Baixe o app para aproveitar ainda mais
Prévia do material em texto
�PAGE � �PAGE �43� CENTRO UNIVERSITÁRIO DA GRANDE DOURADOS – UNIGRAN CURSO DE PSICOLOGIA – MATUTINO E NOTURNO DISCIPLINA: ESTATÍSTICA Profª. M.Sc. Solange Tieko Sakaguti e-mail: � HYPERLINK "mailto:solangesakaguti@hotmail.com" �solangesakaguti@hotmail.com� ou � HYPERLINK "mailto:solange@unigran.br" ��solange@unigran.br� CONHECENDO A ESTATÍSTICA: O que é Estatística? Segundo Crespo� (2002) Estatística é o ramo da matemática aplicada que estuda os dados. Para que estudar estatística? Segundo Rao� (1999): a Estatística é uma ciência que estuda e pesquisa sobre: o levantamento de dados com a máxima quantidade de informação possível para um dado custo; o processamento de dados para a quantificação da quantidade de incerteza existente na resposta para um determinado problema; a tomada de decisões sob condições de incerteza, sob o menor risco possível. De fato, a estatística tem sido utilizada na pesquisa científica para a otimização de recursos econômicos, para o aumento da qualidade e produtividade, na otimização em análise de decisões, em questões judiciais, previsões e em muitas outras áreas (RAO, 1999). Segundo Crespo (2002), população é o conjunto de entre portadores de, pelo menos, uma característica comum. Segundo Crespo (2002), amostra é um subconjunto finito de uma população. Segundo Crespo (2002), método é um conjunto de meios dispostos convenientemente para se chegar a um fim que se deseja. Para chegar à apuração dos dados é necessário que se adotem métodos. Na estatística temos os Métodos Científicos que são: Método Experimental e Método Estatístico. Método Experimental: é importante na descoberta de conhecimentos científicos. Como o próprio nome diz, chega-se a um determinado resultado através de experimentos com estudos da física, química, matemática, entre outros. Matemáticos como Arquimedes (287 a.C. – 212 a.C.) e Galileu Galilei (1564-1642). O Método Experimental divide-se em quatro etapas. Para melhor explicá-las utilizaremos como base um exemplo do cotidiano... identificação e análise do problema ou situação – nessa etapa definimos que assunto iremos discutir, por exemplo: o índice de evasão escolar nas escolas públicas no período noturno; formulação de uma hipótese explicativa – será uma possível dedução do que possa acontecer, por exemplo: os alunos estão saindo devido à necessidade de trabalhar o dia inteiro e no período noturno não conseguem acompanhar as explicações, desestimulando o aluno; experimentação-manipulação e controle das variáveis no grupo em observação – nessa etapa coletamos os dados e tabulamos os mesmos, por exemplo: os dados podem ser coletados através de um questionário envolvendo perguntas que abordam todas as possíveis questões de evasão. Em seguida esses dados são tabulados; e Segundo Crespo (2002), variável é, convencionalmente, o conjunto de resultados possíveis de um fenômeno. conclusão, ou seja, a confirmação da hipótese – nessa última fase, após os dados tabulados, verificamos se nossa hipótese é verdadeira. Palavra grega que significa base, fundamento, princípio de algo, proposição. Hipótese: proposição que se admite, independentemente do fato de ser verdadeira ou falsa, mas unicamente a título de um princípio a partir do qual se pode deduzir um determinado conjunto de consequências. (Dicionário Houaiss). Podemos relacionar alguns tipos de variáveis: para o fenômeno “evasão escolar” a variável pode ser: frequência dos alunos. para o fenômeno “estado civil” as variáveis são: solteiro, casado, divorciado, desquitado, viúvo. para o fenômeno “tempo” as variáveis são: seco, quente, úmido, chuvoso, ensolarado. para o fenômeno “estatura” as variáveis são números em quantidades infinitas, dentro de um determinado intervalo, como por exemplo: 1,73m, 1,56m, 1,25m, 1,89m, etc. para o fenômeno “solo” as variáveis são: úmido, arenoso, árido, fértil. Temos dois tipos de variáveis: qualitativa é aquela quando seus valores são expressos por atributo, ou seja, sexo (masculino e feminino), cor (vermelho, amarelo, branco, azul, etc), etc. quantitativa é quando seus valores são expressos em números como por exemplo: salário, idade, altura, temperatura, etc. Essa variável se divide em duas outras: Contínua: quando os valores estão entre um determinado intervalo, como por exemplo: 1,5 a 3,2 cm, compreende todos os valores que existem de 1,5 cm até 3,2 cm. Discreta: quando os valores são definidos dentro desse intervalo, como por exemplo: 1 a 5 anos, compreende 1, 2, 3, 4 e 5 anos. Método Estatístico: é feito seguindo etapas para se chegar a um objetivo previamente definido. Iremos, agora, detalhar essas etapas: Definição do Problema: nessa etapa define-se o que deseja pesquisar, ou seja, define-se qual o problema que será feito o levantamento dos dados. Planejamento: definem-se as formas que se deseja trabalhar com os dados (amostragem, censo, etc.). É preciso nessa fase resolver como será feito o levantamento dos dados, fazer um cronograma das atividades, levantar custos, etc. Segundo Crespo (2002), amostragem é uma técnica especial para recolher amostras. Censo é uma avaliação direta de um parâmetro, utilizando-se todos os componentes da população. Extraído do site: http://www.cesec.ufpr.br/~cds/estatistica/conceitos.htm Coleta de dados: essa fase é operacional, ou seja, onde os dados são coletados, registrados. Há dois tipos de dados: primários e secundários; e dois tipos de coleta: direta e indireta. Dados primários: quando são publicados pela própria pessoa que fez o levantamento, como por exemplo, o levantamento do censo demográfico do IBGE – Instituto Brasileiro de Geografia e Estatística (http://www.ibge.gov.br). Dados secundários: quando são publicados por outras pessoas que não foram as mesmas quem fizeram o levantamento, como por exemplo quando um jornal ou uma revista publica as estatísticas referentes aos dados estatísticos do MEC – Ministério da Educação (http://www.mec.gov.br). Coleta direta: quando os dados são obtidos diretamente da fonte, como, por exemplo, quando se quer fazer o levantamento da preferência dos consumidores por um determinado produto. Ela está dividida em outras três: a coleta direta contínua que faz o levantamento de dados de registros de nascimentos, óbitos, casamentos, etc.; a coleta direta periódica que faz o levantamento de dados do censo demográfico, censo industrial; e a coleta direta ocasional que faz o levantamento de casos de analfabetos, por exemplo. Coleta indireta: é feita por deduções a partir dos elementos conseguidos pela coleta direta, por analogia, por avaliação, indícios ou proporção. Apuração dos dados: é a fase onde os dados são tabulados (contados). Essa fase pode ser feita manual, eletromecânica ou mecânica. Apresentação dos dados: há duas maneiras de se apresentar os dados tabulados: uma é a forma de tabelas onde os dados se apresentam em números disponibilizados em linhas e colunas; e outra é a forma gráfica onde os dados são colocados em gráficos de formatos variados (coluna, linha, pizza, etc.), de forma que permita uma visualização clara. Segundo Crespo (2002), tabela é um quadro que resume um conjunto de observações. Segundo Crespo (2002), gráfico estatístico é uma forma de apresentação dos dados estatísticos, cujo objetivo é o de produzir, no investigador ou no público em geral, uma impressão mais rápida e vida do fenômeno em estudo, já que os gráficos falam mais rápido à compreensão que as séries. Análise e interpretação dos dados: é a última e mais importante etapa do processo, pois é ela quem descreve os problemas por meio de cálculo de medidas e coeficientes. Todos esses dados são registrados e armazenados com a finalidade de ter uma referência por períodos. Esses dados serão mais bem compreendidos se estiverem em tabelas e/ou gráficos, pois auxilia a compreensão visual dos dados, após os devidos cálculos matemáticos. Dessa forma,poderemos dizer que os estudantes da disciplina de Estatística, por exemplo, constituem uma população, por apresentarem ao menos uma característica em comum... estão fazendo o mesmo curso. Entretanto, poderemos restringir um pouco mais esse grupo, dizendo que selecionamos, dentro de um outro grupo os alunos da disciplina de Estatística, apenas uma parte desses alunos... Então poderemos considerar como uma Amostra. Mas, para termos uma amostra representativa àquele grupo, devemos considerar as mesmas características básicas da população, no que se refere ao que desejamos pesquisar. Para isso temos uma técnica especial na coleta dessas amostras chamada de Amostragem. Dentro da Amostragem encontramos as não-probabilísticas e as probabilísticas. As não-probabilísticas são: Acidental ou Conveniência: indicada para produtos exploratórios, sendo utilizada frequentemente em supermercados para testar produtos. Intencional: onde o pesquisador dirige-se a um grupo específico para questionar e levantar opiniões. Um exemplo seria sobre o grau de escolaridade dos funcionários de uma determinada empresa. Quotas ou Proporcional: essa amostragem é uma variação da amostragem intencional, onde é necessário ter um prévio conhecimento da população e sua proporcionalidade. Um exemplo seria entrevistar apenas grandes pesquisadores, deixando de lado os médios e pequenos. Isso representaria somente uma parte do todo. Desproporcional: amostragem utilizada quando a escolha da amostra for desproporcional à população, ponderando-se pesos para os dados e obtendo resultados também ponderados, que são representativos para a análise. Por meio da Amostragem, cada elemento da população passa ter a mesma chance de ser escolhido. Podemos abordar a amostragem probabilística em três tipos: Amostragem Casual (Aleatória Simples), Amostragem Proporcional Estratificada e Amostragem Sistemática. Falaremos mais detalhadamente sobre cada uma delas. Amostragem Casual ou Aleatória Simples – essa amostragem equivale a um sorteio simples, como por exemplo, um sorteio de loteria. Vamos a um exemplo... Queremos obter uma amostra representativa da estatura dos alunos da disciplina de Estatística. Considerando que existam 150 alunos, enumeramos os alunos de 1 a 150, conforme a ordem que aparece na lista de chamada. Após esse procedimento, escreve-se em um papel os números de 1 a 150, em pedaços iguais, separadamente, e coloca-se numa caixa. Balança-se a caixa para que os números se misturem. Caso deseja-se retirar uma amostra de 10% da população, retira-se, um a um, 15 números da caixa, o que equivale a 10%. Supondo-se que os números retirados foram: 02 35 41 56 61 68 70 75 81 85 90 110 129 135 149 Então, mediremos as alturas dos alunos correspondentes a esses números na lista de chamada. Dessa forma obteremos uma amostragem significativa da turma. Amostragem Proporcional Estratificada – podemos considerar estratos, subconjuntos dessas populações, como por exemplo, sexo (masculino e feminino), cor de cabelos (pretos, ruivos, loiros), estado civil (casado, solteiro, viúvo, separado), etc. Para exemplificar esse caso, retomaremos o exemplo dado em Amostragem Casual. Considerando que dos 150 alunos, 65 são mulheres e 85 são homens, teremos dois estratos (homens e mulheres). Desses queremos 10 % da população como amostra... SEXO POPULAÇÃO 10% AMOSTRA M F 85 65 9 6 Total 150 15 Observe que não existem números quebrados para pessoas, como o exemplo mostrou como resultado da estratificação de 10%. O número 8,5 foi aproximado para 9 e o número 6,5 foi aproximado para 6. Esses ajustes são feitos sempre que necessários. Note que “subimos” o número 8,5 para 9 e “descemos” o número 6,5 para 6, por uma simples questão de escolha. O importante é que no final o valor total seja correspondente a 10% do total, ou seja, 15 alunos do total de 150. Observe as regras de arredondamento... Mediremos, então, os nove primeiros alunos, do sexo masculino, da lista de chamada e as seis primeiras alunas, do sexo feminino, também da lista de chamada. Dessa forma, obteremos a estratificação dessa turma. Amostragem Sistemática – é quando o sistema de seleção da população é imposta pelo pesquisador. Podemos tomar como exemplo quando é necessário fazer uma média das notas dos alunos de uma determinada turma. Considerando uma turma de 500 alunos, por exemplo, tomamos como referência a nota dos alunos pela listagem de nomes em ordem alfabética, e de cada 50 alunos, escolhemos uma nota. Nesse caso estabelecemos uma amostragem de 10% da população. NOÇÕES DE AMOSTRAGEM Já vimos os conceitos e cálculos básicos necessários para o estudo de qualquer pesquisa estatística. Agora precisamos aprender um ponto essencial para qualquer pesquisa estatística. Já sabe qual o tamanho de amostra de deverá usar? Essa sempre é a dúvida de qualquer pesquisador. Qual o tamanho ideal? O tamanho da amostra, na maioria das vezes, dependerá do pesquisador, ou seja, do seu conhecimento com relação ao público/população que será envolvida e da sua experiência em saber qual o tamanho de amostra que trará resultados mais próximos da realidade, resultados fiéis à pesquisa. Existem duas maneiras de se calcular o tamanho da amostra: quando se conhece o tamanho da população (população finita) e quando não se conhece (população infinita). É necessário, também, saber qual o erro amostral que se quer utilizar. A margem de erro amostral existe em toda pesquisa porque não se está entrevistando todo o universo. Como se trabalha com amostras, ou seja, parte do todo, existe um erro amostral que pode ser calculado em função do tamanho da amostra e dos resultados obtidos na pesquisa. É importante lembrar que para um mesmo tamanho de amostra, quanto maior a homogeneidade da população pesquisada, menor será o erro amostral e vice-versa. Então conhecer a população que será pesquisada é um dos fatores essenciais para o bom andamento de qualquer pesquisa. Dessa forma, os resultados de uma pesquisa devem ser interpretados dentro de um intervalo que estabelece limites em torno da estimativa obtida: o chamado intervalo de confiança. Intervalo de confiança da pesquisa é estabelecido de comum acordo entre orientando e pesquisador (aluno), entretanto, o mais usual é trabalhar com intervalos com 95% de confiança. Isso quer dizer que há uma possibilidade pré-fixada, de 95% de o intervalo de confiança conter o percentual que se deseja estimar. Por exemplo: Quando se diz que, das pessoas que têm depressão, o percentual que têm intenção de procurar um psicólogo é de 30%, significa que existe uma probabilidade de 95% de o percentual de depressivos que têm intenção de buscar ajuda em psicólogos estar compreendido no intervalo: [30% - erro amostral; 30% + erro amostral], ou seja, 35% ou 25% das pessoas que têm depressão têm intenção de buscar ajuda em psicólogos. Veja que o erro amostral de 5% e o nível de confiança de 95% permitiram a variação de 5 pontos para mais ou para menos na proporção de 30, desta forma apresenta-se como 35% ou 25%. Agora, considerando uma margem de erro de 3 pontos percentuais para a situação, anteriormente citada, o intervalo de confiança dela, com uma confiabilidade de 95%, seria o seguinte: [30% - 3%; 30% + 3%] = [27%; 33%]. Isso significa dizer que, considerando o mesmo modelo amostral, se 100 amostras forem tiradas da população, em 95 delas o índice deste candidato variará entre 27% e 33%. IMPORTANTE: O tamanho da amostra não determina se ela é boa ou de má qualidade. Depende muito da população que está sendo envolvida na pesquisa. Existem erros não-amostrais que também interferem no resultado da pesquisa: dados demográficos desatualizados usados na elaboração das amostras; questionários mal elaborados (perguntas que induzem a determinadas respostas, falta de objetividade, ordem inadequada,vocabulário inacessível etc.); entrevistadores mal treinados; ocorrências inesperadas ligadas ao tema da pesquisa. Para não comprometer o resultado de uma pesquisa é importante verificar os itens acima citados para não alterar radicalmente os resultados e, por fim ter comprometidos a interpretação e análise dos resultados. População Infinita Para o cálculo da amostra de uma população infinita devemos utilizar a seguinte fórmula: , onde: n0 = tamanho da amostra E0 = erro amostral tolerável Por exemplo: Numa pesquisa para uma eleição presidencial, qual deve ser o tamanho de uma amostra aleatória simples, se deseja garantir um erro amostral não superior a 2%? Veja que o valor utilizado para E (erro) é 2%, ou seja, que resulta em 0,02. População Finita Para o cálculo da amostra de uma população finita devemos utilizar as seguintes fórmulas: , onde: n0 = primeira aproximação do número da amostra n = tamanho da amostra N = tamanho da população envolvida na pesquisa E0 = erro amostral tolerável Por exemplo: Numa pesquisa para uma eleição de prefeito, qual deve ser o tamanho de uma amostra aleatória simples, considerando uma cidade com 200 eleitores, se deseja garantir um erro amostral não superior a 4%? Veja que neste caso temos os valores: E = 0,04, n0 = 625 e N = 200. Desta forma, disponibilizando os mesmos nas fórmulas obteremos que a amostra será 152 eleitores que deverão ser pesquisados. SÉRIES ESTATÍSTICAS – Tabelas e Gráficos. Tabela é um quadro que resume um conjunto de observações. Tomemos como exemplo a tabela abaixo: 1 ALUNOS DO CENTRO UNIVERSITÁRIO DA GRANDE DOURADOS – UNIGRAN NO PERIODO DE 2001 A 2005 2 ANOS QUANTIDADE 3 2001 2002 2003 2004 2005 3.581 4.021 4.958 5.562 5.985 4 Fonte: dados fictícios. Uma tabela compõe-se de: corpo: conjunto de linhas e colunas que contém informações sobre a variável em estudo – itens 2 e 3; cabeçalho: parte superior da tabela que especifica o conteúdo das colunas – item 2; coluna indicadora: parte da tabela que especifica o conteúdo das linhas – nesse caso os anos (2001, 2002, 2003, 2004, 2005); linhas: retas imaginárias que facilitam a leitura, no sentido horizontal, de dados que se inscrevem nos seus cruzamentos com as colunas; casa ou célula: espaço destinado a um só número; título: conjunto de informações, as mais completas possíveis, respondendo às perguntas: O quê? Quando? Onde?, localizado no topo da tabela – item 1. Existem ainda os elementos considerados complementares que são: fonte (item 4), notas e chamadas, colocados, de preferência, no rodapé da tabela. Segundo Crespo (2002), de acordo com a Resolução 886 da Fundação IBGE, nas casas ou células da tabela devemos colocar: um traço horizontal ( – ) quando o valor é zero, não só quanto à natureza das coisas, como quanto ao resultado do inquérito; três pontos (...) quando não temos os dados; um ponto de interrogação (?) quando temos dúvida quanto à exatidão de determinado valor; zero (0) quando o valor é muito pequeno para ser expresso pela unidade utilizada. Se os valores são expressos em numerais decimais, precisamos acrescentar à parte decimal um número correspondente de zeros (0,0; 0,00; 0,000; ...). Depois de detalhada a tabela, estudaremos as séries estatísticas. Crespo (2002), identifica série estatística como toda tabela que apresenta a distribuição de um conjunto de dados estatísticos em função da época, do local e da espécie. As séries estatísticas são divididas dependendo dos elementos e fatores existentes em cada tabela como é o caso de tempo, espaço e espécie. Conforme forem esses elementos poderemos classificá-las em histórica, geográfica e específica. Série histórica, cronológica, temporal ou marcha: é aquela em que os valores existentes na tabela descrevem um determinado local, em intervalos de tempos variáveis. Exemplo: ÁREA DE SOJA E MILHO NO BRASIL 2000-2004 CULTURA DE SOJA E MILHO ÁREA (MILHOES DE ha) 2000 2001 2002 2003 2004 22,24 12,63 13,40 48,27 15,25 Fonte: Dados fictícios. Série geográfica, espacial, territorial ou de localização: é aquela em que os valores definem o tempo em que ocorrem. Exemplo: ALUNOS DO CENTRO UNIVERSITÁRIO DA GRANDE DOURADOS – UNIGRAN NO PERIODO DE 2005 LOCAL QUANTIDADE Dourados Ponta Porã Rio Brilhante Maracaju Outros 3.530 153 120 90 375 Fonte: dados fictícios. Série específica ou categórica: é aquela que aparece a descrição de categorias. Exemplo: REBANHO DE MATO GROSSO DO SUL EM 2004 ESPÉCIES QUANTIDADE (1.000 cabeças) Bovino Caprino Coelhos Ovinos Suínos Outros 4.582,5 575,5 125,6 208,1 1.287,2 985,1 Fonte: dados fictícios. Série Conjugada – Tabela de Dupla Entrada: nesse caso aparecem mais de uma coluna na tabela, é a conjugação de mais séries, como por exemplo: série geográfica-série histórica. Exemplo: VENDA DE MAQUINÁRIOS AGRÍCOLAS EM 2001-2003 REGIÃO 2001 2002 2003 Norte Sul Centro-Oeste Nordeste Sudeste 2.583 2.901 3.684 1.584 2.012 2.485 2.990 3.568 1.358 2.125 2.682 3.021 3.758 1.685 1.888 Fonte: dados fictícios. Entende-se por gráfico estatístico a forma de apresentação dos dados estatísticos, cujo objetivo é o de produzir, no investigador ou no público em geral, uma impressão mais rápida e vida do fenômeno em estudo, já que os gráficos falam mais rápido à compreensão que as séries. (CRESPO, 2002). O gráfico, para ser realmente útil, deverá conter: simplicidade: deve conter somente os detalhes principais, com a finalidade de não sobrecarregar o visual; clareza: deve possibilitar uma correta interpretação dos dados; e, veracidade: deve expressar a verdade sobre o estudo em questão. Há vários tipos de gráficos: Linha ou curva: Agricultura brasileira – 2003 Grãos Número Soja 7.521 Milho 4.887 Trigo 2.074 Aveia 831 Fonte: dados fictícios Colunas ou em barras: Agricultura brasileira – 2003 Grãos Número Soja 7.521 Milho 4.887 Trigo 2.074 Aveia 831 Fonte: dados fictícios Colunas: Barras: Colunas ou barras múltiplas: Balança comercial do Brasil 2000-2004 Especificações valor 2000 2001 2002 2003 2004 Exportação 34.383 31.414 31.620 35.793 38.783 Importação 18.263 20.661 21.041 20.554 25.711 Fonte: dados fictícios. Setores ou pizza: nesse item, em especial, obteremos cada parte do gráfico (setores) por meio de uma regra de três simples e direta que totaliza 360º já que se trata de um formato de circunferência. Exemplo: Dada a série: Agricultura brasileira – 2003 Grãos Número Setores (360º) Soja 7.521 177º Milho 4.887 115º Trigo 2.074 49º Aveia 831 19º Total 15.313 360º Fonte: dados fictícios Radar: é ideal para representar séries temporais cíclicas. Exemplo: Dada a série: PRECIPITAÇÃO PLUVIOMÉTRICA MESES MILÍMETROS Janeiro Fevereiro Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro Dezembro 49,6 93,1 63,6 135,3 214,7 277,9 183,6 161,3 49,2 40,8 28,6 33,3 Fonte: dados fictícios Há, ainda, outros tipos de gráficos como: cartograma – representação sobre uma carta geográfica – e pictograma – representação gráfica por meio de figuras. Em nosso caso específico, estudaremos mais profundamente o de linhas, colunas, barras e setores. Para o manuseio de gráficos, a informática criou ferramentas que facilitam o nosso trabalho na construção de gráficos. Um programa muitoutilizado para esse tipo de atividade é o Excel, software da Microsoft, que é específico em trabalhar com planilhas de cálculo e construções de gráficos. Para maiores conhecimentos, poderiam acessar ao site: http://ci.ufpel.edu.br/spc/apostilas/excel/graficos.pdf, onde está disponibilizado um manual contendo todos os passos para a construção de gráficos no Excel. DISTRIBUIÇÃO DE FREQUÊNCIA Primeiramente, iremos abordar a melhor forma de descrever os dados estatísticos resultantes de variáveis quantitativas, após o levantamento, após a amostragem, de dados como altura dos alunos de uma turma, peso dos alunos, salários dos operários de uma empresa, etc. Suponhamos que fizemos uma coleta de dados relativos às estruturas de quarenta alunos, que compõem uma amostra dos alunos da turma da disciplina de Estatística, resultando a seguinte tabela de valores: ESTATURAS DE 40 ALUNOS 166 160 161 150 162 160 165 167 164 160 162 161 168 163 156 173 160 155 164 168 155 152 163 160 155 155 169 151 170 164 154 161 156 172 153 157 156 158 158 161 A esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva. Partindo dos dados acima, ou seja, da tabela primitiva, a averiguação dos dados fica difícil, pois os valores estão desordenados, e dessa forma averiguar em torno de que valor tendem a se concentrar as estaturas, qual a menor ou qual a maior estatura ou, ainda, quantos alunos se acham abaixo ou acima de uma dada estatura, torna-se uma tarefa morosa e trabalhosa. Com o propósito de facilitar o trabalho, foi criada uma tabela organizada a qual damos o nome de Rol, onde os dados aparecem organizados de forma crescente ou decrescente, ficando da forma a seguir: TABELA ESTATURAS DE 40 ALUNOS 150 154 155 157 160 161 162 164 166 169 151 155 156 158 160 161 162 164 167 170 152 155 156 158 160 161 163 164 168 172 153 155 156 160 160 161 163 165 168 173 Da forma, agora apresentada, poderemos verificar, com clareza e facilidade, qual a menor (150 cm) e a maior estatura (173 cm), que variação obteve entre a maior e a menor (173 – 150 = 23 cm). Dependendo da disponibilização desses dados na tabela, a variável altura torna-se mais visível, podendo ser melhor estudada. Observe como faremos a primeira distribuição de frequências dessas alturas. Iremos dispor os valores da altura ordenados em uma coluna e, ao lado de cada valor, o número de vezes, ou seja, a frequência em que eles aparecem. Denominamos frequência o numero de alunos que fica relacionado a um determinado valor da variável. Obtemos assim, uma tabela que recebe o nome de distribuição de frequência: ALTURA DOS ALUNOS ESTATURA (cm) FREQ. 150 151 152 153 154 155 156 157 158 160 161 162 163 164 165 166 167 168 169 170 172 173 1 1 1 1 1 4 3 1 2 5 4 2 2 3 1 1 1 2 1 1 1 1 Total 40 Bem, mas, observando melhor, poderemos agrupar essas estaturas para que a tabela seja melhor utilizada, colocando os valores em intervalos de classes, que chamamos, a cada um deles de frequência de uma classe (número de valores da variável pertencentes à classe (i)). Segundo Crespo (2002), classes de frequência ou classes são intervalos de variável. Observe a nova distribuição de valores: ALTURA DOS ALUNOS ESTATURA (cm) FREQ. 150 ├─ 154 154 ├─ 158 158 ├─ 162 162 ├─ 166 166 ├─ 170 170 ├─ 174 4 9 11 8 5 3 Total 40 É importante observar dois pontos. Primeiramente, observa-se o símbolo ├─. Esse símbolo serve para delimitar o intervalo que estaremos trabalhando. Note que do lado esquerdo existe ├, onde essa barra inclui o valor que está a sua esquerda. No caso da tabela, os valores 150 da classe 1, 154 da classe 2, 158 da classe 3, 162 da classe 4, 166 da classe 5 e 170 da classe 6, todos eles possuem esse símbolo, que serve para dizer que esse intervalo inicia-se por esse valor. Tomamos como exemplo a classe 1, onde apresenta 150 ├─ 154. Para essa classe existirão alturas compreendidas de 150 cm a 153 cm. Como do lado direito não aparece o símbolo ┤, então a altura 154 não pertence a esse intervalo e sim ao próximo, pois aparecerá da forma 154 ├─ 158, e assim por diante. Dessa forma teremos valores compreendidos para cada classe: i = 1 (1ª classe) – 150, 151, 152, 153 i = 2 (2ª classe) – 154, 155, 156, 157 i = 3 (3ª classe) – 158, 159, 160, 161 i = 4 (4ª classe) – 162, 163, 164, 165 i = 5 (5ª classe) – 166, 167, 168, 169 i = 6 (6ª classe) – 170, 171, 172, 173 Outro ponto que devemos observar é a segunda coluna da tabela. Para cada intervalo estipulado, contaremos a quantidade de vezes que eles aparecem. Observem... Para os valores de 150 a 153 (1ª classe), aparecerão 4 vezes, sendo uma frequência de cada valor. Já na 2ª classe, 9 vezes, sendo 1 da altura 154 cm, 4 da 155 cm, 3 da 156 cm e 1 da 157 cm, totalizando 9 vezes, e assim sucessivamente. Isso é o que chamamos de frequência simples ou absoluta (fi). O resultado total deve permanecer 40, pois foi o total de alunos que formam a amostra inicial. Há também, o que chamamos de frequência acumulada (fac), que é o total das frequências de todos os valores inferiores ao limite superior do intervalo de uma dada classe. ALTURA DOS ALUNOS ESTATURA (cm) FREQ. FAC 150 ├─ 154 154 ├─ 158 158 ├─ 162 162 ├─ 166 166 ├─ 170 170 ├─ 174 4 9 11 8 5 3 4 13 24 32 37 40 Total 40 Para procedermos com os cálculos de frequência acumulada, tomou-se como referência inicial a frequência da primeira classe (4), em seguida, somou-se o valor 4 à 2ª classe e resultou em 13, para a próxima somou-se 13 à 11, resultando 24 e assim por diante... Observando a tabela poderemos constatar outro item: os limites de classe. Temos dois limites: o inferior (li) e o superior (Li). Se tomarmos como exemplo i = 1 (1ª classe) termos como li (limite inferior) 150 e Li (limite superior) 154. Temos, ainda, como medir o intervalo de uma classe através da Amplitude de um intervalo de classe ou intervalo de classe, por meio de . Se tomarmos i = 2 como exemplo, teremos h2 = 158 – 154 = 4 cm de amplitude de intervalo de classe. Existe também como medirmos a amplitude total da distribuição (AT), que é a diferença entre o limite superior da última classe (limite superior máximo) e o limite inferior da primeira classe (limite inferior mínimo) – AT = L(max) – l(min). Para a tabela da estatura dos 40 alunos teremos: AT = 174 – 150 AT = 24 cm Se considerarmos os valores máximo e mínimo, 173 e 150, e fizermos a diferença dos mesmos, teremos o que chamamos de Amplitude Amostral (AA), ou seja, AA = 173 – 150 = 23 cm. Para calcularmos o ponto médio (xi) de uma classe, somamos os limites inferior e superior e depois dividimos por dois. Segundo Crespo (2002), ponto médio de uma classe é o ponto que divide o intervalo de classe em duas partes iguais. MEDIDAS DE POSIÇÃO As medidas de posição mais importantes são as medidas de tendências central, que recebem tal denominação pelo fato de os dados observados tenderem, em geral, a se agrupar em torno dos valores centrais. Dentre as medidas de tendência central, destacamos: a média aritmética; a moda. MÉDIA ARITMÉTICA ( ) Média aritmética é o quociente da divisão da soma dos valores da variável pelo número deles: = sendo: a média aritmética; xi os valores da variável; n o número de valores. Emprego da média A média é utilizada quando: desejamos obter a medida de posição que possui a maior estabilidade; houver necessidade de um tratamento algébrico ulterior. Dados não-agrupados Quandodesejamos conhecer a média dos dados não-agrupados, determinamos a média aritmética simples. Exemplos: Sabendo-se que a produção leiteira diária da vaca A, durante uma semana, foi de 10, 14, 13, 15, 16, 18 e 12 litros, temos, para produção média da semana: = Logo: = 14 litros Às vezes, a média pode ser um número diferente de todos os da série de dados que ela representa. É o que acontece quando temos os valores 2, 4, 8 e 9, para os quais a média é 5. Esse será o número representativo dessa série de valores, embora não esteja representado nos dados originais. Neste caso, costumamos dizer que a média não tem existência concreta. Dados agrupados Sem intervalos de classe Consideremos a distribuição relativa a 34 famílias de quatro filhos, tomando para variável o número de filhos do sexo masculino: TABELA N° DE MENINOS fi 0 1 2 3 4 2 6 10 12 4 = 34 Nesse caso, como as frequências são números indicadores da intensidade de cada valor da variável, elas funcionam como fatores de ponderação, o que nos leva a calcular a média aritmética ponderada, dada pela fórmula: = O modo mais prático de obtenção da média ponderada é abrir, na tabela, uma coluna correspondente aos produtos xi fi: TABELA xi fi xi fi 0 1 2 3 4 2 6 10 12 4 0 6 20 36 16 Temos, então: e Logo: �� EMBED Equation.3 �� EMBED Equation.3 isto é: = 2,3 meninos NOTA: *Sendo x uma variável discreta, como interpretar o resultado obtido, 2 meninos e 3 décimos de meninos? O valor médio 2,3 meninos sugere, neste caso, que o maior número de famílias tem 2 meninos e 2 meninas, sendo, porém, a tendência geral de uma leve superioridade numérica em relação ao número de meninos. Com intervalos de classe Nesse caso, primeiramente, identificaremos o ponto médio (xi) dos intervalos de cada classe, em seguida multiplicamos a coluna de frequências (fi) com a coluna de pontos médios (xi), dessa forma obteremos xi.fi. i ESTATURAS (cm) fi xi xi fi 1 2 3 4 5 6 150 ├─ 154 154 ├─ 158 158 ├─ 162 162 ├─ 166 166 ├─ 170 170 ├─ 174 4 9 11 8 5 3 152 156 160 164 168 172 608 1.404 1.760 1.312 840 516 Total - 40 - 6.440 Depois de fazermos estes cálculos poderemos efetuar a média por meio da seguinte fórmula: A MODA (Mo) Denominamos moda o valor que ocorre com maior frequência em uma série de valores. Dados não-agrupados Quando lidamos com valores não-agrupados, a moda é facilmente reconhecida: basta, de acordo com a definição, procurar o valor que mais se repete. A série de dados: 7, 8, 9, 10, 10, 10, 11, 12, 13, 15 tem moda igual a 10, pois é a que mais aparece. Podemos, entretanto, encontrar séries nas quais não exista valor modal, isto é, nas quais nenhum valor apareça mais vezes que outros. É o caso da série: 3, 5, 8, 10, 12, 13 que não apresenta moda (amodal), ou seja, não existe nenhum valor que apareça mais que o outro. Em outros casos, ao contrário, pode haver dois ou mais valores de concentração. Dizemos, então, que a série tem dois ou mais valores modais. Na série: 2, 3, 4, 4, 4, 5, 6, 7, 7, 7, 8, 9 temos duas modas: 4 e 7 (bimodal). Nesse caso temos dois valores que aparecem em quantidades iguais. Dados agrupados Sem intervalos de classe Uma vez agrupados os dados, é possível determinar imediatamente a moda: basta fixar o valor da variável de maior frequência. Com intervalos de classe A classe que apresenta a maior frequência é denominada classe modal. Pela definição, podemos afirmar que a moda, neste caso, é o valor dominante que está compreendendo entre os limites da classe modal. O método mais simples para o cálculo da moda consiste em tomar o ponto médio da classe modal. Damos a esse valor a denominação de moda bruta. Temos, então: Mo = onde: é o limite inferior da classe modal; L* é o limite superior da classe modal. Assim, para a distribuição: TABELA i ESTRUTURAS (cm) fi 1 2 3 4 5 6 150 ├─ 154 154 ├─ 158 158 ├─ 162 162 ├─ 166 166 ├─ 170 170 ├─ 174 4 9 11 8 5 3 Temos que a classe modal é i = 3, = 158 e L* = 162. Como: Mo = vem: Mo = Logo: Mo = 160 cm NOTA: Há, para o calculo da moda, outros métodos mais elaborados, como, por exemplo, o que faz usa da fórmula de Czuber: na qual: é o limite inferior da classe modal; h* é a amplitude da classe modal; D1 = f* - f(ant); D2 = f* - f(post), sendo: f* a frequência simples da classe modal; f(ant) a frequência simples da classe anterior à classe modal; f(post) a frequência simples da classe posterior à classe modal. Assim, para a distribuição da Tabela 6.6, temos: D1 = 11 – 9 = 2 e D2 = 11 – 8 = 3 donde: Logo: Mo = 159,6 cm Mediana Vamos agora estudar o que é Mediana? A MEDIANA (Md) A mediana é outra medida de posição definida como o número que se encontra no centro de uma série de números, estando estes dispostos segundo uma ordem. Em outras palavras, a mediana de um conjunto de valores, ordenados segundo uma ordem de grandeza, é o valor situado de tal forma no conjunto que o separa em dois subconjuntos de mesmo número de elementos. Dados não-agrupados Dada uma série de valores, como, por exemplo: 5, 13, 10, 2, 18, 15, 6, 16, 9 de acordo com a definição de mediana, o primeiro passo a ser dado é o da ordenação (crescente ou decrescente) dos valores: 2, 5, 6, 9, 10, 13, 15, 16, 18 Em seguida, tomamos aquele valor central que apresenta o mesmo número de elementos à direita e à esquerda. Em nosso exemplo, esse valor é o 10, já que, nessa série, há quatro elementos acima dele e quatro abaixo. Temos, então: Md = 10 Se, porém, a série dada tiver um número par de termos, a mediana será, por definição, qualquer dos números compreendidos entre os dois valores centrais da série. Convencionou-se utilizar o ponto médio. Assim, a série de valores: 2, 6, 7, 10, 12, 13, 18, 21 tem para mediana a média aritmética entre 10 e 12. Logo: Md = onde: Md = 11 NOTAS: O valor da mediana pode coincidir ou não como um elemento da série, como vimos. Quando o número de elementos da série é ímpar, há coincidência. O mesmo não acontece, porém, quando esse número é par. A mediana e a aritmética não têm, necessariamente, o mesmo valor. Na primeira série apresentada, por exemplo, temos: = 10,4 e Md = 10 A mediana depende da posição e não dos valores dos elementos na série ordenada. Essa é uma das diferenças marcantes entre a mediana e a média (que se deixa influenciar, e muito, pelos valores extremos). Exemplos: 5, 7, 10, 13, 15 = 10 e Md = 10 5, 7, 10, 13, 65 = 20 e Md = 10 isto é, a média do segundo conjunto de valores é maior do que a do primeiro, por influencia dos valores extremos, ao passo que a mediana permanece a mesma. A mediana é designada, muitas vezes, por valor mediano. Dados agrupados Se os dados se agrupam em uma distribuição de frequência, o cálculo da mediana se processa de modo muito semelhante àquele dos dados não-agrupados, implicando, porém, a determinação prévia das frequências acumuladas. Ainda aqui, temos que determinar um valor tal que divida a distribuição em dois grupos que contenham o mesmo número de elementos. Para o caso de uma distribuição, porém, a ordem, a partir de qualquer um dos extremos, é dada por: 4.2.1. Sem intervalos de classe Neste caso, é o bastante identificar a frequência acumulada imediatamente superior à metade da soma das frequências.A mediana será aquele valor da variável que corresponde a tal frequência acumulada. Tomemos a distribuição relativa à Tabela completando-a com a coluna correspondente à frequência acumulada: TABELA Nº DE MENINOS fi fac 0 1 2 3 4 2 6 10 12 4 2 8 18 30 34 sendo: A menor frequência acumulada que supera esse valor é 18, que corresponde ao valor 2 da variável, sendo este o valor mediano. Logo: Md = 2 meninos NOTAS: No caso de existir uma frequência acumulada (fac), tal que: fac = a mediana será dada por: Md = Isto é, a mediana será a média aritmética entre o valor da variável correspondente a essa frequência acumulada e o seguinte. Exemplo: TABELA xi fi fac 12 14 15 16 17 20 1 2 1 2 1 1 1 3 4 6 7 8 Temos: logo: Md = donde: Md = 15,5 Com intervalos de classe Neste caso, o problema consiste em determinar o ponto do intervalo em que está compreendido a mediana. Para tanto, temos inicialmente que determinar a classe na qual se acha a mediana – classe mediana. Tal classe será, evidentemente, aquela correspondente à frequência acumulada imediatamente superior a . Feito isso, um problema de interpolação resolve a questão, admitindo-se, agora, que os valores se distribuam uniformemente em todo o intervalo de classe. Assim, considerando a distribuição da Tabela, acrescida das frequências acumuladas: TABELA i ESTATURAS (cm) fi fac 1 2 3 4 5 6 150 ├─ 154 154 ├─ 158 158 ├─ 162 162 ├─ 166 166 ├─ 170 170 ├─ 174 4 9 11 8 5 3 4 13 24 classe mediana 32 37 40 temos: Como há 24 valores incluídos nas três primeiras classes da distribuição e como pretendemos determinar o valor que ocupa o 20º lugar, a partir do inicio da série, vemos que este deve estar localizado na terceira classe (i = 3), supondo que as frequências dessas classes estejam uniformemente distribuídas. Como há 11 elementos nessa classe e o intervalo de classe é igual a 4, devemos tomar, a partir do limite inferior, a distância: e a mediana será dada por: Md Logo: Md = 160,5 cm Na prática, executamos os seguintes passos: 1º) Determinamos as frequências acumuladas. 2º) Calculamos 3º) Marcamos a classe correspondente à frequência acumulada imediatamente superior à - classe mediana – e, em seguida, empregamos a fórmula: na qual: é o limite inferior da classe mediana: fac(ant) é a frequência acumulada da classe anterior à classe mediana; f* é a frequência simples da classe mediana; h* é a amplitude do intervalo da classe mediana. Tomando como exemplo a distribuição anterior, temos: Logo, a classe mediana é a de ordem 3. então: e Substituindo esses valores na fórmula, obtemos: isto é: Md = 160,5 cm MEDIDAS DE DISPERSÃO OU DE VIABILIDADE AMPLITUDE TOTAL Dados não agrupados A amplitude total é a diferença entre o maior e o menor valor observado: AT = x (max.) – x (min.) Exemplo: Para os valores: 40, 45, 48, 52, 54, 62 e 70 temos: AT: 70 – 40 = 30 Logo: AT = 30 Quando dizemos que a amplitude total dos valores é 30, estamos afirmando alguma coisa do grau de sua concentração. É evidente que, quanto maior a amplitude total, maior a dispersão ou variabilidade dos valores da variável. Dados agrupados Sem intervalos de classe Exemplo: Considerando a tabela abaixo: Notas fi 2 3 4 5 6 7 1 5 6 8 4 2 Total 26 Temos: AT = 7 – 2 = 5 Logo: AT = 5 Com intervalo de classe Exemplo: Considerando a distribuição abaixo: Estaturas fi 150 ├─ 154 154 ├─ 158 158 ├─ 162 162 ├─ 166 166 ├─ 170 170 ├─ 174 4 9 11 8 5 3 Total 40 Temos: AT = 174 – 150 = 24 Logo: AT = 24 cm A amplitude total tem o inconveniente de só levar em conta os dois valores extremos da série, descuidando do conjunto de valores intermediários, o que quase sempre invalida a idoneidade do resultado. Ela é apenas uma indicação aproximada da dispersão ou variabilidade. Faz-se uso da amplitude total quando se quer determinar a amplitude da temperatura em um dia ou no ano, no controle de qualidade ou como uma medida de cálculo rápido, e quando a compreensão popular é mais importante que a exatidão e a estabilidade. VARIÂNCIA E DESVIO-PADRÃO Segundo Crespo (2002), a variância e o desvio-padrão são medidas que fogem a essa falha, pois levam em consideração a totalidade dos valores da variável em estudo, o que faz delas índices de variabilidade bastante estáveis e, por isso mesmo, os mais geralmente empregados. Para efetuar os cálculos de variância temos: Ou, lembrando que = n Já o desvio-padrão é calculado pela raiz quadrada da variância: s = ou Essa última fórmula é utilizada não apenas por ser mais prática, mas também por ser mais precisa, pois quando a média não é exata e tem de ser arredondada, cada desvio fica ligeiramente do erro, devido a esse arredondamento. Para o cálculo do desvio-padrão, consideremos os seguintes casos: Dados não agrupados Tomemos, como exemplo, o conjunto de valores a da variável X: 40, 45, 48, 52, 54, 62, 70 O modo mais prático para se obter o desvio-padrão é formar uma tabela com duas colunas: uma Xi outra para Xi2. Assim: xi xi2 40 1.600 45 2.025 48 2.304 52 2.704 54 2.916 62 3.844 70 4.900 Como n = 7, temos: Dessa forma obtermos o desvio-padrão (s) como 9,49 e sua variância (s2) por 90. Dados agrupados Sem intervalos de classe Como, neste caso, temos a presença de frequências, devemos levá-las em consideração, resultando a fórmula: Xi fi fixi fixi2 0 2 0 0 1 6 6 6 2 12 24 48 3 7 21 63 4 3 12 48 Considerando a tabela a seguir, temos: Logo: Dessa forma o desvio-padrão será s = 1,04 e a variância será s2 = 1,09. Com intervalos de classe Caso tenhamos o exemplo a seguir, teremos primeiramente que calcular os valores de ponto médio (xi), fi.xi e fi.xi2, como apresenta a tabela: Estaturas fi xi fi.xi fi.xi2 150 ├─ 154 154 ├─ 158 158 ├─ 162 162 ├─ 166 166 ├─ 170 170 ├─ 174 4 9 11 8 5 3 152 156 160 164 168 172 608 1.404 1.760 1.312 840 516 92.416 219.024 281.600 215.168 141.120 88.752 Então passaremos ao cálculo: Então teremos o desvio-padrão como s = 5,57 cm e a variância como s2 = 31 cm. COEFICIENTE DE VARIAÇÃO O coeficiente de variação serve para estimar a precisão de experimentos. É uma medida comumente empregada por pesquisadores, que representa o desvio-padrão expresso como porcentagem da média. Para esse cálculo temos a seguinte fórmula: Voltando ao exemplo de estaturas, tomamos como resultados a tabela a seguir temos: S ESTATURAS 175 cm 5,0 cm PESOS 68 kg 2,0 kg Dessa forma obteremos o coeficiente de variação das estaturas e dos pesos: Estaturas: Pesos: Agora chegou a hora de praticarmos o que aprendemos..... Vamos lá? ATIVIDADES Para os conjuntos de valores abaixo, calcule a média e moda: 3, 5, 2, 6, 5, 9, 5, 2, 8, 6 20, 9, 7, 2, 12, 7, 20, 15, 7 15, 18, 20, 13, 10, 16, 14 Para as distribuições abaixo, calcule a média e moda: Notas Nº de alunos 2 3 4 5 6 7 8 9 10 1 3 6 10 13 8 5 3 1 Total50 xi fi 3 4 5 6 7 8 4 8 11 10 8 3 Total 44 Para as distribuições abaixo, calcule a média e moda: I CUSTO (R$) fi xi fac xi.fi 1 2 3 4 5 6 7 450 ├─ 550 550 ├─ 650 650 ├─ 750 750 ├─ 850 850 ├─ 950 950 ├─ 1.050 1.050 ├─ 1.150 8 10 11 16 13 5 1 I CUSTO (R$) fi xi fac xi.fi 1 2 3 4 5 6 0 ├─ 10 10 ├─ 20 20 ├─ 30 30 ├─ 40 40 ├─ 50 50 ├─ 60 1 3 9 7 4 2 Para os conjuntos de dados, calcule a amplitude total e os desvios-padrões. 1, 3, 5, 9 20, 14, 15, 19, 21, 22, 20 17,9; 22,5; 13,3; 16,8; 15,4; 14,2 -10, -6, 2, 3, 7, 9, 10 Calcule a amplitude total e o desvio-padrão da distribuição: xi fi 2 1 3 3 4 5 5 8 6 5 7 4 8 2 Calcule o desvio-padrão da distribuição: CLASSES fi 2 ├─ 6 5 6 ├─ 10 12 10 ├─ 14 21 14 ├─ 18 15 18 ├─ 22 7 Sabendo que um conjunto de dados apresenta para média ( ) 18,3 e desvio-padrão 1,47, calcule o coeficiente de variação. Uma distribuição apresenta as seguintes estatísticas: s = 1,5 e CV = 2,9%. Calcule a média. Em um exame final de Matemática, o grau médio de um grupo de 150 alunos foi de 7,8 e o desvio-padrão, 0,80. Em Estatística, entretanto, o grau médio final foi de 7,3 e o desvio-padrão, 0,76. Em que disciplina foi maior a dispersão (coeficiente de variação)? � EMBED Equation.3 ��� � EMBED Equation.3 ��� � CRESPO, Antônio Arnot. Estatística Fácil. 18. ed. São Paulo: Saraiva, 2002. � RAO, C.R. Statistics: A technology for the millennium Internal. J. Math. & Statist. Sci, Vol. 8, No. 1, June 1999, 5-25. _1169383652.unknown _1173504710.unknown _1173850834.unknown _1173852541.unknown _1173854200.unknown _1252393838.unknown _1252393858.unknown _1272283644.unknown _1252393839.unknown _1252393527.unknown _1252393683.unknown _1173855009.unknown _1173853233.unknown _1173854061.unknown _1173853072.unknown _1173851416.unknown _1173852184.unknown _1173852216.unknown _1173851660.unknown _1173852144.unknown _1173850981.unknown _1173851379.unknown _1173851401.unknown _1173850856.unknown _1173784471.unknown _1173850342.unknown _1173850452.unknown _1173850057.unknown _1173769606.unknown _1173769823.unknown _1173769845.unknown _1173771544.unknown _1173769732.unknown _1173598523.unknown _1173769282.unknown _1173504755.unknown _1169384995.unknown _1169385649.unknown _1169386093.unknown _1169386560.unknown _1169486966.unknown _1173504698.unknown _1169491123.unknown _1169405832.unknown _1169386289.unknown _1169386445.unknown _1169386158.unknown _1169385901.unknown _1169385954.unknown _1169385673.unknown _1169385275.unknown _1169385614.unknown _1169385080.unknown _1169384482.unknown _1169384612.unknown _1169384738.unknown _1169384509.unknown _1169383876.unknown _1169384209.unknown _1169383826.unknown _1169379678.unknown _1169381434.unknown _1169381763.unknown _1169381930.unknown _1169382951.unknown _1169381830.unknown _1169381605.unknown _1169381647.unknown _1169381566.unknown _1169379794.unknown _1169381156.unknown _1169381410.unknown _1169381100.unknown _1169379721.unknown _1169379761.unknown _1169379688.unknown _1169379287.unknown _1169379579.unknown _1169379629.unknown _1169379637.unknown _1169379606.unknown _1169379500.unknown _1169379513.unknown _1169379301.unknown _1169375986.unknown _1169376101.unknown _1169379120.unknown _1169375996.unknown _1169375637.unknown _1169375764.unknown _1169375373.unknown _1169375636.unknown
Compartilhar