Professional Documents
Culture Documents
E PESQUISA
IMOBILIRIA
GRADUAO
Unicesumar
Reitor
Wilson de Matos Silva
Vice-Reitor
Wilson de Matos Silva Filho
Pr-Reitor de Administrao
Wilson de Matos Silva Filho
Pr-Reitor de EAD
Willian Victor Kendrick de Matos Silva
Presidente da Mantenedora
Cludio Ferdinandi
ISBN 978-85-459-0200-3
CDD - 22 ed. 519
CIP - NBR 12899 - AACR/2
SEJA BEM-VINDO(A)!
Caro(a) estudante, com muito prazer que apresentamos a voc o livro que far parte
da disciplina de Estatstica. A Estatstica uma cincia que se dedica ao desenvolvimen-
to e ao uso de mtodos para coleta, resumo, organizao, apresentao e anlise de
dados. Temos inmeros exemplos do uso da estatstica para o desenvolvimento e para o
bem-estar da sociedade, como: a previso do tempo em uma regio, as tendncias em
determinada eleio, a posio dos bancos dos trens em certa linha e at o hbito de
lavar as mos aps usar o banheiro. Por essas ideias apresentadas, conclumos que sem
estatstica no h cincia.
O termo Estatstica usado, hoje, com alguns significados diferentes. Ele pode se referir
a meros registros de eventos que interessem ao administrador em geral; a uma sim-
ples medida estatstica que seja obtida de uma amostra; a mtodos estatsticos padro-
nizados utilizados em pesquisa por amostragem ou Cincia Estatstica em geral, hoje,
grandemente desenvolvida e com aplicao disseminada como auxiliar para as mais
diferentes reas de conhecimento.
De forma simplificada, podemos admitir que a Cincia Estatstica tem como objetivo
obter informaes confiveis sobre determinado fenmeno de interesse.
A Estatstica est de forma muito presente na mdia, seja em jornais, revistas ou meios
de comunicao. Alm disso, uma vez que est diretamente envolvida com pesquisa,
a partir dela que as decises so tomadas. Podemos dizer que a Estatstica uma
ferramenta para qualquer pesquisador na busca pelas respostas aos vrios problemas
relacionados ao meio em que trabalha. Entretanto, para que ela seja bem utilizada,
necessrio conhecer seus fundamentos, seus princpios e suas ferramentas, para que
possamos utiliz-la de forma adequada. importante que o pesquisador desenvolva,
tambm, um esprito crtico e de anlise, para poder utilizar com preciso a estatstica
em suas tomadas de decises.
Este material foi separado em cinco unidades, a saber. Na unidade I, falaremos do his-
trico da estatstica, do mtodo cientfico, das fases do meio estatstico, alm da im-
portncia da pesquisa para o mercado imobilirio. E, para melhor compreenso, vamos
trabalhar com as variveis, definies de populao e amostra, as principais tcnicas de
amostragens.
Na unidade II, falaremos sobre o estudo de tabelas e de grficos, mais especificamente,
leitura e construo de tabelas, aplicao e utilizao de alguns tipos de grficos. Pode-
mos destacar que os grficos, em seus mais variados tipos, traduzem, de forma rpida,
os dados que se quer mostrar dentro de uma pesquisa. O intuito de todos os grficos
sempre o mesmo: traduzir dados em informaes que sejam visveis e traduzveis aos
olhos do pesquisador e do pblico de forma geral. A utilidade dos grficos e das tabelas
tambm mostra sua importncia, uma vez que a utilizao dessas ferramentas quase
uma rotina nos meios de comunicao, com o objetivo de mostrar os resultados das
pesquisas.
APRESENTAO
UNIDADE I
15 Introduo
16 Histrico da Estatstica
17 Mtodo Cientfico
24 Variveis
26 Populao e Amostra
28 Amostragem
41 Consideraes Finais
UNIDADE II
47 Introduo
48 Tabelas
50 Sries Estatsticas
52 Grficos
59 Distribuio de Frequncia
68 Consideraes Finais
SUMRIO
UNIDADE III
75 Introduo
85 Medidas de Disperso
93 Consideraes Finais
UNIDADE IV
101 Introduo
103 Probabilidades
UNIDADE V
141 Introduo
142 Correlao
165 REFERNCIAS
169 GABARITO
Professora Me. Renata C. de Souza Chatalov
I
CONCEITOS E IMPORTNCIA DA
UNIDADE
PESQUISA E DA ESTATSTICA
EM NEGCIOS IMOBILIRIOS
Objetivos de Aprendizagem
Entender o significado e a importncia da estatstica em situaes
cotidianas e para o gestor de negcios imobilirios.
Aprender as noes bsicas de como realizar uma pesquisa.
Entender os diferentes tipos de amostragens.
Aprender sobre as variveis estatsticas.
Aprender sobre populao e amostra.
Estudar os instrumentos para elaborao de uma pesquisa.
Plano de Estudo
A seguir, apresentam-se os tpicos que voc estudar nesta unidade:
Histrico da Estatstica
Mtodo Cientfico
Fases do Meio Estatstico
A importncia da Pesquisa para o Mercado Imobilirio
Variveis
Populao e Amostra
Amostragem
Definio do Nmero de Amostras
Uso da Estatstica como Instrumento para Elaborao de uma
Pesquisa
15
INTRODUO
Ol aluno(a), nesta primeira unidade, voc estudar alguns temas que so muito
importantes para a estatstica e que serviro de base para todo o desenvolvimento
que est proposto neste livro e na nossa disciplina.
Geralmente, as pessoas imaginam que a estatstica simplesmente uma
coleo de nmeros, ou que tem a ver apenas com censo demogrfico, com a
construo de tabelas ou de grficos. Podemos dizer que a Estatstica vai muito
alm disso e que, na verdade, ela muito frequente na nossa vida.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Introduo
I
HISTRICO DA ESTATSTICA
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
mento numrico.
Isso ocorreu porque Estados e governo, desde tempos remotos, precisaram
conhecer determinadas caractersticas da populao, efetuar a sua contagem e
saber a sua composio ou os seus rendimentos.
Na Idade Mdia, colhiam-se informaes, geralmente com finalidades tribu-
trias ou blicas. A partir do sculo XVI, comearam a surgir as primeiras anlises
sistemticas de fatos sociais, como batizados, casamentos, funerais, originando,
assim, as primeiras tbuas e tabelas e os primeiros nmeros relativos.
J no sculo XVIII, o estudo de tais fatos foi adquirindo, aos poucos, feio cien-
tfica. Godofredo Achenwall batizou a nova cincia (ou mtodo) com o nome de
Estatstica, determinando o seu objetivo e suas relaes com a cincia (CRESPO, 2009).
A partir da, as tabelas tornaram-se mais complexas, surgiram as represen-
taes grficas e o clculo das probabilidades e a Estatstica deixou de ser uma
simples catalogao de dados coletivos para se tornar o estudo de como chegar
a concluses sobre o todo (populao), partindo da observao de partes desse
todo (amostra) (GUEDES et al., 2008).
Tambm, podemos afirmar que quem est estudando a estatstica pela pri-
meira vez deve imagin-la associada somente a nmeros, tabelas e grficos, que
sero utilizados no momento de interpretar e apresentar os dados de uma pesquisa.
Nesse sentido, mostraremos que no bem assim, a estatstica pode estar pre-
sente nas diversas etapas de uma pesquisa, desde a sua concepo, planejamento
at a interpretao de resultados, podendo, ainda, influenciar na conduo do pro-
cesso da pesquisa. Para isso, temos os mtodos de pesquisa que vo nos orientar
a como pensar em uma pesquisa.
MTODO CIENTFICO
Segundo Crespo (2009), podemos dizer que mtodo um conjunto de meios dis-
postos convenientemente para se chagar a um fim que se deseja. Desse mtodo,
podemos ter dois tipos: o experimental e o estatstico.
O mtodo experimental pode ser definido como aquele que consiste em
manter constantes todas as causas (fatores), menos uma, e variar essa causa de
modo que o pesquisador possa descobrir os seus efeitos, caso existam.
J o mtodo estatstico pode ser definido como: diante da impossibilidade
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Novos conhecimentos,
Pesquisa Dados Informaes
novos problemas
Mtodo Cientfico
I
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
J a estatstica inferencial (GUEDES et al, 2008) est fundamentada na teoria das
probabilidades e se preocupa com a anlise desses dados e sua interpretao. Essa
estatstica objetiva inferir concluses sobre a populao, interpretando os dados
colhidos de uma amostra. Para isso, utiliza amplamente a Teoria das Probabilidades,
que fundamental para avaliar situaes que envolvam o acaso. A aplicao de mto-
dos probabilsticos nos permite quantificar a importncia do acaso.
Assim, resultados obtidos por amostragem so testados, utilizando-se
conhecimentos probabilsticos, a fim de se determinar at que ponto eles so
significativos, isto , no so obra do acaso.
COLETA DE DADOS
A coleta de dados pode ser feita da forma indireta ou direta. A coleta direta
dos dados feita sobre elementos informativos de registros obrigatrios, por
exemplo, registros de nascimento, registro de bito, de casamento, de importao,
de exportao, registro de alunos em um colgio, registro de censo demogrfico.
A coleta de dados tambm pode ser indireta, quando inferida de elementos
conhecidos (coleta direta) e/ou do conhecimento de outros fenmenos relacio-
nados com o fenmeno estudado.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
De acordo com Crespo (2009), aps obtermos os dados, eles devem ser cuida-
dosamente criticados, ou seja, verificar as possveis falhas, com o objetivo de no
cometermos erros grosseiros, que possam interferir nos resultados.
Os dados, aps apurados, devem ser apresentados sob uma forma adequada,
podendo ser tabelas ou grficos, que tem como principal objetivo tornar mais
fcil o exame daquilo que est sendo objeto de tratamento estatstico e, ainda,
tornar melhor a compreenso dos dados a serem apresentados.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Como j mencionamos anteriormente, o objetivo da estatstica tirar concluses
sobre o todo, a partir de informaes obtidas por parte representativa do todo.
Assim, realizadas as fases anteriores, fazemos uma anlise dos resultados obti-
dos. A seguir, segue o resumo das fases do meio estatstico (figura 02):
Coleta Direta
de dados Indireta
Listas/rol
Apresentao
Tabelas
dos dados
Grficos
Anlise e interpretao
dos dados
Podemos afirmar, com toda a certeza, que a estatstica est presente em todos
os ramos de atividade, os quais fornecem dados que podem permitir compa-
raes para se avaliar o comportamento daquilo que est sendo realizado. Por
exemplo: as pesquisas de opinio pblica, que aferem audincia de um deter-
minado programa; as pesquisas realizadas em poca de eleies, que refletem
os resultados nas urnas da preferncia dos eleitores em relao aos candidatos.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Quais so as respostas que estamos procurando? Quais so os meus obje-
tivos com a pesquisa?
c. definio da pesquisa em qualitativa ou quantitativa, ou quali-quan-
titativa: a pesquisa qualitativa procura trabalhar com informaes no
estatsticas, levantadas por opinies, observaes de uso, experincia e
hbitos, enquanto a pesquisa quantitativa busca trabalhar com dados
mensurveis e estatsticos.
d. aplicao de questionrios e tabulao de dados: aqui, podemos usar
tcnicas estatsticas para melhor tabulao de dados, com questionrios
fechados, aps tabulao, organizar os dados para apresentao em forma
de grfico ou tabelas.
e. analisar os dados: a estatstica pode nos auxiliar na tomada de decises,
aps a tabulao de dados, e nos levar a concluses sobre determinados
problemas.
f. avaliar o mercado: a estatstica pode nos ajudar a analisar como anda o
mercado imobilirio, por exemplo, nos indicando se o que est em alta
locao ou vendas, ou ainda a buscar clientes, a observar nossos con-
correntes tambm.
Alm disso, segundo Rochadelli et al. (2007), a estatstica uma cincia que
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
VARIVEIS
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
elemento da populao, sob as mesmas condies. Uma varivel observada em um
elemento da populao deve gerar um e apenas um resultado (CRESPO, 2009).
Por exemplo, cada fenmeno corresponde a um nmero de resultados poss-
veis: para o fenmeno sexo, os resultados podero ser sexo masculino e sexo
feminino; para o fenmeno nmero de filhos, h um nmero de resultados pos-
sveis, como 0, 1, 2, 3, 4,.....n.
Um exemplo da rea de administrao: considere uma populao formada pelos
funcionrios de determinada indstria. Podemos considerar variveis como: tempo
de servio, salrio, estado civil, idade, sexo, escolaridade, inteligncia, peso, estatura,
autoestima, grau de satisfao com o emprego, religiosidade etc. Como medir essas
caractersticas? Devemos fixar uma unidade de medida (kg, cm, anos completos
etc.) ou definir atributos (casado, solteiro, masculino, feminino, forte, fraco etc.)?
Para descrever o grupo ou a amostra, h a necessidade de identificar o tipo dessa
varivel para definir a melhor metodologia de trabalho. Sendo assim, as variveis
podem ser qualitativas ou quantitativas.
As variveis qualitativas (ou categricas) so definidas quando os seus valo-
res so expressos por atributos (qualidades), por exemplo: sexo (masculino ou
feminino), cor dos olhos (castanhos, pretos, verdes, azuis), cor dos cabelos (preto,
loiro, ruivo).
As variveis qualitativas tm uma subdiviso em: qualitativas nominais ou qua-
litativas ordinais.
As variveis qualitativas nominais: quando no existe ordenao dentre as
categorias, pode ser considerada uma caracterstica nica, por exemplo: sexo, cor
dos olhos, fumante/no fumante, doente/sadio, nome de pessoas.
Qualitativas Quantitativas
Variveis
I
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
POPULAO E AMOSTRA
A estatstica trabalha com dados, os quais podem ser obtidos por meio de uma
populao ou de uma amostra, definidas como:
Populao: conjunto de elementos que tem, pelo menos, uma caracte-
rstica em comum. Essa caracterstica deve delimitar corretamente quais
so os elementos da populao que podem ser animados ou inanimados.
Nas frmulas, representada pela letra N maisculo.
Amostra: subconjunto de elementos de uma populao. Esse subcon-
junto deve ter dimenso menor que o da populao e seus elementos
devem ser representativos da populao. Nas frmulas, representada
pela letra n minsculo.
Para melhor entendimento, temos a figura 04, que apresenta uma ilustrao
sobre a populao e a amostra:
Populao
Amostra
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Populao e Amostra
I
sempre vivel.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
A partir do estudo do conjunto de dados obtido na amostra, faz-se uma extra-
polao dos seus resultados para a populao toda. Essa extrapolao chamada
Inferncia. Um exemplo pode ser dado, so as pesquisas de opinio pblica sobre
a inteno de votos em um candidato.
A escolha das unidades que iro compor a amostra feita por um processo
denominado de Amostragem e esse pode ser feito de vrias maneiras, depen-
dendo do que se tem em mos, por exemplo, do tamanho da populao e do
conhecimento que se tem dela.
AMOSTRAGEM
Amostragem
I
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
no pas. um parmetro que precisa ser avaliado com grande preciso,
por isso, pesquisa-se toda a populao.
PLANOS DE AMOSTRAGEM
Para se ter uma amostra casual simples, precisa-se de uma listagem com todos os
elementos da populao de origem. Os elementos que faro parte da amostra devem
ser obtidos de forma totalmente aleatria, ou seja, por sorteio e sem restrio.
escrito cada elemento em um carto e sorteado, assim, os participantes da amostra.
Essa tcnica de sorteio se torna invivel quando a populao significativa-
mente grande. Nesse caso, necessrio o uso de tabelas de nmeros aleatrios
ou algoritmos que geram nmeros aleatoriamente.
AMOSTRAGEM SISTEMTICA
Amostragem
I
AMOSTRAGEM ESTRATIFICADA
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
teia-se igual nmero de elementos em cada estrato e a amostragem chamada
estratificada uniforme. Caso contrrio, sorteia-se, em cada estrato, um nmero
de elementos proporcional ao nmero de elementos do estrato, chamada amos-
tragem estratificada proporcional.
Por exemplo: um corretor possui 500 imveis disposio, h 420 venda
e 80 para locao. Extrair uma amostra representativa de 10% dessa populao:
o tipo de investimento ( venda ou locao) permite identificar 2 subconjuntos
nessa populao, que pode ser observada no quadro 01.
Ento, a amostra com 50 elementos deve conter 42 imveis venda e 8 para locao.
Quando falamos em amostras, pode nos surgir uma dvida: como pode uma
amostra to pequena representar a opinio de milhes de pessoas? possvel
com apenas 1.200 entrevistas prever, com preciso, o resultado das eleies para
governador de um estado? Por que eu nunca fui entrevistado? Tambm no
conheo ningum que tenha sido entrevistado.
Contrrio ao senso comum, o tamanho da amostra independe do tamanho da
populao pesquisada. Uma amostra de 2.000 entrevistas pode ser usada para repre-
sentar uma nao como um todo ou apenas um municpio, com a mesma preciso.
O universo de pessoas que necessitamos pesquisar para chegarmos a resul-
tados considerados confiveis pode ser determinado a partir das tcnicas de
amostragem e pelaTabela Determinante do Tamanho da Amostra(TDTA), que
oferece um nvel de confiana de 95%, com margens de erro que podem variar
de 5 a 10 pontos percentuais, para mais ou para menos (+/-), e com Split que
varia de: 50/50 a 80/20 (CHAMUSCA; CARVALHAL, 2005).
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
soas (30 mil habitantes), usaremos o Split 80/20. Isso porque, ao delimitarmos um
bairro nobre, pressupe-se que as pessoas que ali moram so da mesma classe social,
tm hbitos semelhantes, consomem produtos semelhantes, isto , uma popula-
o com um alto grau de homogeneidade (CHAMUSCA; CARVALHAL, 2005).
Para aprendermos a determinar o tamanho da amostra, seguem alguns ter-
mos para melhor entendermos esse processo, de acordo com o SEBRAE (2013):
a. O tamanho da populao: significa o universo a ser pesquisado; quanto
maior for a populao, maior ser o tamanho da amostra. Por isso, muito
importante definir bem o pblico-alvo.
b. Margem de erro ou erro amostral: identifica a variao dos resultados
de uma pesquisa. Um erro amostral de 5% indica que os percentuais de
respostas obtidas podem variar para mais 5% ou menos 5%. Esse percen-
tual depende muito do tipo de produto ou negcio; se o produto a ser
pesquisado no mercado for um medicamento para o combate de alguma
doena, com certeza, ser adotado o menor erro amostral possvel.
c. Distribuio da populao: quanto menos variada a populao, menor
a amostra necessria. Por exemplo, uma pesquisa realizada na cidade
inteira requer uma amostra maior, por tratar-se de pessoas de todos os
nveis sociais, do que uma pesquisa realizada em um bairro de alto padro.
d. Nvel de confiana: uma medida estatstica que indica a probabilidade
de repetio dos resultados obtidos, caso a mesma pesquisa seja reali-
zada novamente.
Para facilitar a sua pesquisa quantitativa, no quadro 02, voc pode utilizar, para
definir a sua amostra, segundo o universo a ser pesquisado:
O quadro a seguir indica trs nveis de erro amostral: 3%, 5% e 10%. Cada um
deles est subdivido em dois nveis de split diferentes. O split na tabela de amos-
tragem demonstra o nvel de variao das respostas na pesquisa, isto , o grau
de homogeneidade da populao. Uma populao mais homognea corres-
ponde a uma populao que possua caractersticas semelhantes, como mesmo
nvel de renda, idade, sexo etc. Assim, um split de 50/50 indica muita variao
entre as respostas dos entrevistados (populao mais heterognea). J um split
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
80/20 indica uma menor variao nas respostas (populao mais homognea)
(SEBRAE, 2013).
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Nvel de confiana: 95%
Concorrentes: Erro amostral
Split: 80/20 (populao mais homognea)
Amostra = 61 pessoas a serem entrevistadas.
Mas como o Sr. Cludio chegou a essa concluso? Vamos l.
Primeiro, ele descobriu a populao junto prefeitura, que foi igual a 10.000
pessoas, tambm verificou seu split, que, nesse caso, por ser um bairro, ele con-
siderou a populao mais homognea, ou seja, com perfil prximo, no que diz
respeito ao mesmo nvel de renda, idade, sexo, dentre outros. Aps isso, ele utilizou
a Tabela Determinante do Tamanho da Amostra, que ficou dessa forma (tabela 02):
Outros fatores fizeram o Sr. Cludio utilizar essa tabela, pois ele no tinha como
pesquisar um universo muito grande devido s restries de tempo e dinheiro
para se contratar um instituto de pesquisa ou profissionais do ramo. Elegeu, assim,
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
isso para que sua representatividade seja mais confivel e que essa pesquisa possa
o ajudar na sua tomada de deciso, o que o seu futuro aougue pode ter de dife-
rencial para esse bairro e que ele possa ter muitos clientes.
RELATRIO FINAL
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
da pesquisa, por isso, ele deve conter os dados levantados e apresentados por
meio de tabelas, grficos e anlises. Aps sua anlise e tomada de decises, ele
poder ser utilizado como fonte de consulta.
TOMADA DE DECISO
Aqui nessa etapa, vamos utilizar bem as tcnicas estatsticas, pois temos o resul-
tado de uma pesquisa, j com os dados tabulados. A partir dos resultados obtidos
com a realizao da pesquisa, voc pode tomar decises mais acertadas.
Essas decises podem envolver a abertura de um novo negcio, a incluso ou
excluso de produtos comercializados, definio do posicionamento da empresa
no mercado, utilizao de novas aes promocionais, anncios na mdia, den-
tre muitas outras.
Podemos observar que as tcnicas estatsticas podem ajudar na elaborao
de uma pesquisa, alm de nos orientar melhor a observarmos um cenrio de
mercado, isso pode ser utilizado pelo gestor de negcios imobilirios em uma
pesquisa de mercado, por exemplo, para a aceitao de um novo condomnio,
de um novo empreendimento, como um novo shopping, dentre outros.
Diante disso, podemos observar a importncia da pesquisa imobiliria,
vimos que a estatstica pode nos auxiliar para uma coleta de dados, para uma
amostragem, ferramentas que podem ajudar o gestor de negcios imobilirios
em uma tomada deciso.
CONSIDERAES FINAIS
Consideraes Finais
1. A Estatstica pode ser definida como uma parte da matemtica que se preocupa
em coletar, organizar, descrever, analisar e interpretar um conjunto de dados.
Diante disso, defina estatstica descritiva e estatstica inferencial.
2. Defina os termos a seguir:
Populao.
Amostra.
Censo.
Estimao.
Variveis.
3. Amostragem a utilizao de um processo para obteno de dados aplicveis a
um conjunto, denominado universo ou populao, por meio do exame de uma
parte desse conjunto, denominada amostra. Diante disso, explique os principais
tipos de amostras.
4. Para representar os dados, temos as tabelas e os grficos. Diante disso, comente
as vantagens de apresentar resultados de pesquisa por meio de tabelas e grfi-
cos.
5. Identifique a populao em estudo e o tipo de amostragem a ser utilizado em
cada alternativa:
a) Uma empresa tem 3.414 empregados repartidos nos seguintes departamentos:
Administrao (914), Transporte (348), Produo (1401) e Outros (751). Deseja-
-se extrair uma amostra entre os empregados para verificar o grau de satisfao
em relao qualidade da refeio servida no refeitrio.
b) Um cabo eleitoral escreve o nome de cada senador do Brasil em cartes separa-
dos, mistura e extrai 10 nomes.
c) Um administrador hospitalar faz uma pesquisa com as pessoas que esto na fila
de espera para serem atendidas pelo sistema SUS, entrevistando uma a cada 10
pessoas da fila.
d) Para dar a porcentagem de defeitos das 3000 peas fabricadas por dia, a cada 6
peas, uma retirada para teste.
43
A Estatstica Fcil
Antonio Arnot Crespo
Editora: Saraiva
Sinopse: Este livro apresenta todos os tpicos exigidos pelo
programa estabelecido para os cursos profissionalizantes da
rede de ensino particular e oficial, de forma acessvel ao aluno,
dentro de um esquema de ensino objetivo e prtico. O estudo
complementado por exerccios em abundncia com situaes
prticas. Trabalha com estatstica descritiva, probabilidades,
distribuies de probabilidades, correlao e regresso linear,
de forma prtica e fcil linguagem.
Estatstica Bsica
Geraldo Luciano Toledo; Ivo Izidoro Ovalle
Editora: Atlas
Sinopse: Este livro contm a matria fundamental para estudos
subsequentes no campo da estatstica inferencial, alm disso,
aborda os tpicos mais importantes da estatstica bsica.
O Sebrae atua h mais de 40 anos em todo o pas, sempre com o objetivo de aumentar a
competitividade das empresas de micro e pequeno portes. Baseado nessa experincia, o Sebrae
Minas lana uma srie de manuais com temas gerenciais diversificados e abrangentes, buscando
orientar os empreendedores quanto as suas dvidas mais frequentes no processo de gesto
de um pequeno negcio. Saiba mais sobre como Elaborar uma Pesquisa de Mercado no link
disponvel em: <http://wp.ufpel.edu.br/mlaura/files/2014/04/Como-elaborar-uma-pesquisa-de-
mercado.pdf>.
Professora Me. Renata Cristina de Souza Chatalov
NOES BSICAS DE
II
UNIDADE
ESTATSTICA
Objetivos de Aprendizagem
Entender as sries estatsticas.
Aprender como elaborar uma tabela.
Aprender a construir e a interpretar um grfico.
Entender como elaborar uma distribuio de frequncias.
Plano de Estudo
A seguir, apresentam-se os tpicos que voc estudar nesta unidade:
Tabelas
Sries Estatsticas
Grficos
Distribuio de Frequncia
47
INTRODUO
Introduo
II
TABELAS
Ol, caro(a) aluno(a), nesta unidade, vamos trabalhar com as tabelas e grficos,
que so utilizadas para expor os dados aps sua coleta e organizao e que ser-
vem para visualizao dos dados que auxiliam na tomada de decises.
Tabela pode ser definida como: um quadro que resume um conjunto de
observaes (CRESPO, 2009). Toda tabela deve ser simples, clara, objetiva e
autoexplicativa.
Uma tabela compe-se de:
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
a. Ttulo: corresponde s informaes mais complexas, respondendo as
seguintes perguntas: O qu? Quando? Onde? localizado no topo da
tabela.
b. Cabealho: parte superior da tabela que especifica o contedo das colunas.
c. Corpo: conjunto de linhas e colunas que contm as informaes sobre a
varivel de estudo.
d. Coluna indicadora: parte da tabela que especifica o contedo das linhas.
e. Linhas: retas imaginrias que facilitam a leitura no sentido horizontal de
dados, que se inscrevem nos seus cruzamentos com as colunas.
f. Casa ou Clula: espao destinado a um s nmero.
TABELAS SIMPLES
2002 40
2003 59
2004 63
2005 69
2006 71
(coluna indicadora) (corpo da Tabela)
TOTAL 302
(rodap) Fonte: dados fictcios elaborados pelo autor.
Tabelas
II
SRIES ESTATSTICAS
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Quando os valores da varivel estudada o fenmeno ao loco do tempo. Por
exemplo:
Valores da tarifa de nibus na cidade de Londrina - PR
Observe que a varivel estudada foi a mdia dos estudos superiores nos pases
(varivel local), portanto, essa srie estatstica considerada geogrfica.
Observe que a varivel estudada foi os tipos de imveis vendidos em Ponta Grossa
PR; podemos observar que especfica daquela cidade, daquele ano, portanto,
essa srie estatstica considerada especfica ou categrica.
Sries Estatsticas
II
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
GRFICOS
GRFICO DE LINHA
ANOS QUANTIDADE
2000 39
2001 39
2002 53
2003 65
2004 69
2005 59
Total 324
Fonte: dados fictcios elaborados pelo autor.
Grficos
II
GRFICO DE COLUNAS
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
ANOS QUANTIDADE DE SOBRADOS VENDIDOS
2010 18
2011 11
2012 10
2013 9
Total 48
Fonte: dados fictcios elaborados pelo autor.
GRFICO DE BARRAS
O grfico de barras difere do grfico de colunas, pelo fato das barras serem apre-
sentada na direo vertical. Temos como exemplo a srie estatstica:
2001 39
2002 53
2003 65
2004 69
2005 59
Total 324
Fonte: dados fictcios elaborados pelo autor.
Grficos
II
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Fonte: adaptado de IBGE (online).
GRFICO DE SETORES
PICTOGRAMAS
Grficos
II
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Que tipo de grfico usar?
Para representar distribuies de frequncias de variveis qualitativas nomi-
nais com poucas categorias, o grfico de setores tem sido muito utilizado,
principalmente devido a sua visualizao.
Quando a varivel ordinal, grficos de barras ou de colunas so mais in-
dicados, porque permitem manter a ordem das categorias. Esses grficos
tambm so mais adequados quando se tem muitas categorias ou quando
se quer dar mais destaque s categorias mais frequentes.
Fonte: Barbetta; Reis; Bornia (2010, p. 71).
DISTRIBUIO DE FREQUNCIA
TABELA PRIMITIVA
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Distribuio de Frequncia
II
ROL
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
de certa ordenao (crescente ou decrescente). A tabela obtida mediante a orde-
nao dos dados recebe o nome de rol.
O Rol definido como uma organizao dos dados, que pode ser em ordem
crescente ou decrescente. Para fazermos as contagens desses valores para tabelas,
fica mais fcil trabalharmos com dados crescentes (contando, tambm, quantas
vezes eles se repetem). Vamos visualizar como ficou o Rol dos dados.
Veja, bem melhor trabalharmos, agora podemos saber, com relativa facilidade
e certeza qual a menor estatura (173 cm), que a amplitude de variao (AT)
foi de 173 150 = 23 cm (Maior valor do conjunto de dados menos o Menor
valor do conjunto de dados) e, ainda, a ordem que um valor particular da vari-
vel ocupa no conjunto.
Distribuio de Frequncia
II
Mas, se prestarem ateno nessa tabela, vejam que o processo dado ainda incon-
veniente, porque exige muito espao, mesmo quando o nmero de valores da
varivel (n) de tamanho razovel. Sendo possvel, a soluo mais aceitvel, pela
prpria natureza da varivel contnua, o agrupamento dos valores em vrios
intervalos (CRESPO, 2009).
Nesse caso, se um dos intervalos for, por exemplo, 154 158 ( um intervalo
fechado esquerda e aberto direita, tal que: 154 x < 158), em vez de dizermos
que a estatura de 1 aluno de 154 cm, de 4 alunos, 155 cm, de 3 alunos, 156 cm e de
1 aluno, 157 cm, dizemos que 9 alunos tm estaturas entre 154, inclusive, e 158 cm.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Dessa maneira, estaremos agrupando os valores da varivel em intervalos,
sendo que, em estatstica, preferimos chamar os intervalos de classes. Chamando
de frequncia de uma classe o nmero de valores da varivel pertencente classe,
os dados da tabela anterior podem ser dispostos como na tabela a seguir, deno-
minada distribuio de frequncia com intervalos de classe:
Assim, em nosso exemplo, o intervalo 154 | 158 define a segunda classe (i = 2).
Como a distribuio formada de seis classes, podemos afirmar que k = 6, ou
seja, o nmero de classes igual a 6. Mas, para determinar tudo isso, quais so
os passos para construo de uma tabela de distribuio de frequncias com
intervalo de classes? Veja a seguir.
1 Passo: Amplitude Total (AT): consiste na diferena entre o maior valor
do conjunto de dados e o menor valor do conjunto de dados, portanto:
AT = Xmax Xmn
No nosso exemplo, temos: AT = 174 150 = 24 AT = 24 cm
2 Passo: Determinar o nmero de classes (K): o nmero de classes deve ser
representado por um nmero inteiro, pois indicar o nmero de linhas da tabela.
K = n ; em que n = nmero total de informaes.
h = amplitude do intervalo
AT = Amplitude total (calculada no passo 1)
K = nmero de classes (calculada no passo 2)
Distribuio de Frequncia
II
Portanto, a diferena entre o limite inferior (li) e o limite superior (ls) da classe
ser igual a 4.
Observao importante:
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Agora que j sabemos todas as regras, vamos terminar de resolver o exerccio,
seguindo os quatro passos anteriores.
Veja que ns organizamos o Rol, encontramos amplitude total (AT), deter-
minamos o nmero de classes, determinamos a amplitude do intervalo de classes
e conferimos o ltimo limite da classe, agora, vamos a nossa tabela de distribui-
o de frequncias com intervalo de classes pronta:
Observem que temos 6 classes nessa tabela, que foi determinado por igual
a 6,32, arredondado para 6. Utilizamos a simbologia |----- que significa que esta-
mos contando o limite inferior (Li) e excluindo o limite superior (Ls). Nosso
intervalo de classes (diferena entre o Li e o Ls) igual a 4, determinado anterior-
mente. Aps, contamos as frequncias (fi), quantos valores foram determinados
para cada classe da tabela.
Alm disso, temos as colunas complementares da tabela de frequncia, que so:
Em que:
Xi = ponto mdio
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Li = Limite inferior
Ls = Limite superior
OBS. importante: s existe ponto mdio para tabelas de distribuio de
frequncias com intervalo de classes.
Por exemplo: na Tabela ESTATURAS DE 40 ALUNOS DO CURSO DE
NEGCIOS IMOBILIRIOS, queremos saber o ponto mdio da classe
1, basta aplic-lo na frmula, ento, temos: (150 + 154)/2 = 152
b. Frequncia relativa (fr ou fr %): a proporo dos dados que aparece em
cada classe, dada pela expresso abaixo:
Em que:
Fr(%) = Frequncia relativa em percentual
Fi = Frequncia da classe
n = nmero total de elementos (ou somatria da frequncia)
c. Frequncia acumulada (Fac): a representao da frequncia absoluta
(fi) de forma acumulada.
d. Frequncia Relativa Acumulada (FRac): dada pela diviso da frequncia
acumulada pelo nmero total de elementos da srie em porcentagem (%).
Distribuio de Frequncia
II
Em que:
FRac(%) = Frequncia relativa acumulada em percentual
Fac = Frequncia acumulada
n = nmero total de elementos (ou somatria da frequncia)
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
150 154 4 10 4 10 152
154 158 9 22,5 4+9 = 13 32,5 156
158 162 11 27,5 13+11 = 24 60 160
162 166 8 20 24+8 = 32 80 164
166 170 5 12,5 32+5 = 37 92,5 168
170 174 3 7,5 37+3 = 40 100 172
Total 40 100 972
Fonte: dados fictcios elaborados pelo autor.
Observe que:
a. Na coluna FAC (frequncia acumulada), o ltimo valor igual ao total
da somatria de fi, ou seja, igual ao nmero de elementos, nesse exem-
plo, igual a 40.
b. Na coluna FR(%), a somatria de todos os nmeros igual a 100.
Distribuio de Frequncia
II
CONSIDERAES FINAIS
Vimos, nesta unidade, que tabelas e grficos so bem utilizados para apresenta-
o de resultados de pesquisas e que esses recursos so bastante utilizados para
representar resultados de pesquisas e informaes de forma organizada. Com
eles, podemos visualizar um grande nmero de informaes numricas em
um pequeno espao, o que facilita a leitura, a interpretao e a utilizao des-
ses resultados.
Alm disso, importante salientar que tabelas e grficos fazem parte do nosso
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
cotidiano, como grficos e/ou tabelas encontrados em jornais, revistas, propa-
gandas de banco, contas de luz e folhetos informativos. comum, por exemplo,
a gente ver os telejornais apresentarem grficos, mostrando o crescimento ou a
diminuio da inteno de voto na poca das eleies.
Aprendemos que uma tabela um quadro organizado em linhas e colunas,
que resumem um conjunto de informaes, e que ela tem algumas caractersti-
cas, como o ttulo, que nos indica o assunto referente tabela; o cabealho, que
indica o que cada coluna contm; o corpo da tabela, que a parte onde esto
inseridos os dados da tabela; o rodap, que pode apresentar a fonte que a ori-
gem dos dados ou, tambm, serve para complementar dados a fim de no deixar
as tabelas carregadas.
Os grficos fornecem, em geral, uma informao mais sugestiva que as tabe-
las, pois eles podem ser visualizados mais rapidamente e dele podemos tirar
concluses a partir de sua interpretao.
Alm disso, nesta unidade, trabalhamos com as distribuies de frequncias,
que um mtodo de se agrupar dados em classes, de modo a fornecer a quanti-
dade (e/ou a percentagem) de dados em cada classe. Com isso, podemos resumir
e visualizar um conjunto de dados sem precisar levar em conta os valores indi-
viduais. Nessas tabelas, temos as colunas complementares que nos auxiliam a
visualizar os valores e nos auxiliam na interpretao dos dados.
Ficar atento aos indicadores estatsticos pode fazer toda a diferena na hora de vender
seu imvel. Confira algumas informaes importantes nesta matria sobre o mercado
imobilirio.
Contar com informaes confiveis de pesquisas na hora de comprar ou alugar um im-
vel pode auxiliar de forma efetiva para tomadas de decises. O trabalho de encontrar o
apartamento ou casa ideal facilitado quando se tem acesso a fontes de informaes
ricas em contedo e constantemente atualizadas. Analisando estatsticas,voc poder
entender melhor omercado imobilirioe at mesmo se antecipar em alguns fatos.
Segue abaixo um dos institutos de pesquisa que pode lhe ajudar a compreender melhor
omercado imobilirioe consequentemente o auxiliar na tomada de deciso.
Instituto Brasileiro de Estatstica e Geografia IBGE
OIBGE, Instituto Brasileiro de Estatstica e Geografia, oprincipal provedor de dados
e informaes do Pas, que atende s necessidades dos mais diversos segmentos da
sociedade civil, bem como dos rgos das esferas governamentais federal, estadual e
municipal.
O Instituto possui trs ferramentas muito interessantes para pesquisa no que diz respei-
to ao Brasil, Estados e Municpios, so elas: @Paises, @Estados e @Cidades, respectiva-
mente.Nestas ferramentas voc ir encontrargrficos, tabelas, histricos e mapas que
traam um perfil completo de pases, estados e cidades.
No@Cidadesvoc encontra, por exemplo, informaes sobre casamentos, separaes e
divrcios, que so informaes muito valiosas na construo do cenrio imobilirio do
presente e do futuro. Tambm encontra dados demogrficos que so interessantes para
termos o crescimento populacional, tanto o proveniente da diferena entre o nascimen-
to e a morte, quanto pelo movimento migratrio.
No@Estadosvoc encontra informaes como caractersticas da populao, projeo
da populao, condies diversas da populao, entre outros.
As ferramentas de pesquisas e estatsticas contribuem para monitoramento domercado
imobilirioe para anlise de possveis atitudes. Pesquise mais, consolide informaes.
As estatsticas e trabalhar com nmeros mais prximos da realidade.
Fonte: Qimveis (online)
MATERIAL COMPLEMENTAR
Estatstica Aplicada
Douglas Downing e Jeffrey Clarck
Editora: Saraiva
Sinopse: Este livro aborda assuntos, tcnicas estatsticas e
suas aplicaes, estatstica descritiva, probabilidades, teste de
hipteses, pesquisa e amostragem, regresso linear simples e
mltipla, mtodos no-paramtricos, indicadores econmicos
e teoria da deciso.
Os captulos comeam com os Termos-chave, trazendo um
resumo dos conceitos fundamentais de cada captulo. A seo
Lembre-se retoma, ao longo do estudo, tpicos essenciais
a serem fixados. E, no Conhea os conceitos, encontram-se
exerccios para aplicao do aprendizado.
Estatstica Bsica
Wilton de O. Bussab e Pedro A. Morettin
Editora: Saraiva
SINOPSE: O livro trata da estatstica bsica e dividido em trs
partes. A primeira trata da anlise de dados unidimensionais e
bidimensionais, com ateno especial para mtodos grficos.
A segunda parte trata dos conceitos bsicos de probabilidades
e variveis aleatrias. Por fim, a terceira parte estuda os tpicos
principais da interferncia estatstica, alm de alguns temas
especiais, como regresso linear simples.
III
MEDIDAS DESCRITIVAS
UNIDADE
ASSOCIADAS VARIVEIS
QUANTITATIVAS
Objetivos de Aprendizagem
Aprender a calcular as medidas de posio.
Aprender sobre as medidas de disperso.
Entender como interpretar as medidas de disperso.
Entender como elaborar uma distribuio de frequncias
Plano de Estudo
A seguir, apresentam-se os tpicos que voc estudar nesta unidade:
Medidas de posio ou de tendncia central
Medidas de Disperso
75
INTRODUO
Introduo
III
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Medidas de Posio ou de Localizao
As medidas de posio servem para representar o ponto central de equilbrio
de um conjunto de observaes ordenadas segundo suas grandezas. Dentre as
medidas de posio, destacamos: mdia, mediana e moda, sendo que a medida
a ser escolhida para representar coerentemente os dados depende das caracte-
rsticas deles.
Mdia aritmtica
A mdia de uma varivel a medida mais importante e mais simples de ser
calculada. Ela fornece uma medida de posio central. Se os dados so de uma
amostra, a mdia denotada por x ; se os dados so de uma populao, a mdia
denotada pela letra grega .
A mdia de um conjunto de dados encontrada somando seus valores e
dividindo pelo nmero de observaes. Seja x1, x2,.....xn um conjunto de dados,
a mdia ser dada por:
Populao Amostra
N n
x i x i
= i =1
x = i =1
N n
Por exemplo:
Um corretor de imveis que tem uma imobiliria na praia (alta temporada)
alugou por 07 dias os seguintes nmeros de apartamentos:
Dia 01: 10
Dia 02: 15
Dia 03: 14
Dia 04: 13
Dia 05: 16
Dia 06: 19
Dia 07: 18.
Seu gestor gostaria de saber em mdia quantas locaes efetuou seu corretor.
Nesse caso, vamos utilizar a frmula de mdia amostral:
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
x i
x= i =1
n
x = mdia amostral
= somatria
Xi = cada valor (ou cada elemento)
n = nmero total de elementos
x = 10+15+14+13+16+19+18 = 105/7 = 15
Portanto, a mdia de locao foi de 15 imveis.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
A frmula acima ser usada para as distribuies de frequncias sem classes e
com classes.
Vamos considerar o exemplo a seguir. Determine a mdia do nmero de aci-
dentes em uma empresa de construo civil.
Nmero de acidentes em uma empresa W
Moda
A moda definida como sendo o valor que ocorre com maior frequncia em
uma srie de valores ou em um conjunto de dados.
NMERO DE
fi
ACIDENTES (X)
2 5
5 4
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Classe 6 7
8 3
Total 19
Fonte: dados fictcios elaborados pelo autor.
Qual valor teve a maior frequncia? O valor foi 6,que teve sete vezes a frequ-
ncia, portanto, a moda igual a 6. E a classe onde est a moda chamada de
classe modal.
A classe que apresenta a maior frequncia denominada classe modal, pela defi-
nio, podemos afirmar que a moda o valor dominante que est compreendido
entre os limites da classe modal.
Para calcular o valor exato da moda, usaremos a seguinte frmula:
Em que:
Mo = moda.
i = representa a classe de maior frequncia.
Li = Limite inferior da classe que contm a moda.
150 |-----155 3
155 |-----160 5
Classe 160 |-----165 14
165 |-----170 6
170 |-----175 2
Total 30
MEDIANA
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
tambm, se o conjunto de dados (n) par ou mpar. Seguem as regras:
a) nmero mpar: o Rol admite apenas um termo central que ocupa a posi-
o Por exemplo:
sendo a mdia dos valores que ocupam essas posies centrais. Por exemplo:
0 2 4 6 8 10
n = 6 (nmero de elementos igual a 6), basta colocarmos os valores na
frmula:
elemento e elemento.
Como nosso n = 34 (somatria de fi), basta dividirmos por 2, que o 17, agora,
basta localizar na coluna FAC. Observamos que o 17 elemento est na 3 classe
e corresponde a 2, portanto, a Md= 21.
Em que: Md = mediana.
i = Classe que contm a Mediana.
Li = Limite inferior da classe que contm a Mediana.
n = Nmero de elementos da srie.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Facanterior = Frequncia acumulada da classe anterior.
fi = Frequncia simples da classe estudada.
h = variao do intervalo de classe.
Por exemplo:
150 |-----155 3 3
155 |-----160 5 8
Md 160 |-----165 14 22
165 |-----170 6 28
170 |-----175 2 30
Total 30
Fonte: dados fictcios elaborados pelo autor.
A classe modal onde est o 15 elemento, portanto, 160|--- 165. Agora, vamos
calcular o valor exato da mediana, utilizando a frmula:
MEDIDAS DE DISPERSO
AMPLITUDE TOTAL
Medidas de Disperso
III
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
rios, perdendo a informao de como os dados esto distribudos.
VARINCIA
(x i )2
2 = i =1
N
Em que a mdia da populao e N o nmero de observaes.
Se os dados so para uma amostra, a varincia, denotada por s2, definida
como: n
(x i x)2
s2 = i =1
n -1
Em que x a mdia da amostra e n o nmero de observaes. O uso de (n 1)
nesse denominador necessrio para que a varincia da amostra resultante fornea
uma estimativa no induzida da varincia da populao.
Na maioria das vezes, trabalhamos nas pesquisas com dados amostrais.
DESVIO PADRO
N n
(x i ) 2 (x i x )2
= i =1
s= i =1
N n -1
De forma mais simplificada:
= s = s 2 2
Medidas de Disperso
III
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
COEFICIENTE DE VARIAO
s
CV = . 100 CV = . 100
x
A partir do valor do coeficiente de variao, podemos verificar se o conjunto de
dados homogneo e tambm conseguimos saber se a mdia uma boa medida
para representar o conjunto de dados. Outra utilizao para essa medida com-
parar conjuntos com unidades de medidas distintas, uma vez que o CV dado
em porcentagem (%).
O CV tem o problema de deixar de ser explicativo da variao quando a
mdia est perto de zero, pois essa situao pode deix-lo alto demais. Um coefi-
ciente de variao alto sugere alta variabilidade ou heterogeneidade do conjunto
de observaes. Quanto maior for esse valor, menos representativa ser a mdia.
Se isso acontecer, deve-se optar para representar os dados por outra medida,
podendo ser essa a mediana ou moda, no existindo uma regra prtica para a
escolha de uma dessas. Fica, ento, essa escolha a critrio do pesquisador. Ao
mesmo tempo, quanto mais baixo for o valor do CV, mais homogneo o con-
junto de dados e mais representativa ser sua mdia.
Exemplo:
De acordo com o exemplo das idades das pessoas de uma famlia, sendo elas:
5; 10; 12; 35; 38, calcule o coeficiente de variao para esse conjunto de dados.
Considerando o clculo da mdia e do desvio padro j feitos, sabemos que
x = 2 0 e s = 15,31
15,31
CV = x100 = 76,5%
20
Verifica-se uma grande variao, ou seja, uma alta disperso dos dados, e, assim,
a mdia no seria uma boa representante para esse conjunto de dados.
importante salientar que podemos aplicar essas medidas, a quaisquer reas
de conhecimento para chegarmos concluso se a mdia uma medida ade-
quada para representar os dados.
Varincia para dados agrupados em tabelas de frequncias
Para calcularmos a varincia em dados agrupados, utilizamos a seguinte
frmula:
Medidas de Disperso
III
(x ) . f
=
2
i i
2
para valores populacionais agrupados em classes em
N
uma tabela de frequncias
Em que:
2 = Varincia
= Somatria
Xi = cada elemento da populao
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
= mdia
N = Nmero de elementos da populao.
fi = frequncia
(x x ) . f
2
2 i i
s =
n 1 para dados amostrais agrupados em classes em uma
tabela de frequncias.
Em que:
S2 = Varincia
= Somatria
Xi = cada elemento da populao
x = mdia
n - 1 = Nmero de elementos da amostra.
fi = frequncia
Para calcularmos a varincia para dados agrupados com intervalo de classes
e sem intervalos de classes, as frmulas sero as mesmas, a diferena que, com
intervalo de classes, ter que ser calculado o ponto mdio da classe.
Em que:
Xi = (Li + Ls)2 =
Limite superior (Ls)
Limite inferior (Li)
Exemplo: Vamos calcular a varincia para o nmero de acidentes em uma
empresa do ramo de construo civil no ms de maio de 2015.
0 2 0 (0 - 2,3)2 * 2 = 10,58
1 6 6 (1 2,3)2 * 6 = 10,14
2 10 20 (2 -2,3)2 * 10 = 0,9
3 12 36 (3 - 2,3)2 * 12 = 5,88
4 4 16 (4 - 2,3)2 * 4 = 11,56
Total 34 = 78 = 39,06
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
(x x ) . f
2
2 i i
s =
n 1
Observe que: para facilitar os clculos, abrimos uma coluna complemen-
tar na tabela (xi - x)2 * fi, em que cada xi (elemento) foi diminudo pela mdia
(2,3), elevado ao quadrado e multiplicado por sua respectiva frequncia. O total
(somatria) dividido por n 1, que igual a 34 1 = 33, ento:
S2 = 39,06/33 = 1,18.
Medidas de Disperso
III
0 2 0 (0 - 2,3)2 * 2 = 10,58
1 6 6 (1 2,3)2 * 6 = 10,14
2 10 20 (2 -2,3)2 * 10 = 0,9
3 12 36 (3 - 2,3)2 * 12 = 5,88
4 4 16 (4 - 2,3)2 * 4 = 11,56
Total 34 = 78 = 39,06
Fonte: dados fictcios elaborados pelo autor.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Para esse exemplo, j sabemos que a varincia amostral (S2) igual a 1,18,
basta tirar a raiz quadrada desse valor, portanto:
s = s 2 = 1 , 1 8 = 1,0 8
COEFICIENTE DE VARIAO
s
cv = 100 ou cv = 100
x
1 ,08
cv = . 1 0 0 = 46,95%
2,3
CONSIDERAES FINAIS
Consideraes Finais
1. Considere a seguinte tabela de distribuio de frequncias com os tempos (em
dias) que um corretor demora para concluir um negcio, observado em 40 ope-
raes:
Demonstre:
a) A mdia aritmtica, a moda e a mediana.
b) A varincia, o desvio padro.
c) O coeficiente de variao (interprete).
Material Complementar
Professora Me. Renata Cristina de Souza Chatalov
PROBABILIDADES E O
IV
UNIDADE
MERCADO IMOBILIRIO
Objetivos de Aprendizagem
Entender conceitos bsicos de Probabilidades.
Compreender as regras bsicas de probabilidades.
Entender as distribuies de probabilidades.
Compreender as principais distribuies de probabilidades discretas.
Plano de Estudo
A seguir, apresentam-se os tpicos que voc estudar nesta unidade:
Noes bsicas de probabilidade
Probabilidades
Distribuies de probabilidade
Distribuies discretas de probabilidade
Distribuies de probabilidades contnuas
101
INTRODUO
Introduo
IV
EXPERIMENTO DETERMINSTICO
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
condies, conduzem a resultados praticamente iguais. Por exemplo: misturar
gua e leo de cozinha e observar o resultado obtido aps algum tempo (leo
sempre ficar acima da gua).
EXPERIMENTO ALEATRIO
PROBABILIDADES
Face 1 2 3 4 5 6
Frequncia 1/6 1/6 1/6 1/6 1/6 1/6
Fonte: dados fictcios elaborados pelo autor.
Probabilidades
IV
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
ESPAO AMOSTRAL
PROBABILIDADE DE UM EVENTO
Exemplos:
No lanamento de um dado, pede-se para construir o espao amostral e cal-
cular a probabilidade de sair face par (evento A) e sair as face 1 e 5 (evento B).
Espao amostral = { 1, 2, 3, 4, 5, 6 } (seis possveis resultados)
A = { 2, 4, 6 } n(A) = 3
B = { 1, 5} n(B) = 2
Resolvendo:
P(A) = 3 = 0,5, em porcentagem 0,5 x 100 = 50%
6
Probabilidades
IV
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
P() = 1 P()= 0
A soma das probabilidades para todos os resultados experimentais tem
de ser igual a 1.
Por exemplo:
a) No lanamento de um dado, qual a probabilidade de os valores serem
menores que 7?
6
= { 1, 2, 3, 4, 5, 6 }, P(A) = = 1 ou 100% ou evento certo.
6
b) No lanamento de um dado, qual a probabilidade de os valores serem
maiores que 6?
P() = 1 P()= 0 ou seja, evento impossvel.
Assim:
A probabilidade de um ou outro evento ocorrer dada por P(A B).
A probabilidade de ambos os eventos ocorrerem simultaneamente:
P(A B).
Probabilidades
IV
REGRA DA ADIO
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
P(A B) = P(A) + P(B)
A segunda quando os eventos A e B no so mutuamente excludentes (tm
elementos em comum). Nessa situao, a frmula dada por:
P(A B) = P(A) + P(B) - P(A B), em que:
P(A B) a probabilidade de A e B ocorrerem simultaneamente; a inter-
seco entre os eventos A e B.
EVENTOS COMPLEMENTARES
5 5
Risco e a Probabilidade
O termo risco se refere variabilidade de um resultado incerto de uma ati-
vidade. Existem trs formas qualitativas de analisar o risco: probabilidade,
valor esperado e variabilidade. A probabilidade corresponde possibilidade
de sucesso ou fracasso do negcio; diversamente, o valor esperado a m-
dia ponderada dos valores associados a todos os resultados possveis; em
contraste a isso, a variabilidade corresponde ao grau de disparidade entre
os possveis resultados (PAULO, 2008).
O mercado imobilirio no Brasil veio em uma tendncia de crescimento ace-
lerado, partindo da dcada de 1940 at 1990 inflado pelo movimento mi-
gratrio do campo para a cidade e aps 2003 com a retomada na reduo
da taxa de juros. Este crescimento o resultado de incentivos governamen-
tais atravs dos subsdios oferecidos pelo Sistema Financeiro de Habitao
nas dcadas de 1970 e 1980.
Fonte: Paulo (2008).
Probabilidades
IV
PROBABILIDADE CONDICIONAL
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
A probabilidade de um evento pode ser influenciada pela ocorrncia de um
evento paralelo. Por exemplo, seja A um evento com probabilidade P(A). Se
obtivermos a informao extra que o evento B ocorreu paralelamente, tirare-
mos vantagem dela no clculo de uma nova probabilidade para o evento A. Esta
ser escrita como P(A | B) e lida como probabilidade de A dado B (OLIVEIRA;
ALDROVANDI; CARNIEL, 2014).
Por exemplo: qual a probabilidade de tirarmos uma dama em um baralho de
52 cartas. A probabilidade ser de 4 (porque so 4 damas)/52 = 4/52 ou 7,69%.
Mas se, antes da pessoa dar a resposta, falarmos uma condio: olha, a
carta uma figura, qual a probabilidade de sair uma dama? 4/12 ou 33,3%. Vejam
que, nessa situao, a condio foi dada, alm de fazer a pergunta, foi dada uma
opo de a carta ser figura, portanto, mudou-se a forma de calcular, ao invs de
ser 4/52, ficou 4/12, pois a condio imposta foi que a carta seria uma figura.
Ento, quando impomos alguma condio em probabilidade, dizemos que
a probabilidade condicional e, assim, reduzimos o espao amostra condi-
o imposta.
Desse modo, escrevemos:
Oeste 50 47 97
Total 188 212 400
Tabela 01: Tipos de imveis e apartamentos por regio
Fonte: adaptada de Oliveira, Aldrovandi e Carniel (2014).
40
P(N A) =
188
De forma geral, para dois eventos quaisquer A e B, sendo P(B) > 0, defini-
mos a probabilidade condicional de A|B como sendo P(A|B), dado pela seguinte
frmula:
P(A B)
P(A B) =
P(B)
Caso a condio seja A:
P(A B)
P(B A) =
P(A)
Probabilidades
IV
Observe que, se trocarmos a condio para ser do tipo A, dado que a regio
Norte, a condio agora ser da regio Norte e o problema ficaria da seguinte
maneira:
P(N A) 40 / 400 40
P(A N) = = =
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
P(N) 105 / 400 105
Exerccios:
Baseado na tabela acima, calcule as seguintes probabilidades:
P(S | C) =
P(C | S) =
P (L | A) =
P(A | L) =
P(O | C) =
P(C | O) =
R: 0,22; 0,48; 0,25; 0,47; 0,22; 0,48
EVENTOS INDEPENDENTES
REGRA DA MULTIPLICAO
Probabilidades
IV
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
mente misturadas e sorteamos, ento, a segunda. Para resolver as probabilidades
nessa situao, ilustraremos a situao por um diagrama de rvore, em que em
cada galho da rvore esto indicadas as probabilidades.
Diagrama de rvore
1/4 B
2/5
B
3/4
P
2/4 B
3/5
P
2/4
P
RESULTADOS PROBABILIDADES
BB 2/5 x 1/4 = 2/20
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
P(B) = 2/5
b) Qual a probabilidade de sair bola branca na primeira retirada e bola
preta na segunda retirada?
P(B na 1 P na 2 ) = 6/20
c) Qual a probabilidade de sair bola preta na segunda retirada, dado que
saiu branca na primeira retirada?
P(P na 2 | B na 1) = 3/4
d) Qual a probabilidade de sair bola branca na segunda retirada, dado que
saiu preta na primeira retirada?
P(B na 2 | P na 1) = 2/4
Probabilidades
IV
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
REGRAS GERAIS DE PROBABILIDADE
DISTRIBUIES DE PROBABILIDADES
VARIVEL ALEATRIA
Uma varivel aleatria uma varivel que, geralmente, representada por pela
letra x, tem um valor numrico nico (determinado aleatoriamente) para cada
resultado de um experimento.
Cada varivel aleatria tem um nmero para cada resultado de um experi-
mento e uma distribuio de probabilidades associa uma probabilidade a cada
resultado numrico de um experimento (CRESPO, 2009).
Alguns exemplos de variveis aleatrias:
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
PONTO X (VARIVEL
AMOSTRAL ALEATRIA)
(Ca, Ca) 2
(Ca, Co) 1
(Co, Ca) 1
(Co, Co) 0
Tabela 03: Nmero de coroas no lanamento de duas moedas
Fonte: adaptada de Crespo (2009).
Distribuies de Probabilidades
IV
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
res de uma varivel aleatria, juntamente com suas respectivas probabilidades,
temos uma distribuio de probabilidades.
Uma distribuio de probabilidade d a probabilidade de cada valor de
uma varivel aleatria. Consideremos a distribuio de frequncias relativas ao
nmero de acidentes dirios em um estacionamento.
22
p= = 0,73
30
Basta olhar na tabela na frequncia zero e dividir pelo total que 30 dias.
b) Ocorrer um acidente :
5
p= = 0,17
30
1
p= = 0,03
30
Podemos, ento, escrever novamente essa tabela como:
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
NMERO DE PROBABILIDADES
ACIDENTES
0 0,73
1 0,17
2 0,07
3 0,03
= 1,00
Tabela 05: Nmeros de acidentes e suas respectivas probabilidades
Fonte: adaptada de (Crespo, 2009).
Distribuies de Probabilidades
IV
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Existem experimentos cujos resultados, refletidos em uma varivel aleatria,
seguem um comportamento previsvel em relao as suas probabilidades de ocor-
rncia e, portanto, podem ser modelados por uma equao especfica. Dentre
as principais distribuies discretas, destacam-se a Distribuio Binomial e a
Distribuio de Poisson.
DISTRIBUIO BINOMIAL
Em que:
k = nmero de sucessos.
n = nmero de elementos da amostra.
p = probabilidade de sucesso.
q = probabilidade de fracasso.
Vamos resolver alguns:
a) Uma indstria de certo tipo de peas tem a probabilidade de produzir
peas defeituosas em 10%. Em uma amostra de 6 itens, considerando que essa
varivel segue distribuio binomial, qual a probabilidade de haver nenhuma
pea defeituosa?
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
p = sucesso: a pea defeituosa: 0,10 (de 10%)
q = insucesso, peas boas: 0,90 (de 90%)
n=6
k = 1 (uma pea)
Portanto:
P (X = 1) = 6! . 0,11 . 0,96-1 = 0,35 ou 35%
1! ( 6 1) !
DISTRIBUIO DE POISSON
Em que:
P(X) = probabilidade de X ocorrncias em um intervalo.
= nmero esperado de ocorrncias em um intervalo.
e = constante matemtica (aproximadamente 2,71828).
X = nmero de sucessos por unidade.
Por Exemplo:
a) O Corpo de Bombeiros de uma cidade recebe, em mdia, trs chamadas
por dia. Qual a probabilidade do Corpo de Bombeiros receber quatro chama-
das em um dia?
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
DISTRIBUIES DE PROBABILIDADES CONTNUAS
DISTRIBUIO NORMAL
Quando temos em mos uma varivel aleatria com distribuio normal, nosso
principal interesse obter a probabilidade de essa varivel aleatria assumir um
valor em um determinado intervalo. Vejamos como proceder, por meio de um
exemplo concreto.
Seja X a varivel aleatria que representa os dimetros dos parafusos pro-
duzidos por certa mquina. Vamos supor que essa varivel tenha distribuio
normal com = 2 cm e desvio padro s = 0,04 cm.
Pode haver interesse em conhecer a probabilidade de um parafuso ter um
dimetro com valor entre 2 e 2,05 cm.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
fcil notar que essa probabilidade, indicada por: P (2 < X < 2,05), corres-
ponde rea hachurada na Figura 06:
Calculando o problema anterior; queremos calcular P(2 < X < 2,05). Para obter
essa probabilidade, precisamos, em primeiro lugar, calcular o valor de z, que cor-
responde a x = 2,05 (x = 2 z = 0, pois = 2). Temos, ento:
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Em que:
X = ponto que se deseja converter em z.
= mdia.
= desvio padro.
Aps utilizar a frmula, procure o respectivo valor na Tabela.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Observe que, quando olhamos no valor 1,5 na tabela, estamos tomando a rea
entre 0 e 1,5; quando olhamos no 1 na tabela, estamos tomando a rea entre 0 e
1. Se somarmos as duas reas, ento, temos a rea compreendida entre 1,5 e 1,0,
que condizente com os valores de lotes com falhas entre 1,25 e 2,5.
Vejamos, tambm, exemplos envolvendo a resoluo de problemas utili-
zando a distribuio de probabilidades.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
X = ponto que se deseja converter em z.
= mdia.
= desvio padro.
Agora, vamos substituir o valor de x que, nesse caso, 75.000, a mdia de
durabilidade do pneu que 60.000 e seu desvio padro, que consiste em 10.000.
Agora, vamos resolver a equao:
75.000 60.000
Z= = = 1,5
10.000
Chegamos ao valor 1,5, ento, vamos observar na Tabela 08 de distribuio nor-
mal reduzida que o Z corresponde a 0,4332. Entretanto esse valor a rea entre
0 a 1,5. Mas o que nos foi perguntado foi a durao de mais de 75.000 km (que
equivale, agora, a 1,5), ento, vamos pegar 0,5 (que equivale a outra metade da
curva) e diminuir pelo valor de 0,4332.
Para compreender melhor, observe a figura:
Portanto:
0,5 (da rea que no est colorida) 0,4332 = 0,0668 ou 6,68%. A probabi-
lidade do pneu durar mais que 75.000 km de 6,68%.
b) Qual a probabilidade de um pneu aleatoriamente escolhido durar entre
50.000 e 70.000 km? Primeiro, encontramos o valor de x para 50.000 km, em
seguida, para 70.000 km:
Nesse caso, vamos procurar o valor de 1 na tabela 8, que 0,3413, como temos
valores entre -1 e 1, temos que somar as reas, isto :
0,3413 + 3413 = 0,6826 ou 68,26%. A probabilidade do pneu durar entre
50.000 e 70.000 km de 68,26%.
c) Qual a probabilidade de um pneu aleatoriamente escolhido durar entre
63.000 e 70.000 km? Esse clculo bem parecido com o anterior, observe a seguir:
Mas, nesse caso, temos um porm, os dois valores esto no mesmo lado do gr-
fico, ento, vamos procurar o valor de 0,30 e 1 na tabela Z, que corresponde a
0,30 = 0,1179 e 1 = 0,3413, observe a figura:
0,3 1 X
Para obtermos a resposta, vamos ter que diminuir o valor de 1 e 0,3, por se tra-
tar apenas da rea desenhada. Portanto:
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
0,3413 0,1179 = 0,2234 ou 22,34%. A probabilidade do pneu durar entre
63.000 e 70.000 km de 22,34%.
d) Qual a probabilidade de um pneu aleatoriamente escolhido durar menos
que 70.000 km?
70.000 60.000
Z= = =1
10.000
Ento, vamos procurar o valor de 1 na tabela Z, que 0,3413, agora, vamos visu-
alizar a figura:
0,5
Ns vamos, ento, somar 0,5, que consiste em uma rea que est includa com
0,3413, portanto:
0,5 + 0,3413 = 0,8413 ou 84,13%. A probabilidade do pneu durar entre
menos que 70.000 km de 84,13%.
Podemos observar que utilizamos, muitas vezes, no nosso cotidiano situa-
es com o uso da distribuio de probabilidades.
CONSIDERAES FINAIS
Consideraes Finais
1. Uma mquina de fabricao de computadores tem probabilidade de produzir
um item defeituoso de 10%. Em uma amostra de 6 itens, calcule a probabilida-
de de:
a. haver no mximo um item defeituoso.
b. haver 3 itens defeituosos.
c. no haver itens defeituosos.
ADEQUAO DE TRILHAS
RESISTNCIA A REPROVADO TOTAL
ARRANHES APROVADO
Estatstica
Murray R. Spiegel
Editora: Pearson
Sinopse: Este livro tem como finalidade apresentar uma introduo aos
princpios gerais da Estatstica, que sero teis a todos os indivduos,
qualquer que seja seu campo de especializao. Foi elaborado para ser
usado como suplemento dos livros padro usuais ou como livro-texto de
um curso regular de Estatstica. Com uma exposio clara das definies pertinentes, teoremas e
princpios, juntamente com ilustraes e outras matrias descritivas, o livro traz uma srie graduada
de problemas resolvidos e suplementares que, em muitos casos, utilizam dados retirados de situaes
estatsticas reais.
Estatstica Aplicada
Larson Farber
Editora: Pearson
Sinopse: Este livro busca trabalhar com as a estatstica bsicas, bem como
a parte de probabilidades, inferncia estatstica e correlao e regresso
linear simples.
Material Complementar
Professora Me. Renata Cristina de Souza Chatalov
V
CORRELAO E REGRESSO
LINEAR E ESTATSTICA
UNIDADE
APLICADA AO MERCADO
IMOBILIRIOS
Objetivos de Aprendizagem
Conhecer o coeficiente de correlao linear.
Entender a associao entre duas variveis.
Saber interpretar correlao positiva e negativa.
Compreender a correlao e a aplicao da correlao de Pearson.
Conhecer a utilizao da regresso linear.
Entender a importncia da estatstica aplicada ao mercado
imobilirio.
Plano de Estudo
A seguir, apresentam-se os tpicos que voc estudar nesta unidade:
Correlao
Regresso linear
A aplicabilidade da estatstica na pesquisa imobiliria
A estatstica aplicada ao mercado imobilirio
141
INTRODUO
gerente poderia tentar prever as vendas de acordo com o nvel de gastos com a
publicidade.
O fato de duas variveis estarem ligadas permite tomar decises se baseando
em uma varivel, porm esperando resposta em outra, que seja de difcil mensu-
rao ou s possa ser medida tardiamente. Existem algumas medidas estatsticas
que permitem medir o grau de associao entre duas variveis.
Nesta unidade, veremos duas delas: a correlao linear e a regresso linear.
Entretanto, essas duas ferramentas s podem ser utilizadas quando as variveis
medidas so quantitativas. Assim, nesta unidade, voc ver como podemos veri-
ficar a associao entre variveis ou a dependncia de uma varivel em funo
da outra e, tambm, como quantificar essa associao.
Quando consideramos observaes de duas ou mais variveis, surge um novo
problema: as relaes que podem existir entre as variveis estudadas. Nesse caso,
as medidas estudadas no so eficientes.
Sendo a relao entre as variveis de natureza quantitativa, a correlao o
instrumento adequado para descobrir e medir essa relao.
Uma vez caracterizada a relao, procuramos descrev-la por meio de uma
funo matemtica. A regresso o instrumento adequado para a determina-
o dessa funo.
Nesta unidade, tambm trabalharemos alguns conceitos e a aplicabilidade
da estatstica para os gestores de negcios imobilirios.
Bons Estudos!
Prof. Renata
Introduo
V
CORRELAO
Na estatstica, o termo correlao usado para indicar a fora que mantm uni-
dos dois conjuntos de valores. O estudo da correlao tem como objetivo estudar
a existncia ou no de uma relao, bem como o grau de relao entre as vari-
veis (CRESPO, 2009). Por exemplo, podemos estudar se h uma correlao
entre as notas das disciplinas de Estatstica e Pesquisa Imobiliria e Matemtica
Financeira, ou, ainda, se existe uma correlao entre peso e altura.
Uma medida do grau da correlao e sua direo so dadas pela covarin-
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
cia entre duas variveis aleatrias, que calculada por meio do Coeficiente de
Correlao Linear de Pearson.
Correlao Linear de Pearson
O coeficiente de correlao uma medida que dimensiona a correlao.
representado pela letra r e dado pela seguinte frmula:
Em que:
x e y so as variveis em estudo.
n = nmero de observaes.
cada um dos pares e qual o grau dessa relao, podemos utilizar a correla-
o, nas seguintes variveis, por exemplo: -peso e altura de um grupo de
pessoas;
-uso de cigarro e incidncia de cncer;
-horas trabalhadas e salrio receber.
Fonte: adaptado de Nbrega (2015, online).
Correlao
V
30 30
25 25
20 20
15 15
10 10
5 5
0 0
0 10 20 30 0 10 20 30
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
70
60
50
40
30
20
10
0
0 10 20 30
apresentados abaixo:
Notas dos alunos de Negcios Imobilirios em 2014
X ESTATSTICA Y MATEMTICA
E PESQUISA FINANCEIRA
IMOBILIRIA
3,9 6,5
5,7 9,2
3,4 5,2
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
2,0 6,6
5,0 5,0
4,7 6,9
5,0 7,5
6,0 8,9
7,0 9,0
7,5 9,0
8,9 9,5
9,0 9,8
6,4 5,0
6,5 4,5
2,3 5,0
2,9 5,8
3,2 6,0
1,2 6,1
2,5 6,5
1,6 6,3
Fonte: dados fictcios elaborados pelo autor.
Correlao
V
Que concluses podemos tirar a respeito dessas notas? Existe alguma relao
entre as duas disciplinas? Um aluno que tira boas notas em Estatstica e Pesquisa
Imobiliria pode tirar boas notas na disciplina de matemtica financeira? Vamos
calcular a correlao dessas variveis por meio da Correlao Linear de Pearson.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Para melhor utilizar a frmula, vamos abrir colunas complementares na nossa
tabela.
Tabela: Correlao entre as disciplinas de Estatstica e Pesquisa Imobiliria
e Matemtica Financeira
Correlao
V
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Figura 08: Grfico de disperso representando correlao entre as variveis
Fonte: dados fictcios elaborados pelo autor.
Observamos, tambm, que foi uma correlao positiva entre os dados, ou seja,
ascendente. Caso fosse negativa, a disperso iria ser decrescente.
Temos alguns critrios de interpretao, para ver se a correlao existe, se
ela fraca ou forte.
Para que uma relao possa ser descrita por meio do coeficiente de correla-
o de Pearson, imprescindvel que ela se aproxime de uma funo linear. Para
isso, podemos tirar algumas concluses significativas sobre o comportamento
simultneo das variveis analisadas, necessrio que:
0,6 | r | 1
Se 0,3 | r | < 0,6, h uma correlao relativamente fraca entre as variveis.
Se 0 | r | < 0,3, a correlao muito fraca e, praticamente, nada podemos
REGRESSO LINEAR
Podemos dizer que a anlise de regresso tem por objetivo descrever, por meio
de um modelo matemtico, a relao entre duas variveis, partindo de n obser-
vaes delas (CRESPO, 2009).
A varivel sobre a qual desejamos fazer uma estimativa recebe o nome de
varivel dependente e a outra recebe o nome de varivel independente.
Assim, supondo X a varivel independente e Y a dependente, vamos pro-
curar determinar o ajustamento de uma reta relao entre essas variveis, ou
seja, vamos obter uma funo definida por:
Y = aX + b,
Em que: a e b so parmetros.
Podemos concluir, pela forma do diagrama, que se trata de uma correlao
retilnea, de modo a permitir o ajustamento de uma reta, imagem da funo
definida por:
Y = aX + b
Precisamos dos valores de a e b, para isso, temos que utilizar as seguintes
Correlao
V
frmulas:
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Em que n o nmero de observaes.
X Y XI .YI XI2
Correlao
V
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
Figura 09: Grfico que representa a regresso linear dos dados
Fonte: dados fictcios elaborados pelo autor.
A anlise de regresso tambm pode ser feita com vrias variveis indepen-
dentes sobre uma nica varivel dependente. A esse tipo de anlise damos
o nome de anlise de regresso mltipla, que muito utilizada em aplica-
es financeiras como renda, poupana e juros. Para ver um exemplo, leia
Fonte: Barbetta et al. (2010, p. 346).
Agora, vamos falar do uso da estatstica na pesquisa cientfica, bem como sua
utilizao para os gestores de negcios imobilirios.
Alm disso, a estatstica uma tcnica que envolve todas as etapas de uma pes-
quisa, desde planejamento, coordenao, levantamento de dados por meio de
amostragem ou censo, aplicao de questionrios, entrevistas e medies com a
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
mxima quantidade de informao possvel para um dado custo, a consistncia,
o processamento, a organizao, a anlise e a interpretao dos dados para expli-
car fenmenos socioeconmicos, a inferncia, o clculo do nvel de confiana e
do erro existente na resposta para uma determinada varivel e a disseminao
das informaes (IGNCIO, 2010).
Segundo Andrade (2009), a utilidade da estatstica se expressa no seu uso,
uma vez que grande parte das hipteses cientficas, independente da rea, pre-
cisa passar por um estudo estatstico para ser aceita ou rejeitada, como o caso
do teste de novos medicamentos, dos ajustes de modelos de regresso, sobre a
opinio popular de novos produtos etc. Por exemplo, na rea mdica, nenhum
medicamento pode ser disponibilizado para o mercado se no tiver sua efic-
cia estatisticamente comprovada. O grande volume de informaes produzidas
pelo mundo moderno (pesquisas por amostragem, censos, internet, mercado
financeiro) precisa ser analisado adequadamente. Essas anlises utilizam as mais
variadas tcnicas estatsticas. A rigor, onde houver incerteza essa cincia pode
ser empregada. Desse modo, todas as reas do conhecimento humano a reque-
rem como instrumento de anlise de dados.
Nesse sentido, dentre essas tarefas, a estatstica responsvel pelo planeja-
mento de experimentos, interpretao dos dados obtidos por meio de pesquisas
de campo e apresentao dos resultados de maneira a facilitar a tomada de deci-
ses por parte do pesquisador/gestor.
Instituies governamentais, nvel federal, estadual e municipal, se deparam
com questes que necessitam de anlise estatstica para tomarem suas decises,
como exemplos: qual a quantidade de recursos necessria para o financiamento
mento a ser feita nas universidades pblicas? Qual ser o ndice de custo de vida
no prximo ms? (SOUZA, 2006).
So informaes, dados que podem ajudar na resposta de um determinado
problema e ajudar na tomada de deciso sob condies de incerteza; utilizando-
-se dessas informaes, reduzem-se os riscos. Para o conhecimento do estudo
das metodologias de avaliao de bens do mercado imobilirio, faz-se necess-
rio o entendimento do mercado imobilirio e de seu funcionamento, bem como
compreender os mecanismos existentes e suas diferenas com outros mercados.
MERCADO IMOBILIRIO
De acordo com Baptistella (2005), o mercado pode ser definido como o local
onde so efetuadas transaes comerciais, envolvendo troca de bens, tangveis ou
intangveis, ou direitos sobre eles. Aqui, o termo mercado refere-se quele de con-
corrncia perfeita, contendo, em geral, as seguintes caractersticas: todos os que
participam o fazem voluntariamente e tem conhecimento pleno das condies
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
bilirio um imvel igual a outro.
PERFIL DO CONSUMIDOR
AVALIAO IMOBILIRIA
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
blema, em que necessrio verificar as alternativas para a soluo. Miglioli (2006)
define tomada de deciso como o ato de escolher uma opo dentre diversas
alternativas, seguindo critrios previamente estabelecidos, de forma a obter uma
soluo que resolva ou no um dado problema.
De acordo Zeleny (1994 apud GOMES; ALMEIDA, 2002), a tomada de
deciso um esforo para tentar solucionar problemas de objetivos conflitan-
tes, cuja presena impede a existncia da melhor soluo e conduz a procura do
melhor compromisso.
Segundo Zeleny (1994 apud OlIVEIRA; ANDROVANDI; CARNIEL, 2014),
a tomada de deciso um esforo para tentar solucionar problemas de objetivos
conflitantes, cuja presena impede a existncia da melhor soluo e conduz pro-
cura do melhor compromisso, pois, dentro das empresas, as decises podem estar
ligadas a uma oportunidade de ganhos e perdas.
O fato de possuir dados estatsticos auxilia na tomada de deciso e, con-
sequentemente, reduz os custos da organizao, alm de propiciar melhorias
contnuas.
Podemos observar que utilizamos a estatstica
para a pesquisa imobiliria e ela pode ser uma fer-
ramenta til para coleta de dados, tratamento de
dados e tomada de decises.
CONSIDERAES FINAIS
saber por que us-las. De forma mais simples, na estatstica, estudam-se casos
com 1 varivel. No estudo de correlao e regresso, deve-se levar em conta 2 ou
mais variveis. Nesse estudo, o principal objetivo investigar a existncia ou no
de relao entre essas variveis, quantificando a fora dessa relao por meio da
correlao, ou explicitando a forma dessa relao por meio da regresso.
As correlaes podem ser: positivas, quando o aumento de uma varivel cor-
responde ao aumento da outra; negativas, quando o aumento de uma varivel
corresponde diminuio da outra; lineares, quando possvel ajustar uma reta,
que podem ser fortes (quanto mais prximas da reta) ou fracas (quanto menos
prximas da reta); ainda, no lineares, quando no possvel ajustar uma reta.
Aps estabelecida uma relao linear e uma boa correlao entre as vari-
veis, deve-se, agora, determinar uma frmula matemtica para fazer predies
de uma das variveis por meio da outra; a essa tcnica damos o nome de an-
lise de regresso.
importante entender que nem sempre duas variveis esto de fato associa-
das. Pode-se concluir que correlao e regresso linear so duas ferramentas de
grande importncia e aplicabilidade, dentro de vrias reas, inclusive, nas reas
ligadas a negcios e sua utilizao depende do conhecimento do pesquisador.
CONSIDERAES FINAIS
1. Um estudo foi desenvolvido para verificar o quanto o comprimento de um cabo
da porta serial de microcomputadores influencia na qualidade da transmisso
de dados, medida pelo nmero de falhas em 10000 lotes de dados transmitidos
(taxa de falha). Os resultados foram:
COMPRIMENTO DO
TAXA DE FALHA
CABO (M)
8 2,2
8 2,1
9 3,0
9 2,9
10 44,1
10 4,5
11 6,2
11 5,9
12 9,8
12 8,7
13 12,5
13 13,1
14 19,3
14 17,4
15 28,2
Fonte: dados hipotticos
2. Uma pesquisa foi realizada para verificar o efeito da rea (m2) sobre o preo de
terrenos na cidade de Mogimirim SP. Considere a equao y = 20 + 0,5x para
estimar os preos em funo da rea. Considerando terrenos com 200, 300 e
400 m2, estime o preo de cada terreno.
3. Discorra sobre a importncia da estatstica para a pesquisa cientfica.
161
Caro(a) aluno(a)!
Este material foi feito para contribuir com seu processo de formao na rea de ne-
gcios imobilirios. Atualmente, as informaes chegam a ns de forma rpida e
no podemos deixar de pensar o quanto a Pesquisa Imobiliria e a Estatstica so
ferramentas teis para quem precisa tomar decises. O mundo tem passado por
inmeras transformaes e estas esto ocorrendo mundialmente devido globa-
lizao, verificando-se inovaes tecnolgicas, fazendo que tenhamos um mundo
cada vez mais competitivo.
Na primeira unidade, trabalhamos esses principais conceitos e a importncia da
pesquisa e da estatstica nos negcios imobilirios, definimos conceitos importan-
tes e principais tcnicas de amostragem.
Na unidade II, foram discutidas formas de apresentao dos dados estatsticos, mais
especificamente, a estruturao e a interpretao de grficos e tabelas.
A unidade III tratou das medidas descritivas, mostrou como devemos calcul-las e
onde devemos aplic-las. Essas medidas representam, com um nico valor, o con-
junto de dados. Vimos as principais medidas de posio e as medidas de disperso.
Na unidade IV, trabalhamos com parte da teoria das probabilidades e algumas de
suas principais distribuies. As probabilidades mostram as chances de eventos
ocorrerem. Inicialmente, os clculos so simples, entretanto, medida que vamos
nos aprofundando no contedo, percebemos que h necessidade e entendimento
minucioso sobre o que est sendo mostrado para utilizar o clculo adequado e, as-
sim, obtermos as respectivas probabilidades sem erros.
Finalizando, a unidade V tratou das medidas de associao, duas ferramentas im-
portantes dentro da estatstica: correlao e regresso linear, e falamos sobre alguns
conceitos importantes da aplicabilidade da estatstica nos negcios imobilirios.
Finalizamos este material que foi feito com cuidado para contribuir com o seu cres-
cimento profissional e pessoal.
Grande abrao e bons estudos!
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
pdf > Acesso em: 20 set. 2015.
MARTINS, G. de A.; DONAIRE, D. Princpios de estatstica: 900 exerccios resolvidos
e propostos. 4. ed. So Paulo: Atlas, 1997.
MELLO, L. As relaes enganosas. Comunicao: Departamento de Comunicao
Institucional UNIFESP. Disponvel em: <http://dgi.unifesp.br/sites/comunicacao/
index.php?c=Noticia&m=ler&cod=4d8fe4>. Acesso em: 10 nov. 2015.
MIGLIOLI, A. M. Tomada de deciso na pequena empresa: Estudo multi caso sobre
a utilizao de ferramentas informatizadas de apoio deciso. So Paulo. Disserta-
o (Mestrado em Engenharia de Produo). Universidade de So Paulo, So Paulo,
2006.
MILONI, G. Estatstica geral: amostragem, distribuio amostral e teoria da deciso
estatstica. So Paulo: Atlas, 1993.
MONTGOMERY, D. C.; RUNGER, G. C. Estatstica Aplicada e Probabilidade para En-
genheiros. Rio de Janeiro: Livros Tcnicos e Cientficos Editora S.A., 2003.
MOTA, J. F. da. Um estudo de caso para a determinao do preo de venda de
imveis urbanos via redes neurais artificiais e mtodos estatsticos multivaria-
dos. Dissertao (Mestrado em Mtodos Numricos em Engenharia). Universidade
Federal do Paran, Curitiba, 2007.
NBREGA, L. Estatstica e Probabilidade: aula 2 regresso e correlao linear. Dis-
ponvel em: <https://professorlucianonobrega.files.wordpress.com/2010/05/pdf_
aula-2-_-regressao-e-correlacao-linear.pdf >. Acesso em: 10 nov. 2015.
OLIVEIRA, F. E. M. Estatstica e probabilidade: teoria, exerccios resolvidos, exerc-
cios propostos. 2. ed. So Paulo, Atlas, 1999.
OLIVEIRA, A. M. M. de.; ALDROVANDE, D.; CARNIEL, I. G. Estatstica e pesquisa imo-
biliria. Centro Universitrio de Maring. Ncleo de Educao a Distncia. Gradua-
o em Negcios Imobilirios, 2014. 156 p.
CONSIDERAES FINAIS
169
GABARITO DAS ATIVIDADES DE AUTOESTUDO
UNIDADE I
CONSIDERAES FINAIS
V
GABARITO DAS ATIVIDADES DE AUTOESTUDO
5.
a) Funcionrio da empresa, amostragem estratificada.
b) Senadores do Brasil, amostragem aleatria simples.
c) Pessoas na fila de atendimento, amostragem sistemtica.
d) Peas fabricadas, amostragem sistemtica.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
UNIDADE II
1.
a) Automvel.
b) Barco.
c) 50 pessoas.
d) 180 pessoas.
e) d) Cronolgica.
3.
Srie Geogrfica.
UNIDADE III
a) x = 6,44 dias
Mo = 6,48
Md = 6,5
b) s2 = 3,33
s = 1,82
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
c) CV = 28,26%
2.
a)
mdia = 5,1
Md = 5
Mo = 5
b)
mdia = 11
Md = 9
Mo 7
3. Estatstica, porque teve o C. V menor.
UNIDADE IV
1.
a) 0,53 + 0,35 = 0,88 ou 88%
b) 0,0145 ou 1,45 %
c) 0,53 ou 53%....
CONSIDERAES FINAIS
V
GABARITO DAS ATIVIDADES DE AUTOESTUDO
2.
a) Ter resistncia alta a arranhes 840/1000
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
160 + 200 6
0
f) Ter resistncia baixa ou ser reprovado p(b r) = =
1000
300/1000
a) 0,4332 ou 43,32%
b) 0,0668
c) 0,3413 + 0,4332 = 0,77 ou 77%
d) 0,8413 ou 84,13%
UNIDADE V
1.
a) 0,47 - verifica-se uma correlao mediana e positiva entre as duas variveis
a, mostrando que, quanto maior o comprimento do cabo, maior a taxa de falhas.
Reproduo proibida. Art. 184 do Cdigo Penal e Lei 9.610 de 19 de fevereiro de 1998.
b)
2.
120; 170; 220
3. A importncia dos dados estatsticos na tomada de deciso dentro de uma
organizao primordial para que ela possa alcanar seus objetivos e metas,
pois, a partir da coleta de dados, permite-se um levantamento das prioridades
e geram-se oportunidades de crescimento, alm de melhorias, que podem ser
ocasionadas por aes tomadas a partir do senso comum.
CONSIDERAES FINAIS