as alturas das colunas fossem próximas. Quando se utilizam rótulos, as linhas de grades podem ser alteradas. Em nosso exemplo, utilizaremos para o eixo horizontal as linhas de grades principais, que são as mais utilizadas. Para o eixo vertical será mantida a opção Nenhuma. Plano de Fundo, Análise e Propriedades Escolhendo entre Diferentes Alternativas Usamos um exemplo para apresentar os dados de uma tabela. O Excel possui diversas alternativas que podem ser utilizadas de acordo com o tipo de dados e análise a ser realizada. Dentre os principais, temos no menu Inserir: Gráfico de Colunas: Gráfico de linhas: Gráfico de dispersão: Gráfico de Pareto: O Gráfico de Pareto, também chamado de Diagrama de Pareto, é do tipo colunas, ordenadas na forma decrescente e complementadas com uma linha, indicando a frequência acumulada. Na verdade, trata-se de um gráfico de colunas e linha em dois eixos. Este gráfico pode ser usado para dados quantitativos agrupados em classe, ou na forma de ralação (não agrupados), bem como em dados nominais ou categóricos. Clique aqui e veja como adaptar o exemplo anterior para utilizarmos o Gráfico de Pareto. Aula 5: Medidas de Assimetria e de Curtose Medidas de Assimetria Quando se faz um levantamento estatístico, dificilmente encontramos, na prática, uma distribuição simétrica. O que ocorre, em levantamentos de dados reais, são medidas mais ou menos assimétricas em relação à frequência máxima. A distribuição assimétrica à esquerda ou negativa ocorre quando o valor da moda é maior do que a média.Logo, a distribuição assimétrica à direita ou positiva ocorre quando a moda é menor do que a média. Desta forma, a diferença entre a moda e a média poderá definir o tipo de assimetria. Calculando o valor da diferença: Exemplos: Coeficiente de Assimetria: Medida de Curtose: Curtose é o grau de achatamento de uma distribuição em relação à curva normal, uma distribuição padrão. A curva normal corresponde a uma distribuição teórica de probabilidade. Quando a distribuição apresenta uma curva de frequência com dados mais concentrados em torno da média do que a curva normal, ela chama-se leptocúrtica. A curva normal, tomada por base para classificação do achatamento das distribuições de frequências, recebe o nome de mesocúrtica. Quando a distribuição apresenta uma curva de frequência com dados mais dispersos em relação à média do que na curva normal, essa distribuição chama-se platicúrtica. Coeficiente de Curtose: Atividade: A análise conjunta da assimetria e curtose da distribuição de frequências pode fornecer informações importantes sobre os dados obtidos, que muitas vezes não aparecem na simples observância dos valores obtidos. A assimetria nos mostra o quanto a média se desloca para a direita ou para a esquerda, mostrando, também, como algumas condições impostas sobre a população podem influenciar o resultado e deslocamento da média. O grau de curtose indica se a distribuição está mais ou menos concentrada, fazendo com que a curva esteja mais ou menos achatada em relação à curva normal (curva mesocúrtica), padrão de referência para a classificação do grau de curtose. Aula 6: Probabilidade A maioria dos assuntos de que trata a Estatística tem uma natureza aleatória ou probabilística. É esta a importância do estudo dos conhecimentos fundamentais do cálculo da probabilidade, além de ser fundamental no estudo da Estatística Inferencial ou Indutiva. Experimento Aleatório: É qualquer processo aleatório capaz de produzir observações e que possa se repetir indefinidamente no futuro sob as mesmas condições. Um experimento aleatório apresenta variações nos resultados, o que faz com que seus resultados a priori não sejam determinados antes que tenham sido realizados. É possível, entretanto, indicar todos os seus resultados possíveis, ou seja, as suas probabilidades. É na verdade qualquer processo capaz de gerar um resultado incerto ou casual. Assim, observamos que todo experimento que apresentar resultados diferentes quando repetido nas mesmas condições iniciais é considerado um experimento aleatório, e a variabilidade dos seus resultados deve-se ao acaso. A tudo isto liga- se a incerteza, que é a chance de ocorrência do resultado de interesse. Temos como exemplo os operários que trabalham no setor de produção de determinada empresa. Sabe-se que neste setor trabalham oito operários. Um experimento ao acaso seria escolher de forma aleatória um dos operários. Pode-se considerar como evento de interesse o sexo do operário escolhido. Espaço Amostral: Cada experimento aleatório corresponde, normalmente, a inúmeros resultados possíveis. Chamamos de espaço amostral ou conjunto universo o seu conjunto de possibilidades, isto é, o conjunto formado por todos os possíveis resultados do experimento, geralmente denominado S ou Ω (letra grega que se lê: “ômega”). Definimos por n(S) como sendo o número de elementos do conjunto S, ou seja, o número de resultados possíveis do experimento. Quanto ao número de elementos, pode ser: Eventos: O que não pode acontecer é confundir “chance” com “probabilidade”, pois existe certa diferença entre eles. A chance compara a quantidade de resultados possíveis de A com os resultados possíveis de outro evento (B ou C), enquanto que a probabilidade faz relação entre os resultados possíveis de A com a quantidade total dos resultados possíveis do experimento aleatório. Em uma caixa com 7 bolas brancas, 3 azuis e 4 pretas, a probabilidade de retirar uma bola branca é: Enquanto que a chance de retirar uma bola branca é 7:7, ou seja, a chance de retirar uma bola branca é a mesma de retirar uma bola de outra cor. Eventos Complementares: Eventos Independentes: Eventos Mutuamente Exclusivos Dois ou mais eventos são mutuamente exclusivos quando o sucesso de um evento exclui a realização do(s) outro(s). Desta forma, no experimento aleatório de lançamento de um dado, o evento tirar o número 3 e o evento tirar o número 6 são mutuamente exclusivos, uma vez que, ao se realizar um deles, o outro não se realiza. Quando se deseja calcular a probabilidade de que um evento ou outro se realize, sendo estes eventos mutuamente exclusivos, determinamos a soma das probabilidades de sucesso de cada evento separadamente. Aula 7: Distribuição Binomial Tipos de variáveis: Variáveis Quantitativas: Variáveis Quantitativas Discretas: São aquelas que assumem apenas determinados valores tais como 1, 2, 3, 4, 5, 6, dando saltos de descontinuidade entre seus valores. Normalmente referem-se a contagens. Por exemplo: número de vendas mensais em uma loja, número de pessoas por família, quantidade de internações por hospital. Variáveis Quantitativas Contínuas: São aquelas cujos valores assumem uma faixa contínua e não apresentam saltos de descontinuidade. Exemplos dessas variáveis são: • O peso de pessoas; • A renda familiar; • O consumo mensal de energia elétrica; • O preço de um produto agrícola. Referem-se ao conjunto dos números reais ou a um de seus subconjuntos contínuos. Coeficiente de Assimetria Variável Aleatória: Seja um espaço amostral S, e supondo que para cada ponto amostral seja atribuído um número. Desta forma, passamos a definir uma função variável aleatória. Costuma-se definir a função variável aleatória por uma letra maiúscula e seus valores por letras minúsculas. Seja S o espaço amostral relativo ao “lançamento simultâneo de duas moedas”, logo S = {(Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)}. Se X representa “o número de caras” que aparecem, temos que a cada ponto amostral podemos associar um número para X, de acordo com a tabela. No decorrer do experimento, a probabilidade p do sucesso e a probabilidade q (q = 1 – p) do insucesso manter-se-ão constantes. Com a distribuição binomial, podemos determinar a probabilidade de se obter k sucessos em n tentativas. Distribuição Binomial: A distribuição binomial é um prolongamento da distribuição de Bernoulli, devendo ser aplicada em problemas nos quais um experimento é realizado um número de vezes preestabelecido. Cada uma destas repetições é denominada prova ou experimento. Aula 8: Distribuição Normal e Gráficos de Dispersão Curva Normal: Diversos tipos de variáveis são utilizadas em um estudo estatístico. É importante entender o conceito matemático de uma variável. Chamamos variável aquilo que se refere a um determinado aspecto do fenômeno que está sendo estudado. Se uma amostra tiver 50 indivíduos, podemos referir-nos a X como sendo a variável nota de estatística e a X30 como a nota de um indivíduo particular, no caso o trigésimo. É comum na literatura encontrarmos letras maiúsculas para a notação de variáveis e as correspondentes letras minúsculas para referência aos valores particulares assumidos por essa variável. Porém, neste resumo procuraremos evitar essa forma de notação. Entre as distribuições teóricas de variável aleatório contínua, podemos considerar a distribuição normal como uma das mais empregadas. A observaçãocuidadosa mostrou que a ideia de que distribuição normal não correspondia à realidade de todos os fenômenos da vida real. De fato, não são poucos os casos representados por distribuições assimétricas (não normais). Mas a distribuição normal tem papel predominante na Estatística, e os processos de inferência nela baseados possuem vasta aplicação. Características do gráfico da distribuição normal de frequências: Estatística da Área de Gestão Uma variável aleatória normalmente pode assumir um valor em um determinado intervalo, e o principal interesse é determinar a probabilidade dessa variável. Cada distribuição normal possui uma função geradora da curva. O cálculo dessa área necessita de conhecimentos matemáticos mais específicos. Curva: Aula 9: Correlação e Regressão Linear Correlação e Regressão Correlação: Diagrama de dispersão: Um exemplo interessante é separar as notas das provas dos alunos de uma mesma turma da faculdade A. vejamos duas disciplinas da área de Exatas, como por exemplo, Matemática e Estatística. Separando uma amostra de notas de 10 alunos escolhidos aleatoriamente, teremos: Para esboçar um diagrama de dispersão, primeiro traça- se o sistema de eixos cartesianos ortogonais. Depois, representa-se uma das variáveis no eixo “x” (horizontal) e outra no eixo “y”(vertical). Colocam-se, então os valores das variáveis sobre os respectivos eixos e marca- se um ponto para cada par de valores. Representemos, em um sistema cartesiano coordenado ortogonal, os pares ordenados (x,y). Como resultado, obtemos uma nuvem de pontos que denominamos diagrama de dispersão. Esse diagrama nos fornece uma ideia grosseira, porém útil da correlação existente entre as variáveis. Correlação linear De um modo geral, os pontos de uma análise estatística colocados no gráfico cartesiano possuem a forma aproximada de uma elipse em diagonal. Logo, quanto mais fina for essa elipse, mais ela se aproximará de uma reta. Essa reta pode ser chamada de “imagem” da correlação. A correlação linear é a aproximação dessa elipse em uma reta que mais se aproxime da maioria dos pontos dados. No exemplo ao lado, a “imagem” é uma reta crescente, então é denominada correlação linear positiva. Os pontos do gráfico têm como “imagem” uma reta crescente. Os pontos do gráfico têm como imagem uma curva. Os pontos do gráfico têm como “imagem” uma reta decrescente. Quando os pontos, por sua elevada dispersão, não seguem nenhum dos casos anteriores, dizemos que não há correlação. Coeficiente de correlação linear Dizemos que duas ou mais variáveis expressam a relação de causa e efeito ou se elas variam concomitantemente, se elas forem variáveis consideradas correlacionadas. Nesta situação, dizemos que essas variáveis possuem correlação linear, no caso de sua imagem ser uma reta. E o instrumento de medida desta correlação linear é o coeficiente de correlação. Através do valor deste coeficiente, sabemos o grau de intensidade da correlação entre as duas variáveis, bem como o sentido dessa correlação (negativo ou positivo). Podemos concluir que: Observações: Para que possamos descrever a relação por meio do coeficiente de correlação de Pearson, é fundamental que ela se aproxime da função linear. A maneira prática de verificar essa linearidade é a inspeção do diagrama de dispersão. Se a elipse apresenta reentrâncias ou saliências mais acentuadas, provavelmente trata-se da correlação curvilínea. r mede a intensidade, ou grau, de um relacionamento linear. Não serve para medir a intensidade de um relacionamento não linear. Coeficiente de correlação linear: Regressão Todas as vezes que temos duas variáveis com certa correlação e desejamos estudar uma variável em função da outra, fazemos uma análise de regressão. O objetivo principal da análise de regressão é realizar a relação entre as duas variáveis, a partir de um modelo matemático linear, partindo de n observações delas. A variável sobre a qual desejamos fazer a estimativa é denominada variável dependente e a outra recebe o nome de variável independente. Considerando X a variável independente e Y a variável dependente, vamos determinar o ajustamento da reta, obtendo a função definida por: Y = aX + b onde a e b são parâmetros. Voltemos então para o exercício das notas de Matemática e Estatística. Aula 10: Números Índices Introdução Um exemplo simples de números absolutos e relativos pode esclarecer melhor essa ideia. Imagine uma determinada faculdade que possua os cursos A, B, C, D e E. Uma pesquisa identifica a quantidade de alunos que trancaram a matrícula no ano anterior. Números-índice: Relativos de preços Sempre que é necessário analisar a variação no preço, na quantidade ou no valor de um determinado bem, é possível fazer uso do que chamamos de relativos de preço, de quantidade ou de valor. Fazemos isso através da variação percentual do item a ser analisado. Vamos considerar o índice o para representar a data-base e o índice t para representar a época atual (ou a ser analisada). Determinando o relativo de preços, temos: po: preço na época-base; pt: preço na época atual. A fórmula é determinada a partir de uma regra de três simples, na qual fazemos o preço na data-base ser equivalente a 100, como segue: po,t (relativo de preço): é um indicador que reflete a variação de preços de um conjunto de bens e serviços entre momentos no tempo. Do mesmo modo, determinamos: qo,t (relativo de quantidade): representa as variações das quantidades de conjunto de bens ou serviços produzidos, vendidos ou consumidos entre momentos no tempo. vo,t (relativo de valor): é um indicador que representa as variações dos preços em relação às quantidades em momentos diferentes do tempo. Política de segurança operacional: Consideramos que os relativos de base móvel formam elos quando cada um deles é calculado tomando como base a data imediatamente anterior. Suponha que certo produto tenha apresentado os seguintes preços no período de 2008 a 2011: R$ 88,00, R$ 110,00, R$ 132,00, R$ 198,00. Índice de custo de vida Até agora, vimos índices utilizados apenas para caracterizar a evolução do preço de um só bem. No entanto, exige-se um índice que sintetize a variação dos preços de um conjunto de bens (agregado). Para cumprir essa finalidade, utilizamos o índice agregativo. Muitas são as formas de determinar os índices agregativos, apesar de os fundamentos básicos serem constantes. Na verdade, o que varia são os aspectos relacionados com o campo de aplicação do índice. Um exemplo clássico é o índice de inflação, que considera diversas variáveis, com pesos distintos. Índice agregativo simples Índice agregativo ponderado Este índice é calculado levando em conta a importância relativa dos bens, enquanto que o índice simples considera todos os índices do agregado em um mesmo nível. Na prática, sempre temos bens de maior importância do que outros, razão pela qual devemos considerar os coeficientes de ponderação, atribuindo a cada item a importância que lhe cabe. Para o cálculo do índice agregativo ponderado, existem várias fórmulas, como por exemplo, de Laspeyres, de Paasche, de Fisher etc. Vamos aplicar o método de ponderação considerado um dos mais usuais na investigação econômica: a fórmula de Laspeyres. Afórmula de Laspeyres ou método da época-base é obtida ponderando os relativos do preço pelos valores (po . qo) do ano base. Índice de Preços Índice de custo de vida O índice de custo de vida, também chamado de índice de preço ao consumidor, mede a variação de preços de um conjunto de bens e serviços necessários à vida do consumidor final padrão. Os principais itens devem ser considerados, tais como: alimentação, vestuário, mobiliário, habitação, lazer, saúde, higiene, além dos gastos com água, luz, transporte, educação e outros. As famílias, por meio de pesquisas, determinam a lista de bens e serviços consumidos por elas e a percentagem de gastos com os respectivos itens. A partir desses dados, é fixado um índice de preço (Laspeyres) para cada grupo. Após todos os dados coletados, calcula-se a média aritmética ponderada dos índices de preços dos grupos, onde os pesos são os valores percentuais dos gastos com cada grupo na despesa total da família padrão. Índice de preços ao consumidor (IPC) É um índice que reflete os gastos das famílias com renda de até 8 salários mínimos, onde o chefe da família é assalariado em sua ocupação principal. Os gastos são agrupados em categorias de consumo de mesma natureza, como alimentação, habitação, vestuário, higiene, transporte, luz, combustível, educação, recreação e diversos. A coleta de preços é feita pelo IBGE, em dez regiões metropolitanas. O período pesquisado é do dia 16 do mês ao dia 15 do mês seguinte. Índice de cesta básica (ICB) É um índice bimestral usado para a correção do salário mínimo. Tem uma metodologia semelhante ao do IPC, porém representa os gastos de famílias com renda de até dois salários mínimos. Índice geral de preços (IGP) Política de segurança operacional FIPE é a Fundação Instituto de Pesquisas Econômicas da USP, que pesquisa o custo de vida em São Paulo para famílias que possuem renda de dois a seis salários mínimos. A FIPE compara os preços médios de quatro semanas com as quatro semanas imediatamente anteriores. É o índice mais antigo do Brasil e, na opinião de alguns especialistas, é o que melhor mede a inflação, refletindo a variação dos preços de alimentos, aluguel, vestuário, transporte etc. Deflacionamento de dados O aumento dos preços tem como consequência uma baixa no poder de compra ou no valor da moeda, gerando a necessidade de realizar uma manutenção no poder de compra dos salários. Assim, embora os salários nominais estejam sempre aumentando, os salários reais podem diminuir, devido ao aumento do custo de vida (inflação), e, consequentemente, tendo o seu poder aquisitivo reduzido. Supondo a situação em que um trabalhador, em 1º de maio de 2011, ganhava X reais por mês, qual deveria ser seu salário mensal, em 1º de janeiro de 2012, para que ele se encontrasse em situação equivalente à anterior? Este é um problema típico de conversão de salário nominal em salário real, de grande importância quando há inflação. Desta forma, sabendo-se que um assalariado, em dezembro de 2010, tinha salário de R$1.071,00 e o índice de preços de dezembro de 2010, com base em novembro, era de 101,24%, calcular qual o valor real do salário em dezembro com base em novembro. Ou seja, seu valor aquisitivo é de R$ 1.058,00. Esse procedimento é denominado deflacionamento de salários, e o índice de preços usado na determinação do salário real é chamado deflator.
Compartilhar