Baixe o app para aproveitar ainda mais
Prévia do material em texto
ANÁLISE ESTATÍSTICA – QUANTIDADE DIÁRIA DE MILHO RECEBIDA NA SAFRINHA DE INVERNO DE UMA COOPERATIVA 1. INTRODUÇÃO Segundo Organização das cooperativas brasileiras (OCB) a cultura do milho é de grande importância para o agronegócio brasileiro, pois se constitui um dos principais insumos para o complexo agroindustrial, requisito básico para os atuais programas de rotações de culturas e base para a sustentação de pequenas propriedades, podendo também apresentar significativa importância, considerando-se as suas diversas formas de utilização, da alimentação animal, como fonte energética das rações, a matéria prima para as indústrias de elevada tecnologia. Destaca-se a preponderância da utilização do milho na nutrição animal no mundo, sendo que, no Brasil, a taxa de uso para esse fim varia entre 60,0% e 80,0%. Atualmente o milho é o cereal mais produzido no mundo, ultrapassando o trigo na produção global, crescimento esse acompanhado por elevações na demanda de milho para a alimentação animal (OCB, 2007). Dentre os cereais cultivados no Brasil, o milho é o mais expressivo, com cerca de 54,37 milhões de toneladas de grãos produzidos, em uma área de aproximadamente 12,93 milhões de hectares (CONAB, 2010), referentes a duas safras: normal e safrinha. Por suas características fisiológicas, a cultura do milho tem alto potencial produtivo, já tendo sido obtida no Brasil produtividade superior a 16 t.ha-1, em concursos de produtividade de milho conduzidos por órgãos de assistência técnica e extensão rural e por empresas produtoras de semente. No entanto, o nível médio nacional de produtividade é muito baixo, cerca de 4.417 kg/ha-1 na safra e 4.045 kg.ha-1 na safrinha, demonstrando que os diferentes sistemas de produção de milho deverão ser ainda bastante aprimorados para se obter aumento na produtividade e na rentabilidade que a cultura pode proporcionar. 1.1 Objetivo O presente trabalho tem como objetivo analisar os dados obtidos através da pesquisa realisada em relação à quantidade diária de milho, recebida na safrinha de inverno de uma cooperativa, a partir do dia 22 de junho a 7 de agosto do ano de 2014 e aplicar os métodos estatísticos para a obtenção dos resultados. 2. DESENVOLVIMENTO Estatística é uma ciência exata que visa fornecer subsídios ao analista para coletar, organizar, resumir, analisar e apresentar dados, fornecendo também as técnicas para extrair informação de dados, os quais são muitas vezes incompletos, na medida em que nos dão informação útil sobre o problema em estudo, sendo assim, é objetivo da Estatística extrair informação dos dados para obter uma melhor compreensão das situações que representam (VIRTUOUS, 2013). 2.1 Métodos estatísticos 2.1.1 Coleta dos dados Conforme descrito, foram coletados os dados brutos de dois meses referentes à quantidade diária de milho recebida na safrinha de inverno uma cooperativa situada na cidade de Fênix – Paraná, organizados na tabela 1. Tabela 1: quantidade diária de milho recebida na safrinha de inverno no ano de 2014 (continua...) SEMANA/MÊS DIA/ANO QTDE (SACOS) 4º semana de junho 22/06/2014 3.000 23/06/2014 3.387 24/06/2014 3.200 25/06/2014 4.400 26/06/2014 4.380 27/06/2014 3.200 28/06/2014 4.567 5º semana de junho 29/06/2014 6.774 30/06/2014 6.788 1º semana de julho 01/07/2014 6.345 02/07/2014 6.754 03/07/2014 7.200 04/07/2014 7.250 05/07/2014 4.560 2º semana de julho 06/07/2014 6.800 07/07/2014 8.990 08/07/2014 9.120 Tabela 1: quantidade diária de milho recebida na safrinha de inverno no ano de 2014 (continua...) SEMANA/MÊS DIA/ANO QTDE (SACOS) 2º semana de julho 09/07/2014 12.100 10/07/2014 12.228 11/07/2014 13.230 12/07/2014 13.560 3º semana de julho 13/07/2014 15.456 14/07/2014 16.690 15/07/2014 17.200 16/07/2014 17.345 17/07/2014 18.340 18/07/2014 18.230 19/07/2014 20.120 4º semana de julho 20/07/2014 21.200 21/07/2014 22.230 22/07/2014 22.678 23/07/2014 23.450 24/07/2014 23.680 25/07/2014 26.200 26/07/2014 26.830 5º semana de julho 27/07/2014 27.300 28/07/2014 32.450 29/07/2014 30.460 30/07/2014 35.649 31/07/2014 28.430 1º semana de agosto 01/08/2014 28.450 02/08/2014 26.462 2º semana de agosto 03/08/2014 25.470 04/08/2014 17.450 05/08/2014 14.670 06/08/2014 15.600 07/08/2014 13.230 2.1.2 Rol Os dados brutos são conjunto de dados obtidos através de uma pesquisa, e quando organizados em ordem crescente são chamados de Rol, conforme exposto na tabela 2. Tabela 2: dados organizados em ordem crescente (rol) 3.000 3.200 3.200 3.387 4.380 4.400 4.560 4.567 6.345 6.754 6.774 6.788 6.800 7.200 7.250 8.990 9.120 12.100 12.228 13.230 13.230 13.560 14.670 15.456 15.600 16.690 17.200 17.345 17.450 18.230 18.340 20.120 21.200 22.230 22.678 23.450 23.680 25.470 26.200 26.462 26.830 27.300 28.430 28.450 30.460 32.450 35.649 2.1.3 Mediana Mediana é uma medida de tendência central que indica exatamente o valor central de uma amostra de dados do rol, isto é se o elemento do rol for ímpar. Quanto o número de elementos do ROL for par, faz-se a média aritmética dos termos centrais. Assim a mediana será: Md = 15.456 2.1.4 Moda Moda é a medida de tendência central que consiste no valor observado com mais frequência em um conjunto de dados, assim os valores que mais aparecem no rol são: Mod = 3.200; 13.230 2.1.5 Média aritmética É uma medida de tendência central, pois focaliza valores médios dentre os maiores e menores, podendo dividir a soma total dos valores pelo número n de valores, o resultado dessa divisão será considerada a média aritmética dos termos, sendo representado pela fórmula: ∑ 𝑥𝑖𝑚𝑖=1 ÷ 𝑛 (1) Através da equação (1) pode-se obter a média aritmética. Ma = 3.000+3.200+3.200+3.387+4.380+...+30.460+32.450+35.649 = 15.605 47 2.1.6 Desvio padrão O desvio padrão é a raiz da média dos quadrados dos desvios em relação à média do conjunto e é uma medida do desvio dos valores individuais em relação ao valor central do conjunto de dados ou raiz quadrada da variância, podendo ser representada pela fórmula: 𝐷𝑃 = √ ∑ (𝑥𝑖−𝑚𝑎)²𝑛𝑖=1 𝑛−1 (2) Por meio da equação (2), pode-se obter o desvio padrão. 𝑫𝑷 = √ (3.000 − 15.605)2 + (3.200 − 15.605)2 + ⋯ + (32.450 − 15.605)2 + (35.649 − 15.605)² 47 − 1 = 𝟖𝟕𝟏𝟐, 𝟓 2.1.7 Coeficiente de variação O coeficiente de variação é a percentagem de variação dos valores coletados em torno da média, conforme mostra a equação (3): 𝐶𝑉 = 𝐷𝑃 𝑀𝑎 𝑥 100 (3) Assim: 𝐶𝑉 = 8712,5 15605 𝑥 100 CV= 55,83% Quando o coeficiente de variação for < ou = a 35%, podemos afirmar que o grupo é homogêneo, quando o CV for > que 35% podemos afirmar que o grupo é heterogêneo. Sendo assim pode-se afirmar que o grupo calculado é heterogêneo. 2.2 Dados agrupados Através de dados agrupados será possível construir gráficos e tabelas, para montar essa tabela será necessário o cálculo da Amplitude total, Numero de classes e Intervalo de classes. 2.2.1 Amplitude total A amplitude é uma medida de dispersão que pode ser definida como a diferença entreo valor maior e o valor menor de um grupo de observado (ROL). AT = 35.649 – 3.000 = 32.649 2.2.2 Numero de classes É a quantidade de classes necessárias para representar o fato. Existem vários para definir a quantidade de classes. Uma primeira aproximação é dada pela fórmula (4): 𝑁𝑐 = 1 + 10 3 𝑙𝑜𝑔 47 Nc = 6,57 ≅ 𝟕 2.2.3 Intervalo de classe São intervalos de variação da variável, sendo representado pela seguinte equação: 𝐼𝐶𝐿 = 𝐴𝑇 𝑁𝐶𝐿 (5) Sendo assim: 𝐼𝐶𝐿 = 32.649 6,57 = 4964,4 ≅ 𝟓𝟎𝟎𝟎 2.2.4 Tabela e gráfico dos dados agrupados Através dos dados obtidos pode-se montar a tabela contendo o intervalo de classe e a frequência simples. Tabela 3: dados agrupados da classe e frequência simples. CLASSE FREQUÊNCIA 3000 |------------ 8000 15 8000 |------------ 13000 4 13000 |------------ 18000 10 18000 |------------ 23000 6 23000 |------------ 28000 7 28000 |------------ 33000 6 33000 |------------ 38000 1 A partir dos dados da tabela, pode-se gerar um gráfico para melhor visualização dos dados, apresentado na figura 1: Figura 1: Frequência dos dados. Com os dados da Tabela 3, é possível calcular a Média Aritmética, o Desvio Padrão, o Coeficiente de Variação, a Moda e a Mediana, do mesmo modo que foram calculados com os dados do ROL. Mas para isso, será necessário calcular a Frequência Relativa (FR), a Frequência Acumulada (FA), a Frequência Relativa Acumulada (FRA), utilizando as seguintes equações. 𝐹𝑅 = 𝑓𝑖 𝑛 𝑥 100; 𝐹𝐴 = ∑ 𝑓𝑖 ; 𝑚 𝑖=1 𝐹𝑅𝐴 = ∑ 𝑓𝑟 ; 𝑚 𝑖=1 Através das formulas demonstradas poderá montar uma tabela com as frequências para melhor visualização. Tabela 3: dados agrupados da classe e frequência simples. CLASSE fi FR (%) FA FRA (%) PMCL PMCL x fi 3000 |------ 8000 15 30,6 15 30,6 5500 82500 8000 |------ 13000 4 8 19 38,6 14500 58000 13000 |------ 18000 10 20,4 29 59 15500 155000 18000 |------ 23000 6 12 35 71 20500 123000 23000 |------ 28000 7 15 42 86 22500 157500 28000 |------ 33000 6 12 48 98 30500 183000 33000 |------ 38000 1 2 49 100 35000 35000 ∑ 49 100 794000 2.2.5 Média aritmética dos dados agrupados Para o cálculo da média aritmética pode-se utilizar a seguinte equação: 𝑀𝑎 = ∑𝑖=1 𝑖 𝑃𝑀𝐶𝐿𝑥𝑓𝑖 𝑛 (9) Logo: Ma = 16893,61 2.2.6 Mediana Para o cálculo da mediana, primeiro deve-se encontrar a classe onde esta situada a mediana, podendo ser encontrada pela fórmula (10): 𝐶𝐿𝑀𝑑 = ∑𝑖=1 𝑖 𝑓𝑖 2 ; 𝑜𝑛𝑑𝑒 𝐶𝐿𝑀𝑑 = 49 2 = 24,5 3ª 𝑐𝑙𝑎𝑠𝑠𝑒 𝑀𝑑 = 𝑙𝑖 + ( 𝑛 2 − 𝑓𝑎) 𝑓𝑚𝑑 ℎ𝑚𝑑, 𝑜𝑛𝑑𝑒 𝑀𝑑 = 13000 + 24,5 − 4 10 5000 = 𝟐𝟑𝟐𝟓𝟎 2.2.7 Moda A Moda está na classe de maior frequência. Para calcular utiliza a equação (11): 𝑀𝑜𝑑 = 𝑙𝑖 + 𝑑1 𝑑1 + 𝑑2 ℎ𝑚𝑑 , 𝑎𝑠𝑠𝑖𝑚 𝑀𝑜𝑑 = 13000 + 6 6 + 4 5000 = 𝟏𝟔𝟎𝟎𝟎 Onde: Li= limite inferior da classe modal; D1= diferença entre a classe modal e da classe imediatamente anterior; D2= diferença entre a frequência da classe modal e a classe posterior; Hmd= amplitude da classe que contém a mediana. 2.2.8 Desvio padrão Para o desvio padrão é utilizada a equação (12): 𝐷𝑃 = √ ∑ (𝑓𝑖 − 𝑚𝑎)²𝑛𝑖=1 𝑛 − 1 Assim: 𝐷𝑃 = √ ∑ (𝑃𝑀𝐶𝐿−𝑚𝑎)²𝑓𝑖𝑛𝑖=1 𝑛−1 , 𝑜𝑛𝑑𝑒 𝐷𝑃 = 𝟖𝟖𝟏𝟎, 𝟖 2.2.8 Coeficiente de variação Para o Coeficiente de Variação utiliza-se a seguinte equação (13): 𝐶𝑉 = 𝐷𝑃 𝑀𝑎 𝑥 100 Assim: 𝐶𝑉 = 8810,8 16893,61 𝑥 100, 𝐶𝑉 = 𝟓𝟐, 𝟏𝟓% 2.3 Correlação Correlação é um instrumento adequado para descobrir e medir este relação, portanto, quando duas variáveis estão ligadas por uma relação estatística pode-se dizer que existe correlação entre elas. A Correlação entre duas variáveis é sempre um valor entre -1 e 1. Quando o valor da Correlação estiver entre 0,5 e 1 considerada forte e direta, entre 0 e 0,5 fraca e direta, entre -1 e -0,5 é considerada forte e inversa, e, entre -0,5 e 0 fraca e inversa. Para calcular esta Correlação utiliza a seguinte equação (14): 𝑟 = 𝑛 ∑ 𝑥 𝑦 − (∑ 𝑥)(∑ 𝑦) √[𝑛 ∑ 𝑥² − (∑ 𝑥)²][𝑛 ∑ 𝑦² − (∑ 𝑦)²] Para facilitar os cálculos será montada uma tabela com os devidos valores, onde x são os dias e o y recebimento de milho. Valores expostos na tabela 5: Tabela 5: Dados para cálculo da correlação (continua...). X Y X² Y² X.Y 1 3.000 1 9.000.000 3000 2 3.387 4 11.471.769 6774 3 3.200 9 10.240.000 9600 4 4.400 16 19.360.000 17600 5 4.380 25 19.184.400 21900 6 3.200 36 10.240.000 19200 7 4.567 49 20.857.489 31969 8 6.774 64 45.887.076 54192 9 6.788 81 46.076.944 61092 10 6.345 100 40.259.025 63450 11 6.754 121 45.616.516 74294 12 7.200 144 51.840.000 86400 13 7.250 169 52.562.500 94250 14 4.560 196 20.793.600 94250 15 6.800 225 46.240.000 63840 16 8.990 256 80.820.100 143840 17 9.120 289 83.174.400 155040 18 12.100 324 146.410.000 217800 19 12.228 361 149.523.984 232332 20 13.230 400 175.032.900 264600 21 13.560 441 183.873.600 284760 22 15.456 484 238.887.936 340032 23 16.690 529 278.556.100 383870 Tabela 5: Dados para cálculo da correlação. X Y X² Y² X.Y 24 17.200 576 295.840.000 412800 25 17.345 625 300.849.025 433625 26 18.340 676 336.355.600 476840 27 18.230 729 332.332.900 492210 28 20.120 784 404.814.400 563360 29 21.200 841 449.440.000 614800 30 22.230 900 494.172.900 666900 31 22.678 961 514.291.684 703018 32 23.450 1024 549.902.500 750400 33 23.680 1089 560.742.400 781440 34 26.200 1156 686.440.000 890800 35 26.830 1225 719.848.900 939050 36 27.300 1296 745.290.000 982800 37 32.450 1369 1.053.002.500 1200650 38 30.460 1444 927.811.600 1157480 39 35.649 1521 1.270.851.201 1390311 40 28.430 1600 808.264.900 1137200 41 28.450 1681 809.402.500 1166450 42 26.462 1764 700.237.444 1111404 43 25.470 1849 648.720.900 1095210 44 17.450 1936 304.502.500 767800 45 14.670 2025 215.208.900 660150 46 15.600 2116 243.360.000 717600 47 13.230 2209 175.032.900 621810 1128 733.103 35720 15.332.623.993 22458193 Assim pode-se fazer o calculo da correlação: 𝑟 = 47𝑥 22458193 − 1128 x 733.103 √ [47𝑥35720 − (1128)2][47x15.332.623.993 − (733.103)2] = 𝟎, 𝟖𝟑 Podendo afirmar que há uma Correlação forte e direta entre o decorrer do recebimento de milho diário com o mensal. 2.4 Regressão linear Regressão linear são modelos matemáticos que relacionam o comportamento de uma variável y com outra x. Se existir correlação entre as duas variáveis cujo gráfico se aproxime de uma linha, que é chamada de diagrama de dispersão, é representada pela equação: 𝑦 = 𝑎 + 𝑏𝑥, sendo a o coeficiente linear e b o coeficiente angular, que são parâmetros da equação da reta, podendo ser calculados por meio das formulas : 𝑏 = 𝑛. ∑𝑥𝑦 − ∑𝑥. ∑𝑦 𝑛. ∑𝑥2 − (∑𝑥)² 𝑒 𝑎 = ∑𝑦 − 𝑏. ∑𝑥 𝑛 Utilizando os dados da tabela 5 é possível calcular os valores de a e b: 𝑏 = 47. 22458193 − 1128.733103 47.35720 − (1128)² = 𝟓𝟔𝟐, 𝟒 𝑒 𝑎 = 733103 − 562,4.1128 47 = 𝟐𝟏𝟎𝟎 Assim, pode-se montar a equação linear. 𝒚 = 𝟐𝟏𝟎𝟎 + 𝟓𝟔𝟐, 𝟒𝒙 Através dos dados obtidos pela equação da reta, as projeções, será montada a Tabela 6.Onde x é a variação dos dias. E também será feita uma projeção para a próxima semana. Tabela 6 – Projeção feita com a através da equação linear SEMANA/MÊS DIA/ANO QTDE (SACOS) PROJEÇÕES 4º semana de junho 22/06/2014 3.000 2662.4 23/06/2014 3.387 3224,8 24/06/2014 3.200 3787,2 25/06/2014 4.400 4349,6 26/06/2014 4.380 4912 27/06/2014 3.200 5474,4 28/06/2014 4.567 6036,8 5º semana de junho 29/06/2014 6.774 6599,2 30/06/2014 6.788 7161,6 1º semana de julho 01/07/2014 6.345 7724 02/07/2014 6.754 8286,4 03/07/2014 7.200 8848,8 04/07/2014 7.250 9411,2 05/07/2014 4.560 9973,6 2º semana de julho 06/07/2014 6.800 10536 07/07/2014 8.990 11098,4 08/07/2014 9.120 11660,8 Tabela 6:– Projeção feita com a através da equação linear (continua...). SEMANA/MÊS DIA/ANO QTDE (SACOS) PROJEÇÕES 2º semana de julho 09/07/2014 12.100 12223,2 10/07/2014 12.228 12785,6 11/07/2014 13.230 13348 12/07/2014 13.560 13910,4 3º semana de julho 13/07/2014 15.456 14472,8 14/07/2014 16.690 15035,2 15/07/2014 17.200 15597,6 16/07/2014 17.345 16160 17/07/2014 18.340 16722,4 18/07/2014 18.230 17284,8 19/07/2014 20.120 17847,2 4º semana de julho 20/07/2014 21.200 18409,6 21/07/2014 22.230 18972 22/07/2014 22.678 20096,8 23/07/2014 23.450 20659,2 24/07/2014 23.680 21221,6 25/07/2014 26.200 21784 26/07/2014 26.830 22346,4 5º semana de julho 27/07/2014 27.300 22908,8 28/07/2014 32.450 23471,2 29/07/2014 30.460 24033,6 30/07/2014 35.649 24596 31/07/2014 28.430 25158,4 1º semana de agosto 01/08/2014 28.450 25720,8 02/08/2014 26.462 26283,2 2º semana de agosto 03/08/2014 25.470 26845,6 04/08/2014 17.450 27408 05/08/2014 14.670 27970,4 06/08/2014 15.600 28532,8 07/08/2014 13.230 29095,2 Tabela 6: – Projeção feita com a através da equação linear SEMANA/MÊS DIA/ANO QTDE (SACOS) PROJEÇÕES 4º semana de junho 10/08/2014 29657,6 11/08/2014 30220 12/08/2014 30782,4 13/08/2014 31344,8 14/08/2014 32907,2 15/08/2014 32469,9 16/08/2014 33032 3. CONCLUSÃO Por meio do trabalho realizado pode-se notar que a análise dos dados estatísticos está ligada ao cálculo de medida que tem por objetivo descrever o fenômeno, podendo ser expresso por números, gráficos e tabelas. Através dos cálculos realizados pode-se perceber que houve um desvio padrão de 8712,5 em relação ao recebimento diário de milho. O coeficiente de variação foi aproximadamente de 55,83%, mostrando que o grupo é homogêneo. Empregando a correlação, foi possível afirmar que há uma relação forte e direta entre o recebimento diário durante as semanas, quando relacionados com o período de 22 de junho a 7 de agosto do ano de 2014. Através da equação da reta, foi possível determinar o recebimento de carga para a próxima semana, podendo notar uma tendência de crescimento com o passar do tempo. REFERÊNCIA DINIZ, Alexandre. Estatística básica, 2000. In: Universidade Federal de Minas Gerais (UFMG). Organização das cooperativas brasileiras (OCB). O mercado de milho. Disponível em <http://www.ocb.org.br/GERENCIADOR/ba/arquivos/03_sumarioexec_milho_outubro07.pdf >. EMBRAPA. Cultivo do milho, 2010. Disponível em: <http://ainfo.cnptia.embrapa.br/digital/bitstream/item/27037/1/Plantio.pdf>. TRIOLA, M. F. Introdução à Estatística. 7ª ed. Rio de Janeiro: Editora LTC, 1999.
Compartilhar