Baixe o app para aproveitar ainda mais
Prévia do material em texto
MÉTODOS QUANTITATIVOS Eduardo Dias Lidiane Farias Costa Démerson André Polli Usiara Britto Juliani Karsten Alves Robinson Panaino Centro Universitário Adventista de São Paulo Fundado em 1915 — www.unasp.br Missão Educar no contexto dos valores bíblicos para um viver pleno e para a excelência no serviço a Deus e à humanidade. Visão Ser uma instituição educacional reconhecida pela excelência nos serviços prestados, pelos seus elevados padrões éticos e pela qualidade pessoal e pro� ssional de seus egressos. Administração da Entidade Mantenedora (IAE) Diretor-Presidente: Maurício Lima Diretor Administrativo: Edson Medeiros Diretor-Secretário: Emmanuel Oliveira Guimarães Diretor Depto. de Educação: Ivan Góes Administração Geral do Unasp Reitor: Martin Kuhn Vice-Reitor Executivo Campus EC: Antônio Marcos da Silva Alves Vice-Reitor Executivo Campus HT: Afonso Ligório Cardoso Vice-Reitor Executivo Campus SP: Douglas Jeferson Menslin Pró-Reitor Administrativo: Telson Bombassaro Vargas Pró-Reitor Acadêmico: Afonso Ligório Cardoso Pró-Reitor de Educação a Distância: Fabiano Leichsenring Silva Pró-Reitor de Pesquisa e Desenvolvimento Institucional: Allan Macedo de Novaes Pró-Reitor de Desenvolvimento Espiritual, Comunitário e Estudantil: Martin Kuhn Secretário-Geral: Marcelo Franca Alves Faculdade Adventista de Teologia Diretor: Reinaldo Wenceslau Siqueira Coordenador de Pós-Graduação: Vanderlei Dorneles da Silva Coordenador de Graduação: Adriani Milli Rodrigues Órgãos Executivos Campus Engenheiro Coelho Pró-Reitor Administrativo Associado: Murilo Marques Bezerra Pró-Reitor Acadêmico Associado: Everson Muckenberger Pró-Reitor de Desenvolvimento Estudantil Associado: Bruno de Moura Fortes Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Ebenézer do Vale Oliveira Órgãos Executivos Campus Hortolândia Pró-Reitor Administrativo Associado: Claudio Valdir Knoener Pró-Reitora Acadêmica Associada: Suzete Araújo Águas Maia Pró-Reitor de Desenvolvimento Estudantil Associado: Daniel Fioramonte Costa Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Wanderson Paiva Órgãos Executivos Campus São Paulo Pró-Reitor Administrativo Associado: Flavio Knöner Pró-Reitora Acadêmica Associada: Silvia Cristina de Oliveira Quadros Pró-Reitor de Desenvolvimento Estudantil Associado: Ricardo Bertazzo Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Robson Aleixo de Souza Editor-chefe Rodrigo Follis Gerente de projetos Bruno Sales Ferreira Editor associado Alysson Huf Supervisor administrativo Werter Gouveia Gerente de vendas Francileide Santos Editores Adriane Ferrari, Gabriel Pilon Galvani,Jônathas Sant’Ana e � amires Mattos Designers grá� cos Felipe Rocha e Kenny Zukowski Imprensa Universitária Adventista Centro Universitário Adventista de São Paulo Fundado em 1915 — www.unasp.br Missão Educar no contexto dos valores bíblicos para um viver pleno e para a excelência no serviço a Deus e à humanidade. Visão Ser uma instituição educacional reconhecida pela excelência nos serviços prestados, pelos seus elevados padrões éticos e pela qualidade pessoal e pro� ssional de seus egressos. Administração da Entidade Mantenedora (IAE) Diretor-Presidente: Maurício Lima Diretor Administrativo: Edson Medeiros Diretor-Secretário: Emmanuel Oliveira Guimarães Diretor Depto. de Educação: Ivan Góes Administração Geral do Unasp Reitor: Martin Kuhn Vice-Reitor Executivo Campus EC: Antônio Marcos da Silva Alves Vice-Reitor Executivo Campus HT: Afonso Ligório Cardoso Vice-Reitor Executivo Campus SP: Douglas Jeferson Menslin Pró-Reitor Administrativo: Telson Bombassaro Vargas Pró-Reitor Acadêmico: Afonso Ligório Cardoso Pró-Reitor de Educação a Distância: Fabiano Leichsenring Silva Pró-Reitor de Pesquisa e Desenvolvimento Institucional: Allan Macedo de Novaes Pró-Reitor de Desenvolvimento Espiritual, Comunitário e Estudantil: Martin Kuhn Secretário-Geral: Marcelo Franca Alves Faculdade Adventista de Teologia Diretor: Reinaldo Wenceslau Siqueira Coordenador de Pós-Graduação: Vanderlei Dorneles da Silva Coordenador de Graduação: Adriani Milli Rodrigues Órgãos Executivos Campus Engenheiro Coelho Pró-Reitor Administrativo Associado: Murilo Marques Bezerra Pró-Reitor Acadêmico Associado: Everson Muckenberger Pró-Reitor de Desenvolvimento Estudantil Associado: Bruno de Moura Fortes Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Ebenézer do Vale Oliveira Órgãos Executivos Campus Hortolândia Pró-Reitor Administrativo Associado: Claudio Valdir Knoener Pró-Reitora Acadêmica Associada: Suzete Araújo Águas Maia Pró-Reitor de Desenvolvimento Estudantil Associado: Daniel Fioramonte Costa Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Wanderson Paiva Órgãos Executivos Campus São Paulo Pró-Reitor Administrativo Associado: Flavio Knöner Pró-Reitora Acadêmica Associada: Silvia Cristina de Oliveira Quadros Pró-Reitor de Desenvolvimento Estudantil Associado: Ricardo Bertazzo Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Robson Aleixo de Souza Editor-chefe Rodrigo Follis Gerente de projetos Bruno Sales Ferreira Editor associado Alysson Huf Supervisor administrativo Werter Gouveia Gerente de vendas Francileide Santos Editores Adriane Ferrari, Gabriel Pilon Galvani,Jônathas Sant’Ana e � amires Mattos Designers grá� cos Felipe Rocha e Kenny Zukowski Imprensa Universitária Adventista Centro Universitário Adventista de São Paulo Fundado em 1915 — www.unasp.br Missão Educar no contexto dos valores bíblicos para um viver pleno e para a excelência no serviço a Deus e à humanidade. Visão Ser uma instituição educacional reconhecida pela excelência nos serviços prestados, pelos seus elevados padrões éticos e pela qualidade pessoal e pro� ssional de seus egressos. Administração da Entidade Mantenedora (IAE) Diretor-Presidente: Maurício Lima Diretor Administrativo: Edson Medeiros Diretor-Secretário: Emmanuel Oliveira Guimarães Diretor Depto. de Educação: Ivan Góes Administração Geral do Unasp Reitor: Martin Kuhn Vice-Reitor Executivo Campus EC: Antônio Marcos da Silva Alves Vice-Reitor Executivo Campus HT: Afonso Ligório Cardoso Vice-Reitor Executivo Campus SP: Douglas Jeferson Menslin Pró-Reitor Administrativo: Telson Bombassaro Vargas Pró-Reitor Acadêmico: Afonso Ligório Cardoso Pró-Reitor de Educação a Distância: Fabiano Leichsenring Silva Pró-Reitor de Pesquisa e Desenvolvimento Institucional: Allan Macedo de Novaes Pró-Reitor de Desenvolvimento Espiritual, Comunitário e Estudantil: Martin Kuhn Secretário-Geral: Marcelo Franca Alves Faculdade Adventista de Teologia Diretor: Reinaldo Wenceslau Siqueira Coordenador de Pós-Graduação: Vanderlei Dorneles da Silva Coordenador de Graduação: Adriani Milli Rodrigues Órgãos Executivos Campus Engenheiro Coelho Pró-Reitor Administrativo Associado: Murilo Marques Bezerra Pró-Reitor Acadêmico Associado: Everson Muckenberger Pró-Reitor de Desenvolvimento Estudantil Associado: Bruno de Moura Fortes Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Ebenézer do Vale Oliveira Órgãos Executivos Campus Hortolândia Pró-Reitor Administrativo Associado: Claudio Valdir Knoener Pró-Reitora Acadêmica Associada: Suzete Araújo Águas Maia Pró-Reitor de Desenvolvimento Estudantil Associado: Daniel Fioramonte Costa Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Wanderson Paiva Órgãos Executivos Campus São Paulo Pró-Reitor Administrativo Associado: Flavio Knöner Pró-Reitora Acadêmica Associada: Silvia Cristina de Oliveira Quadros Pró-Reitor de Desenvolvimento Estudantil Associado: Ricardo Bertazzo Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Robson Aleixo de Souza Editor-chefe Rodrigo Follis Gerente de projetos Bruno Sales Ferreira Editor associado Alysson Huf Supervisor administrativo Werter Gouveia Gerente de vendas Francileide Santos Editores Adriane Ferrari, Gabriel Pilon Galvani,Jônathas Sant’Ana e � amires Mattos Designers grá�cos Felipe Rocha e Kenny Zukowski Imprensa Universitária Adventista Centro Universitário Adventista de São Paulo Fundado em 1915 — www.unasp.br Missão Educar no contexto dos valores bíblicos para um viver pleno e para a excelência no serviço a Deus e à humanidade. Visão Ser uma instituição educacional reconhecida pela excelência nos serviços prestados, pelos seus elevados padrões éticos e pela qualidade pessoal e pro� ssional de seus egressos. Administração da Entidade Mantenedora (IAE) Diretor-Presidente: Maurício Lima Diretor Administrativo: Edson Medeiros Diretor-Secretário: Emmanuel Oliveira Guimarães Diretor Depto. de Educação: Ivan Góes Administração Geral do Unasp Reitor: Martin Kuhn Vice-Reitor Executivo Campus EC: Antônio Marcos da Silva Alves Vice-Reitor Executivo Campus HT: Afonso Ligório Cardoso Vice-Reitor Executivo Campus SP: Douglas Jeferson Menslin Pró-Reitor Administrativo: Telson Bombassaro Vargas Pró-Reitor Acadêmico: Afonso Ligório Cardoso Pró-Reitor de Educação a Distância: Fabiano Leichsenring Silva Pró-Reitor de Pesquisa e Desenvolvimento Institucional: Allan Macedo de Novaes Pró-Reitor de Desenvolvimento Espiritual, Comunitário e Estudantil: Martin Kuhn Secretário-Geral: Marcelo Franca Alves Faculdade Adventista de Teologia Diretor: Reinaldo Wenceslau Siqueira Coordenador de Pós-Graduação: Vanderlei Dorneles da Silva Coordenador de Graduação: Adriani Milli Rodrigues Órgãos Executivos Campus Engenheiro Coelho Pró-Reitor Administrativo Associado: Murilo Marques Bezerra Pró-Reitor Acadêmico Associado: Everson Muckenberger Pró-Reitor de Desenvolvimento Estudantil Associado: Bruno de Moura Fortes Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Ebenézer do Vale Oliveira Órgãos Executivos Campus Hortolândia Pró-Reitor Administrativo Associado: Claudio Valdir Knoener Pró-Reitora Acadêmica Associada: Suzete Araújo Águas Maia Pró-Reitor de Desenvolvimento Estudantil Associado: Daniel Fioramonte Costa Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Wanderson Paiva Órgãos Executivos Campus São Paulo Pró-Reitor Administrativo Associado: Flavio Knöner Pró-Reitora Acadêmica Associada: Silvia Cristina de Oliveira Quadros Pró-Reitor de Desenvolvimento Estudantil Associado: Ricardo Bertazzo Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Robson Aleixo de Souza Editor-chefe Rodrigo Follis Gerente de projetos Bruno Sales Ferreira Editor associado Alysson Huf Supervisor administrativo Werter Gouveia Gerente de vendas Francileide Santos Editores Adriane Ferrari, Gabriel Pilon Galvani,Jônathas Sant’Ana e � amires Mattos Designers grá� cos Felipe Rocha e Kenny Zukowski Imprensa Universitária Adventista Centro Universitário Adventista de São Paulo Fundado em 1915 — www.unasp.br Missão Educar no contexto dos valores bíblicos para um viver pleno e para a excelência no serviço a Deus e à humanidade. Visão Ser uma instituição educacional reconhecida pela excelência nos serviços prestados, pelos seus elevados padrões éticos e pela qualidade pessoal e pro� ssional de seus egressos. Administração da Entidade Mantenedora (IAE) Diretor-Presidente: Maurício Lima Diretor Administrativo: Edson Medeiros Diretor-Secretário: Emmanuel Oliveira Guimarães Diretor Depto. de Educação: Ivan Góes Administração Geral do Unasp Reitor: Martin Kuhn Vice-Reitor Executivo Campus EC: Antônio Marcos da Silva Alves Vice-Reitor Executivo Campus HT: Afonso Ligório Cardoso Vice-Reitor Executivo Campus SP: Douglas Jeferson Menslin Pró-Reitor Administrativo: Telson Bombassaro Vargas Pró-Reitor Acadêmico: Afonso Ligório Cardoso Pró-Reitor de Educação a Distância: Fabiano Leichsenring Silva Pró-Reitor de Pesquisa e Desenvolvimento Institucional: Allan Macedo de Novaes Pró-Reitor de Desenvolvimento Espiritual, Comunitário e Estudantil: Martin Kuhn Secretário-Geral: Marcelo Franca Alves Faculdade Adventista de Teologia Diretor: Reinaldo Wenceslau Siqueira Coordenador de Pós-Graduação: Vanderlei Dorneles da Silva Coordenador de Graduação: Adriani Milli Rodrigues Órgãos Executivos Campus Engenheiro Coelho Pró-Reitor Administrativo Associado: Murilo Marques Bezerra Pró-Reitor Acadêmico Associado: Everson Muckenberger Pró-Reitor de Desenvolvimento Estudantil Associado: Bruno de Moura Fortes Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Ebenézer do Vale Oliveira Órgãos Executivos Campus Hortolândia Pró-Reitor Administrativo Associado: Claudio Valdir Knoener Pró-Reitora Acadêmica Associada: Suzete Araújo Águas Maia Pró-Reitor de Desenvolvimento Estudantil Associado: Daniel Fioramonte Costa Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Wanderson Paiva Órgãos Executivos Campus São Paulo Pró-Reitor Administrativo Associado: Flavio Knöner Pró-Reitora Acadêmica Associada: Silvia Cristina de Oliveira Quadros Pró-Reitor de Desenvolvimento Estudantil Associado: Ricardo Bertazzo Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Robson Aleixo de Souza Editor-chefe Rodrigo Follis Gerente de projetos Bruno Sales Ferreira Editor associado Alysson Huf Supervisor administrativo Werter Gouveia Gerente de vendas Francileide Santos Editores Adriane Ferrari, Gabriel Pilon Galvani,Jônathas Sant’Ana e � amires Mattos Designers grá� cos Felipe Rocha e Kenny Zukowski Imprensa Universitária Adventista Centro Universitário Adventista de São Paulo Fundado em 1915 — www.unasp.br Missão Educar no contexto dos valores bíblicos para um viver pleno e para a excelência no serviço a Deus e à humanidade. Visão Ser uma instituição educacional reconhecida pela excelência nos serviços prestados, pelos seus elevados padrões éticos e pela qualidade pessoal e pro� ssional de seus egressos. Administração da Entidade Mantenedora (IAE) Diretor-Presidente: Maurício Lima Diretor Administrativo: Edson Medeiros Diretor-Secretário: Emmanuel Oliveira Guimarães Diretor Depto. de Educação: Ivan Góes Administração Geral do Unasp Reitor: Martin Kuhn Vice-Reitor Executivo Campus EC: Antônio Marcos da Silva Alves Vice-Reitor Executivo Campus HT: Afonso Ligório Cardoso Vice-Reitor Executivo Campus SP: Douglas Jeferson Menslin Pró-Reitor Administrativo: Telson Bombassaro Vargas Pró-Reitor Acadêmico: Afonso Ligório Cardoso Pró-Reitor de Educação a Distância: Fabiano Leichsenring Silva Pró-Reitor de Pesquisa e Desenvolvimento Institucional: Allan Macedo de Novaes Pró-Reitor de Desenvolvimento Espiritual, Comunitário e Estudantil: Martin Kuhn Secretário-Geral: Marcelo Franca Alves Faculdade Adventista de Teologia Diretor: Reinaldo Wenceslau Siqueira Coordenador de Pós-Graduação: Vanderlei Dorneles da Silva Coordenador de Graduação: Adriani Milli Rodrigues Órgãos Executivos Campus Engenheiro Coelho Pró-Reitor Administrativo Associado: Murilo Marques Bezerra Pró-Reitor Acadêmico Associado: Everson Muckenberger Pró-Reitor de Desenvolvimento Estudantil Associado: Bruno de Moura Fortes Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Ebenézer do Vale Oliveira Órgãos Executivos Campus Hortolândia Pró-Reitor Administrativo Associado: Claudio Valdir Knoener Pró-Reitora Acadêmica Associada: Suzete Araújo Águas Maia Pró-Reitor de Desenvolvimento Estudantil Associado: Daniel Fioramonte Costa Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Wanderson Paiva Órgãos Executivos Campus São Paulo Pró-Reitor Administrativo Associado: Flavio Knöner Pró-Reitora Acadêmica Associada: Silvia Cristina de Oliveira Quadros Pró-Reitor de Desenvolvimento Estudantil Associado: Ricardo Bertazzo Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Robson Aleixo de Souza Editor-chefe Rodrigo Follis Gerente de projetos Bruno Sales Ferreira Editor associado Alysson Huf Supervisor administrativo Werter Gouveia Gerente de vendas Francileide Santos Editores Adriane Ferrari, Gabriel Pilon Galvani,Jônathas Sant’Ana e � amires Mattos Designers grá� cos Felipe Rocha e Kenny Zukowski Imprensa Universitária AdventistaCentro Universitário Adventista de São Paulo Fundado em 1915 — www.unasp.br Missão Educar no contexto dos valores bíblicos para um viver pleno e para a excelência no serviço a Deus e à humanidade. Visão Ser uma instituição educacional reconhecida pela excelência nos serviços prestados, pelos seus elevados padrões éticos e pela qualidade pessoal e pro� ssional de seus egressos. Administração da Entidade Mantenedora (IAE) Diretor-Presidente: Maurício Lima Diretor Administrativo: Edson Medeiros Diretor-Secretário: Emmanuel Oliveira Guimarães Diretor Depto. de Educação: Ivan Góes Administração Geral do Unasp Reitor: Martin Kuhn Vice-Reitor Executivo Campus EC: Antônio Marcos da Silva Alves Vice-Reitor Executivo Campus HT: Afonso Ligório Cardoso Vice-Reitor Executivo Campus SP: Douglas Jeferson Menslin Pró-Reitor Administrativo: Telson Bombassaro Vargas Pró-Reitor Acadêmico: Afonso Ligório Cardoso Pró-Reitor de Educação a Distância: Fabiano Leichsenring Silva Pró-Reitor de Pesquisa e Desenvolvimento Institucional: Allan Macedo de Novaes Pró-Reitor de Desenvolvimento Espiritual, Comunitário e Estudantil: Martin Kuhn Secretário-Geral: Marcelo Franca Alves Faculdade Adventista de Teologia Diretor: Reinaldo Wenceslau Siqueira Coordenador de Pós-Graduação: Vanderlei Dorneles da Silva Coordenador de Graduação: Adriani Milli Rodrigues Órgãos Executivos Campus Engenheiro Coelho Pró-Reitor Administrativo Associado: Murilo Marques Bezerra Pró-Reitor Acadêmico Associado: Everson Muckenberger Pró-Reitor de Desenvolvimento Estudantil Associado: Bruno de Moura Fortes Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Ebenézer do Vale Oliveira Órgãos Executivos Campus Hortolândia Pró-Reitor Administrativo Associado: Claudio Valdir Knoener Pró-Reitora Acadêmica Associada: Suzete Araújo Águas Maia Pró-Reitor de Desenvolvimento Estudantil Associado: Daniel Fioramonte Costa Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Wanderson Paiva Órgãos Executivos Campus São Paulo Pró-Reitor Administrativo Associado: Flavio Knöner Pró-Reitora Acadêmica Associada: Silvia Cristina de Oliveira Quadros Pró-Reitor de Desenvolvimento Estudantil Associado: Ricardo Bertazzo Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Robson Aleixo de Souza Editor-chefe Rodrigo Follis Gerente de projetos Bruno Sales Ferreira Editor associado Alysson Huf Supervisor administrativo Werter Gouveia Gerente de vendas Francileide Santos Editores Adriane Ferrari, Gabriel Pilon Galvani,Jônathas Sant’Ana e � amires Mattos Designers grá� cos Felipe Rocha e Kenny Zukowski Imprensa Universitária Adventista Centro Universitário Adventista de São Paulo Fundado em 1915 — www.unasp.br Missão Educar no contexto dos valores bíblicos para um viver pleno e para a excelência no serviço a Deus e à humanidade. Visão Ser uma instituição educacional reconhecida pela excelência nos serviços prestados, pelos seus elevados padrões éticos e pela qualidade pessoal e pro� ssional de seus egressos. Administração da Entidade Mantenedora (IAE) Diretor-Presidente: Maurício Lima Diretor Administrativo: Edson Medeiros Diretor-Secretário: Emmanuel Oliveira Guimarães Diretor Depto. de Educação: Ivan Góes Administração Geral do Unasp Reitor: Martin Kuhn Vice-Reitor Executivo Campus EC: Antônio Marcos da Silva Alves Vice-Reitor Executivo Campus HT: Afonso Ligório Cardoso Vice-Reitor Executivo Campus SP: Douglas Jeferson Menslin Pró-Reitor Administrativo: Telson Bombassaro Vargas Pró-Reitor Acadêmico: Afonso Ligório Cardoso Pró-Reitor de Educação a Distância: Fabiano Leichsenring Silva Pró-Reitor de Pesquisa e Desenvolvimento Institucional: Allan Macedo de Novaes Pró-Reitor de Desenvolvimento Espiritual, Comunitário e Estudantil: Martin Kuhn Secretário-Geral: Marcelo Franca Alves Faculdade Adventista de Teologia Diretor: Reinaldo Wenceslau Siqueira Coordenador de Pós-Graduação: Vanderlei Dorneles da Silva Coordenador de Graduação: Adriani Milli Rodrigues Órgãos Executivos Campus Engenheiro Coelho Pró-Reitor Administrativo Associado: Murilo Marques Bezerra Pró-Reitor Acadêmico Associado: Everson Muckenberger Pró-Reitor de Desenvolvimento Estudantil Associado: Bruno de Moura Fortes Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Ebenézer do Vale Oliveira Órgãos Executivos Campus Hortolândia Pró-Reitor Administrativo Associado: Claudio Valdir Knoener Pró-Reitora Acadêmica Associada: Suzete Araújo Águas Maia Pró-Reitor de Desenvolvimento Estudantil Associado: Daniel Fioramonte Costa Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Wanderson Paiva Órgãos Executivos Campus São Paulo Pró-Reitor Administrativo Associado: Flavio Knöner Pró-Reitora Acadêmica Associada: Silvia Cristina de Oliveira Quadros Pró-Reitor de Desenvolvimento Estudantil Associado: Ricardo Bertazzo Pró-Reitor de Desenvolvimento Espiritual e Comunitário Associado: Robson Aleixo de Souza Editor-chefe Rodrigo Follis Gerente de projetos Bruno Sales Ferreira Editor associado Alysson Huf Supervisor administrativo Werter Gouveia Gerente de vendas Francileide Santos Editores Adriane Ferrari, Gabriel Pilon Galvani,Jônathas Sant’Ana e � amires Mattos Designers grá� cos Felipe Rocha e Kenny Zukowski Imprensa Universitária Adventista 1ª Edição, 2020 MÉTODOS QUANTITATIVOS Imprensa Universitária Adventista Engenheiro Coelho, SP Eduardo Dias Lidiane Farias Costa Démerson André Polli Usiara Britto Juliani Karsten Alves Robinson Panaino Dias, Eduardo Métodos quantitativos [livro eletrônico] / Eduardo Dias; Lidiane Farias Costa; Démerson André Polli; Usiara Britto; Juliani Karsten Alves; Robinson Panaino. Engenheiro Coelho: Unaspress, 2020. 1 Mb, PDF ISBN 978-85-8463-172-8 1. Carreira pro� ssional 2. Contabilidade 3. Contabilidade como pro� ssão 4. Contabilidade como pro� ssão - Leis e legislação 5. Formação pro� ssional 6. Negócios I. Título. 20-33026 CDD-370.113 Dados Internacionais da Catalogação na Publicação (CIP) (Câmara Brasileira do Livro, SP, Brasil) Índices para catálogo sistemático: 1. Contabilidade : Educação pro� ssional 370.113 Maria Alice Ferreira - Bibliotecária - CRB-8/7964 Métodos quantitativos 1ª edição – 2020 e-book (PDF) OP 00123_034 Editora associada: Todos os direitos reservados para a Unaspress - Imprensa Universitária Adventista. Proibida a reprodução por quaisquer meios, sem prévia autorização escrita da editora, salvo em breves citações, com indicação da fonte. Preparação: Matheus Cardoso Revisão: Giovanna Finco Projeto grá� co: Ana Paula Pirani Capa: Jonathas Sant’Ana Diagramação: William Nunes Caixa Postal 88 – Reitoria Unasp Engenheiro Coelho, SP CEP 13.448-900 Tels.: (19) 3858-5222 / (19) 3858-5221 www.unaspress.com.br Imprensa Universitária Adventista Validação editorial cientí� ca ad hoc: Robertson Campelo Panaino Mestre em Engenharia de Produção pela Universidade Federal de São Carlos Conselho editorial e artístico: Dr. Martin Kuhn, Esp. Telson Vargas, Me. Antônio Marcos, Dr. Afonso Cardoso, Dr. Douglas Menslin, Dr. Rodrigo Follis, Dr. Lélio Lellis, Dr. Allan Novaes, Esp. Jael Enéas, Esp. José Júnior, Dr. Reinaldo Siqueira, Dr. Fábio Al� eri, Dra. Gildene Lopes, Me. Edilson Valiante, Me. Diogo Cavalcante, Dr. Adolfo Suárez VO CÊ ES TÁ A QU I SUMÁRIO ESTATÍSTICA DESCRITIVA....................................... 17 Introdução ........................................................................................18 Conceitos iniciais ..............................................................................20 Fases da estatística ...........................................................................22 Objetivo ...................................................................................23 População e amostra...............................................................24 Medidas de posição .........................................................................32Média aritmética simples .......................................................33 Média ponderada ....................................................................34 Média ponderada para dados agrupados com intervalo ..........................................................................38 Mediana ..................................................................................40 Moda .......................................................................................47 Medidas de variação ...............................................................53 Amplitude total ................................................................................54 Variância e desvio padrão .......................................................55 Princípios de probabilidade .............................................................60 Experimento aleatório, espaço amostral e eventos: definições ...............................................................62 Operações com eventos ..........................................................65 Eventos complementares, mutuamente exclusivos e independentes ....................................................81 Três tipos importantes de eventos ..........................................82 Função de probabilidade e valor esperado .....................................87 Referências .......................................................................................98 DISTRIBUIÇÃO DE PROBABILIDADE ..................... 101 Introdução .......................................................................................102 Variáveis discretas e contínuas .......................................................104 Variáveis discretas ..................................................................108 Variável contínua ....................................................................109 VO CÊ ES TÁ A QU I Distribuições discretas ....................................................................111 Distribuição binomial .............................................................112 Distribuição de Poisson ..........................................................115 Problemas com distribuição discreta .............................................120 Problemas de distribuição binomial ......................................122 Problemas de distribuição Poisson ........................................129 Distribuição contínua (normal) ......................................................132 Uso da tabela Z ......................................................................136 Problemas de distribuição normal ........................................142 Tamanho de amostra ......................................................................150 Tamanho de amostra para estimativas de proporção ...........157 Referências ......................................................................................171 ESTIMAÇÃO .......................................................... 173 Introdução .......................................................................................174 Estimação pontual ..........................................................................176 Estimação intervalar ..............................................................179 Intervalo de confiança para média populacional ..........................183 Intervalo de confiança para a proporção ...............................188 Correlação e regressão ....................................................................196 Relações estatísticas ...............................................................197 Gráfico de dispersão ...............................................................202 Diagramas de dispersão.........................................................204 Modelo matemático do cálculo do coeficiente de correlação de Pearson ................................................................216 Regressão linear ..............................................................................226 Referências ......................................................................................239 PRINCÍPIOS DE CÁLCULO ATUARIAL ..................... 241 Introdução .......................................................................................242 Cálculos e análises atuariais ...........................................................245 Fundamentos da demografia, taxa de natalidade e mortalidade e taxa de crescimento populacional .......................247 Taxa de natalidade .................................................................249 Taxa de mortalidade ..............................................................252 Taxa de crescimento populacional ........................................254 Tábua de mortalidade e suas funções ............................................258 Tábua de sobrevivência e suas funções .................................261 Construção das tábuas de sobrevivência ou mortalidade ......................................................................266 Cálculos com taxa de mortalidade .................................................269 Cálculo de vida da população ao nascer................................271 Tópicos importantes para o cálculo de seguros na ciência atuarial ...........................................................................280 Seguradora .............................................................................281 Risco .......................................................................................281 Sinistro....................................................................................282 Seguro ....................................................................................283 Cálculo de seguro ...................................................................289 Risco .......................................................................................290 Valor matemático do risco (VMR) .........................................292 Cálculo do valor médio por sinistro .......................................296 Cálculo do prêmio estatístico e do prêmio comercial ...........298 Referências ......................................................................................312 PARA OTIMIZAR A IMPRESSÃO DESTE ARQUIVO, CONFIGURE A IMPRESSORA PARA DUAS PÁGINAS POR FOLHA. Uso da quantificação para coleta e tratamento de dados por meio de técnicas estatísticas com vistas à elaboração de relatórios e tomada de decisão. Introdução à estatística descritiva; estudo de probabilidade e distribuição de dados. Introdução à teoria de amostragem, inferência estatística e teoria de estimação. Interpretação de testes estatísticos (teste de hipóteses, teste de qui-quadrado e não paramétricos, análise de variância, correlação e regressão, análise fatorial, análise de conglomerados). Noções de cálculo atuarial. EMENTA CONHEÇA O CONTEÚDO Prezado(a) aluno(a), É um grande privilégio ter você conosco para estudarmos os conteúdos de métodos quantitativos. Convidamos você a desfrutar da leitura desse material onde trataremos, ao longo de quatro unidades, de população, amostra, variáveis, medidas de posição, medidas de variabilidade, princípios de pro- babilidade, distribuições discretas de pro- babilidade, distribuições contínuas de pro- babilidade, tamanho de amostra, estimação, coeficiente de correlação e cálculo atuarial. Vamos iniciar com os conceitos de estatística descritiva. Em seguida iremos aprofundar nossos conhecimentos de Probabilidade trabalhando com as distribuições de proba- bilidades. Já a unidade três tratará especifi- camente da estimação de parâmetros para algumas distribuições de probabilidade conhecidas. Começaremos os estudos com a apresentação dos conceitos de estimação pontual e intervalar (intervalos de confian- ça). Além disso, nesta unidade estudaremos os principais conceitos que irão basear o estudo da correlação e da regressão lineares.Por fim, na unidade quatro trataremos do cálculo atuarial, afinal, um assunto de gran- de importância no Brasil (e no mundo) é quanto dinheiro é necessário para garantir as aposentadorias de cerca de 200 mil par- ticipantes e as devidas pensões a seus fami- liares no longo de um período estipulado. Entre os conhecimentos exigidos dos pro- fissionais de atuária, estão os conceitos de Matemática Financeira, Estatística, Matemá- tica e as questões de demografia. Também abordaremos os seguros e seus elementos. A partir de agora, concentração, foco e bons estudos para você! UNIDADE 1 - Conhecer os métodos quantitativos normalmente utilizados nas pesquisas teóricas e práticas em Ciências Contábeis, bem como desenvolver a capacidade de resolução de problemas quantitativos encontrados pelo profi ssional de ciências contábeis. ESTATÍSTICA DESCRITIVA OB JE TI VO 18 MÉTODOS QUANTITATIVOS INTRODUÇÃO É um privilégio muito grande ter você conosco para estudarmos os conteúdos de métodos quantitativos! Aqui você terá a oportunidade de ampliar seus conhecimentos com o objetivo de facilitar a tomada de uma decisão. Um conjunto de dados, por si só, não nos fornece todas as informações necessárias para se tomar uma decisão a não ser que dominemos técnicas e recursos para poder utilizar essas informações a nosso favor e podermos, com isso, tomar decisões mais próximas de nossos objetivos. Portanto, vamos tratar dessas técnicas quantitativas para agregar as informações fornecidas pelos dados coletados de maneira correta. Nosso objetivo está longe de ser um material completo para que você tenha o total domínio sobre informações recebidas, antes vamos desenvolver algumas ideias para incentivar você a ser mais eficiente na utilização dessas ferramentas tanto em seu cotidiano, como dentro de uma empresa, caso necessário. Estaremos, portanto, dividindo os conteúdos em estatística descritiva e estatística inferencial e, ao final, ainda vamos tratar de conceitos básicos de cálculo atuarial que também tem como base os conceitos de probabilidade. 19 ESTATíSTICA DESCRITIVA Sendo assim, convidamos você a desfrutar da leitura deste material, em que trataremos de população, amostra, variáveis, medidas de posição, medidas de variabilidade, princípios de probabilidade, distribuições discretas de probabilidade, distribuições contínuas de probabilidade, tamanho de amostra, estimação, coeficiente de correlação e cálculo atuarial. Esperamos que ao fim da unidade você tenha compreendido que: • população pode ser definida como o conjunto de elementos que têm em comum uma característica a ser estudada; • amostra é uma parcela retirada da população para estudo; • as variáveis são as características que são observadas em um elemento de estudo; • medidas de posição são medidas utilizadas para representar melhor, um conjunto de números; • as medidas de variação auxiliam as medidas de tendência central a descrever o conjunto de dados adequadamente; 20 MÉTODOS QUANTITATIVOS • a probabilidade frequentista se refere à frequência com a qual um fato ocorre em uma sequência de repetições. CONCEITOS INICIAIS A Estatística hoje se faz presente para a maioria das pessoas em nosso mundo, mesmo que não tenhamos essa percepção tão clara em nosso dia a dia. Nas empresas não é diferente, pois muitas decisões precisam ser tomadas com o menor erro possível e os levantamentos e estudos estatísticos auxiliam nessas decisões. Segundo Silva (1996, p. 11), “O termo Estatística provém da palavra Estado e foi utilizado originalmente para denominar levantamentos de dados, cuja finalidade era orientar o Estado em suas decisões”. Ele ainda complementa dizendo que, para os comandante, esses levantamentos feitos auxiliavam nas cobranças de impostos e também na formação de seus exércitos nas estratégias em guerras. Seguindo essa ideia, encontramos na Bíblia versos que mencionam exemplos de levantamentos de dados com estes objetivos: • em Números 1:1-3 encontramos Arão e Moisés levantando o censo para preparar o povo para 21 ESTATíSTICA DESCRITIVA as batalhas que se seguiriam para conquistar a Terra da Palestina, onde deveriam habitar; • em Lucas 2:1-5 os pais de Jesus vão até Belém para alistar-se em um censo publicado pelos líderes romanos que dominavam aquela região. Atualmente, segundo Magalhães e Lima (2015) a Estatística, em sua essência, é a ciência que tem por objetivo coletar, resumir, apresentar, interpretar e analisar adequadamente conjuntos de dados, sejam eles numéricos ou não. Pode-se dizer que seu objetivo é o de apresentar informações sobre dados em análise para que se tenha maior compreensão dos fatos que eles representam. A Estatística subdivide-se em duas áreas: descritiva e inferencial. A parte inicial de coleta, organização e apresentação dos dados está a cargo da Estatística Descritiva enquanto a análise e interpretação desses dados ficam a cargo da Estatística Inferencial. Quando as pessoas se referem ao termo estatística, em geral o fazem no sentido da organização e descrição dos dados (estatística dos acidentes de tráfego, estatística do número de mortos por balas perdidas etc.), desconhecendo que o aspecto essencial 22 MÉTODOS QUANTITATIVOS da Estatística é o de proporcionar métodos inferenciais, que permitam conclusões a partir dos dados obtidos inicialmente. Assim, a análise e a interpretação dos dados estatísticos tornam possível o diagnóstico de uma empresa, o conhecimento de seus problemas (condições de funcionamento, produtividade), a formulação de soluções apropriadas e um planejamento adequado para solucionar os problemas. FASES DA ESTATÍSTICA Tendo em vista que a Estatística é uma ferramenta para auxiliar na tomada de decisão, quando vamos fazer um levantamento estatístico, faz- se necessária uma sequência para que o trabalho alcance os seus objetivos. Assim sendo, podemos trilhar os seguintes passos (Figura 1): O aspecto essencial da Estatística é o de proporcionar métodos inferenciais, que permitam conclusões a partir dos dados obtidos inicialmente. 23 ESTATíSTICA DESCRITIVA Figura 1 - Fases da estatística Objetivo De�nir população e amostra Coleta de dados Organização e estudos descritivosdos dados Inferência dos dados Apresentação dos dados e conclusão ou sugestões �nais Fonte: elaborado pelo autor Podemos ver pelo gráfico que sempre vamos partir de um objetivo específico até uma conclusão ao final de um estudo estatístico. OBJETIVO Dentro de uma empresa, utilizamos Estatística para apoiar o trabalho, na seleção e planejamento da instituição, adotando as técnicas de verificação e avaliação consideradas importantes e suficientes à viabilidade do seu negócio. Para 24 MÉTODOS QUANTITATIVOS que isso seja possível, é pertinente que se tenha claro o objetivo de sua análise. POPULAÇÃO E AMOSTRA População ou universo de estudo, pode ser definida como sendo o conjunto de elementos que têm em comum uma característica a ser estudada ou apenas como todo o grupo passível de exame. Na conceituação de Costa (p. 25), população é qualquer conjunto de informações que tenham, entre si, uma característica comum. Sabemos que nem sempre é possível trabalhar com o total de elementos de uma população. Quando isso se faz impossível, então retiramos da população uma amostra, portanto: • amostra, é uma parcela retirada da população para estudo, segundo uma técnica adequada, de sorte a caracterizar-se como representativa. Costa (1992, p. 26) chega a dizer que a amostra nada mais é que uma redução da população a dimensões menores, sem perda das características essenciais (Figura 2). 25 ESTATíSTICA DESCRITIVA Figura 2 - População e amostra Amostra População Fonte: elaborado pelo autor Essa ilustração nos mostra que ao estudarmos uma amostra queremos que ela tenha as mesmas características básicas da população. Para tanto, ela deve ser colhidade maneira cuidadosa para não prejudicar o estudo que será feito. Precisa de um número suficiente de elementos e no decorrer de nosso estudo veremos como fazer isso. Sua escolha deve ser totalmente aleatória, ou seja, todos os elementos pertencentes à população têm a mesma probabilidade de ser selecionados. COLETA DE DADOS Segundo o que vimos até aqui, a colheita de dados será executada, na maioria das vezes, por amostra escolhida e geralmente se faz através de um questionário, podendo ser feita de uma observação direta ou de informações já 26 MÉTODOS QUANTITATIVOS cadastradas em relatórios ou órgãos governamentais ou não. Após essa coleta faz-se necessária a organização desses dados que se faz por meio das respostas obtidas a cada questionamento feito, gerando as variáveis. VARIÁVEIS Após garantir uma amostragem segura e objetiva, respostas obtidas geram as nossas variáveis que serão estudadas. As variáveis são as características que são observadas em um elemento de estudo (pessoa, objeto, animal etc.). Por exemplo, uma empresa tem interesse em saber o perfil dos consumidores e coleta várias características desses consumidores, como faixa de renda, idade e nível de escolaridade. A cada uma dessas características, denominamos variáveis. Considerando que as variáveis assumem valores possíveis dentro de um conjunto de amostragem, vamos conhecer alguns tipos de variáveis e suas características. Vejamos: • Variáveis qualitativas: quando seus valores são expressos por atributos, tais como: religião, nível de escolaridade, cor dos olhos etc. Esse tipo de variável não é representada por números, mas pode apresentar uma certa ordem entre si; nesse caso são chamadas de ordinais, como nível de escolaridade (fundamental, médio, superior), classe 27 ESTATíSTICA DESCRITIVA social (baixa, média, alta). Caso não apresente essa ordem, são conhecidas como nominais; • Variáveis quantitativas: são aquelas que se caracterizam em apresentar valores numéricos, em uma escala quantitativa. Esse tipo de variável divide-se em duas variações também: 1. variáveis discretas: caracterizam-se pelo fato de o resultado ser uma contagem que assume valores inteiros, como quantidade de livros de uma biblioteca, quantidade de filhos de uma família; 2. variáveis contínuas: caracterizam-se por assumir qualquer valor em um intervalo contínuo. Usualmente, são resultados de medidas. Exemplos: peso, comprimento, temperatura. ORGANIZAÇÃO E ESTUDO DESCRITIVO DOS DADOS Aprendemos nos tópicos anteriores que a organização dos dados vem após a amostragem e coleta de dados, e posteriormente a realização dos cálculos descritivos que nos levarão para a análise. É muito importante que você, como um futuro profissional, tenha 28 MÉTODOS QUANTITATIVOS a capacidade de avaliar os resultados apresentados com base na amostragem utilizada e também tabular os seus dados para a realização dos cálculos necessários, sejam eles feitos através de um computador ou mesmo manualmente. Nós vamos nos deter aqui aos estudos das variáveis quantitativas, portanto vejamos como montar uma distribuição de frequência para amostras de variáveis discretas e contínuas de determinada amostra. Para tanto, como vamos trabalhar com alguns símbolos e fórmulas, vamos construir um quadro (Figura 3) com os símbolos, o que significam e as fórmulas (quando houver) que determinam cada um: Figura 3 - Nomenclaturas utilizadas nos cálculos estatísticos SIMBOLO SIGNIFICADO FÓRMULA Xmin Menor valor da amostra Xmax Maior valor da amostra K Número de intervalos da amostra k = √n N Quantidade de elementos da amostra At Amplitude Total At = Xmax - Xmin H Amplitude do intervalo da classe fri Frequência simples relativa 29 ESTATíSTICA DESCRITIVA SIMBOLO SIGNIFICADO FÓRMULA li Limite inferior do intervalo Li Limite superior do intervalo Xi Ponto médio de um intervalo 2 Fi Frequência acumulada Fi = Fant + fi Fri Frequência relativa acumulada FiFri Fonte: elaborado pelo autor MATERIAL COMPLEMENTAR A distribuição de frequências é um agrupamento de dados em classes, que permite que aconteça conta- gem de ocorrências em cada classes, com o objetivo de analisar e organizar os dados de maneira mais in- formativa. No canal do Youtube Unasp acervo EaD, nós encontramos uma série de aulas de Estatística para se aprofundar no tema. Disponível em: <https://bit.ly/3336i8I>. Acesso em: 06 set. 2020. Vejamos na Figura 4, a seguir, como montar uma distribuição de frequência com intervalo de classe com os dados coletados de gastos de 70 clientes de uma loja: 30 MÉTODOS QUANTITATIVOS Figura 4 - Amostragem de gastos por cliente em uma loja 20 30 35 34 35 40 40 30 20 28 25 26 30 30 40 40 40 42 45 49 50 51 50 50 50 50 51 55 57 60 60 60 62 62 65 60 58 59 59 60 60 60 65 65 65 66 68 68 68 70 75 74 78 80 80 80 75 70 70 70 72 74 73 82 86 90 90 90 98 103 Fonte: elaborado pelo autor Neste caso: Xmin = 20 Xmax = 103 n = 70 At = 103 - 20 At = 83 k = √70 k = 8,3667 - arredondando esse valor temos k = 8 Como h = temos, então h = onde encontramos o valor de 10,3750 At k 83 8 Observação: Como as variáveis são formadas por números inteiros, o intervalo também será de números inteiros. Caso haja casas decimais, o intervalo segue com a mesma quantidade de casas decimais das variáveis. Arredondando o valor de h para 31 ESTATíSTICA DESCRITIVA número inteiro temos h = 10. Temos que tomar um cuidado aqui, pois h x k > At . Caso isso não ocorra, devemos acrescentar 1 ao valor de h. Em nosso caso 10 x 8 = 80 que não é maior que 83, portanto nosso intervalo ficará 10 + 1 = 11. Baseados nesses dados coletados e nos cálculos para a definição de quantidade de intervalos e tamanho de intervalo podemos completar a tabela (Figura 5) não somente com os dados brutos coletados, mas também com a frequência em porcentagem, frequência acumulada e a média de gastos por intervalo. Esses valores completam uma tabela de frequências. Figura 5 - Tabela de frequência CLASSE INTERVALO FREQUÊNCIA SIMPLES (fi) FREQUÊNCIA EM % (fri) FREQUÊNCIA ACUMULADA (Fi) MÉDIA POR INTERVALO (Xi) 1 20 ⊢ 31 9 (9÷70) = 12,86% 9 (20+31) ÷2=25,5 2 31⊢42 8 (8÷70) = 11,43% (9+8)=17 (31+42) ÷2=36,5 3 42⊢53 10 (10÷70) = 14,29% (17+10)=27 (42+53) ÷2=47,5 4 53⊢64 14 (14÷70) = 20% (27+14)=41 (53+64) ÷2=58,5 5 64⊢75 16 (16÷70) = 22,86% (41+16)=57 (64+75) ÷2=69,5 6 75⊢86 7 (7÷70) = 10% (57+7)=64 (75+86) ÷2=80,5 7 86⊢97 4 (4÷70) = 5,71% (64+4)=68 (86+97) ÷2=91,5 8 97⊢108 2 (2÷70) = 2,86% (68+2)=70 (97+108) ÷2=102,5 Total n = 70 100,01% Fonte: elaborado pelo autor 32 MÉTODOS QUANTITATIVOS Com base nos dados obtidos podemos rapidamente concluir que obtivemos, dentro dessa amostra, um gasto maior pelos clientes entre R$ 64,00 e R$ 75,00, e o menor número de clientes gastaram entre R$ 97,00 e R$ 108,00. Ainda com base nessa simples amostra, podemos avaliar o desempenho das vendas dos produtos de maior e menor valor, e o perfil de consumo dos compradores. Esses dados também serão base para os cálculos de medidas de posição e de variabilidade como veremos a seguir. MEDIDAS DE POSIÇÃO Relembrando o que vimos até agora, é possível resumir uma série de dados coletados por meio de tabelas (distribuição de frequência) e até mesmo por gráficos onde são transmitidos os aspectos importantes desses dados. Podemos ainda resumir mais esses dados, apresentando apenas um ou alguns valores que representam a série toda. Esses valores são conhecidos como medidas de posição e medidas de dispersão. A média, assim como a mediana e a moda são medidas de posição, ou seja, são medidas utilizadas para representar melhor um conjunto de números. 33 ESTATíSTICA DESCRITIVA Medri (p. 22) prefere afirmar que as medidas de tendência central são aquelas que produzem um valor em torno do qual os dados observados se distribuem e que visam sintetizarem um único número o conjunto de dados. IMPORTANTE Em nosso estudo, você verá alguns termos que serão muito repetidos: • Dados não agrupados: são valores que não se apresentam na forma de tabela e, por ser em pequena quantidade, são calculados de forma diferente; • Dados agrupados sem intervalo de classe: são dados que se apresentam na forma de uma distribuição de frequência, mas sem intervalo, portanto o “Xi” é a própria variável de estudo; • Dados agrupados com intervalo de classe: é a tabela com intervalo de classe. MÉDIA ARITMÉTICA SIMPLES Quando perguntamos o que é média, na maioria das vezes ouvimos a resposta soma dos valores dividido pela quantidade de elementos. Esse é um tipo de média que conhecemos como média aritmética simples. Assim sendo, denomina-se como média simples ou média aritmética o resultado da divisão 34 MÉTODOS QUANTITATIVOS da soma de todos os n valores amostrados pelo número de elementos amostrados. Em termos numéricos, pode-se representar a média da seguinte forma: n Exemplo: calculando a média de vendas de um produto em uma determinada semana: Xi = 52, 48, 35, 63, 44 X = 52+48+35+63+44 5 242 5 = 48,4 Esse tipo de média é usada para dados não agrupados, ou seja, quando esses dados não se apresentam em forma de tabela e também quando os valores coletados têm a mesma importância. MÉDIA PONDERADA Quando calculamos a média aritmética simples, cada elemento observado tem a mesma importância, ou seja, todos os elementos têm importância igual a 1. Ao contrário, quando 35 ESTATíSTICA DESCRITIVA os elementos coletados têm importâncias diferentes um do outro temos a necessidade de, primeiramente, ajustar os valores conforme suas respectivas importâncias. Essas importâncias diferentes são denominadas por Spiegel (p. 55) como fatores de ponderação ou pesos. Assim, a média ponderada é representada com o uso da seguinte fórmula: Essa fórmula é a que utilizamos para os cálculos de dados agrupados, ou seja, como vimos anteriormente são os dados que se apresentam na forma de tabelas, podendo ter ou não intervalos de classe. Vejamos como fazer isso utilizando alguns exemplos. Foi levantado o número de faltas/mês de 60 funcionários de uma empresa, como indicado no rol abaixo: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 36 MÉTODOS QUANTITATIVOS 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 4 4 4 4 Ao querer calcular a média dessas faltas, você poderia pensar que a média aritmética simples seria o instrumento a ser utilizado nesse cálculo, mas para isso seria necessário a soma dos 60 dados coletados e a divisão por 60, o que torna o cálculo um pouco trabalhoso. Neste caso, iremos utilizar a média ponderada onde o peso é representado pela frequência de quantidades de faltas que foram coletadas. Para isso, antes do cálculo é necessário construir uma tabela (Figura 6) de frequência. Figura 6 – Tabela para cálculo de média ponderada N Nº DE FALTAS QUANTIDADE DE FUNCIONÁRIOS Xi * fi 1 0 21 0 2 1 15 15 3 2 12 24 4 3 8 24 5 4 4 16 60 79 Fonte: elaborado pelo autor 37 ESTATíSTICA DESCRITIVA Se dermos uma olhada na distribuição de frequência em que foi construída, vamos perceber que a última coluna tem uma multiplicação do “Xi” (variável faltas) por “fi” (frequência simples - quantidade de funcionários). Essa multiplicação faz parte da fórmula que vimos para calcular média ponderada, onde o numerador é constituído da soma dessa multiplicação e é exatamente por isso que ao final da coluna está feita esta soma, que é 79. Para encontrar o resultado da média das faltas da empresa neste mês, basta dividir esse resultado (79) por 60, que é a soma da frequência simples. Teremos então: 79 60 Que resulta em 1,3 faltas em média por funcionário dessa empresa, no mês. Como podemos ver, a utilização da média ponderada facilita o cálculo quando a quantidade de valores é muito grande, evitando longas contas com a soma de todas as variáveis. Agora vamos ver como fica o cálculo quando temos uma tabela de frequência com intervalo de classe e não apenas com a própria variável. 38 MÉTODOS QUANTITATIVOS MÉDIA PONDERADA PARA DADOS AGRUPADOS COM INTERVALO Para calcular a média ponderada de dados agrupados com intervalo de classe é preciso que tenhamos um valor representativo de cada intervalo para ser multiplicado pela frequência. Esse valor é conhecido por ponto médio e consiste na média do limite inferior com o limite superior de cada intervalo. Vamos ver como isso é feito. Vamos calcular a média de valores de depósito bancário da empresa Rápida S.A. em um período de um mês (Figura 7): Figura 7 – Tabela para cálculo de média ponderada CLASSE DEPÓSITO BANCÁRIO (x 1000) Nº DE DEPÓSITO PONTO MÉDIO (Xi) Xi * fi 1 0,9 |-- 1,5 4 1,2 4,8 2 1,5 |-- 2,1 6 1,8 10,8 3 2,1 | -- 2,7 11 2,4 26,4 4 2,7 |-- 3,3 7 3,0 21 5 3,3 | -- 3,9 5 3,6 18 6 3,9 | -- 4,5 2 4,2 8,4 7 4,5 |-- 5,1 1 4,8 4,8 36 94,2 Fonte: elaborado pelo autor 39 ESTATíSTICA DESCRITIVA Essa tabela facilita o cálculo da média ponderada para dados agrupados com intervalo. Como não podemos multiplicar a quantidade de depósito por um intervalo de valores, calculamos o ponto médio desse intervalo utilizando a fórmula: Li+li 2 Xi Esse processo foi feito para cada intervalo. Somente após encontrarmos cada ponto médio é que multiplicamos cada um deles pela sua respectiva quantidade e, no final, os valores dessa multiplicação foram somados. Agora, com esses valores, podemos calcular a média ponderada: 94,2 36 Assim, podemos concluir que a média de depósito bancário efetuado pela empresa Rápido S.A. é de aproximadamente 2,62 mil reais para o período desse mês. A média tem várias propriedades que a tornam extremamente importante, além de representar a tendência central de uma distribuição: • ela sempre existe, isto é, pode ser sempre calculada; 40 MÉTODOS QUANTITATIVOS • multiplicando-se ou dividindo-se todos os valores da variável por um número constante, a média fica também multiplicada ou dividida por esse número; • somando-se ou subtraindo-se um número constante a todas as variáveis, a média também fica somada ou subtraída por esse número; • seu valor é único e só existe para variáveis quantitativas. A média tem apenas um problema, ela é influenciada por valores muito grandes ou pequenos, que podem não representar com precisão a distribuição que apresenta esses valores. Quando isso acontece, é importante que tenhamos uma média que não seja influenciada pelos valores extremos. MEDIANA Definimos como mediana o valor que se localiza no centro de uma distribuição previamente ordenada, neste caso haverá sempre um número igual de valores acima e abaixo da mediana. Se por acaso a amostra contiver uma quantidade par de valores, a mediana é definida pela média dos dois valores centrais da distribuição. 41 ESTATíSTICA DESCRITIVA Na prática, se a quantidade total de elementos (n) for ímpar, a mediana será o valor do elemento que se encontra na posição: n + 1 2 . Se a quantidade de elementos (n) for par, a mediana será a média aritmética simples entre os elementos que se encontram na posição: n 2 e o próximo elemento da distribuição. NA PRÁTICA Em uma indústria, o consumo de energia no período de uma semana foi, em kWh: 120, 275, 280, 250, 200, 210, 185. Qual o valor mediano de gasto nesta semana na indústria? • primeiramente precisamos colocar em ordem os valores: 120, 185, 200, 210, 250, 275, 280; • como a quantidade de elementos da distribuição é ímpar (7), então a mediana será o valor que estiver na posição: 7 + 1 2 , ou seja: posição 4; • procurando na distribuição o 4º elemento, vamos encontrar o valor de 210 kWh. MEDIANA PARA DADOS AGRUPADOS SEM INTERVALO Como mediana é o valor que se encontra no centro da distribuição deixando 50% dos valores acima dele e 50% abaixo dele, podemos utilizar na tabela de distribuição 42 MÉTODOS QUANTITATIVOSde frequências a frequência acumulada (Fi) para localizar o elemento cuja frequência acumulada supera 50% dos elementos da distribuição. Vejamos como fazer isso na prática: Calcular a mediana da quantidade de filhos de 200 famílias pesquisadas em um bairro de uma cidade grande (Figura 8). Figura 8 – Quantidade de filhos por família CLASSE Nº FILHOS POR FAMÍLIA QUANTIDADE DE FAMÍLIAS Fi 1 0 35 35 2 1 60 95 3 2 44 139 4 3 28 167 5 4 21 188 6 5 12 200 Total 200 Fonte: elaborado pelo autor Se dividirmos o total de elementos desta distribuição (200) por 2, vamos encontrar a posição do elemento que divide a distribuição deixando 100 elementos acima e 100 elementos abaixo dele. Como a menor frequência acumulada que supera esse valor é 139, isso significa que a mediana se 43 ESTATíSTICA DESCRITIVA encontra dentro dessa classe, que corresponde a 2 filhos na família, sendo essa a mediana. MEDIANA PARA DADOS AGRUPADOS COM INTERVALO Quando a distribuição de frequência se apresentar com valores agrupados com intervalo de classes, além de encontrarmos em qual classe se encontra a mediana, também se faz necessário encontrar dentro do intervalo um valor que será o representante da mediana. Sendo assim, a mediana será calculada através da expressão: Md = lmed + h* 2 fmed ( - Fant ) Veja quais os passos para fazer isso: • 1° passo: calcular a classe que contém a mediana: 2 • 2° passo: identificar qual classe contém a mediana. Isso é feito semelhante quando calculamos a mediana para dados agrupados sem intervalo, em que vamos verificar qual a menor frequência 44 MÉTODOS QUANTITATIVOS acumulada que supera o valor da divisão entre a soma de todas as frequências dividido por dois; • 3° passo: identificar os elementos que compõem a fórmula acima: lmed = limite inferior da classe da mediana = resultado da divisão da soma de todas as frequências divido por dois Fant = frequência acumulada anterior da classe da mediana fmed = frequência simples da classe da mediana h* = tamanho do intervalo da classe da mediana 2 Vejamos como isso acontece, utilizando como exemplo a tabela de gastos efetuados por clientes (Figura 9) de uma loja de departamentos que montamos anteriormente, utilizando apenas as colunas que necessitamos para o cálculo da mediana: Figura 9 – Tabela para cálculo de mediana para dados agrupados CLASSE INTERVALO FREQUÊNCIA SIMPLES (FI) FREQUÊNCIA ACUMULADA (FA) 1 20 ⊢ 31 9 9 2 31⊢42 8 (9+8)=17 45 ESTATíSTICA DESCRITIVA CLASSE INTERVALO FREQUÊNCIA SIMPLES (FI) FREQUÊNCIA ACUMULADA (FA) 3 42⊢53 10 (17+10)=27 4 53⊢64 14 (27+14)=41 5 64⊢75 16 (41+16)=57 6 75⊢86 7 (57+7)=64 7 86⊢97 4 (64+4)=68 8 97⊢108 2 (68+2)=70 Total n = 70 Fonte: elaborado pelo autor • 1° passo: calcular a classe que contém a mediana; 70 2 35 • 2° passo: identificar qual classe contém a mediana. A primeira classe que supera essa divisão é a quarta classe, porque a terceira termina em 27 e ainda não chegou ao valor 35, enquanto essa classe chega a 41 ultrapassando o valor da divisão; • 3° passo: identificar os elementos que compõem a fórmula acima: 46 MÉTODOS QUANTITATIVOS lmed = 53 = 35 Fant = 27 fmed = 14 h* = 64 - 53 = 11 2 Colocando esses valores na fórmula temos: Md = 53 + . 11(35 - 27) 14 Não se esqueça que devemos resolver parênteses primeiro, depois multiplicação, divisão e por último a soma. Então a mediana desta distribuição é (Figura 9): Md = 53 + . 11(35 - 27) 14 Md = 53 + 88 14 Md = 53 + 6,29 Md = 59,29 Como podemos perceber, a mediana encontra-se no intervalo de 53 a 64, mas através da fórmula podemos encontrar um valor específico que representa a mediana, que é 59,29. Por fim, vamos ver algumas propriedades da mediana: 47 ESTATíSTICA DESCRITIVA • existe apenas uma mediana para um conjunto de dados; • a mediana não é afetada pelos valores extremos como a média aritmética, por isso, se diz que a mediana é uma medida robusta; • em caso de distribuição com uma quantidade grande de valores o efeito desses valores extremos não afeta tanto a média, portanto os valores de média serão bem próximos da mediana. MODA Define-se moda como sendo o valor que surge com mais frequência se os dados são discretos ou o intervalo de classe com maior frequência, se os dados são contínuos. Até mesmo quando observamos uma distribuição na forma de gráficos, fica fácil identificarmos o valor que representa a moda ou a classe modal. Esta medida é especialmente útil para reduzir a informação de um conjunto de dados qualitativos, apresentados sob a forma de nomes ou categorias, pois não se pode calcular a média e a mediana. 48 MÉTODOS QUANTITATIVOS MODA PARA DADOS NÃO AGRUPADOS Os dados abaixo se referem à idade de 15 alunos de uma turma do 7º ano: Idade: {12, 11, 12, 13, 12, 11, 13, 12, 13, 12, 11, 12, 13, 14, 11} A moda desse conjunto de dados será a idade que mais aparece, ou seja, 12. MODA PARA DADOS AGRUPADOS SEM INTERVALO DE CLASSE A Figura 10 abaixo apresenta as notas em estatística de uma turma de economia: Figura 10 - Tabela para cálculo de moda CLASSE NOTAS QUANTIDADE DE ALUNOS – fI 1 3 4 2 4 6 3 5 9 4 6 12 5 7 6 6 8 4 7 9 1 Fonte: elaborado pelo autor 49 ESTATíSTICA DESCRITIVA Veja que também não se faz necessário nenhum cálculo específico para identificar a moda deste grupo de dados, dessa forma, basta observar que a nota que mais aparece nesse conjunto de dados é 6, pois aparece 12 vezes, assim sendo a Mo = 6. MODA PARA DADOS AGRUPADOS COM INTERVALO DE CLASSE Quando os dados se apresentarem em forma de tabela com intervalo de classe, não basta apenas identificar a classe modal como vimos até agora, mas precisamos também calcular um valor dentro deste intervalo que represente a moda. Para tanto utilizamos a seguinte fórmula para fazer este cálculo: Mo = lmo + . h* ( fmo - fant ) 2. fmo - ( fant - fpot ) Veja quais os passos para fazer isso: • 1º passo: identificar qual classe contém a moda. Isso MODAL Segundo o site Dicio, modal é “relativo a modo, modalidade, maneira própria de fazer algu- ma coisa.” Fonte: <https://bit.ly/2Gx91zB>. Acesso em: 04 set. 2020. 50 MÉTODOS QUANTITATIVOS é feito semelhante a quando calculamos a moda para dados agrupados sem intervalo, onde vamos verificar qual classe apresenta maior frequência; • 2º passo: identificar os elementos que compõem a fórmula da moda: lmo = limite inferior da classe da moda fant = frequência simples anterior da classe da moda fmo = frequência simples da classe da moda fpost = frequência simples posterior da classe da moda h* = tamanho do intervalo da classe da moda Vamos utilizar a mesma tabela de gastos efetuados por clientes (Figura 11) de uma loja de departamentos que montamos anteriormente, utilizando apenas as colunas que necessitamos para o cálculo da moda: Figura 11 - Tabela para cálculo de moda para dados agrupados com intervalo CLASSE INTERVALO FREQUÊNCIA SIMPLES (Fi) 1 20 ⊢ 31 9 2 31⊢42 8 3 42⊢53 10 4 53⊢64 14 51 ESTATíSTICA DESCRITIVA 5 64⊢75 16 6 75⊢86 7 7 86⊢97 4 8 97⊢108 2 Total n = 70 Fonte: elaborado pelo autor • 1º passo: identificar qual classe contém a moda. A classe com maior frequência é a quinta classe, porque temos 16 pessoas que apresentam gastos entre 64 e 75 reais; • 2º passo: identificar os elementos que compõem a fórmula acima: lmo = 64 fant = 14 fmo = 16 fpost = 7 h* = 75 - 64 = 11 Colocando esses valores na fórmula temos: Mo = 64 + . 11(16 - 14) 2.16 - (14+7) 52 MÉTODOS QUANTITATIVOS Não se esqueça de resolver os parênteses primeiro, depois multiplicação, divisão e por último a soma. A mediana desta distribuição é: Mo = 64 + . 112 32 - 21 Mo = 64 + 22 11 Mo = 64 + 2 Mo = 66 Como podemos perceber a moda está no intervalo de 64 a 75, mas através da fórmula podemos encontrar um valor específicoque representa a moda que é 66. A moda, como vimos, nos mostra a variável ou o intervalo que apresenta maior frequência, o que pode ser muito útil em determinados estudos em que a média e a mediana não são bons representantes, entretanto, a moda tem uma deficiência, pois pode acontecer de não existir. Isso acontece quando todos os valores possuem a mesma frequência e também pode ser que tenhamos mais de uma moda dentro da mesma distribuição. Os dados abaixo são referentes a quantidade de produtos vendidos em 10 dias em uma loja de conveniência: {35, 33, 36, 35, 37, 36, 39, 40, 35, 36} 53 ESTATíSTICA DESCRITIVA Nesse caso, existem duas quantidades vendidas que aparecem mais vezes: 35 e 36. Logo, a moda é: Mo = 35 e Mo = 36 Não podemos dizer com isso que a moda deve ser completamente descartada de nossos cálculos, mas para que tenhamos condições de avaliar um conjunto de dados, é muito importante que realizemos todas essas medidas apresentadas para que tenhamos base para as análises necessárias nessa tão importante tarefa. MEDIDAS DE VARIAÇÃO Saber apenas as medidas de posições não completa a pesquisa que estamos realizando, pois uma análise estatística envolve semelhanças e variabilidades. As medidas de variação auxiliam as medidas de tendência central a descrever o conjunto de dados adequadamente. Também indicam se os dados estão distantes ou próximos uns dos outros. Se existe ausência de dispersão e a medida de variação é igual a zero, não faz sentido realizar uma pesquisa. Por outro lado, se a variação for muito grande, a média não será 54 MÉTODOS QUANTITATIVOS uma medida de tendência central representativa. Faz-se necessário, portanto, ao menos uma medida de tendência central e uma medida de dispersão para descrever um conjunto de dados. AMPLITUDE TOTAL Uma medida muito simples de medir a variabilidade é através da amplitude total de um conjunto de dados, que é a diferença entre o maior e o menor valor observado. Esta medida de variação não leva em consideração os valores que estão entre esses valores extremos, perdendo a informação de como os dados estão distribuídos: AT = Xmax – Xmin EXEMPLO Os valores de uma pesquisa sobre a venda de quantidade de produtos em uma semana de uma loja foi 45, 49, 32, 51, 44, 42, 48. Qual a amplitude total da quantidade de produtos vendidos? AT = 51 – 32 = 19, isto é, as vendas durante a semana diferem na quantidade de 19 produtos. 55 ESTATíSTICA DESCRITIVA VARIÂNCIA E DESVIO PADRÃO Enquanto a amplitude total leva em consideração apenas os valores extremos dos dados coletados, podemos resolver essa limitação calculando a variância e o desvio padrão, que se apropriam de todos os valores coletados, tornando essas medidas mais estáveis e as mais utilizadas para as medidas de variação. Assim, podemos dizer que a variância e o desvio padrão são medidas de dispersão que mostram o quão distante cada valor desse conjunto está da média. O cálculo da variância para dados não agrupados pode ser definido pela soma de todas as diferenças em cada valor em relação à média elevado ao quadrado, dividido pela quantidade de valores menos 1: Se os dados são agrupados com ou sem intervalo de classe, definimos a variância como: Entretanto, quando calculamos a variância observamos que o resultado é dado em unidades quadráticas, o que dificulta a sua interpretação. Para resolvermos esse problema, extraímos 56 MÉTODOS QUANTITATIVOS a raiz quadrada da variância, obtendo assim, o desvio padrão para dados não agrupados e agrupados respectivamente: DESVIO PADRÃO PARA DADOS NÃO AGRUPADOS Os dados abaixo se referem a valor de depósitos feitos por uma empresa durante uma semana: (R$ 11200,00; R$ 14500,00; R$ 10820,00; R$ 13450,00; R$ 19200,00; R$ 15230,00) Na prática, seguimos os seguintes passos: • 1º passo: calcular a média dos dados: 11200 + 14500 + 10820 + 13450 + 19200 + 15130 14050 6 • 2º passo: calcular o desvio médio de cada um dos valores da variável: 11200 – 14050 = -2850 14500 – 14050 = 450 57 ESTATíSTICA DESCRITIVA 10820 – 14050 = -3230 13450 – 14050 = -600 19200 – 14050 = 5150 15130 – 14050 = 1080 • 3º passo: elevar cada desvio médio ao quadrado e somar esses valores: Desvio médio (xi - x ) 2 11200 - 14050 = -2850 8122500 14500 - 14050 = 450 205500 10820 – 14050 = -3230 10432900 13450 – 14050 = -600 360000 19200 – 14050 = 5150 26522500 15130 – 14050 = 1080 1166400 Soma 46809800 • 4º passo: dividimos essa soma do desvio médio ao quadrado por (n-1). Em nosso problema n = 6 então vamos dividir por 5: 46809800 = 93619605 58 MÉTODOS QUANTITATIVOS Esse valor encontrado é a variança, para termos o desvio padrão extraímos a raiz quadrada desse valor: = 3059,739361960 Obtemos, assim, o desvio padrão desta distribuição de dados não agrupados, ou seja a variação dos valores de cada conjunto em relação a média. DESVIO PADRÃO PARA DADOS AGRUPADOS COM OU SEM INTERVALO DE CLASSE A Figura 12 abaixo apresenta as notas em estatística de uma turma de economia: Figura 12 - Tabela para cálculo de desvio padrão para dados agrupados CLASSE NOTAS QUANTIDADE DE ALUNOS – Fi Xi . Fi Xi 2.Fi 1 3 4 12 36 2 4 6 24 96 3 5 9 45 225 4 6 12 72 432 5 7 6 42 294 6 8 4 32 256 59 ESTATíSTICA DESCRITIVA 7 9 1 9 81 Total 42 236 1420 Fonte: elaborado pelo autor Essa tabela contempla os valores que precisamos para substituir na fórmula de desvio padrão. Assim temos: 1420 42 236 42 Assim, temos: (33,8095)-(5,6190)2 (33,8095 - 31,5732) 2,2363 = 1,4954 Quando analisamos a variação dos dados de uma pesquisa dizemos que se um desvio padrão é grande, os valores amostrais estão bem distribuídos em torno da média. Em contrapartida, quando um desvio padrão é pequeno, dizemos que eles estão condensados próximos da média. Em poucas palavras, quanto menor o desvio padrão, mais homogênea é a amostra. COEFICIENTE DE VARIAÇÃO As medidas de dispersão vistas até agora são medidas absolutas e, portanto, avaliam a dispersão absoluta da série. 60 MÉTODOS QUANTITATIVOS Quando queremos verificar a variação relativa, utilizamos o coeficiente de variação que é uma medida de dispersão relativa definida como a razão entre o desvio padrão e a média: CV = . 100 A partir do coeficiente de variação pode-se avaliar a homogeneidade do conjunto de dados e para comparar conjuntos com unidades de medidas distintas. Um coeficiente de variação superior a 50% sugere alta dispersão, o que indica heterogeneidade dos dados. Quanto maior for este valor, menos representativa será a média. Neste caso, opta-se pela mediana ou moda, não existindo uma regra prática para a escolha de uma destas medidas. O pesquisador, com sua experiência, é que deverá decidir por uma ou outra. Por outro lado, quanto mais próximo de zero, mais homogêneo é o conjunto de dados e mais representativa será sua média. PRINCÍPIOS DE PROBABILIDADE Todos nós, de alguma forma, temos uma intuição sobre probabilidade. Sempre que tomamos alguma decisão, seja pela roupa que vamos usar para sair de casa, seja 61 ESTATíSTICA DESCRITIVA ao tomar uma decisão financeira dentro da empresa onde trabalhamos, estamos usando nossa intuição sobre probabilidade. De maneira formal, existe dentro da matemática uma maneira que permite calcular e interpretar esses valores chamada teoria da probabilidade. Existem duas definições possíveis de probabilidade. A probabilidade subjetiva, normalmente baseada em alguma experiência no passado, opinião pessoal ou análise de algum indivíduo. Esse tipo pode ser útil, quando não há possibilidade de utilização da probabilidade frequentista. A probabilidade frequentista se refere à frequência com a qual um fato ocorre em uma sequência de repetições. Quando se diz que a probabilidade de sair “cara” em uma moeda é 12 , significa que, se a moeda for lançada em uma quantidade de vezes muito grande, a “cara” será observada, em média, metade das vezes e a “coroa”a outra metade. Sempre que tomamos uma decisão, usamos a probabilidade de maneira intuitiva. 62 MÉTODOS QUANTITATIVOS Neste tópico vamos estudar a probabilidade frequentista, que pode ser calculada e não se baseia apenas em um julgamento pessoal e, para isso alguns conceitos são importantes como experimento aleatório, espaço amostral e eventos, bem como as relações entre estes conceitos e a medida chamada probabilidade. EXPERIMENTO ALEATÓRIO, ESPAÇO AMOSTRAL E EVENTOS: DEFINIÇÕES Um experimento é chamado de aleatório quando, mantidas as mesmas condições, os resultados apresentados são diferentes. Por exemplo, se jogamos um dado de seis faces o resultado poderá apresentar na face superior os números 1, 2, 3, 4, 5, ou 6 com probabilidades iguais, porém, o resultado do experimento não pode ser afirmado antes de se lançar o dado. Ao realizar uma longa sequência de lançamentos, vamos chegar a probabilidade de 1/6 como sendo a chance de ocorrência para cada valor. Por outro lado, um experimento que, mantidas as condições iniciais, apresenta sempre o mesmo resultado, (por exemplo, o ato de lançar um tijolo de cima de uma plataforma, sabemos que ele chegará ao chão ao ser lançado) é chamado de determinístico. 63 ESTATíSTICA DESCRITIVA Ao se realizar um experimento aleatório, como ele admite mais do que um resultado, classificamos todos os possíveis resultados de um experimento de espaço amostral. Esse conjunto é representado pela letra “S”. Por exemplo, no lançamento de uma moeda, o espaço amostral é dado por “cara” ou “coroa”. No lançamento de um dado, o espaço amostral é representado pelas faces enumeradas 1, 2, 3, 4, 5 e 6. Em um baralho de cartas, o espaço amostral envolve 52 cartas. Outro elemento importante no cálculo de probabilidade são os eventos que são um subconjunto do espaço amostral”. Todo resultado possível de um experimento aleatório é um evento, pois é um elemento (um subconjunto) do espaço amostral. Vamos representar o evento pela letra “A”. Por exemplo, quando lançamos um dado de seis faces o espaço amostral de experimento é: {1, 2, 3, 4, 5, 6} e podemos definir um evento como: “sair face menor que 3”, assim teríamos: A = {1, 2}, podemos também definir outro evento como: “sair um número par”, representamos por A = {2, 4, 6}. Note que A = {1, 2} e A = {2, 4, 6} são subconjuntos de S e, portanto, são eventos. 64 MÉTODOS QUANTITATIVOS MATERIAL COMPLEMENTAR Para se aprofundar sobre o tema, indicamos a leitura do capítulo 1, do livro Probabilidade e estatística, dos auto- res Murray R. Spiegel, John J. Schiller e R. Alu. Srinivasan. Disponível em: <https://bit.ly/3530GxP> Acesso em: 04 set. 2020. Até aqui foram apresentados os conceitos de probabilidade, de experimento aleatório, de eventos e de espaço amostral. Vimos que apesar de termos naturalmente alguma intuição a respeito do conceito de probabilidade, a formalização matemática deste conceito é necessária para permitir seu uso. A partir desses conceitos podemos definir uma medida para exprimir a possibilidade de ocorrência de um evento. Esta medida é um número chamado probabilidade. A definição clásica desse número é dado por: número de resultados favoráveis ao evento “A” número de resultado possíveis P(A) = Considerando o experimento aleatório de jogar dois dados com seis faces cada um e anotar o valor de cada face superior, qual a probabilidade da soma dessas duas faces ser igual a 4? 65 ESTATíSTICA DESCRITIVA A quantidade de elementos de todos os possíveis resultados de jogar dois dados é 36. O evento consiste em a soma ser 4 que resulta no seguinte conjunto de valores: {(1,3),(3,1),(2,2)}, num total de 3 possíveis resultados. Portanto, a P (soma de dois dados ser 4) = ou . A partir deste conceito é possível o cálculo das chances de acontecimentos de cada evento estudado. Agora veremos que o evento não precisa ter um elemento único (um resultado do experimento aleatório); pode ser um conjunto de resultados que representa uniões ou intersecções de outros eventos, o que permite representar eventos mais complexos. Para isso, serão apresentados os conceitos de intersecção de eventos e união de eventos. OPERAÇÕES COM EVENTOS Quando realizamos um experimento aleatório, selecionamos os eventos de A intersecção de eventos é a operação que seleciona aqueles elementos que estão simultaneamente em todos os eventos relacionados. Fonte: Shutterstock (https://shutr.bz/32WHWNH) 66 MÉTODOS QUANTITATIVOS um conjunto chamado espaço amostral e esta seleção ocorre de acordo com as probabilidades associadas aos eventos. No entanto, muitas vezes há o interesse no cálculo de probabilidade da união ou da intersecção de eventos. Questões como “qual a probabilidade de sair duas bolas brancas de uma urna com bolas pretas e brancas?” ou “qual a probabilidade de uma determinada ação da Bolsa de Valores subir em dois dias consecutivos?” são respondidas por meio de operações de união e intersecção de eventos. INTERSECÇÃO DE EVENTOS Assim como na Teoria dos Conjuntos, a intersecção de eventos é a operação que seleciona os elementos que estão simultaneamente em todos os eventos relacionados. Trata-se de uma operação de “multiplicação” dos eventos. Na prática podemos dizer que a intersecção é a operação que liga dois eventos pela conjunção ”E”, pois a intersecção de dois INTERSECÇÃO Segundo o site Dicio, intersecção é a “ação ou efeito de cortar ao meio. [...] Ponto estabelecido em que se transpõem ou cruzam duas linhas, planos e/ou super- fícies. Operação através da qual se consegue um conjunto com- posto por elementos comuns a outros (dois) conjuntos”. Fonte: <https://bit.ly/2F8pv0c>. Acesso em: 04 set. 2020. 67 ESTATíSTICA DESCRITIVA eventos A e B seleciona todos os elementos que estão no evento A e no evento B simultaneamente. No lançamento de um dado de seis faces, o evento “sair um número maior que três” é representado pelo conjunto {4, 5, 6}, pois se sair alguma das faces “4”, “5” ou “6” considera- se o evento que ocorreu. O evento “sair um número par” é representado pelo conjunto {2, 4, 6}, pois se no lançamento do dado sair alguma das faces “2”, “4”, ou “6” considera-se a ocorrência do evento. A intersecção dos eventos é o conjunto dos elementos que estão, ou seja, no lançamento do dado deverá ocorrer “sair um número maior que três” e também “sair um número par”. Observe o conector “E” indicando que a intersecção representa uma relação na qual ocorre um evento “E” e outro evento simultaneamente. Em nosso exemplo, os eventos ocorrerão simultaneamente se ocorrerem as faces “4” ou “6”. Assim, a intersecção entre os eventos “sair um número maior que três” e “sair um número par no lançamento de um dado” é representado pelo conjunto {4, 6}. A probabilidade de um evento é calculada como o número de elementos de um evento (um conjunto) dividido pelo número de elementos no espaço amostral (conjunto de todas as possibilidades). No exemplo acima, o evento “sair um número maior que três e par no lançamento de um dado” é o conjunto {4, 68 MÉTODOS QUANTITATIVOS 6} que possui 2 elementos (a face “4” e a face “6”) e o conjunto de todas as possibilidades de resultados do lançamento de um dado é {1, 2, 3, 4, 5, 6} que possui 6 elementos. A probabilidade de “sair um número maior que três e par no lançamento de um dado” é igual a 26 , ou seja, 1 3 . Se o dado for lançado um número grande de vezes, em média, 1 a cada 3 vezes ocorrerá o evento. O cálculo da probabilidade da intersecção de eventos é feito, assim, pela chamada regra da multiplicação. A operação de intersecção entre dois eventos nomeados “A” e “B” pode ser representada como A ∩ B ou A ˄ B ou ainda por A.B. A segunda representação nos remete à operação lógica “E” e a última representação nos remete à multiplicação entre os eventos. De fato, a intersecção pode ser interpretada de ambas as formas. A intersecção entre
Compartilhar