Post on 07-Apr-2016
Prof. Josenildo dos Santos
MÉTODOS QUANTITATIVOS
APLICADOS ÀS CIÊNCIAS
CONTÁBEIS
CONTABILIDADE ESTRATÉGICA
2º MÓDULO
Prof. Josenildo dos Santos
POPULAÇÃO:
Conjunto de todos os indivíduos que
possuem uma característica de interesse.
AMOSTRA:
Subconjunto de uma População extraído ao
acaso.
Prof. Josenildo dos Santos
ATENÇÃO:
Quem estabelece uma População
é a característica de interesse.
Prof. Josenildo dos Santos
VARIÁVEL:
É a característica de interesse de uma População podendo ser Qualitativa ou
Quantitativa.
Prof. Josenildo dos Santos
VARIÁVEL QUALITATIVA Quando seu atributo é classificável.
Exemplo: Sexo: Masculino ou Feminino, Nacionalidade, etc.
Prof. Josenildo dos Santos
VARIÁVEL QUANTITATIVA
Quando é mensurável, isto é, uma variável é Quantitativa, quando a característica de interesse for expressa em forma numérica, quer por contagem ou não.
Prof. Josenildo dos Santos
Qualitativa
Escala Nominal
Escala Ordinal
Categórica
QuantitativaNuméric
a
Escala de Intervalo
Escala de Proporcionalidade
Discreta Contínua
QUADRO GERAL DAS VARIÁVEIS
Tipo de
Variável
Prof. Josenildo dos Santos
VARIÁVEL CATEGORIZADA
A variável aleatória categorizada produz resposta categorizada.
Prof. Josenildo dos Santos
EXEMPLOS PRÁTICOS DE VARIÁVEIS
Variáveis Categorizadas
Na sua família existem diabéticos?
SIM
NÃO
Você possui catarata?
A resposta da pergunta acima é categorizada
Os humanos subdividem quanto ao sexo em:
MASCULINO FEMININO
Prof. Josenildo dos Santos
Em resumo,
VARIÁVEL QUALITATIVA (categorizada)
quando o atributo é classificável. Exemplo: Sexo, Nacionalidade ...
VARIÁVEL QUANTITATIVA produz resposta numérica
Prof. Josenildo dos Santos
VARIÁVEIS NUMÉRICAS
DISCRETA Quantos pacientes o HC atende por dia ? ... Número
Qual a altura de cada paciente do HC ? ... metrosCONTÍNUA
Prof. Josenildo dos Santos
EXERCÍCIO:
A variável numérica: Quantidade de pequenas empresas da Região Metropolitana do Recife é discreta ou contínua? Porquê?
Prof. Josenildo dos Santos
QUADRO GERAL DO TRABALHO CIENTÍFICO
FONTE DE DADOS
Utilizar dados já publicados
Projetar uma Experiência
Considerações éticas
Realizar uma Pesquisa
ProbabilísticaNão
Probabilística
Tipo de amostra
Prof. Josenildo dos Santos
Para avaliar uma série de observações (uma amostra de dados) existem, com basena estatística descritiva, duas medidas detendência central:as de posição e as dedispersão.
Medidas de Tendência Central
Prof. Josenildo dos Santos
1. Medidas de Posição
São os valores pontuais ou centrais em torno dos quais se acumulam os dados observados.
Exemplos: mediana, moda e média aritmética percentis e quartis
Prof. Josenildo dos Santos
2. Medidas de dispersãoEm grau numérico, evidenciam o quanto os
dados se distanciam de um valor médio.
Prof. Josenildo dos Santos
Medidas de posição
1.Mediana
Mediana – é uma medida de tendência central, denotada por Md , e igual ao valor da série ordenada que está numa posição eqüidistante dos extremos dos elementos da série.
Prof. Josenildo dos Santos
Assim, podemos concluir:Numa série de n observações ordenadas de forma crescente, a mediana é o valor daobservação, em duas metades iguais, numadelas com valores inferiores ao valor damediana e a outra com valores superiores. Portanto, para calcular a mediana podemos seguir as etapas:
Prof. Josenildo dos Santos
Se a série de dados tiver um numero ímpar de observações, então o valor da mediana é opróprio elemento que está no meio da série, oelemento de ordem igual a (n+1)/2.
a1 a2 a3 a4 a5
Mediana ordem= (5+1)/2=3
1. Situação Ímpar
Prof. Josenildo dos Santos
Se a série de dados tiver um numero par de observações não existirá um valor no centroda série, portanto, para calcular o valor da mediana devemos dividir por dois a soma dosvalores das observações com ordem n/2 e n/2 +1.
Md
a1 a2 a3 a4
2. Situação Par
Prof. Josenildo dos Santos
Alem disso, podemos observar as principais vantagens e desvantagens da mediana
Vantagens: 1. Fácil de determinar;2. Não é afetada pelos valores extremos;3. Parece ser uma medida correta, pois
divide a série em duas partes iguais a 50%.
Desvantagens:1. Difícil de incluir em equações
matemáticas;2. Não usa todos os dados disponíveis
Prof. Josenildo dos Santos
- ordenar a série de dados acima em ordem crescente e obtenha o máxima e mínimo.- Obter média, moda e media aritmética
2. Moda
Moda – é uma medida de tendência central, é igual ao valor da série que mais se repete, isto é, que tem maior freqüência. Podemos, assim, concluir que:
1.a moda é também uma medida resistente, pois está relacionada apenas com a freqüência de um ou mais elementos da série de observações. Por exemplo, a mudança de valor de um elemento da série pode não afetar o valor da moda.2.comparando à mediana, a moda não tem que representar mais da metade das observações, apenas representa a observação, ou classe, que tem maior freqüência.
Prof. Josenildo dos Santos
Além disso, podemos resumir as principais vantagens e desvantagens da moda: Vantagens:
1.Fácil de calcular;2.não é afetada pelos valores extremos.
Desvantagens:
1.pode estar afastada do centro das observações;2.difícil de incluir em equações matemáticas;3.a distribuição pode ter mais de uma moda;4.não usa todos os dados disponíveis.
Prof. Josenildo dos Santos
3. Média Aritmética Seja X a seqüência de observações, representa uma populacao ou uma amostra.
X = (x1, x2,..., xn) onde x1 é o primeiro dado da série, xn é o último dado da seqüência e xi é um elemento qualquer da mesma seqüência.Define-se a) média da população x é o resultado de divisão da soma de todos os elementos da seqüência pelo número de elementos x = (x1+x2...+ xn) /n b) média da amostra, suponhamos que nessa amostra temos m<n, assim _ X = (x1+x2...+ xm) /m
Exemplos: calcular a média do exemplo da hemoglobina.
Prof. Josenildo dos Santos
10,2 12,0 13,7 12,9 10,4 11,1 14,9
13,3 13,4 12,9 12,1 12,1 10,9 9,4
10,6 11,9 10,5 11,4 13,7 12,5 11,8
12,1 11,2 12,9 15,1 11,4 10,7 12,7
9,3 14,6 13,5 11,1 14,6 13,5 10,9
8,8 11,5 10,2 12,0 11,6 11,0 12,5
11,3 13,5 14,7 10,8 10,8 11,7 13,3
13,0 14,1 11,6 10,3 13,1 13,6 9,7
12,9 10,6 13,4 11,4 12,3 11,9 11,0
10,9 11,7 13,1 10,9 11,8 10,4 12,2
Exemplos: amostra de hemoglobina obtida de 70 mulheres
ordenar a série de dados acima em ordem crescente e obtenha o máxima e mínimo.- Obter média, moda e media aritmética
Prof. Josenildo dos Santos
Assim, temos as seguintes conclusões:
1.a medida de posição mais usada é a média aritmética de uma seqüência de observações2.o valor da média pode ser interpretado de forma geométrica, isto é, pode-se ver que o valor da média aritmética está posicionado entre os dados de forma equilibrada, isto é, todos os dados se distribuem ao redor da média.3.a soma dos desvios das observações de uma seqüência é sempre igual a zero.4.a soma dos quadrados dos desvios das observações de uma seqüência é sempre um valor mínimo.
Prof. Josenildo dos Santos
MÉTODOS QUANTITATIVOS
Prof. Josenildo dos Santos
Lembre-se:
Os métodos que podem medir os fenômenos devido ao acaso são:
Probabilístico » Pelo método probabilístico apriori, podemos ter uma estimativa dos casos favoráveis à realização do fenômeno.
Estatístico » Pelo método estatístico ou a posteriori, sabemos com que freqüência, em relação a massa geral, acontecem os casos favoráveis ao aparecimento do fenômeno. do fenômeno.
Prof. Josenildo dos Santos
Assim definimos:
A probabilidade matemática apriori como sendo a relação entre os casos favoráveis de realização de um acontecimento sobre os casos igualmente possíveis.
Prof. Josenildo dos Santos
p = Número de casos favoráveis
Número de casos possíveis
p = Número de casos favoráveis
Nº de casos favoráveis + Nº de casos contrários
Prof. Josenildo dos Santos
Por outro lado, a probabilidade contrária é representada por q e definida por
q = Número de casos contrários Número de casos possíveis
Prof. Josenildo dos Santos
Conseqüentemente,
p+q = Nº de casos favoráveis + Nº de caos contrários Número de casos possíveis
p+q = 1
q = 1-p
Prof. Josenildo dos Santos
EXEMPLO 2 : Seja uma população formada por cinco bolas numeradas com os números 2, 4, 6, 8 e 10 que estão dentro de uma urna da qual retiramos amostras. Pode-se calcular o valor esperado das medidas amostrais X referentes as amostras de tamanho n=2 retiradas da população.Solução: ...Conclusão:
A população tem média µx = 6
O valor esperado das médias amostrais E [ X ] = 6
Em outras palavras o valor esperado das médias amostrais é o próprio valor da média da população.
Prof. Josenildo dos Santos
HISTOGRAMA DAS MÉDIAS AMOSTRAIS DE TAMANHO N = 2
3 4 5 6 7 8 9
Pro
babi
lidad
e
10%
20%
X
P
Prof. Josenildo dos Santos
Na prática temos:
A distribuição em questão pode ser aproximadamente normal.
Qualquer amostra real pode se desviar das características teóricas esperadas.
Prof. Josenildo dos Santos
DISTRIBUIÇÃO NORMAL
Prob.: X ~ N ( µ1 σ2)X tem distribuição normal ( N ) com média µ e variância σ2 .
Características da Distribuição Normal Em termos de forma, ela é simétrica e tem
o formato de um sino
Prof. Josenildo dos Santos
Suas medidas de tendência central (média aritmética, mediana, moda, média de intervalo e média das juntas) são todas idênticas (Exercício: Usar o livro texto e o SPSS).
Sua dispersão média é igual a 1,33 desvio padrão. Isto significa que o intervalo interquantil está contido dentro de um intervalo de dois terços de desvio padrão, abaixo da média aritmética e dois terços de um desvio padrão acima da média (exerc.)
Sua variável aleatória associada possui uma intervalo infinito ( - oo < X < oo )
Prof. Josenildo dos Santos
Na verdade, um fenômeno que possa ser aproximado por um modelo de distribuição normal, pode ter as seguintes características:
C1 - Seu polígono pode apenas aproximadamente ter formato de um sino e ter aparência simétrica.
Prof. Josenildo dos Santos
C2 - Suas medidas de tendência central pode divergir ligeiramente uma da outra.C3 - O valor de seu intervalo interquantil pode definir ligeiramente de 1,33 desvio padrão.
C4 - Se o intervalo prático não será infinito, não geralmente estará entre 3 (três) desvios padrões acima e abaixo da média aritmética ( isto é intervalo de amplitude ~ 6 desvios padrões)
Prof. Josenildo dos Santos
MODELANDO:
Modelo Funcional da Distribuição Normal.
Prof. Josenildo dos Santos
O modelo matemático da função de densidade da probabilidade para a distribuição normal é dado por:
f(x) = 1 σ 2π
ҽ-½ ( X-µ σ )
2
Onde:µ = (média da população) =
σ = (variância da população) =
σ = (desvio padrão) =
2
M N
i=1 Xi N
M N
i=1
N
( Xi - µ ) 2 M
N
i=1
N
( Xi - µ ) 2
Prof. Josenildo dos Santos
TABELA DE FREQÜÊNCIA DE CLASSESDefine-se como sendo o arranjo da massa de
dados em uma tabela de freqüência, na qual os dados são agrupados em classes de intervalo de comprimento constante. Para estabelecer o intervalo de comprimento das classes que irão representar os dados, pode-se utilizar a seguinte expressão:
m = 0,9 n
Onde: m - número de classes N - número de observações
Prof. Josenildo dos Santos
Segundo Sturges() existe, também a proposta m = 1 + log2 n , com o objetivo de estabelecer o número de classes. No entanto, faz-se necessário ressaltar que estas formulações (ver fig.II) não são rígidas, ou seja tenham que ser aplicadas. O critério para se estabelecer o comprimento das classes depende, em muito, do conhecimento do pesquisador sobre o assunto.
Prof. Josenildo dos Santos
0 50 100 150 200 250 300
m = 0,9 n
m
n
w
16 --14 --12 --10 -- 8 -- 6 -- 4 -- 2 --
Tamanho da amostra (n)
Núm
ero
de c
lass
es (m
)
-- -- -- -- -- --
Prof. Josenildo dos Santos
ASSIMETRIA E CURTOSE
Ao se representar uma série de observações (ou uma massa de dados) através dos pontos médios das classes, em função da freqüência, percebe-se que o gráfico pode ser simétrico, ou seja, possui a mesma forma à esquerda e à direita da moda ( fig. III), ou pode ser assimétrica (fig.IV).
Prof. Josenildo dos Santos
Moda = média = medianafre
qüên
cia
classes
3Md - MoMa=2
Fig. III
Fig III - distribuição de freqüência
Prof. Josenildo dos Santos
freqü
ência
classes
Fig. IV
moda
mediana média
modamediana média
Prof. Josenildo dos Santos
CÁLCULO DO COEFICIENTE DE ASSIMETRIA
Para determinar o coeficiente de assimetria CA utiliza-se a seguinte relação:
Então:
Se CA3 = 0 - a massa de dados tem representação simétrica
Se CA3 < 0 - indica uma assimetria negativa
Se CA3 > 0 - indica uma assimetria positiva
(Xi - X)3
n S3
w
i=1
n
CA3 =
(Xi - X)2
n -1
w
i=1
n
S =
, onde
O desvio padrão da amostra
Prof. Josenildo dos Santos
CÁLCULO DO COEFICIENTE DE CURTOSE
Denomina-se de curtose, o grau de achatamento da curva em torno do eixo máximo (moda). Esta característica é exclusiva para a distribuição simétrica. O coeficiente de curtose CC4 é calculado pela seguinte relação:
Então : Se CC4 = 3 temos uma mesocurtose Se CC4 > 3 temos uma leptocurtose Se CC4 < 4 temos uma platicurtose
(Xi - X)4
n S4
w
i=1
n
CC4 =
(Xi - X)2
n -1i=1
n
S =
, onde
O desvio padrão da amostra
w
Prof. Josenildo dos Santos
De fato, existem vários níveis de achatamento da curtose, no entanto iremos considerar neste trabalho apenas os três citados acima.
freqü
ência
classes
leptocurtose
mesocurtose
platicurtose
Prof. Josenildo dos Santos
TABELA DE FREQÜÊNCIA
A apresentação de uma série de observações (dados) em uma tabela de freqüência, é o arranjo que se dá ao organizá-los em colunas. Na primeira coluna, normalmente, colocam-se os dados em ordem crescente e sem repetí-los. Nas outras colunas, adicionam-se a freqüência observada (fo) e ou relativa
com a probabilidade observada (po).
Prof. Josenildo dos Santos
A freqüência observada (fo) é o número de vezes que cada elemento se repete, enquanto que a freqüência relativa (fr) - ou probabilidade observada- é a relação
percentual da "fo" pelo total de dados (no caso da probabilidade observada é razão entre a freqüência observada e o número total de dados). Por vezes faz-se necessário apresentar a probabilidade esperada (pe), a
diferença po - pe, Z-Teste ou X2-Teste ou outros testes.