UNIVERSIDADE FEDERAL DA BAHIA

ESCOLA POLITCNICA
DEPARTAMENTO DE CINCIA E TECNOLOGIA DOS MATERIAIS

ESTATISTICA APLICADA AOS DADOS DO PREO DO COBRE

SALVADOR
2016

JSSICA MORGANA RIBEIRO SANTANA

ESTATISTICA APLICADA AOS DADOS DO PREO DO COBRE

Trabalho individual realizado pela discente Jssica

Morgana Ribeiro Santana, graduanda do 9
semestre do curso de engenharia de minas, como
instrumento de avaliao na disciplina ENG256
Mtodos de administrao de minas.
Prof: Jos Barbosa Filho.

SALVADOR
2016

SUMRIO
1 INTRODUO...........................................................................................................6
2 OBJETIVO.................................................................................................................6
3 METODOLOGIA........................................................................................................6
4 EVOLUO DO PREO DO COBRE......................................................................9
4.1 TABELA DE FREQUNCIA..................................................................................10
4.1.1 Mdia..................................................................................................................11
4.1.2 Varincia Amostral...........................................................................................11
4.1.3 Desvio-Padro Amostral..................................................................................11
4.1.4 Representatividade da Amostra e C v.............................................................12
4.1.5 Grfico de Frequncia Acumulada.................................................................13
4.1.6 Histograma........................................................................................................14
4.1.7 Assimetria.........................................................................................................15
4.1.8 Curtose..............................................................................................................16
4.2 NORMALIDADE....................................................................................................18
4.2.1 Mdia.................................................................................................................18
4.2.2 Varincia Amostral...........................................................................................19
4.2.3 Desvio-Padro Amostral..................................................................................19
4.2.4 Coeficiente de Variao...................................................................................20
5 CONCLUSES........................................................................................................21
6 REFERNCIAS........................................................................................................21

RESUMO

Nas suas mais diversas fases, a minerao utiliza do levantamento de dados e,

consequentemente, da analise desses dados. A fase de explorao bastante
caracterizada pela aplicao de mtodos estatsticos para aferio de valores de
teores, dimenses de jazida, entre outros. Dessa forma, podemos afirmar
categoricamente que a estatstica e seus diversos mtodos so de suma importncia
nos empreendimentos mineiros, sendo seu uso, quando aplicado adequadamente,
uma chave para determinar quando um empreendimento pode ser classificado como
vivel ou no.
Neste contexto, este trabalho surge como uma ferramenta importante para
constatao da eficcia do uso de mtodos estatsticos para determinao de
resultados atravs de dados levantados, atravs de um exemplo real com dados de
valores dos preos da libra do cobre desde 1908 1997. Para tal analise de dados,
foram aplicados mtodos para consideraes distintas, sendo, primeiramente,
considerado normalidade para o calculo dos parmetros exigidos e posteriormente
utilizada a tabela de frequncia.

Palavras-chave: Estatstica. Tabela de Frequncia. Normalidade.

ABSTRACT

In its various phases, mining uses data collection and consequently the analysis
of such data. The exploration phase is very much characterized by the application of
statistical methods, and such, to measure and or determine the levels of grades, the
field dimensions, among others. Thus, we can categorically state that statistics and
its various methods are of paramount importance in the mining industry, and its use,
when properly applied, are a key to determine whether a project can be classified as
feasible or not.
In this context, this work emerges as an important tool for finding the
effectiveness of the use of statistical methods for determination of results through
data collected in the field through a real example with data of the price of the pound
of copper through the years of 1908 and 1997. To analyze this data, methods have
been applied to different considerations, being first considered normal for calculating
the required parameters, and subsequently used the frequency table.
Key words: Statistics. Data. Sampling. Parameters.

1 INTRODUO

A capacidade de transmitir informaes de forma autoexplicativa e simples

essencial a qualquer um que trabalhe com equipes que necessitam de tomar
decises de forma rpida. Neste sentido a utilizao dos preceitos da semiologia
grfica a forma mais fcil de atingir tal objetivo. O uso de grficos construdos com
base nestes preceitos facilita o planejamento e controle de aes, pois possibilita o
correto entendimento dos dados representados.

2 OBJETIVO

Este trabalho, tem por objetivo, calcular ora assumindo normalidade, ora
pela tabela de frequncia parmetros quantitativos referentes ao preo da libra do
cobre nos anos de 1908 a 1997. Dentre esses parmetros esto a mdia aritmtica,
a varincia amostral, o desvio-padro amostral, a representatividade da amostra,
tabela de frequncia, o grfico de frequncia acumulada, o histograma, a assimetria
e a curtose da curva. Alm disso, o presente estudo serve como instrumento de
avaliao para a disciplina ENG 256 Mtodos de administrao de minas.

3 METODOLOGIA

Este trabalho ter como principal foco, a construo de um grfico

respeitabdo as regras da semiologia, que consiste no estudo dos sinais e em como
estes podem gerar comunicao de forma rpida, fcil e abrangente.
A primeira vez em que se falou de semiologia foi em 1967, quando Jacques
Bertin, cartgrafo e terico francs publicou o livro Semiologia Grfica, trabalho
monumental baseado em experincias pessoais como cartgrafo que representa a
primeira e mais abrangente tentativa de oferecer uma fundamentao terica para a
visualizao de informao, levando profissionais e tericos do Design de

Informao e Infografia a consider-lo um dos pioneiros mais importantes nessa

rea. Atravs da anlise sistemtica de muitas representaes e imagens Jacques
Bertin pde definir as variveis visuais e definir as primeiras regras de construo da
imagem grfica.
Segundo Bertin:
a representao grfica constitui um dos sistemas de signos bsicos
concebidos pela mente humana para armazenar, entender e comunicar
informaes essenciais. Como uma linguagem para o olho, a representao
grfica beneficia por suas caractersticas ubquas de percepo visual. Como
um sistema monossmico, ela forma a poro racional do mundo da imagem.

Alm do uso de semiologia, ser necessrio utilizar tabela de frequncia para

encontrar os valores mdios de preo da libra do cobre entre os anos de 1908 e
1997.
Sabe-se que a mdia de uma populao :

(1)
Onde:
(x) - mdia da populao;
f(x) - lei de distribuio real da amostra;
xi - indivduo i;
pi - probabilidade de ocorrncia do indivduo i.
Como encontrar a probabilidade de ocorrncia de cada indivduo uma tarefa
de extrema dificuldade, divide-se a amostra em classes e substitui-se a
probabilidade de ocorrncia pela frequncia relativa de cada classe. Essa
substituio possvel, pois a frequncia relativa um bom estimador da
probabilidade de ocorrncia. Assim a equao (1) pode ser reescrita como:

(2)
Onde:
- o nmero de classes;
fri - frequencia relativa;
xi - valor mdio da classe.
A frequncia relativa da classe pode ser encontrada atravs da relao entre
o nmero de indivduos na classe e a quantidade total de indivduos:

(3)
Onde:
Oi - nmero de indivduos na classe;
n - quantidade total de indivduos.
O clculo do nmero de classes pode ser feito atravs da frmula de Sturges
modificada por Jos Barbosa Filho:
(4)
Onde:
C - 1 para n de 1 a 100, 2 para n de 101 a 200, 3 para n de 201 a 300...
Sabendo o nmero de classes pode-se calcular o intervalo V i de cada classe:

(5)
Onde:
L o maior valor entre os indivduos da amostra;

l o menor valor entre os indivduos da amostra.

4 EVOLUO DO PREO DO COBRE

A Tabela 1 contm os dados referentes aos 90 pontos amostrados de preo

por libra de cobre relativos aos anos de 1908 a 1997.
Tabela 1 - Evoluo do preo do cobre nos anos de 1908 1997
Ano

Preo (cUS$/lb)

Ano

Preo (cUS$/lb)

Ano

Preo (cUS$/lb)

1908

13,80

1938

10,00

1968

56,30

1909

13,50

1939

9,60

1969

67,40

1910

13,30

1940

10,60

1970

64,00

1911

13,00

1941

11,20

1971

49,20

1912

16,90

1942

11,20

1972

48,50

1913

16,00

1943

11,20

1973

80,80

1914

14,20

1944

11,20

1974

93,10

1915

17,80

1945

11,20

1975

56,10

1916

29,40

1946

13,90

1976

63,90

1917

29,00

1947

23,50

1977

59,30

1918

27,30

1948

24,10

1978

61,90

1919

19,90

1949

21,90

1979

90,00

1920

18,10

1950

22,40

1980

99,50

1921

12,90

1951

27,50

1981

79,20

1922

13,70

1952

32,30

1982

67,20

1923

14,80

1953

31,60

1983

72,20

1924

13,50

1954

31,20

1984

62,60

1925

14,50

1955

43,80

1985

64,10

1926

14,30

1956

41,00

1986

62,30

1927

13,50

1957

27,40

1987

80,80

1928

15,10

1958

24,80

1988

118,20

1929

18,50

1959

29,80

1989

129,70

1930

13,50

1960

31,40

1990

121,10

1931

8,90

1961

29,20

1991

106,00

1932

5,70

1962

29,80

1992

102,80

1933

6,90

1963

29,80

1993

86,80

1934

7,50

1964

44,70

1994

104,60

1935

7,80

1965

59,70

1995

133,20

1936

9,50

1966

70,20

1996

104,10

10

1937

13,30

1967

52,10

1997

103,40

Fonte: Adaptado de Tulcanaza (2015).

4.1 TABELA DE FREQUNCIA

Neste trabalho, assumir-se- a normalidade da amostra populacional e ser

utilizada uma tabela de frequncia para auxiliar a confeco dos clculos.
Utilizando a frmula de Sturges, adaptada por Barbosa F, tem-se:
k =c +3,32. log n

Sendo k o nmero de intervalos e n o nmero de amostras.

No entanto, para um n< 100 e igual 90, tem-se que:
k =1+ 3,32. log n
O nmero de amostras no caso estudado de 90 amostras. Substituindo o
valor de n na frmula:
k =1+ 3,32. log 90

k 7,488
k =8 intervalos

O valor de cada intervalo, Vi, definido calculando-se a razo entre a diferena

entre o maior e o menor valor amostrado e o nmero de intervalos:
Vi=

Ll
k

Vi=

133,2 05,70
7,488

Vi 16,560

11

Construindo a tabela e usando um Vi igual a 16,60:

Tabela 2 Tabela de frequncia

CLASSE
5,70 - 22,70
22,71 - 39,70
39,71 - 56,70
56,71 - 73,70
73,71 - 90,70
90,71 - 107,70
107,71 - 124,70

Oi
38
16
8
12
5
7
2

xi
14,200
31,205
48,205
65,205
82,205
99,205
116,205

fri
0,422
0,178
0,089
0,133
0,056
0,078
0,022

xi.fri
5,9956
5,5476
4,2849
8,6940
4,5669
7,7159
2,5823

124,71 - 141,70

133,205

0,022

2,9601

90

42,3473

xi
201,6400
973,7520
2323,7220
4251,6920
6757,6620
9841,6320
13503,602
0
17743,572
0
55597,274
2

Oi.xi
539,6000
499,2800
385,6400
782,4600
411,0250
694,4350
232,4100

Oi.xi
7662,3200
15580,0324
18589,7762
51020,3043
33788,3101
68891,4242
27007,2041

266,4100

35487,1441

3811,2600

258026,515
3

4.1.1 Mdia

A mdia de uma amostra o valor mais representativo que pode caracterizla. Neste caso, corresponde a uma mdia ponderada dos valores mdios de cada
classe:
k

Me= xi . fri
i=1

(6)

Me=42,3473

4.1.2 Varincia Amostral

A varincia uma importante medida de disperso e mostra o quanto os

valores amostrais variam dentro de uma populao, tomando como base o valor da
mdia aritmtica.

12

Oi . x i2
=

258026,5153 3811,2600

90
90

i=1

Oi . xi
i=1

(7)

1073 , 6646

4.1.3 Desvio-Padro Amostral

Assim como a varincia, uma importante medida de disperso e corresponde

raiz quadrada da varincia.
S=

S=

Oi . x i2
i=1

(8)

( )
Oi . xi

i=1

S= 1073,6646
S 32,7 668

4.1.4 Representatividade da Amostra e C v

Uma amostra representativa se ela representar bem uma certa populao.

Em outras palavras, o contedo da amostra deve ser o mais similar possvel do
contedo da populao geral original. Para que uma amostra seja representativa, ela
deve ter um tamanho mnimo que possibilite isso. Tem-se, ento, como frmula para
o tamanho mnimo da amostra:

13

Na=

t .Cv
E

(9)

sendo t, o t de Student, que varia conforme o grau de confiana; Cv o coeficiente

de variao de para cada parmetro na existncia de mais de um parmetro, se
deve utilizar o Cv mais penalizante e E o erro amostral que, se nada for dito,
corresponder a 10%. Nesse caso, o grau de confiana a ser utilizado ser de 95%,
o que fornecer um t de Student de 1,96.
O clculo do Cv envolve o conhecimento sobre outros parmetros, como o
desvio padro e a mdia, sendo:
Cv=

Cv=

S
.100
Me

(10)

32,7668
.100
42,3473

Cv 77,38

Calculando ento o nmero mnimo de indivduos na amostra equao (9)

para que ela possa ser representativa da populao:

( t .Cv
E )

Na=

(11)

8
( 1,96.77,3
)
10

Na=

Na=2 30,02
Na 230 indivduos

Sendo 230 o nmero mnimo de indivduos necessrios na amostra para que

ela seja representativa, ento pode-se concluir que a amostra em questo, com 90
indivduos, no representativa.

14

4.1.5 Grfico de Frequncia Acumulada

Para a construo de um grfico de frequncia acumulada, necessrio

primeiramente que se crie uma tabela suporte com todas as frequncias por classe,
como se pode ver na Tabela 3 abaixo:
Tabela 3 Tabela suporte para construo da curva de frequncia acumulada
CLASSE

Oi

xi

fri

Fr1

5,70 - 22,70

38

14,200

0,422

0,422

22,71 - 39,70

16

31,205

0,178

0,600

39,71 - 56,70

48,205

0,089

0,689

56,71 - 73,70

12

65,205

0,133

0,822

73,71 - 90,70

82,205

0,056

0,878

90,71 - 107,70

99,205

0,078

0,956

107,71 - 124,70

116,205

0,022

0,978

124,71 - 141,70

133,205

0,022

1,000

A coluna das oito classes juntamente com a coluna das suas respectivas
frequncias acumuladas dar um grfico como o mostrado abaixo:

Grfico 1 Frequncia Acumulada

Frequncia Acumulada
100
80
60

Frequncia Acumulada (%)

40
20
0

Classes

15

4.1.6 Histograma

Grfico 2 Histograma

HISTOGRAMA
42.22

Frequncia (%)

17.78
13.33
8.89
7.78
5.56
2.222.22

Classes

4.1.7 Assimetria

A partir da observao do formato da curva de frequncia simples, possvel

definir a distribuio como simtrica ou assimtrica. Caso seja assimtrica, ela pode
ser positiva ou negativa. Para a construo dessa curva, ser necessria a criao
de uma tabela suporte que indique todas as frequncias simples ou absolutas
por intervalo/classe, como se pode observar na Tabela 4 mostrada abaixo:
Tabela 4 Frequncia simples
CLASSE
5,70 - 22,70
22,71 - 39,70
39,71 - 56,70
56,71 - 73,70
73,71 - 90,70

Oi
38
16
8
12
5

16

90,71 - 107,70
107,71 - 124,70
124,71 - 141,70

7
2
2

Grfico 3 Frequncia absoluta simples

Frequncia simples
40
35
30
25

Frequncia absoluta 20
15
10
5
0

Classes

De acordo com o Blog do Professor Alexandre:

Figura 1 Assimetria

Fonte: http://alexandreprofessor.blogspot.com.br/p/assimetria-e-curtose.html

17

Pelo formato da curva obtida com a frequncia simples dos teores e

comparando-a com a Figura 1, pode-se dizer que a distribuio assimtrica
positiva.

4.1.8 Curtose

A curtose corresponde ao grau de achatamento da curva de uma distribuio

qualquer. De acordo com o Blog do Professor Alexandre:
D-se o nome de curtose ao grau de achatamento da distribuio:
(a) Quando a distribuio apresenta uma curva de frequncia mais fechada
(mais aguda em sua parte superior), ela denominada Leptocrtica (Lepto
= Delgado, Alongado, Magro, etc.)
(b) A distribuio de referncia (Distribuio Normal) denominada
Mesocrtica (Meso = Meio, Central, etc.).
(c) Quando a distribuio apresenta uma curva de frequncia mais aberta
(mais achatada em sua parte superior), ela denominada Platicrtica (Plato
=

Chato,

Plano,

Largo,

etc.)

(http://alexandreprofessor.blogspot.com.br/p/assimetria-e-curtose.html).

A curva de uma distribuio normal apresenta um coeficiente de curtose C =

0,2631. Assim, podemos estabelecer comparaes entre os diversos tipos de curvas
e classific-las.

C = 0,263 curva mesocrtica;

C < 0,263 curva leptocrtica;

C > 0,263 curva platicrtica.

https://www.google.com.br/url?

sa=t&rct=j&q=&esrc=s&source=web&cd=4&cad=rja&uact=8&ved=0ahUKEwj5saDgk
-TKAhXHD5AKHUzMB0EQFgguMAM&url=http%3A%2F%2Fwww.siid.ucdb.br
%2Fdocentes%2Fdownloads.php%3FDir%3Darquivos%26File
%3D126087.doc&usg=AFQjCNHuy3aUD6QJWWnyYx058Ny0LZHXtQ&sig2=ThLBHt
zdsywZpSqJSkzqqw

18

O parmetro C calculado pela frmula dada abaixo:

C=

Q 3Q 1
2.( P 90P 10) (12)

Onde:
Q1 e Q3 - primeiro e o terceiro quartil;
P10 e P90 - percentil dez e noventa.
Tabela 4 Tabela suporte para clculo de curtose
CLASSE
5,70 - 22,70

Oi
38

22,71 - 39,70
39,71 - 56,70
56,71 - 73,70
73,71 - 90,70
90,71 - 107,70
107,71 - 124,70
124,71 - 141,70
CLASSE

16
8
12
5
7
2
2
Oi

P10 x9 = 10,60
Q1 x23 = 13,70

Q3 x68 = 63,90
P90 x81 = 99,50

Substituindo os valores na frmula (12):

C=

63,9013,70
2.(99,5010,60)

C=0 , 282
Pela regra da curtose, podemos dizer que a curva da distribuio dos valores
de teores de titnio platicrtica, ou seja, ela mais achatada do que a curva da
distribuio normal, visto que C > 0,263.

4.2 NORMALIDADE

A distribuio amostral do preo da libra do cobre pode apresentar

comportamento normal ou no. Para verificar isso, alguns testes comparativos dos

19

parmetros devem ser feitos. Sero feitos clculos dos parmetros mdia, varincia,
desvio-padro e coeficiente de variao assumindo normalidade e, posteriormente,
esses valores sero comparados aos valores j obtidos com os clculos atravs da
tabela de frequncia.

4.2.1 Mdia

Na normalidade, a frmula para o parmetros citado :

n

xi

( x )=x = i=1
n

(13)

Onde:
(x) a mdia da populao;
xx a mdia amostral;
xi o valor do indivduo i;
n o nmero de indivduos da amostra.
Substituindo os valores na frmula:
xx =

3762,70
42,1411
90

4.2.2 Varincia Amostral

Na normalidade, a frmula para o parmetro citado :

n

( xix )2

S 2= i=1

n1

(14)

20

Onde:
xx a mdia amostral;
xi o valor do indivduo i;
n o nmero de indivduos da amostra;
S a varincia.
Substituindo os valores na frmula:
2

S=

103788,30
1166,1607
89

4.2.3 Desvio-Padro Amostral

Na normalidade, a frmula para o parmetro citado :

S= S
Onde:
xx a mdia amostral;
xi o valor do indivduo i;
n o nmero de indivduos da amostra;
S a varincia.
Substituindo os valores na frmula:
S= 1166,1607 34,1491

4.2.4 Coeficiente de Variao

Na normalidade, a frmula para o parmetro citado :

(15)

21

S
Cv= .100
xx

(16)

Onde:
xx a mdia amostral;
S o desvio-padro;
Cv o coeficiente de variao.
Substituindo os valores na frmula:
Cv=

34,1491
. 100 88,15
42,1411

Construindo-se ento uma tabela comparativa de valores para os parmetros

calculados pela tabela de frequncia e os calculados assumindo normalidade:
Tabela 5 Tabela comparativa de parmetros: tabela de frequncia x normalidade
Tabela de frequncia

Normalidade

Mdia amostral

42,6593

42,1411

Varincia

1075,7479

1166,1607

Desvio-padro

32,7986

34,1491

Coeficiente de variao

76,88%

88,15%

Os valores dos parmetros acima esto muito prximos, de forma que

podemos assumir ento que a distribuio em questo adere lei da normalidade.
4.2.5 Assimetria

Se a distribuio normal, ela ser sempre simtrica.

4.2.6 Curtose

Para uma distribuio normal, C ser sempre igual a 0,263.

22

5 CONCLUSES
A partir da construo do presente relatrio, foi possvel constatar que a
correta anlise quantitativa de um grfico depende da qualidade dos dados
coletados e da escolha correta do tipo de grfico. Atravs da estatstica aplicada, os
dados fornecem informaes sobre as condies do empreendimento. Sendo assim,
com o clculo do coeficiente de variao, a determinao da homogeneidade
estatstica e clculo do tamanho mnimo da amostra foi possvel observar o
comportamento da evoluo do preo da libra do cobre. Uma boa representao
grfica imprescindvel para que no ocorram omisses de dados valiosos, que
venham a afetar o empreendimento, pois estes dados servem para informar sobre
as possveis condies de trabalho e de produo da minerao. Baseado na
anlise grfica, foi possvel concluir que um detalhamento grfico correto,
essencial para se identificar ocasies oportunas, ameaas, alm de gerar
informaes valiosas contribuindo nas decises empreendedoras. A semiologia
permite, portanto, resumir informaes obtidas no mercado, buscando sensibilizar
parceiros e investidores.

6 REFERNCIAS

BARBOSA F, J (2016.1) - Notas de aula da disciplina ENG-256 Mtodos de

Administrao de Minas, Salvador. UFBA/DCTM/EPUFBA.
BARBOSA FILHO, J. Representatividade da Amostragem nos Estudos de
Impactos Ambientais. In: III Simpsio sobre Barragens de Rejeitos e disposio de
Resduos REGEO95 Ed. UFOP/ABGE/ABMS, Vol II, Ouro Preto, 1995. il. p.:
665-679
UNIDADE V: MEDIDAS DE ASSIMETRIA E MEDIDAS DE CURTOSE. Disponvel
em: <https://www.google.com.br/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=4&cad=rja&uact=8&ved=0ahUKEwj5saDgk
-TKAhXHD5AKHUzMB0EQFgguMAM&url=http%3A%2F%2Fwww.siid.ucdb.br
%2Fdocentes%2Fdownloads.php%3FDir%3Darquivos%26File

23

%3D126087.doc&usg=AFQjCNHuy3aUD6QJWWnyYx058Ny0LZHXtQ&sig2=ThLBHt
zdsywZpSqJSkzqqw>. Acesso em: 24 de ago. 2016.
Assimetria
e
Curtose.
Disponvel
em:
<http://alexandreprofessor.blogspot.com.br/p/assimetria-e-curtose.html>. Acesso em:
24 de ago. 2016.
MACETE Assimetria de uma distribuio de frequncia. Disponvel em:
<http://admcomentada.com.br/artigos/macete-assidf/>. Acesso em: 24 de ago. 2016.
TULCANAZA, E Avaliao de empreendimentos e recursos minerais. Oficina
de Textos, 2015.