Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE REGIONAL INTEGRADA DO ALTO URUGUAI E DAS MISSÕES DEPARTAMENTO DE CIÊNCIAS AGRÁRIAS APOSTILA DE AULA ESTATÍSTICA BÁSICA Professor Dr. Lauri Lourenço Radünz UFFS- Campus Erechim ERECHIM/RS 2009 SUMÁRIO 1 A NATUREZA DA ESTATÍSTICA ...................................................................................................... 2 1.1 CONSIDERAÇÕES GERAIS ........................................................................................................... 2 1.2 TIPOS DE CONHECIMENTO ......................................................................................................... 2 1.2.1 Conhecimento empírico ............................................................................................................. 2 1.2.2 Conhecimento filosófico ............................................................................................................ 2 1.2.3 Conhecimento teológico ............................................................................................................ 2 1.2.4 Conhecimento científico ............................................................................................................ 2 1.3 MÉTODO DE PESQUISA ................................................................................................................ 2 1.3.1 Pesquisa bibliográfica ................................................................................................................ 2 1.3.2 Pesquisa documental ................................................................................................................. 3 1.3.3 Levantamento ............................................................................................................................. 3 1.3.4 Estudo de caso ........................................................................................................................... 3 1.3.5 Estudo de protótipo .................................................................................................................... 3 1.3.6 Pesquisa não experimental ....................................................................................................... 3 1.3.7 Pesquisa ação ............................................................................................................................. 3 1.3.8 Pesquisa participante ................................................................................................................. 3 1.4 O MÉTODO CIENTÍFICO ................................................................................................................ 3 1.5 FASES DO MÉTODO ESTATÍSTICO ............................................................................................. 4 1.5.1 Planejamento .............................................................................................................................. 4 1.5.2 Coleta dos dados ........................................................................................................................ 4 1.5.3 Crítica dos dados ........................................................................................................................ 4 1.5.4 Apuração dos dados .................................................................................................................. 4 1.5.5 Exposição ou apresentação ...................................................................................................... 4 1.5.6 Análise dos resultados .............................................................................................................. 4 2 POPULAÇÃO E AMOSTRA .............................................................................................................. 5 2.1 CLASSIFICAÇÃO DAS VARIÁVEIS ................................................................................................ 5 2.2 POPULAÇÃO E AMOSTRA ............................................................................................................ 5 2.3 AMOSTRAGEM ............................................................................................................................... 5 2.3.1 Amostragem casual ou aleatória simples ................................................................................ 5 2.3.2 Amostragem proporcional estratificada ................................................................................... 6 2.3.3 Amostragem sistemática ........................................................................................................... 6 2.4 DETERMINAÇÃO DO TAMANHO DA AMOSTRA .......................................................................... 6 2.4.1 População conhecida e desvio padrão desconhecido ........................................................... 6 2.4.2 População desconhecida e desvio padrão conhecido ........................................................... 7 3.1 INTRODUÇÃO ................................................................................................................................. 8 3.2 SÉRIES ESTATÍSTICAS ................................................................................................................. 9 3.2.1 Séries históricas, cronológicas, temporais ............................................................................. 9 3.2.2 Séries geográficas, espaciais, territoriais ................................................................................ 9 3.2.3 Séries específicas ou categóricas ............................................................................................ 9 3.2.4 Séries conjugadas ou tabelas de dupla entrada ................................................................... 10 3.2.5 Séries de distribuição de freqüência ...................................................................................... 10 3.3 DADOS ABSOLUTOS E DADOS RELATIVOS ............................................................................. 10 3.3.1 Dados absolutos ....................................................................................................................... 10 3.3.2 Dados relativos ......................................................................................................................... 10 4 GRÁFICOS ESTATÍSTICOS ............................................................................................................ 12 4.1 INTRODUÇÃO ............................................................................................................................... 12 4.1.1 Gráfico em linha ........................................................................................................................ 12 4.1.2 Gráfico em colunas ou barras ................................................................................................. 12 4.1.3 Gráficos em colunas ou barras múltiplas .............................................................................. 13 4.1.4 Gráficos de setores ou pizza ................................................................................................... 13 4.1.5 Gráficos polares ou radar ........................................................................................................ 13 4.1.6 Cartograma ................................................................................................................................ 14 4.1.7 Pictograma ................................................................................................................................15 5 DISTRIBUIÇÃO DE FREQÜÊNCIA ................................................................................................. 16 5.1 TABELA PRIMITIVA E ROL .......................................................................................................... 16 5.2 FREQÜÊNCIA ............................................................................................................................... 16 5.3 ELEMENTOS DE UMA DISTRIBUIÇÃO DE FREQÜÊNCIA ........................................................ 16 5.3.1 Classe de freqüência ou classe .............................................................................................. 16 5.3.2 Determinar o número de classes ............................................................................................ 16 5.3.3 Limites de classes .................................................................................................................... 17 5.3.4 Intervalos das classes ou amplitudes das classes (AC) ...................................................... 17 5.3.5 Amplitude total da distribuição (AT) ....................................................................................... 17 5.3.6 Amplitude amostral (AA) .......................................................................................................... 18 5.3.7 Ponto médio de uma classe ou centro de classe (CC) ......................................................... 18 5.3.8 Freqüência simples ou absoluta (Fi) ...................................................................................... 18 5.3.9 Freqüências relativas (fj) ......................................................................................................... 18 5.3.10 Freqüência absoluta acumulada (Fi‘) ................................................................................... 18 5.3.11 Freqüência relativa acumulada (fj`) ...................................................................................... 18 5.4 REPRESENTAÇÃO GRÁFICA ...................................................................................................... 19 5.4.1 Histograma (gráfico de coluna) ............................................................................................... 19 5.4.2 Polígono de freqüência ............................................................................................................ 19 5.4.3 Polígono de freqüência acumulada ........................................................................................ 19 5.4.4 Formas da curvas de freqüência ............................................................................................. 20 6 MEDIDAS DESCRITIVAS ................................................................................................................ 22 6.1 INTRODUÇÃO ............................................................................................................................... 22 6.2 MEDIDAS DE POSIÇÃO ............................................................................................................... 22 6.2.1 Média .......................................................................................................................................... 23 6.2.2 A moda (Mo) .............................................................................................................................. 26 6.2.3 A mediana (Md) ......................................................................................................................... 28 6.2.4 Separatrizes .............................................................................................................................. 30 7 MEDIDAS DE DISPERSÃO OU VARIAÇÃO OU DE VARIABILIDADE ......................................... 35 7.1 INTRODUÇÃO ............................................................................................................................... 35 7.2 AMPLITUDE TOTAL ...................................................................................................................... 35 7.2.1 Dados não agrupados .............................................................................................................. 35 7.2.2 Dados agrupados ..................................................................................................................... 36 7.3 AMPLITUDE INTERQUARTÍLICA ................................................................................................. 36 7.3.1 Dados não agrupados (pares ou impares) ............................................................................. 37 7.3.2 Dados agrupados (com ou sem intervalo de classe) ............................................................ 37 7.4 VARIÂNCIA E DESVIO PADRÃO ................................................................................................. 37 7.4.1 Para dados não agrupados ...................................................................................................... 37 7.4.2 Para dados agrupados ............................................................................................................. 40 7.5 COEFICIENTE DE VARIAÇÃO DE PEARSON (CV) .................................................................... 42 7.6 COEFICIENTE DE VARIAÇÃO DE THORNDIKE - CVT .............................................................. 43 8 MEDIDAS DE ASSIMETRIA E DE CURTOSE ................................................................................ 44 8.1 ASSIMETRIA ................................................................................................................................. 44 8.1.1 Relação de assimetria .............................................................................................................. 44 8.2 CURTOSE ..................................................................................................................................... 47 8.2.1 Coeficiente de curtose ............................................................................................................. 47 9 REGRESSÃO LINEAR SIMPLES .................................................................................................... 48 9.1 INTRODUÇÃO ............................................................................................................................... 48 9.2 GRÁFICO DA DISPERSÃO .......................................................................................................... 48 9.3 COEFICIENTE DE CORRELAÇÃO LINEAR (R) .......................................................................... 49 9.4 COEFICIENTE DE DETERMINAÇÃO (R2) ................................................................................... 50 9.5 EQUAÇÃO DA RETA E DETERMINAÇÃO DOS PARÂMETROS ................................................ 50 10 ANÁLISE COMBINATÓRIA ........................................................................................................... 52 10.1 INTRODUÇÃO ............................................................................................................................. 52 10.2 FATORIAL ................................................................................................................................... 52 10.3 PRINCÍPIO FUNDAMENTAL DA CONTAGEM - PFC ................................................................ 52 10.4 ARRANJOS SIMPLES ................................................................................................................. 53 10.5 PERMUTAÇÕES SIMPLES ........................................................................................................54 10.6 PERMUTAÇÕES COM ELEMENTOS REPETIDOS ................................................................... 55 10.7 COMBINAÇÕES SIMPLES ......................................................................................................... 55 11 INTRODUÇÃO A TEORIA DA PROBABILIDADE ........................................................................ 56 11.1 INTRODUÇÃO ............................................................................................................................. 56 11.2 CLASSIFICAÇÃO DOS MODELOS ............................................................................................ 56 11.3 ESPAÇO AMOSTRAL OU PONTOS AMOSTRAIS (S) .............................................................. 57 11.3.1 Tipos de espaço amostral ...................................................................................................... 57 11.4 EVENTO (E) ................................................................................................................................ 57 11.4.1 Possibilidades para a ocorrência de eventos aleatórios .................................................... 59 11.5 DEFINIÇÃO DE PROBABILIDADE ............................................................................................. 60 11.5.1 Clássica ................................................................................................................................... 60 11.5.2 Pela freqüência relativa .......................................................................................................... 60 11.5.3 Axiomática (kolmogorov) ....................................................................................................... 61 11.4.4 Regras básicas da probabilidade .......................................................................................... 61 11.4.5 Tipos de eventos .................................................................................................................... 62 11.4.6 Probabilidade subjetiva ......................................................................................................... 62 11.4.7 Probabilidade através da freqüência relativa ...................................................................... 63 11.4.8 Probabilidade condicional ..................................................................................................... 63 11.4.9 Teorema de Bayes .................................................................................................................. 64 12 VARIÁVEIS ALEATÓRIAS ............................................................................................................ 66 12.1 INTRODUÇÃO ............................................................................................................................. 66 12.2 ESPERANÇA MATEMÁTICA ...................................................................................................... 66 12.3 VARIÁVEL ALEATÓRIA DISCRETA ........................................................................................... 69 12.3.1 Distribuição conjunta de duas variáveis aleatórias ............................................................ 69 12.3.2 Distribuições marginais de probabilidade e esperança de X ............................................. 70 12.3.3 Probabilidade pela distribuição de Bernoulli ou binomial ................................................. 72 12.3.4 Probabilidade pela distribuição hipergeométrica ............................................................... 73 12.3.5 Probabilidade pela distribuição de Poisson ........................................................................ 75 12.3.6 Probabilidade geométrica ...................................................................................................... 76 12.4 VARIÁVEIS ALEATÓRIAS CONTÍNUAS .................................................................................... 77 12.4.1 Probabilidade pela distribuição normal ou de Gauss ......................................................... 77 13 INTERVALO DE CONFIANÇA ...................................................................................................... 81 13.1 PARA MÉDIA, QUANDO A VARIÂNCIA É CONHECIDA ........................................................... 81 13.2 PARA MÉDIA, QUANDO VARIÂNCIA POPULACIONAL NÃO É CONHECIDA ......................... 82 14 INFERÊNCIA ESTATÍSTICA E TESTE DE HIPÓTESES ................................................................ 2 14.1 INFERÊNCIA ESTATÍSTICA ......................................................................................................... 2 14.1.1 População e amostra ................................................................................................................ 4 14.1.2 Tipos de amostragem ............................................................................................................... 4 14.2 TESTE SIGNIFICÂNCIA OU DE HIPÓTESES .............................................................................. 4 14.2.1 Teste Z para avaliação de uma média populacional ............................................................. 6 14.2.2 Teste t para avaliação de uma ou duas médias ..................................................................... 7 14.2.3 Teste Qui-quadrado (א2) ......................................................................................................... 11 14.2.4 Teste F para comparação de duas variâncias ..................................................................... 12 14.2.5 Teste t para dados pareados ................................................................................................. 13 14.2.6 Teste de Hipótese – valor-P (p-value) ................................................................................... 14 REFERÊNCIAS ................................................................................................................................... 15 2 1 A NATUREZA DA ESTATÍSTICA 1.1 CONSIDERAÇÕES GERAIS - A estatística é um ramo da matemática que fornece métodos para a coleta, organização, descrição, análise e interpretação de dados e para a utilização dos mesmos na tomada de decisões - Desde a antiguidade vários povos já registravam os nascimentos, óbitos, etc - A qualidade das decisões depende da verdadeira informação dos indicadores - Os indicadores podem ser obtidos de levantamentos, que podem ser contínuos, regulares e esporádicos - Foi utilizada para acompanhar as coisas do estado (status) - A partir do século XVII inicia-se a utilização da estatística - Depois de 1960 a informática da um grande impulso a estatística - Exemplo????? 1.2 TIPOS DE CONHECIMENTO 1.2.1 Conhecimento empírico - Obtido ao acaso, após diversas tentativas 1.2.2 Conhecimento filosófico - Através do raciocínio e da reflexão humana (razão) 1.2.3 Conhecimento teológico - Gerado pela fé divina ou crença religiosa 1.2.4 Conhecimento científico - É o conhecimento racional, sistemático e verificável 1.3 MÉTODO DE PESQUISA - Método é um conjunto de meios dispostos convenientemente para se chegar a um fim 1.3.1 Pesquisa bibliográfica - Elaborada a partir de material já publicado 3 1.3.2 Pesquisa documental - Materiais que não receberam tratamento analítico 1.3.3 Levantamento - Questionário, formulário, entrevista 1.3.4 Estudo de caso ???? 1.3.5 Estudo de protótipo ????? 1.3.6 Pesquisa não experimental- Investigação sistemática e empírica 1.3.7 Pesquisa ação - Resolução de um problema coletivo O pesquisador fica envolvido de forma cooperativa 1.3.8 Pesquisa participante - O pesquisador se inclui na pesquisa 1.4 O MÉTODO CIENTÍFICO - Modelo padrão de pesquisa que permite que qualquer pessoa que realize determinada pesquisa dentro da metodologia proposta possa encontrar resultados similares a) Método experimental Consiste em manter constante toda a causa (fatores), exceto uma, variando esta convenientemente Exemplo???? b) Método estatístico Na impossibilidade de manter as causas constantes, admitem-se todas essas causas presentes, registrando-se e procurando-se determinar o que a influência. Ex: causas que definem o preço do produto 4 1.5 FASES DO MÉTODO ESTATÍSTICO A coleta, a organização e a descrição dos dados estão a cargo da estatística descritiva A análise e a interpretação ficam a cargo da estatística indutiva ou inferencial 1.5.1 Planejamento Se refere a execução 1.5.2 Coleta dos dados Pode ser direta ou indireta a) Direta: é realizada com a própria tomada de dados. Ex.: nascimentos, importação, produção A coleta de dados direta pode ser classificada relativamente ao fator tempo em: a.1) Contínua: Ex.: freqüência as aulas a.2) Periódica: Ex.: Censo a.3) Ocasional: Ex.: doenças b) Indireta: é inferida de outros dados. Ex.: peso médio ao abate, produtividade 1.5.3 Crítica dos dados Pode ser externa ou interna 1.5.4 Apuração dos dados Manual ou eletrônica 1.5.5 Exposição ou apresentação Tabelas e gráficos 1.5.6 Análise dos resultados Através da estatística indutiva e inferencial 5 2 POPULAÇÃO E AMOSTRA 2.1 CLASSIFICAÇÃO DAS VARIÁVEIS Cada fenômeno corresponde a um número de resultados possíveis Variável é o conjunto de resultados possíveis de um fenômeno Exemplo: # Sexo: são apenas dois # Filhos: expresso pelos números naturais # Estatura: assume diferentes valores dentro de determinado intervalo A variável pode ser: a) Qualitativa: são expressas por atributos (sexo, cor da pele, etc.). b) Quantitativa: Expressa em números, sendo: b.1) Variável contínua: pode assumir qualquer valor entre dois limites, teoricamente. Ex: Produção de grãos b.2) Variável discreta: só pode assumir valores pertencentes a um conjunto enumerável. Ex: número de leitões por cria 2.2 POPULAÇÃO E AMOSTRA # População: Conjunto de indivíduos de, pelo menos, uma característica comum Ex: Grupo de estudantes, aves de um aviário # Amostra: Subconjunto finito de uma população, o qual deve ser representativo 2.3 AMOSTRAGEM Existem técnicas que garantem, tanto quanto possível, o acaso na escolha Dessa forma, cada elemento deve ter a mesma chance de ser escolhido Vantagens: Menor custo Menor tempo Material destrutivo 2.3.1 Amostragem casual ou aleatória simples É equivalente ao sorteio Ex: alunos numerados de 1 a 20 6 2.3.2 Amostragem proporcional estratificada Quando a população se divide em extratos Ex: alunos do sexo masculino e feminino 2.3.3 Amostragem sistemática Quando os elementos da população já estão ordenados Ex: Propriedades rurais em determinada estrada, prédios de certa rua, etc Neste caso a amostra pode ser obtida por um sistema imposto pelo pesquisador 2.4 DETERMINAÇÃO DO TAMANHO DA AMOSTRA 2.4.1 População conhecida e desvio padrão desconhecido 1º) Aproximação do tamanho da amostra 2 a o E 1n = onde: no= aproximação do tamanho da amostra 2 aE = margem de erro amostral aceitável (decimal) 2º) Tamanho da amostra onN onxNn + = onde: n= tamanho da amostra N= tamanho da população Exemplos: 1) Considerando que se desejasse determinar o tamanho da amostra, num aviário com 15 mil frangos de corte, para estimar o peso total de frangos vivos para comercialização. Considere um erro de 2,5% para mais e para menos. N= 15000 2o 0,025 1n = = 1600 160015000 1600x 15000n + = = 1445,78 = 1446 frangos 2) Para população do RS, estimada em 10,6 milhões de habitantes? 3) De um povoado com 289 habitantes? 7 2.4.2 População desconhecida e desvio padrão conhecido Tabela Z 2 E σ zn ⎟ ⎠ ⎞ ⎜ ⎝ ⎛= Onde: z= grau de confiança σ= desvio padrão E= erro máximo desejável Exemplo: Supondo-se que se deseje determinar o tamanho da amostra visando obter o preço médio da hora máquina para a semeadura de milho em dada região. Conforme estudo prévio, o desvio-padrão para o aluguel é de aproximadamente R$ 30,00. Use nível de confiança de 95%. a) Qual o tamanho da amostra se a margem de erro para a média obtida esteja a menos de R$ 10,00 da verdadeira média? 2 10 30 x 1,96n ⎟ ⎠ ⎞ ⎜ ⎝ ⎛= = 34,6 = 35 prestadores de serviço b) Qual o tamanho da amostra se a margem de para a média obtida esteja a menos de R$ 5,00 da verdadeira média? 2 5 30 x 1,96n ⎟ ⎠ ⎞ ⎜ ⎝ ⎛= = 138,3 = 134 prestadores de serviço Nível de confiança (1 - α) Zc 0,90 1,65 0,95 1,96 0,99 2,58 8 3 SÉRIES ESTATÍSTICAS 3.1 INTRODUÇÃO São as tabelas (????) e os quadros (???) Sintetizar os resultados Devem ser de fácil interpretação Reproduzir fielmente os resultados A Tabela é o Quadro são compostos por: Corpo: conjunto de linhas e colunas que contem informações sobre a variável em estudo. Cabeçalho: parte superior da tabela que especifica o conteúdo das colunas. Coluna indicadora: parte da tabela que especifica o conteúdo das linhas. Linhas: retas imaginárias no sentido horizontal. Casa ou célula: espaço destinado a um único número. Título: conjunto de informações, mais completas possíveis, localizadas ?????. Pode ter os elementos complementares como fonte, notas e chamadas, colocadas no rodapé. Exemplo: Tabela 3.1 - Comparação entre a armazenagem no Brasil quanto à localização, em função da capacidade Localização Capacidade (%) Cidades 52 Zona rural (empresas e cooperativas) 32 Fazendas 11 Portos (terminal) 5 Fonte: CONAB, 2006. A Tabela e o Quadro devem ser auto-explicativos. Segundo a resolução 886 do IBGE, nas células devemos colocar: # Um traço horizontal (-): valor zero # Três pontos (...): quando não temos dados # Um ponto de interrogação (?): quando temos dúvidas # Zero (0): quando o valor é muito pequeno para ser expresso pela unidade empregada. Se tiver decimais os mesmo deverão ser usados (0,0; 0,00; 0,000). 9 3.2 SÉRIES ESTATÍSTICAS 3.2.1 Séries históricas, cronológicas, temporais Compara resultados ao longo de determinado período. Tabela 3.2 - Evolução da produção de milho, no Brasil, durante o período de 2005 a 2009 Safra Produção (1000 t) 2005/06 41682,2 2006/07 42426,8 2007/08 58652,2 2008/09 50268,0 Fonte: Conab, agosto 2009. 3.2.2 Séries geográficas, espaciais, territoriais Compara resultados para diferentes locais Tabela 3.3 - Situação da armazenagem de grãos em diferentes do Brasil Região Capacidade (milhões de t) Centro-Oeste 43,95 Nordeste 7,24 Norte 2,46 Sudeste 20,52 Sul 51,33 Brasil 125,51 FONTE: CONAB, 2009. 3.2.3 Séries específicas ou categóricas Descrevem os valores coletados segundo especificações ou categorias. Tabela 3.4 – Rebanho efetivo para as principaiscategorias animais, em 2005 Rebanho Quantidade (1000 cabeças) Bovinos 207.157 Suínos 34.064 Ovinos 15.558 Caprinos 10.307 Fonte: Mapa, 2009. 10 3.2.4 Séries conjugadas ou tabelas de dupla entrada Apresentam mais de uma variável na mesma tabela. Exemplo: Tabela 3.5 - Principais produtores mundiais de soja, durante as safras 2004 a 2009, expresso em milhões de toneladas Período Países EUA Brasil Argentina China 2004/05 85,013 53,000 39,000 17,400 2005/06 83,368 55,000 40,500 16,350 2006/07 87,001 59,000 48,800 15,967 2007/08 72,859 61,000 46,200 14,000 2008/09 80,536 57,000 43,800 16,800 Fonte: USDA, 2009. 3.2.5 Séries de distribuição de freqüência Será visto posteriormente devida sua grande importância. Pode ser com intervalo de classe ou sem. Exemplo peso suínos: 51, 57, 60, 62, 65, 67, 69, 70, 79, 85 Tabela 3.6 - Peso de um grupo de bovinos com determinada faixa de idade Massa (kg) Número de suínos 50 l– 60 2 60 l– 70 5 70 l– 80 2 80 l– 90 1 Total 10 3.3 DADOS ABSOLUTOS E DADOS RELATIVOS 3.3.1 Dados absolutos Resultantes da coleta direta, provenientes da contagem ou medida. 3.3.2 Dados relativos São resultantes de comparações por quociente que se estabelece entre os dados absolutos, realçando as possíveis diferenças. São indicados por percentagens, índices, coeficientes e taxas. 11 a) Percentagens Número de partes de um todo, o qual apresenta 100 partes, expresso em percentual Exemplo: Tabela 3.7 - Resultados da avaliação final da disciplina X Condição Número de alunos Percentual Aprovado direto 220 57,89 Reprovado direto 18 4,74 Aprovado c/ recuperação 101 26,58 Reprovado na recuperação 41 10,79 Total 380 100,00 b) Coeficientes São razões entre o número de ocorrências e o número total, não expressos em percentagem. # Coeficiente de natalidade: número de nascimentos / população total # Coeficiente de mortalidade: número de óbitos / população total c) Taxas São os coeficientes multiplicados por uma potência de 10 (10, 100, 1000) para tornar mais inteligível o resultado. # Taxa de mortalidade: coeficiente de mortalidade x 1000 # Taxa de nascimentos: coeficiente de nascimento x 1000 # Taxa de juros d) Índices São razões entre duas grandezas de modo que uma não inclui a outra. Exemplo: # Densidade demográfica: População / superfície # Produção per capita: valor total da produção / população # Consumo per capita: consumo total / população # Renda per capita: renda total / população 12 4 GRÁFICOS ESTATÍSTICOS 4.1 INTRODUÇÃO Deve produzir uma impressão rápida e fácil dos resultados. - Portanto, deve ser: # simplicidade # claro # verdadeiro Os principais tipos de gráficos são os histogramas, cartogramas e pictogramas. 4.1.1 Gráfico em linha Exemplo: Dados da produção de milho, Tabela 2. Fonte: Conab, 2009 Figura 1 - Evolução da produção de milho, no Brasil, durante o período de 2005 a 2009. Quando é usado? 4.1.2 Gráfico em colunas ou barras # Colunas: quando verticalmente # Barras: quando horizontalmente Fonte: Conab, 2009. Figura 2 - Situação da armazenagem de grãos em diferentes do Brasil. # Dicas: 13 - Todas as colunas ou barras devem ter a mesma largura. - Escrever de baixo para cima ou da direita para esquerda. - Usar ordem cronológica ou decrescente. - A distância entre colunas ou barras não deverá ser menor que a metade da largura e nem maior que 2/3. 4.1.3 Gráficos em colunas ou barras múltiplas Geralmente empregado quando queremos representar, simultaneamente, dois ou mais fenômenos. Fonte: USDA, 2009 Figura 3 - Principais produtores mundiais de soja, durante as safras 2004 a 2009, expresso em milhões de toneladas. 4.1.4 Gráficos de setores ou pizza Construído com base em um circulo. É empregado sempre que desejamos ressaltar a participação do dado num todo. Fonte: Conab, 2009 Figura 4 - Situação da armazenagem de grãos em diferentes do Brasil, expresso em milhões de t. # Observação: - Não deve ser empregado quando houver muitos dados, normalmente até 7. 4.1.5 Gráficos polares ou radar É ideal para representar séries temporais cíclicas. Exemplo: Precipitação ao longo do ano, consumo de energia elétrica durante o mês. 14 Dados fictícios Figura 5 - Médias de precipitação pluviométrica durante determinado ano. 4.1.6 Cartograma É a representação sobre uma carta geográfica. Usado quando o objetivo é o de demonstrar dados estatísticos relacionados com áreas geográficas. Em geral usamos: - Pontos: Para representar dados absolutos (população) - Hachuras ou cores: representar dados relativos (densidade) Exemplo: habitantes em determinado estado Figura 6 – Predominância por setores no PIB brasileiro em 2009. 15 4.1.7 Pictograma Método gráfico que melhor demonstra os resultados ao público geral, pois é atraente e sugestivo. A representação é feita por figuras. Semelhante ao gráfico de barras. Exemplo: População, exportação, doenças, etc. Figura 7 – Evolução na matrícula no ensino superior no Brasil. 16 5 DISTRIBUIÇÃO DE FREQÜÊNCIA 5.1 TABELA PRIMITIVA E ROL Exemplo: Dados de produtividade de plantas de figueira. Tabela 5.1 – Quantidade de figo produzido por planta, expresso em kg 5,0 5,5 8,0 6,0 4,0 9,0 7,0 6,5 4,5 8,0 3,1 7,5 6,0 5,5 6,5 Acima é difícil de obter conclusões Portanto, ordenar os dados, sendo a tabela então denominada de ROL. Tabela 5.2 – Quantidade de figo produzido por planta, ordenados de forma crescente, expresso em kg 3,1 4,0 4,5 5,0 5,5 5,5 6,0 6,0 6,5 6,5 7,0 7,5 8,0 8,0 9,0 5.2 FREQÜÊNCIA É o número de dados de observação que ficam relacionados com determinada variável. # Freqüência de uma classe: número de valores da variável pertencente à classe. Obs.: Simbologia empregada para determinar as classes: –– = 3,1 < x < 4,3 l–– = 3,1 ≤ x < 4,3 ––l = 3,1 < x ≤ 4,3 l––l = 3,1 ≤ x ≤ 4,3 5.3 ELEMENTOS DE UMA DISTRIBUIÇÃO DE FREQÜÊNCIA 5.3.1 Classe de freqüência ou classe São os intervalos de variação de valores na classe. São representados simbolicamente por “i“, sendo i= 1,2,3,...,k k= número total de classes da distribuição. 5.3.2 Determinar o número de classes Mais usual é a regra de Sturges. k= 1 + 3,32 logn 17 n= número total de dados de observação. Exemplo: k= 1 + 3,32 log15 =k= 4,9 Logo serão k= 5 Também, pode ser empregada a seguinte regra: k= n Exemplo: k= 15 k= 3,87 k= 4,0 5.3.3 Limites de classes São os extremos de cada classe. LI= limite inferior LS= limite superior Tabela 5.3 - Distribuição de freqüência da produtividade de figueiras, expresso em kg I Peso kg (AC) CC Fi fj Fi` fj` 1 3,0 l– 4,2 3,6 2 0,13 2 0,13 2 4,2 l– 5,4 4,8 2 0,13 4 0,26 3 5,4 l– 6,6 6,0 6 0,41 10 0,67 4 6,6 l– 7,8 7,2 2 0,13 12 0,80 5 7,8 l–l 9,0 8,4 3 0,20 15 1,00 5.3.4 Intervalos das classes ou amplitudes das classes (AC) É o tamanho da classe. AC= k variação Amplitude → 5,0 3,0-9,0AC = → AC= 1,20 kg Exemplo: 1ª classe LI= 3,0 LS= LI + AC → LS= 3,0 + 1,20 → LS= 4,20 2ª classe LI= LI da 1ª classe LS= 4,20 + 1,20 → LS= 5,40 5.3.5 Amplitude total da distribuição (AT) É a diferença entre o valor superior da última classee limite inferior da primeira classe. Exemplo: AT= 9,00 – 3,00 AT= 6,0 kg 18 5.3.6 Amplitude amostral (AA) É a diferença entre o valor máximo e o mínimo observado. AA= 9,0 – 3,1 AA= 5,9 kg Obs.: Neste caso é igual à amplitude total da distribuição. 5.3.7 Ponto médio de uma classe ou centro de classe (CC) Ponto que divide o intervalo de classe em duas partes iguais. Conforme a tabela 5.3 temos para a classe 2: CC= (4,2 + 5,4)/2 CC= 4,8 kg 5.3.8 Freqüência simples ou absoluta (Fi) São os valores que realmente representam o número de dados de cada classe. Exemplo: F1= 2 ∑Fi= n 5.3.9 Freqüências relativas (fj) São os valores que de cada classe expresso em decimal. fj= (Fi)/(∑Fi) Exemplo: f1= 2/15 f1= 0,13 5.3.10 Freqüência absoluta acumulada (Fi‘) É igual a soma das freqüências simples, classe a classe. Exemplo: F1’= F1 F1`= 2 F2`= F1+F2 F2`= 2+2 F2`= 4 5.3.11 Freqüência relativa acumulada (fj`) É igual a soma das freqüências relativas, classe a classe. f1`= f1 f1`= 0,13 f2`= f1+f2 f2`= 0,13+0,27 f2`= 0,4 19 5.4 REPRESENTAÇÃO GRÁFICA Pode ser representado por histograma e polígono de freqüência e polígono de freqüência acumulada. Histograma – Utiliza o centro de classe. Polígono de freqüência – Utiliza o centro de classe. Polígono de freqüência acumulada – Utiliza os limites superiores dos intervalos de classe. 5.4.1 Histograma (gráfico de coluna) Exemplo: Freqüência absoluta Utiliza o centro de classe. Figura 5.1- Distribuição de freqüência absoluta, do peso de 15 suínos da raça landrace, na fase inicial, expresso em kg. 5.4.2 Polígono de freqüência Utiliza o centro de classe. Figura 5.2 - Distribuição de freqüência absoluta, do peso de 15 suínos da raça landrace, na fase inicial, expresso em kg. 5.4.3 Polígono de freqüência acumulada Exemplo: Freqüência acumulada Utiliza os limites superiores dos intervalos de classes. 20 Figura 5.2 - Distribuição de freqüência acumulada, do peso de 15 suínos da raça landrace, na fase inicial, expresso em kg. 5.4.4 Formas da curvas de freqüência a) Curvas em forma de sino: máximo no centro Muitas curvas apresentam estas formas, como exemplo, altura, notas, peso, etc. Esta curva assume a forma simétrica ou assimétrica, sendo esta última a mais comum. a.1) Simétrica Não ocorre com muita freqüência. Figura 5.5 - Distribuição de freqüência simétrica. a.2) Assimétrica Na prática não encontramos curvas perfeitamente simétricas. Essas curvas apresentam cauda, a qual é mais longa de um lado do que do outro. Podem ser: # Assimétrica positiva: Cauda para a direita Figura 5.6 - Distribuição de freqüência simétrica positiva. Mo 21 # Assimétrica negativa: Cauda para a esquerda Figura 5.7 - Distribuição de freqüência assimétrica negativa. a.3) Curvas em forma de jota Máximo ocorre em uma das extremidades. Exemplo: fenômenos econômicos e financeiros. Jota Jota invertido Figura 5.8 - Distribuição de freqüência em forma jota. a.3) Curvas em forma de U Máximo em ambas as extremidades. Exemplo: Mortalidade por faixa etária. Figura 5.9 - Distribuição de freqüência em forma U. a.4) Distribuição retangular ou linear Rara, pois apresenta todas as classes com a mesma freqüência. Figura 5.10 - Distribuição de freqüência linear. 22 6 MEDIDAS DESCRITIVAS 6.1 INTRODUÇÃO Os elementos típicos da distribuição são: # As medidas de posição # As Medidas de variação ou dispersão # As Medidas de assimetria # As Medidas de curtose Estas medidas são: - de fácil interpretação - apropriadas para processos mais elaborados - representativas Temos: Dados não agrupados Dados agrupados (com e sem intervalo de classe) 6.2 MEDIDAS DE POSIÇÃO Esta estatística representa uma série de dados, orientando-os quanto a posição da distribuição em relação ao eixo horizontal. Podem ser: a) Tendência central: Os D.O. tendem a se agrupar em torno dos valores centrais. - média - mediana - moda b) Separatrizes: Separa a distribuição em partes iguais - própria mediana - quartis - decis - percentis 23 6.2.1 Média a) Média aritmética simples a.1) Para dados não agrupados É a mais utilizada, sendo de fácil obtenção e de simples compreensão. n Xn)...X2(X1X +++= − = − X média aritmética Xi= valores observados n= número de observações. Exemplo: peso médio, em kg, de 5 ovinos jovens. 887 5 8896361839X ,,,,,, =++++= − kg - Desvio ou erro em relação à média É a diferença entre cada valor observado e a média aritmética. − −= XXie Exemplo: e= (9,3-7,88) + (8,1-7,88) + (6,3-7,88) + (6,9-7,88) + (8,8-7,88) e= 1,42 + 0,22 + (-1,58) + (-0,98) + (0,92) - Propriedades da média # Primeira propriedade A soma dos desvios, obtidos a partir da média, é zero. ∑e= 0 Exemplo: ∑e= 1,42 + 0,22 + (-1,58) + (-0,98) + (0,92) ∑e= 0 # Segunda propriedade Somando-se ou subtraindo-se de todas as observações uma constante, a média fica aumentada ou diminuída desta constante. kXnY ±= − ou n k)(Xn...k)(X2k)(X1Y ±++±+±= 24 Exemplo: 5 2,0)(8,82,0)(6,92,0)(6,32,0)(8,12,0)(9,3Y +++++++++= 88,9 5 4,49 ==Y kg ou Y= 7,88 +2,0 Y= 9,88 kg # Terceira propriedade Multiplicando-se ou dividindo-se de todas as observações uma constante, a média ficará multiplicada ou dividida por esta constante. kXnY ÷ ×− = ou n k)(Xnk)(X1k)(X1 Y ÷ × + ÷ × + ÷ × = Exemplo: 5 2,0)(8,82,0)(6,92,0)(6,32,0)(8,12,0)(9,3Y ×+×+×+×+×= 15,76 5 78,8Y == kg ou Y= 7,88*2 Y= 15,76 kg # Quarta propriedade A soma de quadrados dos desvios em relação à média é mínima, pois é menor que a soma dos quadrados a partir de qualquer número. Exemplo: - Desvios reais: Σe2= (1,42)2 + (0,22)2 + (-1,58)2 + (-0,98)2 + (0,92)2 Σe2= 6,368 kg Se a média fosse 10: Σe2= (9,3-10)2 + (8,1-10)2 + (6,3-10)2 + (6,9-10)2 + (8,8-10)2 Σe2= (-0,7)2 + (-1,9)2 + (-3,7)2 + (-3,1)2 + (-1,2)2 Σe2= 28,84 kg 25 b) Média ponderada b.1) Dados não agrupados Quando aos valores são atribuídos pesos diferenciados. PesoXnX p ×∑= − Exemplo: Considere que para uma turma serão feitas três avaliações, sendo a primeira valendo 30% da nota final, a segunda 50% e a terceira o restante. Suponha que as notas obtidas de um aluno foram, respectivamente, 6,5; 7,2 e 5,8. Qual será a média final do aluno? 71,6)2,08,55,02,73,05,6( =×+×+×= − pX b.2) Dados agrupados b.2.1) Sem intervalos de classe Avaliação da ocorrência da ferrugem da soja em determinada região. Fi XnFiX ∑ ∑ = − Tabela 6.1 – Municípios com registros de ocorrência da ferrugem da soja, em determinada região Ocorrências Municípios (Fi) 0 15 1 10 2 8 3 5 4 2 Total 40 2251 40 245382101150 ,)()()()()(X =×+×+×+×+×= − ocorrências por município b.2.2) Com intervalos de classes Fi CCnFiX ∑ ∑ = − Exemplo: Produtividade de figueiras Tabela 6.2 - Distribuição de freqüência da produtividade de figueiras, expresso em kg/planta I Peso (kg) CC Fi fj Fi` fj` 1 3,0 l– 4,2 3,62 0,13 2 0,13 2 4,2 l– 5,4 4,8 2 0,13 4 0,26 3 5,4 l– 6,6 6,0 6 0,41 10 0,67 4 6,6 l– 7,8 7,2 2 0,13 12 0,80 5 7,8 l–l 9,0 8,4 3 0,20 15 1,00 Consideramos que todos os valores incluídos no intervalo de classe coincidem com CC. 26 Logo: kg/planta6,16 15 8,4)(37,2)(26,0)(64,8)(23,6)(2X =×+×+×+×+×= − Obs: se fosse utilizado todos os valores observados a média seria 6,14 kg/planta. - Usos da média # obter a medida de posição de maior estabilidade # necessidade de tratamento algébrico posterior c) Média geométrica É usada para médias proporcionais de crescimento quando uma medida subseqüente depende de medidas prévias. n ng nnX ×= − 1 Exemplo: - população em 1990= 2 milhões - população em 2000= 8 milhões - Qual é em 1995? Não é 5 milhões milhõesX 4822 =×= − 6.2.2 A moda (Mo) Observação que ocorre com maior freqüência. a) Dados não agrupados É o dado de observação que mais se repete. Exemplo: Número de cachos por planta de mamona. 1, 3, 2, 5, 4, 3, 2, 3, 1, 2, 3, 3 Mo= 3 cachos planta As distribuições podem ser: a.1) amodal: Não existe um valor com maior freqüência Exemplo: Peso ao nascer de terneiros 41, 34, 39, 43, 38, 45, 37, 31, 42, 47 a.2) unimodal ou modal: Apenas um conjunto com maior freqüência Exemplo: Número de cachos por planta de mamona 27 a.3) multimodal: Apresentam mais de um conjunto com maior freqüência Exemplo: Número de coelhos por cria 10, 12, 8, 10, 9, 12, 11, 13, 10, 11, 11 Logo temos 2 modas: 10 e 11 (bimodal) b) Dados agrupados b.1) Sem intervalo de classe É só avaliar os valores na tabela 6.1 (apresentada anteriormente), e observar o valor com maior freqüência. Logo a maior freqüência é 15, então a moda é: Mo= 0 ocorrências por município b.2) Com intervalo de classe A classe que apresenta maior freqüência é denominada classe modal. A moda é o CC Exemplo: Produtividade figueiras Tabela 6.3 - Distribuição de freqüência da produtividade de figueiras, expresso em kg/planta I Peso (kg) CC Fi 1 3,0 l– 4,2 3,6 2 2 4,2 l– 5,4 4,8 2 3 5,4 l– 6,6 6,0 6 4 6,6 l– 7,8 7,2 2 5 7,8 l–l 9,0 8,4 3 Então: Classe modal é a 3 A moda é 6,0 kg/planta - Expressões gráficas da moda Na curva de freqüência a moda é o valor que corresponde, no eixo das abscissas, ao ponto de ordenada máxima. Curva modal Curva não modal Curva bimodal Mo Moda Moda Moda 2Moda 2 Moda 1Moda 1 28 - Emprego da moda - quando desejamos uma medida rápida e aproximada de posição - quando a medida de posição deve ser o valor típico da distribuição 6.2.3 A mediana (Md) É o número que se encontra no centro de uma série de dados de observação, dispostos segundo uma ordem. a) Dados não agrupados a.1) Número impar de observações 2 1nMd += Exemplo: Número de coelhos por cria 10, 12, 8, 10, 9, 12, 11, 13, 10, 11, 11 Primeiramente ordenamos a série: 8, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13 11Mdlogo posição 6Md 2 111Md =→=→+= coelhos/cria a.2) Número par de observações A mediana será o valor médio entre os 2 valores observados. 2 1nMd += Exemplo: Número de coelhos por cria 8, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13 2 112Md += = 6,5 posição Então: 11Md 2 22Md 2 1111Md =→=→+= leitões/porca b) Dados agrupados É semelhante àquele dos dados não agrupados, implicando, porém na determinação prévia das freqüências acumuladas. 29 b.1) Sem intervalo de classe Neste caso é suficiente identificar a freqüência acumulada imediatamente superior à metade da soma das freqüências. A mediana é àquele valor da variável que corresponde a tal freqüência acumulada. Md= 2 Fi∑ Tabela 6.4 - Municípios com registros de ocorrência da ferrugem da soja, em determinada região I Aplicações Fi (lavouras) Fi’ 1 0 15 15 2 1 10 25 3 2 8 33 4 3 5 38 5 4 2 40 Total 40 Então: Md= 20 2 40 2 == ∑Fi posição Assim, o valor mediano está na classe 2. Md= 1 ocorrência por município b.2) Com intervalo de classe Md= 2 Fi∑ , entretanto temos que determinar o valor dentro do intervalo de classe. Exemplo: Tabela 6.4 - Distribuição de freqüência da produtividade de figueiras, expresso em kg/planta i Peso (kg) CC Fi Fi’ 1 3,0 l– 4,2 3,6 2 2 2 4,2 l– 5,4 4,8 2 4 3 5,4 l– 6,6 6,0 6 10 4 6,6 l– 7,8 7,2 2 12 5 7,8 l–l 9,0 8,4 3 15 Md= 5,7 2 15 2 == ∑Fi posição O valor está na 3ª classe, entre os valores 5,4 e 6,6. Interpolação: 1,2 (6,6-5,4) –––– 6 x –––––– 3,5 (7,5-4) x= 0,7 kg Md= 5,4+0,7 = 6,1 kg 30 - Emprego da mediana - obter o ponto que divide a distribuição em duas partes iguais - há valores extremos que afetam de maneira acentuada a média - a variável em estudo é o salário 6.2.4 Separatrizes a) Os quartis Valores de uma série que a dividem em quatro partes iguais. Há, portanto 3 quartis, conforme segue: # Primeiro quartil (Q1): primeiro 25% da série # Segundo quartil (Q2): Coincide com a mediana (Q2=Md) # Terceiro quartil (Q3): 75% da série a.1) Dados não agrupados a.1.1) Números pares de dados de observação 4 2nkQk += Exemplo: Número de coelhos por cria 8, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13 Obs.: Colocar os valores em ordem crescente. Para o primeiro quartil 53, 4 2121Q1logo =⎟ ⎠ ⎞ ⎜ ⎝ ⎛ +×= posição, logo Q1 = 10 coelhos/cria Para o segundo quartil 6,5 4 212 x 2Q2 =+= posição 11 2 1111Q2logo =+= coelhos/cria Para o terceiro quartil posição9,5 4 212 x 3Q3 =+= 12=⎟ ⎠ ⎞ ⎜ ⎝ ⎛ += 2 1212Q3logo coelho/cria 31 a.1.2) Números impares de dados de observação 4 1)nk(Qk += Exemplo: Número de coelhos por cria 8, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13 Para o primeiro quartil 3 4 1)(111Q1 =+×= posição 10Q1logo = coelhos/cria Para o segundo quartil Q2 6 4 1)2(11 = + = posição 11Q2logo = coelhos/cria Para o terceiro quartil Q3 9 4 1)3(11 = + = posição 12Q3logo = coelhos/cria a.2) Dados agrupados a.2.1) Sem intervalo de classe Neste caso é suficiente identificar a freqüência acumulada imediatamente superior. Qk= 4 Fik ∑ , onde k é o número de ordem do quartil. Tabela 6.5 - Municípios com registros de ocorrência da ferrugem da soja, em determinada região i Aplicações Fi (lavouras) Fi’ 1 0 15 15 2 1 10 25 3 2 8 33 4 3 5 38 5 4 2 40 Total 40 Para o primeiro quartil Q1= 10 4 40 4 40*1 == posição, está na classe 1 Logo: Q1= 0 ocorrências por município 32 Para o segundo quartil Q2= igual a mediana Q2= 20 4 80 4 40*2 == posição, está na classe 2 Logo Q2= 1 ocorrência por município Para o terceiro quartil Q3= 30 4 120 4 40*3 == posição, está na classe 3 Logo: Q1= 2 ocorrências por município a.2.2) Com intervalo de classe Igual a anterior. Qk= 4 Fik ∑ , onde k é o número de ordem do quartil. Entretanto, neste caso interpolar, pois existe um intervalo de valores em cada classe. Exemplo: Tabela 6.6 - Distribuição de freqüência da produtividade de figueiras, expresso em kg/planta I Peso (kg) CC Fi Fi’ 1 3,0 l– 4,2 3,6 2 2 2 4,2 l– 5,4 4,8 2 4 3 5,4 l– 6,6 6,0 6 10 4 6,6 l– 7,8 7,2 2 12 5 7,8 l–l 9,0 8,4 3 15Para o primeiro quartil Q1= 75,3 4 151 4 = × = ∑ Fik posição Então o Q1 está na segunda classe, entre o intervalo de 4,2 l– 5,4 Interpolação: (5,4-4,2) 1,2––— 2 X –––----– 1,75 (3,75-2) x= 1,05 kg Q1= 4,2 + 1,05 = 5,25 kg/planta Para o terceiro quartil Q3= 25,11 4 153 4 = × = ∑Fik posição Então o Q3 está situado na classe 4, entre o intervalo 6,6 l– 7,8 33 Interpolação (7,8-6,6)1,2 –––– 2 X ––––------– 1,25 (11,25-10) Q3= 0,75 kg Q3= 6,6+0,75= 7,35 kg/planta b) Os decis Dividem a distribuição em 9 partes iguais São indicados por D1, D2, ..., D9 Dk= 10 Fik ∑ , sendo k o número de ordem do decil. b.1) Dados agrupadas com intervalo de classe Exemplo: Tabela 6.7 - Distribuição de freqüência da produtividade de figueiras, expresso em kg/planta I Peso (kg) CC Fi Fi’ 1 3,0 l– 4,2 3,69 2 2 2 4,2 l– 5,4 4,87 2 4 3 5,4 l– 6,6 6,05 6 10 4 6,6 l– 7,8 7,23 2 12 5 7,8 l–l 9,0 8,41 3 15 Para o decil 4 D4= 6 10 154 10 Fik = × = ∑ posição Logo D4 está situado na classe 3, no intervalo de 5,4 a 6,6 Interpolação: (6,6 – 5,4)1,2 –––– 6 X –––––------ 2(6-4) X= 0,4 kg D4= 5,4+0,4= 5,8 kg por planta c) Os percentis ou centis Dividem a distribuição em 99 partes iguais São indicados por P1, P2, ..., P61, P99 Sendo assim sabe-se que P50= Md, P25= Q1 e P75= Q3. Pk= 100 Fik ∑ , sendo k o número de ordem do percentil. 34 Exemplo: Distribuição de freqüência da produtividade de figueiras, expresso em kg/planta Para o percentil 90 P90= 13,5 100 1590 100 Fik = × = ∑ posição Logo P90 está situado na classe 5, no intervalo de 7,82 a 9,00 Interpolação: (9,0-7,8)1,2 –––– 3 X ––––– 1,5 (13,5-12,0) X= 0,6 kg P90= 7,8+0,6= 8,4 kg por planta 35 7 MEDIDAS DE DISPERSÃO OU VARIAÇÃO OU DE VARIABILIDADE 7.1 INTRODUÇÃO Indicam a variabilidade dos dados. Ex: Precipitação mensal em três localidades, durante período de 1 ano. Não podemos saber como é a distribuição desta chuva ao longo do ano Tabela 1 – Precipitação média mensal em três localidades, durante o período de 1 ano Local Período Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Média A 0 12 25 80 121 150 210 250 230 105 50 15 104 B 239 220 200 100 46 2 0 0 55 88 140 158 104 C 99 105 110 109 100 112 104 98 101 100 105 105 104 # Qual cidade apresenta dados mais homogêneos? # Qual a localidade com maior e menor dispersão? # A média, por si só, é uma boa medida? Logo temos como medidas de dispersão: - Amplitude total - Variância - Desvio padrão - Coeficiente de variação 7.2 AMPLITUDE TOTAL É a diferença entre a maior e a menor medida. Maior a amplitude total, maior a dispersão. 7.2.1 Dados não agrupados AT= X(máximo) – X(mínimo) Exemplo 1: Para a cidade A, temos: AT= 250 – 0 = 250 mm # Para a cidade B AT= 239 – 0 = 239 mm # Para a cidade C 36 AT= 112 – 98 = 14 mm 7.2.2 Dados agrupados a) Sem intervalos de classe Também empregamos a fórmula que segue: AT= LS última classe – LI primeira classe Tabela 2 – Municípios com registros de ocorrência da ferrugem da soja, em determinada região i Ocorrências Municípios Fi’ 1 0 15 15 2 1 10 25 3 2 8 33 4 3 5 38 5 4 2 40 Total 40 Logo: AT= 4 – 0 = 4 ocorrências / município b) Com intervalos de classe Neste caso, a amplitude total é a diferença entre o limite superior da última classe e o limite inferior da primeira classe. AT= LS última classe – LI primeira classe Exemplo: Tabela 3 - Distribuição de freqüência da produtividade de figueiras, expresso em kg/planta I Prod. (kg/planta) CC Plantas Fi’ 1 3,0 l– 4,2 3,69 2 2 2 4,2 l– 5,4 4,87 2 4 3 5,4 l– 6,6 6,05 6 10 4 6,6 l– 7,8 7,23 2 12 5 7,8 l–l 9,0 8,41 3 15 Logo: AT= 9,0 – 3,0 = 6,0 kg / figueira 7.3 AMPLITUDE INTERQUARTÍLICA É a diferença entre o terceiro e o primeiro quartil. AIQ= Q3 – Q1 37 7.3.1 Dados não agrupados (pares ou impares) Exemplo: Número de coelhos por cria 8, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13 Q1= 10 coelhos/cria Q3= 12 coelhos/cria AIQ= 12 – 10 = 2 coelho/cria 7.3.2 Dados agrupados (com ou sem intervalo de classe) Exemplo: Distribuição de freqüência da produtividade de figueiras, expresso em kg/planta Q1= 5,25 kg/planta Q3= 7,35 kg/planta Logo: AIQ= 7,35 – 5,25 = 2,1 kg/planta 7.4 VARIÂNCIA E DESVIO PADRÃO # Tanto o desvio padrão como as variâncias são usadas como medidas de dispersão. 7.4.1 Para dados não agrupados a) Variância Baseia-se nos desvios em torno da média. Σdi= Σ(Xi - − X ) = 0 É obtido a partir do somatório dos quadrados dos desvios em relação a média, dividido pelos valores observados ou destes descontados de uma unidade. Para cálculo usamos: n= para população n-1= para amostra ► Fórmula dedutiva - Para população n XXi n XXnXXXXS n i ∑ = − −−− − = −+−+− = 1 2 222 2 )( )...()2()1( 38 - Para amostra 1 )( 1 2 2 − − = ∑ = − n XXi S n i ►Fórmula de cálculo - Para população 2 ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ ∑ =− ∑ == n n 1i Xn n n 1i 2Xn 2S - Para amostra ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ ∑ =− ∑ == 2 n n 1i Xn n n 1i 2Xn 2S x 1n n − Isto por que: 1) como ∑ = − − n i XXi 1 )( = 0, então somente n-1 desvios são independentes. 2) o divisor n-1 torna S2 uma medida “melhor” do que S2 divido por n. ►Interpretação dos valores da variância Normalmente resulta num valor elevado, pois é um número em unidade quadrada em relação à variável em questão, o que a torna de pouca aplicabilidade. # Variância pequena= valores próximos a média # Variância grande= valores distantes da média # Na variância o ponto de referência é a média b) Desvio padrão É definido como a raiz quadrada da variância. Tanto para população ou amostra 2SS = 39 - Propriedades do desvio: 1ª) Somando-se ou subtraindo-se uma constante a todos os valores observados, o desvio padrão não se altera. 2ª) Multiplicando-se ou dividindo-se uma constante a todos os valores observados (diferente de zero), o desvio padrão fica multiplicado ou dividido por essa constante. # Observações: - Tanto a variância como o desvio padrão não são adequados para comparar valores com médias muito diferentes, mesmo que a unidade seja igual. - Não é passível de comparação entre valores com distintas unidades. Exemplo para dados não agrupados Exemplo 2: Número de coelhos por cria, considerando uma amostragem. 8, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13 # Pela fórmula dedutiva, a variância e o desvio padrão são os seguintes: - Média − X = 130/12 = 10,83 coelhos/cria - Variância 112 112 2)83,1013(2)83,1013(2)83,1012(2)83,1012(2)83,1011(2)83,1011(2)83,1011( 2)83,1010(2)83,1010(2)83,1010(2)83,109(2)83,108(2 − − −+−+−+−+−+−+− +−+−+−+−+− =S 11 2(2,17)2(2,17)2(1,17)2(1,17)2(0,17)2(0,17)2(0,17)20,83)(20,83)(2,830(21,83)(22,83)(2S +++++++−+−+−+−+−= ,34 11 25,672S 2== coelhos/cria -Desvio padrão 2,34S= = 1,53 coelhos/cria # Pela fórmula de cálculo temos: S2= 1n nx n Xn n Xn 2n 1i n 1i 2 − ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ − ∑∑ == 40 Tabela 7.3- Número de coelhos por cria Peso dos cordeiros (Xi) Xi2 8 64 9 81 10 100 10 100 10 100 11 121 11 121 11 121 12 144 12 144 13 169 13 169 130 1434 - Variância 11 12 12 130 12 1434 22 ×⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛−=S S2= (119,5 - 117,36)x 12/11 S2= 2,34 coelhos/cria - Desvio padrão 34,2=S S= 1,53 coelhos/cria 7.4.2 Para dados agrupados a) Sem intervalos de classe Como temos intervalos de classes, fazemos uma modificação da fórmula: ►Variância - Para população S2= 2n 1i n 1i 2 ΣFi XnFi ΣFi XnFi ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ × − × ∑∑ == - Para amostra Obs.: Para amostra se multiplica o resultado por 1Fi Fi − 41 ►Desvio padrão 2SS = Exemplo Consideraremos o exemplo da ferrugem como uma amostra. Tabela 7.4 - Municípios com registros de ocorrência da ferrugem da soja, em determinada região i Ocorrências Municípios FiXi FiXi2 1 0 15 0 0 2 1 10 10 10 3 2 8 16 32 4 3 5 15 45 5 4 2 8 32 soma 10 40 49 119 Então temos: Variância os/municípiocorrência 1,51 39 402 40 49 40 1192S =×⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛−= Desvio padrão 51,1=S = 1,228 registros/município b) Com intervalos de classe ►Variância - Para população S2= 2n 1i n 1i 2 ΣFi CCFi ΣFi CCiFi ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ × − × ∑∑ == - Para amostra Obs.: Para amostra se multiplica o resultado por 1Fi Fi − Exemplo: Consideraremos o exemplo do peso de suínos como uma amostra: 42 Tabela 7.5 - Distribuição de freqüência da produtividade de figueiras, expresso em kg/planta I Prod. (kg/planta) CC (Xi) Plantas FiCC FiCC2 1 3,0 l– 4,2 3,6 2 7,38 27,2322 2 4,2 l– 5,4 4,8 2 9,74 47,4338 3 5,4 l– 6,6 6,0 6 36,3 219,615 4 6,6 l– 7,8 7,2 2 14,46 104,5458 5 7,8 l–l 9,0 8,4 3 25,23 212,1843 30,25 15 93,11 611,0111 Variância kg/planta1,13 14 15 15 93,11 15 611,0111S 2 2 =× ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ −= Desvio padrão 13,1=S = 1,06 kg/planta 7.5 COEFICIENTE DE VARIAÇÃO DE PEARSON (CV) É o desvio padrão expresso em percentagem da média. O desvio padrão por si só não indica muita coisa por que: - Difícil comparar grupos de valores quando as médias são bastante distintas, mesmo que expressos na mesma unidade. - Não é possível comparar grupos de valores expresso em unidades distintas. Logo o Coeficiente de Variação é: 100 X SCV ×= − Para os três exemplos temos: a) Dados não agrupados − X = 10,83 coelhos/cria ,142S 2= coelhos/cria S= 1,46 coelhos/cria =×= 010 10,83 1,46CV 13,48% b) Dados agrupados sem intervalo de classe − X = 1,225 ocorrências de ferrugem município 43 1,512S = ocorrências de ferrugem município =S 1,228 ocorrências de ferrugem município %24,100010 1,225 1,228CV =×= c) Dados agrupados com intervalo de classe − X = 6,207 kg/planta 1,13S2 = kg/planta =S 1,06 kg/planta %08,17010 6,207 1,06CV =×= Interpretação do CV: - Baixo (menor que 10): dados com pouca variação - Médio (entre 10 e 20): dados com variação média - Alto (maior que 20): dados com variações elevadas 7.6 COEFICIENTE DE VARIAÇÃO DE THORNDIKE - CVT É igual ao quociente entre o desvio padrão e a mediana. 100 Md SCVT ×= − Exemplo: Distribuição de freqüência da produtividade de figueiras, expresso em kg/planta. S= 1,06 kg/planta Md= 6,1 kg/planta 100 1,6 1,06CVT ×= CVT= 17,38% 44 8 MEDIDAS DE ASSIMETRIA E DE CURTOSE 8.1 ASSIMETRIA É o grau de afastamento de uma distribuição em relação a um determinado ponto referência (pode ser a média) chamado de eixo de simetria. a) Simétrica: média, moda e mediana coincidem. b) Assimétrica positiva: apresenta mediana e média à direita da moda. c) Assimétrica negativa: apresenta mediana e média à esquerda da moda. 8.1.1 Relação de assimetria a) Média e moda Baseando-se nas relações entre média e moda, podemos considerar: 0MoX =− − → distribuição simétrica 0MoX >− − → distribuição assimétrica positiva 0MoX <− − → distribuição assimétrica negativa − X= Md = Mo −X= Md = Mo Mo < Md < −XMo < Md < −X − X< Md < Mo −X< Md < Mo 45 b) Coeficiente de assimetria Entretanto, a mediada anterior é absoluta, apresentando a mesma deficiência do desvio padrão, ou seja, não permite a comparação entre mediadas de duas distribuições. Portanto, para comparação usaremos o coeficiente de assimetria de Pearson: S Md)X3(As − = − Interpretação: - Simétrica: As = 0 - Assimetria fraca: IAsI < 0,15 - Assimetria moderada: 0,15 < IAsI < 1,0 - Assimetria forte: IAsI > 1 Obs.: conforme o sinal pode ser assimétrica positiva ou negativa Exemplo 1: Tabela 8.1 - Consumo de óleo diesel (l h-1), por diferentes tratores agrícolas, durante a semeadura I Consumo (l h-1) Trator Fi’ CC (Xn) FiXn FiXn2 1 4,0 I– 5,0 10 10 4,5 45 202,5 2 5,0 I– 6,0 23 33 5,5 126,5 695,75 3 6,0 I– 7,0 36 69 6,5 234 1521 4 7,0 I– 8,0 23 92 7,5 172,5 1293,75 5 8,0 I– 9,0 10 102 8,5 85 722,5 Σ 102 663 4435,5 Conforme a relação média e moda: = − X (4,5 x 10) + (5,5 x 23) +...+(8,5 x 10) = 6,5 l h-1 Mo= 6,5 l h-1 Logo temos: 6,5-6,5= 0 l h-1 → distribuição simétrica Conforme o coeficiente de assimetria: Md= 102/2 = 51 posição Logo está na classe 3, entre os valores 6 e 7: 36 –– 1,0 18 –– x x= 0,5 Md= 6,0 + 0,5 = 6,5 l h-1 S2= 2 11 2 ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ = × −= × ∑∑ n n i XiFi n n i XiFi 24,1 2 102 663 102 5,44352 =⎟ ⎠ ⎞ ⎜ ⎝ ⎛ −=S l h-1 46 Logo: 0 24,1 )5,65,6(3 = − =sA simétrica Exemplo 2: Tabela 8.2 - Consumo de óleo diesel (l h-1), por diferentes tratores agrícolas, durante a semeadura I Consumo (l h-1) Trator Fi’ CC (Xn) FiXn FiXn2 1 4,0 I– 5,0 10 10 4,5 45 202,5 2 5,0 I– 6,0 20 30 5,5 110 605 3 6,0 I– 7,0 30 60 6,5 195 1267,5 4 7,0 I– 8,0 40 100 7,5 300 2250 5 8,0 I– 9,0 2 102 8,5 17 144,5 Σ 102 667 4469,5 Conforme a relação média e moda: = − X (4,5 x 10) + (5,5 x 30) +...+(8,5 x 2) = 6,54 l h-1 Mo= 7,5 l h-1 Logo temos: 6,54-7,5= -0,96<0 → distribuição assimétrica negativa Conforme o coeficiente de assimetria: Md= 102/2 = 51 posição Logo está na classe 3, entre os valores 6 e 7: 30 –– 1,0 21 –– x x= 0,7 Md= 6,0 + 0,7 = 6,7 l h-1 06,1 2 102 667 102 5,44692 =⎟ ⎠ ⎞ ⎜ ⎝ ⎛ −=S l h-1 Logo: 45,0 06,1 )7,654,6(3 −= − =sA assimétrica negativa moderada Exemplo 3: Tabela 8.3 - Consumo de óleo diesel (l h-1), por diferentes tratores agrícolas, durante a semeadura I Consumo (l h-1) Trator Fi’ CC (Xn) FiXn FiXn2 1 4,0 I– 5,0 2 2 4,5 9 40,5 2 5,0 I– 6,0 40 42 5,5 220 1210 3 6,0 I– 7,0 30 72 6,5 195 1267,54 7,0 I– 8,0 20 92 7,5 150 1125 5 8,0 I– 9,0 10 102 8,5 85 722,5 Σ 102 659 4365,5 Conforme a relação média e moda: = − X (4,5 x 2) + (5,5 x 40) +...+(8,5 x 10) = 6,46 l h-1 Mo= 5,5 l h-1 Logo temos: 6,46-5,5= 0,96>0 → distribuição assimétrica positiva 47 Conforme o coeficiente de assimetria: Md= 102/2 = 51 posição Logo está na classe 3, entre os valores 6 e 7 30 –– 1,0 9 –– x x= 0,3 Md= 6,0 + 0,3 = 6,3 l h-1 06,1 2 102 659 102 5,43652 =⎟ ⎠ ⎞ ⎜ ⎝ ⎛ −=S l h-1 Logo: 45,0 06,1 )3,646,6(3 = − =sA assimétrica positiva moderada 8.2 CURTOSE É o grau de achatamento de uma distribuição em relação a distribuição padrão, denominada curva normal. Temos 3 tipos: - Leptocúrtica: mais fechada que a normal ou mais aguda. - Platicúrtica: mais aberta que a normal ou achatada. - Mesocúrtica: é a curva normal, sendo a referencial. Exemplo: fazer no quadro. 8.2.1 Coeficiente de curtose Para avaliar a curtose usa-se a seguinte fórmula: )90(2 13 10P P QQ CC − − = Interpretação: - Leptocúrtica: CC<0,263 - Platicúrtica: CC>0,263 - Mesocúrtica: CC = 0,263 Exemplo: Distribuição de freqüência do peso de 15 suínos da raça landrace, nos primeiros 30 dias de idade. Q1= 5,31 kg Q3= 7,38 kg P10= 3,985 kg P90= 8,41 kg 0,234 3,985)2(8,41 5,317,38CC = − − = - logo, a distribuição é considerada leptocúrtica. 48 9 REGRESSÃO LINEAR SIMPLES 9.1 INTRODUÇÃO É uma análise bivariada, pois tem o objetivo de estudar a relação entre duas variáveis. Usados para fatores de tratamento quantitativos. 9.2 GRÁFICO DA DISPERSÃO Pode indicar correlação linear positiva, negativa ou inexistência de correlação. Também é útil para identificar existência de valores aberrantes. A variável X é a independente e Y a dependente. a) correlação positiva Adubação Produtividade 100 2560 150 3000 200 3398 250 3378 300 4050 350 4298 400 4500 Gráfico 1 - Produtividade de determinada cultura em função da aplicação de adubo. b) correlação negativa Adubação Produtividade 400 4400 450 4000 500 3710 550 3480 600 3045 650 2871 700 2569 Gráfico 2 - Produtividade de determinada cultura em função da aplicação de adubo. 2000 2500 3000 3500 4000 4500 5000 50 150 250 350 450 Adubo (kg/ha) Pr od ut ivi da de (k g/ ha ) 2000 2500 3000 3500 4000 4500 5000 300 400 500 600 700 800 Adubação (kg/ha) Pr od ut iv id ad e (k g/ ha ) 49 c) Sem correlação Adubação Produtividade 100 2584 150 4012 200 3015 250 3958 300 2781 350 3451 400 2800 Gráfico 3 - Produtividade de determinada cultura em função da aplicação de adubo. 9.3 COEFICIENTE DE CORRELAÇÃO LINEAR (R) Indica: - o grau de intensidade da correlação entre as duas variáveis - o sentido dessa correlação (positivo ou negativo). Obtenção pelo coeficiente de Pearson: [ ][ ]2i2i2i2i iiii )Y(Yn.)X(Xn )Y.X(YXn r ∑−∑∑−∑ ∑∑−∑ = onde n é o número de observações. Os valores de r estão sempre entre -1 e 1, sendo adimensional. Assim: r= 1 → correlação entre as duas variáveis é perfeita e positiva; r= -1 → correlação entre as duas variáveis é perfeita e negativa; r= 0 → ausência de correlação entre as duas variáveis. Exemplo 1 - Calcular o coeficiente de correlação para os dados a seguir: 2000 2500 3000 3500 4000 4500 0 100 200 300 400 500 Adubação (kg/ha) Pr od ut iv id ad e (k g/ ha ) 50 Tabela 1 – Produtividade de leite em função da dose diária de ração Ração (kg) Produtividade (l/dia) Xi.Yi Xi2 Yi2 5,0 15,1 75,50 25,00 228,01 5,3 15,3 81,09 28,09 234,09 5,6 15,7 87,92 31,36 246,49 5,9 16,0 94,40 34,81 256,00 6,2 16,2 100,44 38,44 262,44 6,5 15,9 103,35 42,25 252,81 6,8 16,4 111,52 46,24 268,96 7,1 17,0 120,70 50,41 289,00 7,4 16,7 123,58 54,76 278,89 55,80 144,30 898,50 351,36 2.316,69 Logo: = − = ),,()55,80-(9x351,36 3055,80x144,-9x898,50r 2 2301446923169xx 0,94158 Conclusão: Existe uma correlação positiva entre a dose de ração fornecida e a produtividade de leite de 94,16%. 9.4 COEFICIENTE DE DETERMINAÇÃO (R2) Mede a proporção de variação de Y que é explicada linearmente pela variação de X. Os valores de r2 ficam entre 0 e 1. r2= (r)2 r2= (0,94158)^2 r2= 0,88658 Conclusão: Pode-se afirmar que 88,66% do aumento de produtividade de leite é explicada linearmente pela dose de ração fornecida. 9.5 EQUAÇÃO DA RETA E DETERMINAÇÃO DOS PARÂMETROS Tem por objetivo descrever através de um modelo matemático a relação entre duas variáveis. A modelo que descreve é: Y=a + bX Onde: a= parâmetro b= parâmetro da inclinação da reta. Os parâmetros são obtidos pelas equações: 51 ( ) ( )∑ ∑ ∑ ∑∑ −× −× = 22 XnXnn YnXnnXnYn b Cálculo dos parâmetros: 255,80-351,369 144,3055,80-898,509b × ×× = b= 0,7111 a= 11,6244 Logo o modelo fica descrito por: Y= 11,6244 + 0,7111X Obs: Para cada quilo de ração que for fornecido, teria um incremento de 0,7111 litros de leite. Então o gráfico fica assim apresentado: Gráfico 1 - Produtividade de leite em função da dose diária de ração. Conclusão da regressão linear: Espera-se que 88,66% das vezes a variação da produtividade de leite é explicada linearmente pela dose de ração, sendo que o fornecimento de cada quilo de ração proporciona o incremento de 0,71 litro de leite. Obs.: A regressão só pode estimar valores para o intervalo avaliado. Exemplo: Estime a produtividade em função de alguma dose de ração y = 0,7111x + 11,624 R2 = 0,8866 15,0 15,5 16,0 16,5 17,0 17,5 4,5 5,5 6,5 7,5 8,5 Ração (kg) Pr od ut iv id ad e (l/ ha ) 52 10 ANÁLISE COMBINATÓRIA 10.1 INTRODUÇÃO A necessidade de calcular o número de possibilidades existentes nos chamados jogos de azar levou ao desenvolvimento da Análise Combinatória. Trata-se de uma parte da Matemática que estuda os métodos de contagem. Esses estudos foram iniciados já no século XVI, pelo matemático italiano Niccollo Fontana (1500-1557), conhecido como Tartaglia. Depois dele vieram os franceses Pierre de Fermat (1601-1665) e Blaise Pascal (1623-1662). 10.2 FATORIAL Para resolver problemas de Análise Combinatória precisamos utilizar uma ferramenta matemática chamada Fatorial. Seja n um número inteiro não negativo. Definimos o fatorial de n (indicado pelo símbolo n!) como sendo: n! = n .(n-1) . (n-2) . ... .4.3.2.1 para n ³ 2. Exemplos: a) 6! = 6.5.4.3.2.1 = 720 b) 4! = 4.3.2.1 = 24 c) 7! = 7.6.5.4.3.2.1 = 5040 d) 10! = 10.9.8.7.6.5.4.3.2.1 e) 3! = 3.2.1 = 6 Perceba que 7! = 7.6.5.4!, ou que 6! = 6.5.4.3!, e assim sucessivamente. Casos especiais: 0! = 1 1! = 1 10.3 PRINCÍPIO FUNDAMENTAL DA CONTAGEM - PFC Se determinado acontecimento ocorre em etapas independentes, e se a primeira etapa pode ocorrer de k1 maneiras diferentes, a segunda de k2 maneiras diferentes, e assim sucessivamente, então o número total “T” de maneiras de ocorrer o acontecimento, composto por “n” etapas, é dado por: T = k1. k2 . k3 . ... . kn 53 Exemplo 1: No Brasil as placas dos veículos são confeccionadas usando-se 3 letras do alfabeto
Compartilhar