Beruflich Dokumente
Kultur Dokumente
Ementa
Amostragem; processos amostrais com e sem reposição; tipos e
tamanho da amostra; correlação; regressão linear simples e múltipla e
regressão não linear; processo de tomada de decisão; modelagem em
planilhas eletrônicas; otimização matemática usando Excel; análise de
sensibilidade; análise dos relatórios do Excel; modelos em rede de
programação linear programação linear: modelagem e análise.
Introdução
Método é o conjunto dos meios dispostos para alcançar um fim e especialmente para
chegar a um conhecimento científico ou comunicá-lo aos outros, ou seja, é a escolha de
procedimentos sistemáticos para a descrição e explicação de fenômenos: Delimitação de
um problema e seus objetivos específicos; realização e interpretação de observações, com
base nas relações encontradas, fundamentando-se nas teorias existentes.
Os métodos quantitativos podem auxiliar uma organização a controlar sua logística, seus
custos, a utilização de suas máquinas, a otimização de seus contratos, o rendimento de seus
investimentos, o máximo aproveitamento de seu parque industrial, dentre outras aplicações. .
Cabe aqui ressaltar que apesar de o paradigma quantitativo ser mais
tradicional e aparentar ter mais força entre os pesquisadores do meio
científico, a visão qualitativa vem ganhando mais força e mais adeptos na
área de Administração. Atualmente o que se percebe é uma tentativa de
serem utilizados os dois meios como um poderoso instrumento de pesquisa
e avaliação de desempenho.
Estatística Básica
Estatística é um conjunto de técnicas de análise de dados, cientificamente formuladas,
aplicáveis a quase todas as áreas do conhecimento que nos auxiliam no processo de
tomada de decisão. É a Ciência que estuda os processos de coleta, organização, análise e
interpretação de dados relevantes e referentes a uma área particular de investigação.
Desenvolver uma cultura estatística significa desenvolver a habilidade de planejar um
estudo, controlando todos os aspectos que possam causar variações na resposta de
interesse e, com base em metodologias científicas, analisar as informações coletadas para
subsidiar com mais segurança a difícil tarefa de tomada de decisão.
Conceitos Básicos
Usualmente, é impraticável observar toda uma população, seja pelo custo alto, seja
por dificuldades operacionais. Examina-se então uma amostra, de preferência
bastante representativa, para que os resultados obtidos possam ser generalizados
para toda a população. Toda conclusão tirada por amostragem, quando
generalizada para a população, apresenta um grau de incerteza. Ao conjunto de
técnicas e procedimentos que permitem dar ao pesquisador um grau de
confiabilidade nas afirmações que faz para a população, baseadas nos resultados
das amostras, dá-se o nome de Inferência Estatística.
População e Amostra:
Amostragem probabilística:
Por exemplo, em uma linha de produção, podemos, a cada dez itens produzidos, retirar um
para pertencer a uma amostra da produção diária. Para seleção do primeiro item, um
número entre 1 e 10 é sorteado aleatoriamente e os demais subsequentes são obtidos
sistematicamente. Por exemplo, as unidades sorteadas poderão ser 8, 18, 28, 38, 48, e
assim por diante, repetindo-se o procedimento até o N-ésimo item. Denomina-se k = N/n
como a razão de amostragem. No exemplo, portanto, k = 10.
- Amostragem Estratificada.
onde,
k=1+
k=1+3,3*2=7,6
Deve-se construir 7 ou 8 classes com intervalos dados por 𝐴
em que AT é
𝑘
a amplitude total dos dados.
N = 100
• Gráficos de linha
1 Outliers são elementos ou valores que distorcem a média da distribuição pois encontram-se distantes dos
demais valores da distribuição.
2 O outlier mínimo é 74 – (1,5 *110) = -91.
O outlier máximo é 184+(1,5*110) = 349
Isso significa que os valores inferiores a (-91) ou superiores a (349) são
considerados outliers ou valores discrepantes. O Box-plot nos apresenta a
localização (mediana), a dispersão (comprimento da caixa), a assimetria (pela
distância dos quartis à mediana) e os outliers (Chicago e Nova Iorque):
Observe que a barreira inferior de outliers é –91.
Entretanto, na representação gráfica, substituiremos
esse valor pelo mínimo observado (63). As
expressões
utilizadas para as barreiras de outliers são de certo
modo arbitrárias, mas a experiência dos autores
dessa técnica indicou que esta definição serve
perfeitamente para a identificação de valores que
requerem uma atenção especial.
Atividades
A tabela de dados brutos abaixo apresenta os pesos ( kg ) relativos de uma
turma de alunos:
Utilizando os dados complete a tabela de
distribuição de frequência abaixo:
• Utilizando o EXCEL:
A função estatística
FREQUÊNCIA calcula a
frequência de ocorrência de
valores em um intervalo de
valores e retorna uma matriz
vertical de números.
=FREQÜÊNCIA(C8:J14;D21:D30)
A função estatística FRQUÊNCIA
do EXCEL considera que o limite
=FREQÜÊNCIA($C$8:$J$14;D21) superior da classe é fechado.
Portanto, para operar com o
EXCEL e manter o limite
superior da classe como aberto
este deverá ser ligeiramente
inferior ao limite teórico.
De posse da tabela de distribuição de frequência completa, determine:
a) O limite superior da 2a. classe.
b) O limite inferior da 5a. classe.
c) A amplitude do intervalo da 3a. classe.
d) A amplitude total.
e) O ponto médio da 4a. classe.
f) A frequência da 1a. classe.
g) O número de alunos com peso abaixo de 68kg.
h) O número de alunos com peso igual ou acima de 73kg.
i) O número de alunos com peso maior ou igual a 58 e menor que 78.
j) A frequência percentual da última classe.
k) A percentagem de alunos com peso inferior a 58kg.
l) A percentagem de alunos com peso superior ou igual a 78kg.
Medida de Ordenamento
Em algumas situações o interesse está em conhecer a posição de um determinado
valor em relação ao grupo de valores. Por exemplo, qual a posição de um retorno
de 15% ao ano com relação às rentabilidades anuais das aplicações do mercado
financeiro?
• Percentil: Começamos por definir um procedimento único para calcular qualquer
conjunto de n valores de uma variável ordenada de forma crescente:
- O percentil do menor valor é definido com 0% e o percentil do maior valor com
100%.
- Qualquer outro valor da variável se situará entre 0% e 100% como pode ser visto
na figura.
A relação entre as ordens dos n
valores da variável é dado pela
relação:
Variável 15 18 19 24 27 31 32 38 39 42 43
Ordem 1 2 3 4 5 6 7 8 9 10 11
* 100%
Aplicando para cada ordem, construímos a tabela seguinte:
Variável 15 18 19 24 27 31 32 38 39 42 43
Percentil 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
• Quartil: Dividindo os valores ordenados da variável em quatro partes
iguais se obtém três quartis denominados primeiro, segundo e terceiro
quartil.
Variável 15 18 19 24 27 31 32 38 39 42 43
Percentil 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Q1 Q2 Q3
O primeiro quartil Q1 é um valor tal que 25% dos valores da variável são
menores e os restantes são maiores, ou o Q1 é o percentil 25%. O segundo
quartil Q2 é um valor tal que 50% dos valores da variável são menores e os
restantes 50% são maiores, ou Q2 é o percentil 50%. O terceiro quartil Q3 é
o percentil 75%.
Da expressão do percentil obtemos as expressões dos três quartis:
A expressão da ordem do valor da variável no primeiro quartil Q1 é
- Mediana
- Moda
- Média aritmética
- Mediana: A mediana (Md) é um valor localizado na posição central dos
valores ordenados da variável tal que 50% dos valores são menores do que
Md e os restantes 50% são maiores. Há dois casos a considerar:
2. A variável tem n par. Neste caso, não existe na distribuição um valor que
ocupe o seu centro, isto é, a mediana é indeterminada, pois qualquer valor
compreendido entre os valores que ocupam os postos e pode
ser considerado o centro da distribuição.
Exemplo: Admita-se que o número de demissões em certa empresa nos
meses de janeiro dos últimos 6 anos, ordenando, fosse: 24, 37, 41, 65, 68 e
Conquanto o seu resultado seja o mais simples possível, a moda nem sempre
existe e nem sempre é única. Quando numa distribuição existem poucos
valores da variável, muito frequentemente não há valores repetidos, com o
que nenhum deles satisfaz à condição de moda.
63, 67, 70, 69, 81, 57, 63, 73, 68, 71, 71, 71, 83,
= 31,67 Logo M = 31
Observação: o valor da moda, em se tratando de classes, é fortemente
afetado pela maneira como as classes são construídas.
• Média Aritmética ( )
Dada uma distribuição de frequências, chama-se de média aritmética desta
distribuição, e representa-se por , a soma de todos os valores da variável,
dividida pela frequência total (número total de observações).
De maneira geral,
• Medidas de Dispersão
Sejam duas localidades A e B com mesma renda média por habitante. Esse
simples fato de igualdade das duas médias não permite concluir que a
R = Xmax – Xmin
Por esta razão, a simples média aritmética dos desvios não pode ser usada
como medida de variabilidade. Calculando- se a média dos módulos dos
desvios ou apenas dos quadrados dos desvios, a medida de variabilidade
seria
= 1,2
= 147,44 anos
S=
= 12,44 anos
Considerações finais sobre o desvio-padrão:
X.
CV(B) = = 0,060 ou 6%
Função Estatística
Média
Moda
Mediana
Variância
Desvio
Padrão
Regressão Linear
A análise de regressão estuda a relação entre uma variável chamada
variável dependente e outras variáveis chamadas variáveis
independentes.
A relação entre elas é representada por um modelo matemático, que
associa a variável dependente com as variáveis independentes.
Este modelo é designado por modelo de regressão linear simples
(MRLS) se define uma relação linear entre a variável dependente e uma
variável independente.
Se em vez de uma, forem incorporadas várias variáveis independentes,
o modelo passa a denominar-se modelo de regressão linear múltipla.
Com a RLS podemos estudar a relação linear entre variáveis quantitativas
explicitando a dessa relação (regressão) e quantificando a força ou o grau de
relação (correlação)
Exemplos:
= -(
Em particular, o método dos mínimos quadrados requer que consideremos a
soma dos n desvios quadrados, denotado por Q:
−(
-2 −( ( ) ( )
Igualando as equações a zero, 0 e 0 , obtém-se os valores e
que minimizam Q:
onde e .
Propriedades da equação de regressão
Tabela: Vendas de Serviços Regressão Linear: Vendas de Serviços
Vendas Y
Empesa Cliente X X^2 Y^2 XY 14,00
($1000)
1 907 11,20 822649 125,44 10158,4
12,00 y = 0,0087x + 2,5084
2 926 11,05 857476 122,1025 10232,3
R² = 0,9203
3 506 6,84 256036 46,7856 3461,04
10,00
4 741 9,21 549081 84,8241 6824,61
5 789 9,42 622521 88,7364 7432,38 8,00
Vendas (Y)
6 889 10,08 790321 101,6064 8961,12
7 874 9,45 763876 89,3025 8259,3 6,00
r=
O coeficiente de correlação assume valores 1 r 1.
com SQReg igual a soma dos quadrados devida à regressão e STQ a soma
total dos quadrados.
Para o exemplo das vendas de serviços dado anteriormente,
= 0,913
• Teste de Hipótese
H0: HA:
Dependendo do problema, pode-se considerar testes com diferentes
hipóteses alternativas:
• Testes com hipótese bilateral
H0 : μ = 500g
HA : μ ≠ 500g
• Testes com hipótese unilateral
H0 : μ = 500g H0 : μ = 500g
HA : μ < 500g HA : μ > 500g
Seja Xm a taxa média de queima da amostra:
Z
Para n = 10
(
=P Z )+P(Z )
= P(Z < -1,90)+ P(Z >1,90) = 0,0287 + 0,0287 = 0,0574.
Para n = 16
=P ( Z )
= P( Z ) = 0,2643 – 0,000
= 0,2643
Desse modo, no caso em que n = 10, se estivermos testando H0:μ= 500
contra HA:μ= 520, se a verdadeira pesagem for μ= 520g, a
probabilidade de não rejeitarmos a falsa hipótese nula será 0,2643.
=P ( Z )
= P( Z ) = 0,8980 – 0,0057
= 0,8923
A probabilidade de erro tipo II também depende do tamanho da
amostra;
Os resultados discutidos até agora induzem ao quadro abaixo:
A probabilidade de erro tipo I é definida a partir dos valores críticos.
VMEj ,
onde
= o retorno que ocorre quando o rumo de ação j é selecionado e o
evento i ocorre
Pi = probabilidade de ocorrência do evento i
No problema da comercialização do produto, a fim de encontrar o valor
monetário esperado para cada ação, precisamos determinar a
probabilidade de que o produto tenha sucesso. Utilizando a avaliação
subjetiva do gerente, suponha que seja atribuída ao evento uma
probabilidade de 0,40 de que o produto tenha sucesso (de modo que
uma probabilidade de 0,60 seja atribuída ao evento complementar de
que o brinquedo não tenha sucesso).
Rumos de Ação Alternativos
-------------------- -------------------
VME (A1) = -$3.600 VME (A2) = -$3.000
onde
= a perda de oportunidade que ocorre quando o rumo de ação j é
selecionado e o evento i ocorre
Pi = probabilidade de ocorrência do evento i
Os cálculos das perdas de oportunidade esperadas para o problema da
comercialização do produto encontram-se resumidos na tabela abaixo,
-------------------- -------------------
POE (A1) = $19.800 POE (A2) = $19.200
A perda de oportunidade esperada é mais baixa para não
comercialização do produto ($19.200) do que para comercializar
($19.800). Essa perda de oportunidade esperada a partir da melhor
decisão tem um significado especial no contexto da tomada de decisão.
Ela é igual ao Valor Esperado da Informação Perfeita (VEIP). Esse valor é
igual a
VEIP = lucro esperado em condições de certeza – valor monetário esperado da melhor alternativa.
Carteira A:
Relação entre retorno e risco =
Carteira B:
Relação entre retorno e risco =