Atividade Estruturada

Prévia do material em texto

FACULDADE ESTÁCIO
CURSO DE CIENCIAS CONTABEIS
ANÁLISE ESTASTISTICA
 
 
Macapá 2016
ACADÊMICOS:
JOSE ADEMILSON RODRIGUES
Pesquisa apresentada como Atividade Estruturada da disciplina Analise Estatístico Curso de Administração, orientado pelo Prof. Katia de Nazare Ferreira Aguiar.
 
Macapá 2016
1 – OBJETIVO
O objetivo desta atividade é analisar conjuntamente duas variáveis quantitativas, verificar se existe algum tipo de relacionamento entre duas variáveis quantitativas e, caso exista, qual é o tipo de relação, Medir a intensidade do relacionamento, caso ele seja linear, Realizar um teste de hipótese para determinar se há ou não uma relação linear significativa entre duas variáveis quantitativas, havendo uma relação linear significativa, descrever esta relação por meio da equação de regressão, utilizar a equação de regressão para fazer previsões.
2 – INTRODUÇÃO
Coeficiente de Correlação Linear (r)
 O coeficiente de correlação linear pode ser apresentado como uma medida de correlação, pois mede o quanto a distribuição de pontos no diagrama de dispersão aproxima-se de uma reta; sendo assim, indica o nível de intensidade (força) que ocorre na correlação entre as variáveis que se pretende relacionar. O coeficiente de correlação linear pode ser positivo ou negativo. Pearson desenvolveu uma equação que permite calcular o grau de correlação linear entre as variáveis, denominada coeficiente de correlação linear ou coeficiente de correlação de Pearson (r).
r: coeficiente de correlação de Pearson n: número de observações das variáveis xi: variável independente yi: variável dependente
Assim:
Se a correlação entre duas variáveis é perfeita e positiva, então r =+1.
Se a correlação é perfeita e negativa, então r = -1.
Se não há correlação entre as variáveis, então r = 0.
A Regressão Linear
 O objetivo da análise de regressão é realizar a relação entre as duas variáveis, partir de um modelo matemático linear. 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, determine o ajustamento da reta, obtendo a função definida por:
Y = aX+b
Onde a e b são parâmetros.
DESENVOLVIMENTO
Uma pesquisa numa empresa, registrada como Educandário Dom Alexandre, CNPJ: 19.192.079/0001-28 Rua C1, 550- Villa Amazonas-Santana. Levantamos os dados da quantidade dos pães entregue nos Supermercados em Macapá-Santana. Foi efetuado um levantamento dos dados, quantidade dos pães que entregaram desde mês de Maio de 2015 até Abril de 2016. 
RELATORIO DE PAES ENTREGAM NO SUPERMERCADO
	QUANTIDADE DOS PÃES ENTREGA NO SUPERMERCADO	
				
	
TIPO
	 QUANTITATIVO
	
	1
	2
	3
	4
	5
	6
	7
	8
	9
	10
	11
	12
	
	MAI
2015
	JUN
2015
	JUL
2015
	AGO
2015
	SET
2015
	OUT2015
	NOV
2015
	DEZ
2015
	JAN
2016
	FEV
2016
	MAR
2016
	ABR
2016
	PÃO REI
	657
	684
	666
	704
	738
	756
	756
	739
	774
	688
	738
	768
	PÃO INTEG	
	549
	555
	560
	568
	570
	576
	578
	580
	580
	590
	603
	620
Com base nos dados apresentados na tabela faremos a representação gráfica. Os pares ordenados formam o diagrama de dispersão.
O valor do Coeficiente de Correlação linear (r)
A PREVISÂO
(Pão Integral)
	  Mes
	
	 Quantitativo
	
	
	
	Mai 2015
	1
	549
	Jun 2015
	2
	555
	Jul 2015
	3
	560
	Ago 2015
	4
	568
	Set 2015
	5
	570
	Out 2015
	6
	576
	Nov 2015
	7
	578
	Des 2015
	8
	580
	Jan 2016
	9
	580
	Fev 2016
	10
	590
	Mar 2016
	11
	603
	Abr 2016
	12
	620
	PREVISÃO
	
	
	Mai 2016
	13
	612
	Jun 2016
	14
	617
	Jul2016
	15
	622
Considerações
 
 Diante dos pressupostos apresentados na elaboração desta pesquisa de Analise Estatística, percebemos e observamos por meio da construção gráfica que os pontos estão dispostos ao longo de uma reta com pouco afastamento em relação a ela. Isso é indício da existência de correlação significativa entre as variáveis. O valor r esta dentro do intervalo 0,75 < I r I < 1. Observando-se que o coeficiente de correlação, r=0,91, está muito próximo do valor de referencia r=+1, temos a indicação de que há uma forte correlação entre as variáveis. Sendo assim, podemos concluir que existe uma correlação linear forte ou perfeita.
 Realizamos a previsão para mês de Maio com quantidade (612), Junho (617), e Julho (622).Juntos com a empresa utilizamos a previsão para obter as informações aproximadas de demanda de pães solicitadas nos períodos subsequentes, para com isso se programar e produzir de forma a otimizar os custos de produção para que não haja prejuízos. Assim tendo um controle sobre demanda e produção. 
Referencias
Educandário Dom Alexandre, CNPJ: 19.190.079/0001-28.
Editora Saraiva - Estatística Fácil-19ª ed. Atual. –Antonio Arnot Crespo
https://aedbest.files.wordpress.com/2013/02/aula12-correlac3a7c3a3o-e-regressc3a3o.pdf