Estatística e Pesquisa Imobiliária

ESTATSTICA
E PESQUISA
IMOBILIRIA
Professora Me. Renata Cristina de Souza Chatalov
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
NEAD - Ncleo de Educao a Distncia

Direo Operacional de Ensino
Ktia Coelho
Direo de Planejamento de Ensino
Fabrcio Lazilha
Direo de Operaes
Chrystiano Mincoff
Direo de Mercado
Hilton Pereira
Direo de Polos Prprios
James Prestes
Direo de Desenvolvimento
Dayane Almeida
Direo de Relacionamento
Alessandra Baron
Gerncia de Produo de Contedo
Juliano de Souza
Superviso do Ncleo de Produo de
Materiais
Ndila de Almeida Toledo
Design Educacional
Camila Zaguini Silva
Projeto Grfico
Jaime de Marchi Junior
Jos Jhonny Coelho
Editorao
Thomas Hudson Costa
C397 CENTRO UNIVERSITRIO DE MARING. Ncleo de Educao a Fernando Henrique Mendes
Distncia; Chatalov, Renata Cristina de Souza
Reviso Textual
Estatstica e Pesquisa Imobiliria. Renata Cristina de Viviane Favaro Notari
Souza Chatalov.
Maring-Pr.: UniCesumar, 2016. Ilustrao
173 p. Andr Lus Onishi
Graduao - EaD.
Bruno Pardinho
1. Estatstica. 2. Pesquisa . 3. Imobiliria 4. EaD. I. Ttulo.
ISBN 978-85-459-0200-3
CDD - 22 ed. 519
CIP - NBR 12899 - AACR/2
Ficha catalogrfica elaborada pelo bibliotecrio

Joo Vivaldo de Souza - CRB-8 - 6828
Viver e trabalhar em uma sociedade global um
grande desafio para todos os cidados. A busca
por tecnologia, informao, conhecimento de
qualidade, novas habilidades para liderana e so-
luo de problemas com eficincia tornou-se uma
questo de sobrevivncia no mundo do trabalho.
Cada um de ns tem uma grande responsabilida-
de: as escolhas que fizermos por ns e pelos nos-
sos faro grande diferena no futuro.
Com essa viso, o Centro Universitrio Cesumar
assume o compromisso de democratizar o conhe-
cimento por meio de alta tecnologia e contribuir
para o futuro dos brasileiros.
No cumprimento de sua misso promover a
educao de qualidade nas diferentes reas do
conhecimento, formando profissionais cidados
que contribuam para o desenvolvimento de uma
sociedade justa e solidria , o Centro Universi-
trio Cesumar busca a integrao do ensino-pes-
quisa-extenso com as demandas institucionais
e sociais; a realizao de uma prtica acadmica
que contribua para o desenvolvimento da consci-
ncia social e poltica e, por fim, a democratizao
do conhecimento acadmico com a articulao e
a integrao com a sociedade.
Diante disso, o Centro Universitrio Cesumar al-
meja ser reconhecido como uma instituio uni-
versitria de referncia regional e nacional pela
qualidade e compromisso do corpo docente;
aquisio de competncias institucionais para
o desenvolvimento de linhas de pesquisa; con-
solidao da extenso universitria; qualidade
da oferta dos ensinos presencial e a distncia;
bem-estar e satisfao da comunidade interna;
qualidade da gesto acadmica e administrati-
va; compromisso social de incluso; processos de
cooperao e parceria com o mundo do trabalho,
como tambm pelo compromisso e relaciona-
mento permanente com os egressos, incentivan-
do a educao continuada.
Seja bem-vindo(a), caro(a) acadmico(a)! Voc est
iniciando um processo de transformao, pois quan-
do investimos em nossa formao, seja ela pessoal
ou profissional, nos transformamos e, consequente-
Diretoria de
mente, transformamos tambm a sociedade na qual
Planejamento de Ensino
estamos inseridos. De que forma o fazemos? Criando
oportunidades e/ou estabelecendo mudanas capa-
zes de alcanar um nvel de desenvolvimento compa-
tvel com os desafios que surgem no mundo contem-
porneo.
O Centro Universitrio Cesumar mediante o Ncleo de
Diretoria Operacional
Educao a Distncia, o(a) acompanhar durante todo
de Ensino
este processo, pois conforme Freire (1996): Os homens
se educam juntos, na transformao do mundo.
Os materiais produzidos oferecem linguagem dial-
gica e encontram-se integrados proposta pedag-
gica, contribuindo no processo educacional, comple-
mentando sua formao profissional, desenvolvendo
competncias e habilidades, e aplicando conceitos
tericos em situao de realidade, de maneira a inse-
ri-lo no mercado de trabalho. Ou seja, estes materiais
tm como principal objetivo provocar uma aproxi-
mao entre voc e o contedo, desta forma possi-
bilita o desenvolvimento da autonomia em busca dos
conhecimentos necessrios para a sua formao pes-
soal e profissional.
Portanto, nossa distncia nesse processo de cres-
cimento e construo do conhecimento deve ser
apenas geogrfica. Utilize os diversos recursos peda-
ggicos que o Centro Universitrio Cesumar lhe possi-
bilita. Ou seja, acesse regularmente o AVA Ambiente
Virtual de Aprendizagem, interaja nos fruns e en-
quetes, assista s aulas ao vivo e participe das discus-
ses. Alm disso, lembre-se que existe uma equipe de
professores e tutores que se encontra disponvel para
sanar suas dvidas e auxili-lo(a) em seu processo de
aprendizagem, possibilitando-lhe trilhar com tranqui-
lidade e segurana sua trajetria acadmica.
AUTOR(ES)

Graduada em Tecnologia Ambiental pelo Centro Federal de Educao
Tecnolgica do Paran. Especialista em Gesto Ambiental pela Faculdade
Estadual de Cincias e Letras de Campo Mouro - FECILCAM. Mestre em
Engenharia Urbana pela Universidade Estadual de Maring - UEM. Experincia
em pesquisa na rea de Sistemas de Gesto de Qualidade e Sistemas de Gesto
rea Ambiental. J trabalhou na rea ambiental com nfase em Tecnologias
Avanadas de Tratamento de Efluentes e Gesto e Tratamento de Resduos
Slidos. Professora Formadora no EAD do Centro Universitrio Cesumar
UniCesumar, nos cursos de: Gesto Ambiental, Gesto de Recursos Humanos,
Cincias Contbeis, Segurana do Trabalho, ministrando a disciplina de
Estatstica. Tambm, ministra a disciplina de Pesquisa Imobiliria e Estatstica
no curso de Gesto de Negcios Imobilirios, pela mesma instituio.
Professora no curso de graduao em Administrao na Faculdade

Metropolitana de Maring, ministrando a disciplina de Estatstica e Gesto
Ambiental. Professora da disciplina de Indstria e Meio Ambiente na Ps-
graduao em Gesto Ambiental na Faculdade Metropolitana de Maring.
Professora da ps-graduao EAD UniCesumar, nos cursos de: Gesto
Ambiental e Desenvolvimento Sustentvel e Empreendimentos e Negcios
Imobilirios.
APRESENTAO
ESTATSTICA E PESQUISA IMOBILIRIA
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
A unidade III mostra as medidas de posio e de disperso. Essas medidas so am-

plamente empregadas dentro de pesquisas em nvel cientfico e, tambm, nos pro-
blemas mais simples do cotidiano. Dentre as medidas estatsticas, a principal e mais
utilizada a mdia, que representa o conjunto de dados como um todo. Tambm
muito empregado como medida explicativa, podemos citar o desvio padro, que
mostra a variabilidade dos dados ou a disperso deles. A mdia e o desvio padro
so medidas importantes em uma anlise de dados, uma vez que uma representa o
conjunto de dados propriamente dito e a outra mostra a disperso dele, apontando,
assim, se temos homogeneidade ou heterogeneidade nos dados da pesquisa.
A unidade IV trata das probabilidades. Estas podem tratar de eventos simples a ex-
tremamente complexos. De forma abrangente, elas tratam das chances de determi-
nados fenmenos ocorrerem. A importncia de se estudar probabilidades est na
verificao de que alguns eventos ocorrem com uma facilidade maior que outros e,
assim, podemos prever situaes futuras sobre esses eventos.
Finalizando o material, a unidade V aborda as medidas de associao, mais especifi-
camente, a correlao e a anlise de regresso. Essas medidas nos mostram o grau
de relao entre duas variveis. A correlao informa a intensidade da relao e a
anlise de regresso mostra a quantidade de variao em uma por meio da variao
em outra. Alm disso, trabalharemos a aplicabilidade da estatstica na pesquisa imo-
biliria e a estatstica aplicada ao mercado imobilirio.
Este material est bastante sintetizado, focando os pontos principais da Estatstica,
de modo a proporcionar encaminhamentos que possibilitem a compreenso dos
conceitos, ao contrrio do que muitas vezes posto em se tratando de estudar Ma-
temtica e, especificamente, Estatstica.
A resoluo de tarefas importante, desde que o(a) estudante procure faz-la
luz da teoria que ela contempla. Com isso, afirmo: ser necessrio, tambm, muito
empenho de sua parte para a realizao desse intenso trabalho. No decorrer de suas
leituras, procure interagir com os textos, fazer anotaes, responder as atividades de
autoestudo, anotar suas dvidas, ver as indicaes de leitura e realizar novas pesqui-
sas sobre os assuntos tratados, pois, com certeza, no ser possvel esgot-los em
apenas um livro.
Professora: Renata C. de Souza Chatalov

09
SUMRIO
UNIDADE I
CONCEITOS E IMPORTNCIA DA PESQUISA E DA ESTATSTICA EM

NEGCIOS IMOBILIRIOS
15 Introduo
16 Histrico da Estatstica
17 Mtodo Cientfico
18 Fases do Meio Estatstico
21 A Importncia da Pesquisa para o Mercado Imobilirio
24 Variveis
26 Populao e Amostra
28 Amostragem
33 Definio do Nmero de Amostras
38 Uso da Estatstica como Instrumento para Elaborao de uma Pesquisa
41 Consideraes Finais
UNIDADE II
NOES BSICAS DE ESTATSTICA
47 Introduo
48 Tabelas
50 Sries Estatsticas
52 Grficos
59 Distribuio de Frequncia
SUMRIO
UNIDADE III
MEDIDAS DESCRITIVAS ASSOCIADAS VARIVEIS QUANTITATIVAS
75 Introduo
76 Medidas de Posio ou de Tendncia Central
85 Medidas de Disperso
UNIDADE IV
PROBABILIDADES E O MERCADO IMOBILIRIO
101 Introduo
102 Noes Bsicas de Probabilidades
103 Probabilidades
116 Regras Gerais de Probabilidade
116 Distribuies de Probabilidades
120 Distribuies Discretas de Probabilidade
124 Distribuies de Probabilidades Contnuas

11
SUMRIO
UNIDADE V
CORRELAO E REGRESSO LINEAR E ESTATSTICA APLICADA AO

MERCADO IMOBILIRIOS
141 Introduo
142 Correlao
153 A Aplicabilidade da Estatstica na Pesquisa Imobiliria
155 A Estatstica aplicada ao Mercado Imobilirio
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.
Como exemplos de aplicaes de tcnicas estatsticas, temos: a pesquisa elei-

toral, a pesquisa de mercado, o controle de qualidade, os ndices econmicos, o
desenvolvimento de novos medicamentos, as novas tcnicas cirrgicas e de tra-
tamento mdico, as previses meteorolgicas, as previses de comportamento
do mercado de aes, dentre outros, isto , tudo que se diz cientificamente com-
provado, por algum momento, passa por procedimentos estatsticos.
Portanto, podemos definir estatstica como um conjunto de tcnicas de an-
lise de dados, que aplicvel a quase todas as reas do conhecimento e que nos
auxilia no processo de tomada de deciso.
Tambm, voc ver que a estatstica uma cincia multidisciplinar que per-
mite a anlise de dados em todas as reas e que fornece ferramentas para que
sejamos capazes de transformar dados brutos em informaes acessveis e de
fcil compreenso, de modo que possamos compar-los com outros resultados
ou, ainda, verificar sua adequao a alguma teoria pronta.
Abordaremos que a estatstica tem uma base na formao do acadmico,
pois de extrema importncia para o desenvolvimento dos alunos; para saber
observar as tabelas e os grficos e usar essa ferramenta para a tomada de deci-
ses dentro das organizaes. Tambm, abordaremos a importncia da estatstica
como ferramenta auxiliar para o gestor de segurana no trabalho.
Ento, aproveite bem esta unidade e lembre-se de que ela ser um subsdio
para toda nossa disciplina.
Bons estudos!
Prof. Renata
Introduo
I
HISTRICO DA ESTATSTICA
Todas as cincias tm suas razes na histria do homem, no mesmo? E a mate-

mtica, que considerada a cincia que une a clareza do raciocnio a sntese da
linguagem, originou-se do convvio social, das trocas, da contagem, com carter
prtico, utilitrio e emprico.
A estatstica, que um ramo da matemtica aplicada, teve origem semelhante.
Nesse sentido, podemos afirmar que, desde que o homem deixou de ser nmade
e passou a ser sedentrio, comearam as necessidades que exigiam o conheci-
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.
CONCEITOS E IMPORTNCIA DA PESQUISA E DA ESTATSTICA EM NEGCIOS IMOBILIRIOS

17
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
de manter as causas constantes, admitem-se todas as causas presentes, variando-

-as, registrando essas variaes e procurando determinar que influncias cabem
em cada uma delas (CRESPO, 2009).
De acordo com Crespo (2009) e Barbetta, Reis e Bornia (2012), a estatstica
pode ser definida como: uma parte da matemtica que nos fornece mtodos e
meios para coletas, organizao, descrio, anlise e interpretao dos dados,
alm de ser uma ferramenta auxiliar na tomada de decises.
Essa anlise estatstica tem como principal objetivo a tomada de decises,
a resoluo de problemas ou a produo de novos conhecimentos. Para melhor
entendermos, vamos observar a figura que tem por intuito nos ajudar a enten-
der melhor esse processo.
Novos conhecimentos,
Pesquisa Dados Informaes
novos problemas
Figura 01: Processo iterativo das pesquisas empricas.

Fonte: adaptada de Barbetta, Reis e Bornia (2012).
Ao analisarmos a figura 01, podemos concluir que, para pesquisarmos, precisa-

mos, logo no incio, definir e delimitar a pesquisa, coletar os dados, observar e
analisar as informaes, para, enfim, tirarmos as concluses, que vo nos orien-
tar nos processos decisrios.
Alm disso, podemos dizer que a estatstica tem por objetivo fornecer mtodos
e tcnicas para que se possa lidar com situaes de incerteza e pode ser subdivi-
dida em trs grandes reas: descritiva, probabilstica e inferencial.
Mtodo Cientfico
I
A estatstica descritiva, tambm chamada estatstica dedutiva, segundo

Guedes et al. (2008), preocupa-se em descrever os dados, tem como objetivo
organizar, resumir e simplificar as informaes, a fim de torn-las mais fceis
de serem entendidas, transmitidas e discutidas.
Como o nome indica, ela descreve os fenmenos de forma prtica e aces-
svel, ou seja, por meio de tabelas, grficos e medidas resumo, que veremos nas
prximas unidades. Assim, podemos captar rapidamente, por exemplo, o sig-
nificado de uma taxa de desemprego, de um consumo mdio de combustvel
por quilmetro ou de uma nota mdia de estudantes.
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.
FASES DO MEIO ESTATSTICO
COLETA DE DADOS
Para conhecermos certas caractersticas dos elementos de uma populao (ou de

uma amostra), precisamos coletar dados desses elementos, nessa fase da pes-
quisa que devemos ter determinados cuidados com o planejamento dos dados
que precisam ser levantados, se teremos informaes suficientes que atendam o
objetivo da nossa pesquisa.

19
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.
Populao definida como o conjunto de elementos para os quais deseja-

mos que as nossas concluses sejam vlidas, ou seja, o universo do nosso
estudo. Enquanto a amostra uma parte desses elementos.
Fonte: Barbetta (2014, p. 15).
CRTICA DOS DADOS
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.
APURAO DOS DADOS
A apurao dos dados a soma, o processamento dos dados obtidos e a dispo-

sio deles, mediante critrios de classificao. Ainda, segundo Crespo (2009),
essa apurao de dados pode ser manual, eletromecnica ou eletrnica.
Fases do Meio Estatstico

I
EXPOSIO OU APRESENTAO DOS DADOS
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.
ANLISE DOS DADOS
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
Organizalao de dados Interna

(Crtica) Externa
Listas/rol
Apresentao
Tabelas
dos dados
Grficos
Anlise e interpretao
dos dados
Figura 02: Resumo das fases do mtodo estatstico

Fonte: adaptada de Crespo (2009).

21
A IMPORTNCIA DA PESQUISA PARA O MERCADO

IMOBILIRIO
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.
Isso a aplicao da estatstica.

Um gestor de negcios imobilirios pode utilizar a estatstica para procu-
rar um imvel para comprar ou alugar, contando com fontes confiveis. Assim,
para esse tipo de pesquisa, a estatstica pode fazer toda a diferena.
Por se tratar de um produto sujeito interferncia de uma srie de fatores,

como localizao e infraestrutura, os imveis necessitam de ferramentas ca-
pazes de medir resultados e fornecer dados atualizados constantemente.
Certos indicadores, como o de vendas e variao dos preos so capazes de
simplificar o monitoramento do mercado imobilirio, possibilitando a me-
lhor avaliao de riscos e oportunidades.
Pensando nisso, o site Agente Imvel disponibiliza, gratuitamente, suas pr-
prias ferramentas de pesquisa, mantendo dados sobreestatsticas e tendn-
cias do mercado imobilirio nacionalsempre atualizados.
A pesquisa pode ser refinada de acordo com cidades e bairros, mostrando
indicadores como o preo mdio anunciado e variao nos valores dos im-
veis, desde o ms anterior.
Saiba mais em: <http://www.agenteimovel.com.br/mercado-imobiliario/>.
Acesso em: 23 ago.2015.
Fonte: A importncia... (2011, online).
A Importncia da Pesquisa Para o Mercado Imobilirio

I
Alm disso, a estatstica pode ajudar o gestor de negcios imobilirios em:

a. uma pesquisa de mercado: que tem por objetivo principal a coleta de
informaes junto ao pblico-alvo. Este pode ser o consumidor, o usu-
rio, os funcionrios, dentre outros. A pesquisa de mercado deve ser feita
para verificar a viabilidade de uma hiptese, para isso, podemos utilizar
tcnicas estatsticas para determinar o nmero de pessoas (amostras) a
serem pesquisadas.
b. definio de um problema: aqui, preciso levantar os motivos que o
levaram a realizar a pesquisa. Qual o problema que deve ser resolvido?
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.

23
Vejam como importante para o gestor de negcios imobilirios o emprego

da estatstica, para que ela possa servir de ferramenta para nossas conclu-
ses!
Fonte: o autor.
Alm disso, segundo Rochadelli et al. (2007), a estatstica uma cincia que
procura estudar e pesquisar tanto o levantamento de dados quanto o processa-

mento desses para a quantificao da incerteza existente na resposta para um
determinado problema e a tomada de decises sob condies de incerteza, sob
o menor risco possvel.
A importncia da estatstica est presente em todos os segmentos ligados
pesquisa, de forma geral e abrangente. A maioria desses rgos possui depar-
tamentos oficiais destinados realizao de estudos estatsticos. A estatstica
tornou-se responsvel, nos ltimos tempos, pelo desenvolvimento cientfico
e tecnolgico, sendo que a partir dela que analisamos dados e tomamos as
decises. Ainda podemos dizer que ela fornece meios precisos e rigorosos na
verificao e anlise dos dados, transformando-os em informaes claras e a
partir das quais tomamos nossas decises baseados em comprovaes cientfi-
cas e no em achismos.
Dentre outros atributos, podemos dizer ainda que o estudo da estatstica
justifica-se pela necessidade de desenvolver pesquisas e pela utilizao dos resul-
tados, visando comprovao de alguma hiptese e soluo de algum problema.
Ademais, atualmente, as empresas tm procurado admitir profissionais que
tenham certo nvel de conhecimento em estatstica, pois esse conhecimento nas
tcnicas de estatstica tem resultado e diferena significativa nos processos deci-
srios. Torna-se fundamental para qualquer indivduo ter conhecimentos bsicos
e saber aplic-los de maneira coerente, utilizando tcnicas estatsticas nos dife-
rentes casos que podem surgir.
A Importncia da Pesquisa Para o Mercado Imobilirio

I
VARIVEIS
A estatstica fornece vrios mtodos para organizar e resumir um conjunto de dados

e, com base nessas informaes, tirar concluses.
Todo fenmeno apresenta diversas variaes, as quais devem ser analisadas sob
diversos e diferentes aspectos, de modo que possamos compreend-los e agir sobre
eles. Assim, esse tpico, tem como objetivo apresentar os diferentes tipos de vari-
veis com as quais vamos nos deparar ao estudar qualquer fenmeno.
Define-se varivel como: uma caracterstica que possa ser avaliada, em cada
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.

25
As variveis qualitativas ordinais: existe uma ordenao entre as categorias,

sendo esta considerada uma ordem hierrquica, por exemplos: grau de escolari-
dade (1, 2, 3 graus), estgio da doena (inicial, intermedirio, terminal), ms
de observao (janeiro, fevereiro,..., dezembro).
Tambm, temos as variveis quantitativas, que so definidas quando seus
valores so expressos em nmeros, que podem ser subdividas em: quantitativas
discretas ou quantitativas contnuas.
As variveis quantitativas discretas: so aquelas que podem assumir apenas
um nmero finito ou infinito contvel de valores, normalmente so o resultado
de contagens. Como exemplos, podemos citar: nmero de casas de um bairro,

nmero de cidades de um estado, nmero de apartamentos de um prdio, nmero
de alunos matriculados no curso de negcios imobilirios no ano de 2013.
As variveis quantitativas contnuas: so aquelas variveis que podem
assumir qualquer valor em uma escala contnua, ou seja, so resultados de men-
suraes, em que, normalmente, so utilizadas medidas por meio de algum
instrumento, como: peso (balana), altura (rgua, trena), tempo (relgio).
Resumindo (figura 03), temos:
Variveis
Qualitativas Quantitativas
Nominal Ordinal Discreta Contnua

Figura 03: Variveis e suas subdivises
Fonte: o autor.
Para melhor compreendermos as variveis, vamos analisar os exemplos a seguir

e classificar as seguintes variveis em: qualitativa nominal, qualitativa ordinal,
quantitativa discreta ou quantitativa contnua.
a. A altura de um prdio: quantitativa contnua (pois altura pode ser qual-
quer valor dentro de uma escala).
b. Cor de uma residncia: qualitativa nominal (pois cores de imveis podem
ser a que a pessoa decidir, o que uma caracterstica nica).
Variveis
I
c. Uma pessoa mora no terceiro andar de um prdio: qualitativa ordinal

(pois temos uma sequncia de andares em um prdio, primeiro andar,
segundo andar, terceiro andar e assim por diante).
d. Nmero de corretores de imveis no Estado do Paran: quantitativa dis-
creta (pois a varivel analisada a quantidade de pessoas e o seu resultado
em nmeros).
POPULAO E AMOSTRA
DEFINIO DE 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:

27
Populao
Amostra
Figura 04: Representao de populao e amostra

Fonte: o autor.
Quando as informaes desejadas estiverem disponveis para todos os objetos

da populao, temos o chamado censo. Normalmente, impraticvel ou invi-
vel trabalhar com a populao quando se faz estatstica. Isso devido a alguns
fatores, como a restrio de tempo ou recursos e a populao infinita, dentre
outros. Como exemplo de censo, temos o censo demogrfico (que envolve edi-
ficaes e habitantes), o censo industrial (que abrange indstrias) e o censo de
mercadorias (que se classifica em comrcio de mercadorias e comrcio de valo-
res). Como principais propriedades do censo, temos:
Admite erro processual zero e tem confiabilidade de 100%.
caro.
lento.
quase sempre desatualizado.
Nem sempre vivel.
Os Parmetros so caractersticas quantitativas da populao, em geral desco-

nhecidas, sob as quais se tem interesse. Exemplos:
Mdia populacional ( ).
Varincia populacional (2 ).
Tamanho da populao (N).
Proporo populacional ( ), dentre outros.
Populao e Amostra
I
J a Estimao a avaliao indireta de um parmetro, com base em uma esti-

mativa (ou estimador). Como principais Propriedades da Estimao, temos:
Admite erro processual positivo e tem confiabilidade menor que 100%.
barata.
rpida.
atualizada.
sempre vivel.
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.
um erro bsico teorizar antes de ter os dados.

Fonte: Sir Arthur Conan Doyle (1859 - 1930).
AMOSTRAGEM
A amostragem, segundo Barbetta (2014), naturalmente utilizada em nossa vida

diria, por exemplo, para verificar o tempero de um alimento em preparao, pode-
mos provar (observar) uma pequena poro. Estamos fazendo uma amostragem,
ou seja, extraindo do todo (populao) uma parte (amostra), com o propsito de
termos uma ideia (inferirmos) sobre a qualidade do tempero de todo o alimento.

29
Em pesquisas cientficas, em que desejamos conhecer algumas caracters-

ticas (parmetros) de uma populao, tambm podemos observar apenas uma
amostra de seus elementos e, com base nos resultados da amostra, obter valo-
res aproximados, ou estimativas, para os parmetros de interesse. Esse tipo de
pesquisa usualmente chamado de levantamento por amostragem. Entretanto,
a seleo dos elementos que sero efetivamente observados deve ser feita sob
uma metodologia adequada, de tal forma que os resultados da amostra sejam
suficientemente informativos para se inferir sobre os parmetros populacionais.
Por que utilizamos amostragem?
a. Economia: em geral, se torna bem mais econmico trabalhar-se somente

com uma parte da populao.
b. Tempo: em uma pesquisa eleitoral, a trs dias de uma eleio presi-
dencial, no haveria tempo suficiente para pesquisar toda a populao,
concorda? Mesmo se houvesse, teramos que ter muitos recursos finan-
ceiros em abundncia.
c. Confiabilidade dos dados: quando se pesquisa um nmero reduzido
de elementos, pode-se dar mais ateno aos casos individuais, evitando
erros em respostas.
d. Operacionalidade: mais fcil realizar operaes de pequena escala.
Um dos problemas tpicos nos grandes censos (em que pesquisada toda
populao) o controle dos entrevistadores.
E QUANDO O USO DE AMOSTRAGENS NO INTERESSANTE?
a. Populao Pequena: imagine que se queira saber a percentagem de mulhe-

res em uma sala com dez alunos, antes de conhecer a turma. intuitiva
a necessidade de observar quase todos os estudantes da sala para se ter
uma estimativa razovel. Em especial, a amostragem obtida sorteando
elementos da populao (amostragem aleatria), mais vale o tamanho
absoluto da amostra do que a percentagem que ela representa na populao.
Amostragem
I
b. Caracterstica de fcil mensurao: talvez, a populao no seja to pequena,

mas a varivel que se quer observar de to fcil mensurao que no com-
pensa investir em um plano de amostragem. Por exemplo, para verificar a
percentagem de funcionrios favorveis mudana no horrio de um turno de
trabalho, podemos entrevistar toda a populao no prprio local de trabalho.
c. Necessidade de alta preciso: segundo Barbetta (2014), a cada dez anos,

o IBGE (Instituto Brasileiro de Geografia e Estatstica) realiza um censo
demogrfico para estudar diversas caractersticas da populao brasileira.
Dentre essas caractersticas, tem-se o parmetro nmero de habitantes
no pas. um parmetro que precisa ser avaliado com grande preciso,
por isso, pesquisa-se toda a populao.
PLANOS DE AMOSTRAGEM
Para elaborao de um plano de amostragem, preciso ter bem definido o objetivo

da pesquisa, a populao a ser estudada, bem como os parmetros que precisa-
mos estimar para atingir aos objetivos da pesquisa. Em um plano de amostragem,
deve constar a definio da unidade de amostragem, a forma de seleo dos ele-
mentos da populao e o tamanho da amostra. Para isso, temos vrias tcnicas
de amostragem que podem ser utilizadas.
AMOSTRAGEM CASUAL OU ALEATRIA SIMPLES
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.

31
Por exemplo: vamos obter uma amostra representativa para a pesquisa da

estatura de 90 alunos de uma escola:
1. Numeramos os alunos de 01 a 90.
2. Escrevemos os nmeros, de 01 a 90, em pedaos iguais de um mesmo
papel, colocando-os dentro de uma caixa. Agitamos a caixa para mistu-
rar bem os pedaos de papel e retiramos um a um, nome ou nmeros que
faro parte da amostra, nesse caso, foi 10% da populao.
AMOSTRAGEM SISTEMTICA
utilizada quando os elementos da populao se apresentam ordenados, sendo

a retirada dos elementos feita periodicamente para compor a amostra. O sor-
teio feito de forma sistematizada.
De posse de uma listagem de todos os elementos da populao, estabelece-
-se o intervalo de seleo: I = N / n.
Em que:
I = intervalo.
N = Nmero de elementos da populao.
n = Nmero de elementos da amostra.
Em seguida, sorteia-se um nmero dentro desse intervalo. Esse ser o nmero
de ordem do primeiro sorteado da lista. Os demais sujeitos da amostra sero
selecionados utilizando o intervalo I, a partir do primeiro nmero sorteado.
Por Exemplo: para obter uma amostra de 5 alunos em uma turma de 32.
Temos, portanto, N = 32 (nmero de elementos da populao) e n = 5 (nmeros
de elementos da amostra), em que I = 32 / 5 = 6,4. Deve-se arredondar o valor
de I sempre para baixo. Ento, adotaremos I = 6.
Para o primeiro elemento, o sorteio ser feito entre os primeiros seis da lista.
Se o sorteado for, por exemplo, o nmero 5, a amostra ser formada pelos sujei-
tos de nmeros 5, 11, 17, 23 e 29.
Amostragem
I
AMOSTRAGEM ESTRATIFICADA
Nesse tipo de amostragem, a populao deve ser dividida em subgrupos (estra-

tos). Dentro de cada subgrupo, os indivduos devem ser semelhantes entre si.
Assim, pode-se obter uma amostra aleatria de pessoas em cada grupo. Esse pro-
cesso pode gerar amostras bastante precisas, mas s vivel quando a populao
pode ser dividida em grupos homogneos, devendo na composio da amostra
serem sorteados elementos de todos os estratos.
Quando os estratos possuem, aproximadamente, o mesmo tamanho, sor-
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.
INVESTIMENTO POPULAO AMOSTRA (10%)

venda 420 42
Locao 80 8
Total 500 50
Quadro 1: Imveis para vendas e locaes
Fonte: dados fictcios elaborados pelo autor.
Ento, a amostra com 50 elementos deve conter 42 imveis venda e 8 para locao.
AMOSTRAGEM POR CONGLOMERADO
Nessa amostragem, a populao dividida em diferentes grupos (conglomera-

dos), extraindo-se uma amostra apenas dos conglomerados selecionados, e no
de toda a populao. O ideal seria que cada conglomerado representasse tanto
quanto possvel o total da populao.

33
Exemplo: estudar a populao de uma cidade, dispondo apenas do mapa

dos bairros. Numerar os bairros e colocar os pedaos de papis numa urna.
Retirar um pedao de papel da urna e realizar o estudo sobre o bairro (conglo-
merado) selecionado.
importante saber que a amostra no pode conter vcios, ou seja, no ser
viesada ou tendenciosa. Deve ser selecionada com cuidado, aplicando a tcnica
de amostragem adequada com tamanho amostral (n) que seja informativo ao
que consta na populao. O tamanho da populao pode ser obtido por frmu-
las encontradas facilmente na literatura ou pode ser dado pelo bom senso do
pesquisador. O importante que ele seja representativo da populao.

No caso da amostra no ser representativa da populao, devemos ter cui-
dado com o conjunto de dados, para que no haja grandes erros de inferncia
ou, ento, no devemos fazer a inferncia.
DEFINIO DO NMERO DE AMOSTRAS
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).

I
O Split tem a ver com o nvel de homogeneidade ou heterogeneidade da popu-

lao pesquisada. Utilizamos o Split 50/50 quando a populao heterognea e
80/20 quando percebemos um bom nvel de homogeneidade. Por exemplo: em
uma pesquisa que tenha como alvo uma populao de um municpio inteiro, que
tem 30 mil habitantes, usamos um Split 50/50, porque, em uma cidade, existem
pessoas de diferentes nveis sociais, hbitos diversificados, enfim, um universo
de pesquisa bastante heterogneo.
J no caso de uma pesquisa que tenha por intuito investigar a populao de
um bairro nobre do estado de So Paulo, que tenha a mesma quantidade de pes-
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:

35
TABELA DETERMINANTE DO TAMANHO DA AMOSTRA
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
80/20 indica uma menor variao nas respostas (populao mais homognea)
(SEBRAE, 2013).
ERRO AMOSTRAL = ERRO AMOSTRAL = ERRO AMOSTRAL =

+/- 3% +/- 5% +/- 10%
POPULAO
SPLIT SPLIT SPLIT SPLIT
SPLIT 50/50 SPLIT 80/20
50/50 80/20 50/50 80/20
100 92 87 80 71 49 38
250 203 183 152 124 70 49
500 341 289 217 165 81 55
750 441 358 254 185 85 57
1.000 516 406 278 198 88 58
2.500 748 537 333 224 93 60
5.000 880 601 357 234 94 61
10.000 964 639 370 240 95 61
25.000 1.023 665 378 243 96 61
50.000 1.045 674 381 245 96 61
100.000 1.056 678 383 245 96 61
1.000.000 1.066 678 383 245 96 61
100.000.000 1.067 683 384 246 96 61
Quadro 02: Tabela determinante do Tamanho da Amostra

FONTE: Gomes (2013, p.31).

I
Quando no se tem noo do grau de homogeneidade da populao, deve-se

considerar um split de 50/50 (populao mais heterognea) para se alcanar um
nvel maior de confiana nas respostas. Para melhor entendermos, vamos fazer um
exemplo utilizando essa tabela para definir o nmero de amostras: O Sr. Cludio
e a escolha da amostra. Aps levantamento realizado na prefeitura do munic-
pio X, o Sr. Cludio verificou que tinha um universo de 10 mil moradores na
regio onde seria montado o seu aougue. Verificando a tabela disponibilizada
pelo SEBRAE, definiu sua amostra da seguinte maneira:
Universo a ser pesquisado: 10.000 pessoas
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):
ERRO AMOSTRAL = ERRO AMOSTRAL = ERRO AMOSTRAL =

+/- 3% +/- 5% +/- 10%
POPULAO
SPLIT SPLIT SPLIT SPLIT SPLIT SPLIT
50/50 80/20 50/50 80/20 50/50 80/20
100 92 87 80 71 49 38
250 203 183 152 124 70 49
500 341 289 217 165 81 55
750 441 358 254 185 85 57
1.000 516 406 278 198 88 58
2.500 748 537 333 224 93 60
5.000 880 601 357 234 94 61
10.000 964 639 370 240 95 61
25.000 1.023 665 378 243 96 61

37
50.000 1.045 674 381 245 96 61

100.000 1.056 678 383 245 96 61
1.000.000 1.066 678 383 245 96 61
100.000.000 1.067 683 384 246 96 61
Quadro 02: Tabela determinante do Tamanho da Amostra

FONTE: Gomes (2013, p.31).
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,
uma variao maior nos resultados a partir de um NVEL DE CONFIANA de

95% e um erro amostral de 10%. Por tratar-se de um bairro cuja populao tem
um nvel de renda semelhante, definiu um split 80/20, chegando a uma amos-
tra de 61 pessoas a entrevistar.
Ele tinha que levar em conta, tambm, a regio geogrfica que se desejava
atuar e os horrios da pesquisa: era necessrio distribuir de forma equilibrada
a aplicao do questionrio, pois poderiam existir diferenas quanto ao pblico
pesquisado: a aplicao do questionrio deveria ser realizada em todo bairro, em
diferentes horrios, e no poderia ser concentrada em um nico local.
Alm disso, Sr. Cludio definiu alguns critrios (SEBRAE, 2013):
a. Turno da pesquisa: em um aougue, os clientes da parte da manh so
diferentes daqueles que compram tarde em termos de produtos consu-
midos, volume de compra e poder aquisitivo. Por isso, sua pesquisa seria
aplicada pela manh, tarde e noite.
b. Distribuio geogrfica: em relao aos clientes potenciais, distribuiu

a pesquisa pelas ruas do bairro e proximidades do aougue concorrente.
c. Amostra de fornecedores: quanto aos fornecedores, o Sr. Cludio fez

uma lista dos produtos que precisava adquirir e definiu, a partir da visita
aos concorrentes e da lista disponibilizada pelo sindicato, cerca de nove
fornecedores. Para a definio desses fornecedores, ele considerou alguns
critrios: ao menos, trs empresas para cada categoria de produto, regio
geogrfica e porte delas.

I
d. Amostra de concorrentes: com relao aos concorrentes, o nmero era

limitado. Por ser uma pesquisa qualitativa, sabia que tinha que identificar
seus concorrentes diretos, isto , aqueles que seu pblico-alvo frequen-
tava. Alm do aougue de seu bairro, decidiu analisar alguns aougues
prximos regio que mereciam ser visitados. Alguns moradores de seu
bairro tinham o hbito de comprar em outros aougues nos arredores,
quando voltavam do trabalho. Ao todo, o universo a ser pesquisado seria
de quatro aougues.
Vejam que o Sr. Cludio, cuidadosamente, definiu critrios em sua amostragem,
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.
USO DA ESTATSTICA COMO INSTRUMENTO PARA

ELABORAO DE UMA PESQUISA
Vocs acabaram de ver, no tpico anterior, como podemos utilizar a estatstica

como ferramenta para definir uma amostra, agora, trabalharemos a estatstica
como instrumento para elaborao de uma pesquisa.
A obteno dos dados a partir dos questionrios previamente pensados e a
tabulao dos resultados carecem de muito trabalho e dedicao por parte das
pessoas envolvidas no processo de pesquisa. Entretanto, o passo que envolve maior
empenho e, sobretudo, esforo tico-profissional a interpretao dos dados.
No obstante, os princpios ticos e morais devem ter sido perseguidos desde
o incio do processo, da formulao do questionrio, para que seja possvel se
chegar a resultados vlidos a partir de uma avaliao final igualmente tica
(CHAMUSCA ; CARVALHAL, 2005).

39
COMO ELABORAR UM QUESTIONRIO?
Um dos instrumentos de pesquisa mais utilizados so os questionrios, roteiros

de entrevistas e formulrio de avaliao.
O questionrio muito utilizado em pesquisas quantitativas, um docu-
mento que traz, de forma estruturada e por escrito, um conjunto de perguntas
claras e objetivas a serem feitas aos entrevistados. Tem por objetivo garantir a
uniformidade das respostas, de modo a poder padronizar os resultados com
dados confiveis e estatsticos (SEBRAE, 2013).
Caso voc esteja elaborando um questionrio pela primeira vez, no se deve

partir logo para as perguntas. O mais importante determinar quais informaes
sero necessrias e importantes em sua pesquisa. Um bom questionrio com-
bina perguntas abertas e fechadas de maneira equilibrada, toma o menor tempo
possvel do entrevistado e atende aos objetivos da pesquisa.
J quando se possui uma grande quantidade de entrevistados, necessrio
realizar uma pesquisa estruturada. Nesse caso, o questionrio deve ser constru-
do com questes precisas e objetivas de fcil e rpida aplicao (o tempo da
entrevista no deve passar de 10 minutos), facilitando a padronizao e a inter-
pretao dos dados.
Em casos de mais questes abertas, o nmero de entrevistados deve ser limi-
tado e a durao poder ser maior (SEBRAE, 2013)
J para redigir as perguntas dos seus questionrios, o SEBRAE (2013) nos
apresenta algumas dicas, tais como: a redao das questes deve ser simples,
clara e, principalmente, objetiva; tambm, fornea instrues para os entrevis-
tados e tome cuidado com respostas bvias e induzidas, assim, o resultado do
seu trabalho pode no ter veracidade; procure evitar termos tcnicos e palavras
em outros idiomas, isso pode prejudicar no andamento da pesquisa.
Alm disso, aps a elaborao das perguntas, necessrio levar em con-
siderao se elas so longas demais, se o questionrio longo demais, se essas
perguntas podem facilitar a tabulao dos dados.
Uso da Estatstica como Instrumento para Elaborao de uma Pesquisa

I
RELATRIO FINAL
O relatrio final consiste na anlise da pesquisa a partir dos resultados obser-

vados. Nele, devem constar as respostas para os objetivos definidos no incio da
pesquisa, a partir da apresentao detalhada de suas descobertas.
A anlise o ajudar no planejamento e na implementao de aes que con-
tribuiro com o seu negcio. A deciso deve se basear na reunio e cruzamento
de todos os dados obtidos, e no apenas em informaes verificadas isolada-
mente. O SEBRAE (2013) afirma que um relatrio bem feito representa o esforo
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.

41
CONSIDERAES FINAIS
A Estatstica usada para coleta, organizao, descrio e anlise de informa-

es obtidas em uma pesquisa, sendo que a estatstica descritiva utilizada para
a descrio dos dados e o seu principal objetivo transformar os dados brutos
em informaes.
Nesta unidade, vimos os principais conceitos utilizados dentro da estatstica
descritiva, tipos de amostras e a importncia da utilizao de grficos e de tabe-
las como forma de apresentao dos dados. Dos conceitos abordados, podemos
destacar o censo, que o processo que consiste no exame de todos os elementos

da populao e cujas medidas so chamadas de parmetros. Portanto, podemos
dizer que parmetros so as medidas utilizadas quando estamos trabalhando
com toda nossa populao de estudo. Por exemplo, se coletamos dados da con-
tagem do nmero de habitantes de uma regio, ento, a medida da contagem
se chama parmetro. Entretanto, se utilizamos uma parte dessa populao, no
temos um parmetro, e sim uma estatstica ou um estimador, portanto, um esti-
mador uma medida tomada em uma parte dessa populao, mas no nela toda,
embora esse estimador represente o parmetro.
Tambm, trabalhamos nesta unidade os conceitos de Populao e Amostra.
Populao representada pela letra N pode ser definida como um conjunto de
elementos que possuem alguma caracterstica em comum. Como na maioria das
vezes difcil ou custoso trabalharmos com populao, utilizamos uma parte dela.
A essa parcela da populao denominamos amostra, representada pela letra n.
Nesta unidade, foram discutidos os principais tipos de amostras utilizados
nas pesquisas, sendo que a escolha deve ser feita de modo que as amostras repre-
sentem, de fato, a populao e de forma que sejam no tendenciosas.
Alm disso, o tamanho da amostra deve ser feito utilizando-se o bom senso ou
clculos adequados. Esse tamanho da amostra obtido de acordo com o tipo de
caracterstica que se deseja estudar. Para cada tipo, existe uma frmula adequada.
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
Como fao para arredondar um nmero?

Se o algarismo anterior ao da casa decimal que voc quer arredondar for maior ou
igual a 5, devemos aumentar 1 na casa decimal escolhida para o arredondamento.
Se o nmero for menor do que 5, s tirarmos as casas decimais que no nos inte-
ressam e o nmero no se altera.
Ex: 27,8+ 1,324+ 0,66 = 29,784
Neste caso, se quisermos apenasumacasa decimal aps a vrgula, devemos escre-
ver29,8. Porm, se quisermosduascasas aps a vrgula, devemos escrever29,78.
Podemos tambm fazer o arredondamentoantesde efetuar a operao:

Ex: 27,8+1,3+0,7 = 29,8
Ateno:Quando voc fizer o arredondamento antes da operao, pode acontecer do
ltimo algarismo ser diferente do que encontraria se fizesse o arredondamento depois
da operao.
Outro exemplo:
O comprimento de um fio vale 14269513 mm ou da ordem de 1,43x107mm. Note
que usamos apenas dois algarismos aps a vrgula, sendo que o ltimo foi arredon-
dado para cima, uma vez que 1,4269 est mais prximo de 1,43 que de 1,42.
Note tambm que, ao arredondarmos as casas decimais, perdemos muito da in-
formao inicial, mas isso pode ser solucionado usando quantos algarismos forem
necessrios depois da vrgula, por exemplo, 1,4269513 x 107mm reproduz o valor
com toda a preciso inicial.
Fonte: Como fao... (online).
MATERIAL COMPLEMENTAR
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.
Como Arredondar Valores

Este vdeo explica como arredondar valores, acesse o link disponvel em: <http://www.youtube.
com/watch?v=88KciJ1zfy0>.
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>.
NOES BSICAS DE
II
UNIDADE
ESTATSTICA
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
Tabelas
Sries Estatsticas
Grficos
Distribuio de Frequncia
47
INTRODUO
Em uma pesquisa, geralmente, os dados so descritos e analisados com auxlio

de tcnicas estatsticas. As pesquisas precisam da Estatstica para alcanar seus
objetivos, principalmente, quando envolvem grande quantidade de informaes
que precisam ser resumidas.
Como a estatstica tem como um de seus objetivos demonstrar de forma sin-
ttica e clara os valores possveis para as variveis em estudo, muito comum a
apresentao desses resultados na forma de tabelas ou de grficos.
A organizao dos dados em tabelas de frequncias nos proporciona um

meio eficaz de estudo do comportamento de caractersticas de interesse. Muitas
vezes, a informao contida nas tabelas pode ser mais facilmente visualizada
por meio de grficos.
Diante disso, nesta unidade, temos o objetivo de ensin-lo(a) a construir as
tabelas de distribuio de frequncias, bem como interpret-las. muito impor-
tante desenvolver tanto a habilidade de construir tabelas de frequncia e seus
grficos quanto a de fazer uma leitura adequada deles.
Nesta unidade, veremos as tcnicas que nos permitem organizar, resumir e
apresentar dados, de tal forma que possamos interpret-los luz dos objetivos
da pesquisa. Essa parte do tratamento de dados chamada Estatstica Descritiva.
importante salientar que tabelas, sries e grficos esto presentes em textos
cientficos, relatrios, anurios e outros documentos, as sries sintetizam nume-
ricamente os aspectos mais relevantes da realidade pesquisada.
Alm disso, aps a organizao dos dados, a apresentao deles d uma ideia
do que est ocorrendo com a pesquisa. As formas mais comuns de apresentar
dados estatsticos so por meio de grficos e tabelas.
Um dos objetivos da Estatstica sintetizar os valores que uma ou mais vari-
veis podem assumir e, para isso, ela consegue, inicialmente, apresentar por esses
valores por meio de tabelas e grficos, que iro nos fornecer rpidas e seguras
informaes a respeito das variveis em estudo.
Bons estudos!
Prof. Renata
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:
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.
Ainda temos que considerar os elementos complementares da tabela, que so a

fonte (origem dos dados), as notas e as chamadas (informaes complementares).
As tabelas devero ser fechadas com traos horizontais nas bordas superior
e inferior, enquanto que nas bordas esquerda e direita no. Dentro das tabelas
podem haver traos verticais separao das colunas no corpo da tabela ou entre
as linhas. conveniente, tambm, que o nmero de casas decimais seja padroni-
zado. As tabelas devem obedecer Resoluo n 886, de 26 de outubro de 1966,
do Conselho Nacional de Estatstica.

49
Vejamos um exemplo a seguir:

Cabealho
Ttulo
Coluna
TABELA 01: NMEROS MDIOS DE DIAS TRABALHADOS Casa ou

Clula
DESCRIO NMEROS MDIOS
Horas trabalhadas por dia 8 h/dia

Linhas
Dias trabalhados por ms 25 dias/ms
Corpo
Horas trabalhadas por ms 200 h/ms (8x25)

Dias trabalhados por ano 300 dia/ano(25x12)

Horas trabalhadas por anos 2.000 h/ano
Rodap Fonte: dados fictcios elaborados pelo autor.
TABELAS SIMPLES
Uma tabela simples contm as diferentes categorias observadas de uma varivel

qualitativa e de suas respectivas contagens, em que representa apenas o valor de
uma nica varivel (GUEDES, et al., 2008). O exemplo da tabela anterior (nme-
ros mdios de dias trabalhados) tambm considerado uma tabela simples.
NMERO DE IMVEIS VENDIDOS NO CENTRO DE MARING - PR.

(ttulo)
(2002 2006)
ANO (CABEALHO) NMERO DE IMVEIS VENDIDOS
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
Chamamos de sries estatsticas toda tabela que apresenta a distribuio de

um conjunto de dados estatsticos em funo da poca, do local ou da espcie.
Ao variar um dos elementos da srie, podemos classific-la em: histrica
(ou cronolgicas), geogrfica (ou territoriais) ou especfica (ou categricas).
SRIES CRONOLGICAS (HISTRICA)
Quando os valores da varivel estudada o fenmeno ao loco do tempo. Por
exemplo:
Valores da tarifa de nibus na cidade de Londrina - PR
ANOS PREO MDIO (R$)

2001 2,48
2002 2,75
2003 2,89
2004 2,55
2005 2,65
2006 2,85
Podemos observar que a varivel estudada foi o preo mdio da passagem de

nibus, no decorrer dos anos (varivel tempo), portanto, essa srie estatstica
considerada cronolgica.
SRIE GEOGRFICA (TERRITORIAL OU ESPACIAL)
Quando os valores observados da varivel so discriminados de acordo com sua

localizao (ou regio). Por exemplo:

51
DURAO MDIA DOS ESTUDOS SUPERIORES EM

PASES EUROPEUS NO ANO DE 2003
PASES NMERO DE ANOS
Itlia 7,5
Alemanha 7,0
Frana 7,0
Holanda 5,9
Inglaterra Menos que 4
Observe que a varivel estudada foi a mdia dos estudos superiores nos pases
(varivel local), portanto, essa srie estatstica considerada geogrfica.
SRIES ESPECFICAS (CATEGRICAS)
Quando a varivel observada em determinado tempo e local, discriminada por

especificaes ou categorias. Por exemplo:
TIPOS DE IMVEIS VENDIDOS EM PONTA GROSSA PR NO ANO DE 2010

IMVEIS QUANTIDADE
Sobrados 50
Apartamentos 80
Casas 120
Total 250
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
GRFICOS
Para representar resultados de uma pesquisa, alm de tabelas, podemos utilizar

os grficos. Crespo (2009) define grfico como uma forma de apresentao dos
dados estatsticos, cujo objetivo produzir, no investigador ou no pblico em
geral, uma impresso mais rpida e viva do fenmeno.
Portanto, o grfico uma figura utilizada na estatstica para representar
um fenmeno. Um grfico dispe tendncias, os valores mnimos e mximos,
as variaes dos dados e, tambm, as ordens de grandezas dos fenmenos que
esto sendo observados. Todo grfico deve visar clareza e objetividade, alm
de ser fiel s informaes pertinentes ao conjunto original de dados.
Para compreendermos um grfico, devemos obedecer a certos requisitos
fundamentais, como:
a. Simplicidade: o grfico deve ter detalhes de importncia.
b. Clareza: o grfico deve possibilitar uma correta interpretao dos valo-
res representativos do fenmeno em estudo.
c. Veracidade: o grfico deve expressar a verdade sobre o fenmeno em
estudo.
Os principais tipos de grficos so os diagramas, cartogramas e pictogramas.

As representaes grficas fornecem, em geral, uma visualizao mais suges-
tiva do que as tabelas. Portanto, constituem-se em uma alternativa de apresentao
de distribuio de frequncias.

53
GRFICO DE LINHA
O grfico de linha composto por dois eixos: um vertical e outro horizontal, em

que a linha mostra a evoluo do processo ou fenmeno. O vertical representa
o eixo x, enquanto o horizontal, o eixo y.
Para exemplificar, temos a seguinte srie estatstica:
QUANTIDADE DE APARTAMENTOS VENDIDOS NO CENTRO

DE MARING PR. (2000-2005)
ANOS QUANTIDADE
2000 39
2001 39
2002 53
2003 65
2004 69
2005 59
Total 324
Colocando esses dados da tabela em um grfico de linhas temos:
Grficos
II
GRFICO DE COLUNAS
O grfico de colunas utilizado geralmente para representar as variveis quali-

tativas, no entanto, pode ser utilizado para representar variveis quantitativas.
Nesse grfico, os retngulos so dispostos verticalmente ao eixo das abscissas.
Para melhor visualizar, temos como exemplo a srie estatstica:
QUANTIDADE DE SOBRADOS VENDIDOS NO CENTRO DE

LONDRINA PR PELA IMOBILIRIA X
ANOS QUANTIDADE DE SOBRADOS VENDIDOS
2010 18
2011 11
2012 10
2013 9
Total 48
Na forma de grfico de colunas:

55
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:
QUANTIDADE DE CASAS ALUGADAS PELA IMOBILIRIA Y NO CENTRO DE

PONTA GROSSA - PR
ANOS QUANTIDADE
2000 39
2001 39
2002 53
2003 65
2004 69
2005 59
Total 324
Na forma de grfico de barras:
Grficos
II
No site do Instituto Brasileiro de Geografia e Estatstica IBGE, voc ir encon-

trar vrias tabelas e grficos. As informaes apresentadas so importantes
para que ns, cidados, entendamos um pouco mais a respeito das nossas
formas de organizao e crescimento social. Alm disso, na seo Canais Te-
mticos, voc poder encontrar o Brasil em Sntese, que apresenta dados de
nosso pas relativos populao, educao, trabalho, dentre outros. Saiba
mais em: <www.ibge.gov.br>.
Fonte: adaptado de IBGE (online).
GRFICO DE SETORES
Tipo de grfico onde a varivel em estudo projetada em um crculo, de raio

arbitrrio, dividido em setores com reas proporcionais s frequncias das suas
categorias. So indicados quando se deseja comparar cada valor da srie com
o total. Recomenda-se seu uso para o caso em que o nmero de categorias no
grande e no obedece a alguma ordem especfica. Por exemplo, temos a srie
estatstica:
CAUSAS DE ACIDENTES DO TRABALHO NA CONSTRUO CIVIL

CAUSAS PERCENTUAIS (%)
Falta do uso de EPI 25
Autoconfiana 30
Falta de Sinalizao 10
Correria no Trabalho 25
No soube responder 10
Total 100

57
Fonte: dados fictcios elaborados pelo autor1.
Os diversos tipos de grficos sempre tm o mesmo objetivo: mostrar os da-

dos de forma resumida. O tipo de grfico a ser utilizado depende da escolha
e do objetivo do pesquisador.
PICTOGRAMAS
De acordo com Crespo (2009), o pictograma constitui um dos processos gr-

ficos que melhor fala ao pblico, pela sua forma ao mesmo tempo atraente e
sugestiva. A representao grfica consta de figuras. Na confeco de grficos
pictricos, temos que utilizar muita criatividade, procurando obter uma otimi-
zao na unio da arte com a tcnica. No utilizado em trabalhos cientficos.
Seu principal uso est em revistas voltadas ao pblico em geral. Por exemplo:
1 O grfico de setores s deve ser empregado quanto h, no mximo, sete dados.
Grficos
II
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).
A interpretao adequada de um grfico ou tabela fundamental para o entendi-

mento da pesquisa. Ler o ttulo de forma minuciosa e observar valores mximos,
mnimos e suas variaes so pontos fundamentais para uma interpretao
adequada.

59
DISTRIBUIO DE FREQUNCIA
Quando temos um conjunto de dados com muitos valores, recomendado que

seja colocado em uma tabela de frequncias, a seguir, aprenderemos como fazer
uma distribuio de frequncias de forma adequada.
TABELA PRIMITIVA
Vamos considerar a forma pela qual podemos descrever os dados estatsticos

resultantes de variveis quantitativas, como o caso de notas obtidas pelos alu-
nos de uma classe, estaturas de um conjunto de pessoas, salrios recebidos pelos
operrios de uma fbrica etc.
Vamos supor que resolvemos fazer uma coleta de dados referentes s esta-
turas de quarenta alunos, que compem uma amostra dos alunos matriculados
no curso de negcios imobilirios, o que resulta em:
ESTATURAS DE 40 ALUNOS DO CURSO DE NEGCIOS IMOBILIRIOS

166 160 161 150 162 160 165 167 164 160
162 168 161 163 156 173 160 155 164 168
155 152 163 160 155 155 169 151 170 164
154 161 156 172 153 157 156 158 158 161
A esse tipo de tabela, na qual os valores e/ou elementos no foram numerica-

mente organizados, chamamos tabela primitiva.
II
ROL
A partir dos resultados anteriores (estaturas de 40 alunos do curso de negcios

imobilirios) tabela primitiva , difcil ns averiguarmos em torno de que valor
tende a se concentrar as estaturas, qual a menor ou qual a maior estatura ou, ainda,
quantos alunos se acham abaixo ou acima de uma dada estatura (CRESPO, 2009).
Depois de conhecidos os valores de determinada varivel, difcil formar-
mos uma ideia exata do comportamento do grupo como um todo, a partir dos
dados no ordenados. A maneira mais simples de organizar os dados por meio
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.

150 154 155 157 160 161 162 164 166 169
151 155 156 158 160 161 162 164 167 170
152 155 156 158 160 161 163 164 168 172
153 155 156 160 160 161 163 165 168 173
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.
ENTENDENDO A DISTRIBUIO DE FREQUNCIA
No exemplo que trabalhamos anteriormente, referente Estatura de 40 alunos

61
do curso de Gesto de Negcios Imobilirios, a varivel em questo, estatura,

ser observada e estudada muito mais facilmente quando dispusermos valores
ordenados em uma coluna e colocarmos, ao lado de cada valor, o nmero de
vezes que aparece repetido (CRESPO, 2009).
Chamamos de frequncia o nmero de alunos que fica relacionado a um
determinado valor da varivel, ou seja, quantas vezes determinado valor se repetiu.
Podemos obter, ento, uma tabela que recebe o nome de distribuio de frequncia:

ESTATURAS (CM) FREQUNCIA

150 1
151 1
152 1
153 1
154 1
155 4
156 3
157 1
158 2
160 5
161 4
162 2
163 2
164 3
165 1
166 1
167 1
168 2
169 1
170 1
172 1
173 1
Total 40
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.
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:

ESTATURAS (cm) FREQUNCIA
150 154 4
154 158 9
158 162 11
162 166 8
166 170 5
170 174 3
Total 40
Ao realizarmos esse agrupamento dos valores da varivel em classes, podemos

observar que ganhamos em simplicidade, para perdermos em pormenores. O que
realmente pretendemos com a construo dessa nova tabela, segundo Crespo (2009),
realar o que h de essencial nos dados e, tambm, tornar possvel o uso de tc-
nicas analticas para sua total descrio, at porque a estatstica tem por finalidade
especfica analisar o conjunto de valores, desinteressando-se por casos isolados.
Mas para construirmos essa tabela simples assim? Precisamos seguir alguns
passos essenciais.

63
OBS: Quando os dados esto organizados em uma distribuio de frequn-

cia, so comumente denominados dados agrupados.
ELEMENTOS DE UMA DISTRIBUIO DE FREQUNCIA
Classes de frequncia ou, simplesmente, classes so intervalos de variao da

varivel. As classes so representadas simbolicamente por i, sendo i = 1, 2, 3, ...,
k (em que k o nmero total de classes da distribuio).
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.
K= = 6,32... = arredondando = 6. Portanto, nossa tabela ter 6 classes.

3 Passo: determinar a amplitude do intervalo de classes (h), que consiste
na diferena entre o limite inferior e o limite superior de uma classe.
h = amplitude do intervalo
AT = Amplitude total (calculada no passo 1)
K = nmero de classes (calculada no passo 2)
II
Portanto, a diferena entre o limite inferior (li) e o limite superior (ls) da classe
ser igual a 4.
Observao importante:
SIMBOLOGIA ENTRE LIMITES DE CLASSES

inclui os valores inferior e superior
inclui o inferior e exclui o superior
exclui o inferior e inclui o superior
exclui os valores inferior e superior
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:

ESTATURAS (cm) FREQUNCIA (fi)
150 154 4
154 158 9
158 162 11
162 166 8
166 170 5
170 174 3
Total 40
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:

65
a. Ponto mdio de classe (xi): o valor que representa os elementos de uma

classe, utilizada principalmente para o clculo da mdia. a soma do
limite inferior (de cada classe) com o limite superior, dividido por dois,
como segue a frmula abaixo:
Em que:
Xi = ponto mdio
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 (%).
II
Em que:
FRac(%) = Frequncia relativa acumulada em percentual
Fac = Frequncia acumulada
n = nmero total de elementos (ou somatria da frequncia)
Para resolver, vamos colocar as colunas complementares na tabela?

ESTATURAS (cm) FREQUNCIA (fi) FR(%) FAC FRAC(%) Xi
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
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.
c. Na coluna FRac(%), o ltimo elemento da somatria igual a 100.

Ento, veja que, aps essas dicas, tem como tirarmos prova real se nossa tabela
est correta ou no, mas, para isso, faa sempre um bom ROL, pois, se errar no
ROL, voc pode errar todos os dados da tabela.
REPRESENTAO GRFICA DE UMA DISTRIBUIO DE FREQUNCIAS
Uma distribuio de frequncia pode ser representada graficamente pelo histo-

grama, polgono de frequncia e pelo polgono de frequncia acumulada.

67
a) Histograma: formado por um conjunto de retngulos justapostos, cujas

bases se localizam sobre o eixo horizontal, de tal modo que seus pontos mdios
coincidam com os pontos mdios dos intervalos de classes.
b) Polgono de Frequncia: um grfico em linha, sendo as frequncias mar-

cadas sobre perpendiculares ao eixo horizontal, levantadas pelos pontos mdios
dos intervalos de classe. Por exemplo:
Podemos observar que os dados, quando agrupados em tabelas de frequncias

ou apresentados sob a forma de grfico, facilitam a visualizao dos resultados,
o que nos permite fazer uma avaliao mais facilmente.
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
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.

69
1. O grfico a seguir apresenta os dados de uma enquete realizada por um instituto

de pesquisa (hipottico). Cada entrevistado foi abordado em um centro urbano
e foi feita a seguinte pergunta: Dos possveis meios de transportes (automvel,
avio, trem, bicicleta e barco), em sua opinio, qual o mais seguro? Foram entre-
vistas 590 pessoas, em um perodo de 2 semanas. Observe o resultado da pes-
quisa a seguir e responda as perguntas:
Grfico 01: Meios de Transporte Mais Seguros.

Fonte: Dados fictcios
a) Na opinio dos entrevistados, qual o meio de transporte mais seguro, dentre os

listados?
b) Na opinio dos entrevistados, qual o meio de transporte menos seguro?
c) Quantas pessoas consideram o avio como sendo o mais seguro?
d) Apenas 20 pessoas disseram que a bicicleta menos segura do que o autom-
vel. Qual foi o nmero de pessoas que escolheram a bicicleta como mais segura?
2. Observe a tabela a seguir:
TABELA 01 UNIDADES ESCOLARES (ENSINO FUNDAMENTAL)

ANOS QUANTIDADE
2002 189.900
2003 190.345
2004 195.400
2005 198.600
Assinale a alternativa correta: esta tabela uma srie do tipo:

a) Especfica.
b) Conjugada.
c) Geogrfica.
d) Cronolgica.
e) Mista.
3. Faa uma srie estatstica para representar, em %, o PIB destinado educao

por Pas, no ano de 2009. Apresentam-se os seguintes dados: EUA destinou 2,5%
do PIB para educao. J o Brasil destinou 1,0 % e o Japo 7,1 % para educao.
Enquanto o Mxico destinou apenas 0,8% do PIB para educao. Aps o trmino
da representao (tabela), classifique a srie. Fonte: dados fictcios, elaborados
pelo autor.
71
ANALISAR DADOS ESTATSTICOS AJUDA A ENTENDER O MERCADO

IMOBILIRIO
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)
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.
VDEO: Tabela de Distribuio de frequncia no Excel

Esse vdeo apresenta como fazer uma tabela de distribuio de frequncia no Excel. Assista na
ntegra, no link disponvel em: <http://www.youtube.com/watch?v=knJjDsM8Aos>.
III
MEDIDAS DESCRITIVAS
UNIDADE
ASSOCIADAS VARIVEIS
QUANTITATIVAS
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
Medidas de posio ou de tendncia central
Medidas de Disperso
75
INTRODUO
Nesta unidade, vamos estudar sobre as medidas de posio e de disperso uti-

lizadas para descrever dados quantitativos. Essas medidas so demasiadamente
importantes na representao dos dados.
As medidas de posio ou de tendncia central mostram o centro de uma
distribuio de dados, dando-nos uma noo do que est ocorrendo com eles.
Por meio dessas medidas, podemos localizar a maior concentrao de valores em
uma distribuio, ou seja, se ela se localiza no incio, no meio ou no centro, ou,
ainda, se h uma distribuio por igual. As medidas de tendncia central mais

importantes so a mdia aritmtica, a mediana e a moda.
J as medidas de disperso so utilizadas para avaliar o grau de variabili-
dade do conjunto de dados, mostrando se esse homogneo ou heterogneo.
Essas medidas servem para analisar o quanto os dados so semelhantes, descre-
vem o quanto os dados se distanciam do valor central, portanto, as medidas de
disperso servem, tambm, para avaliar o grau de representao da mdia. As
medidas de disperso mais utilizadas so: a amplitude total, a varincia, o des-
vio padro e o coeficiente de variao.
Assim, para descrevermos um conjunto de dados, de bom grado sempre
termos uma medida de posio e uma de disperso para represent-lo. A de posi-
o para dizer o que est ocorrendo com a pesquisa e a de disperso para dizer
se h alta ou baixa variabilidade.
Nesta unidade, vamos estudar as principais medidas de posio e medidas
de disperso utilizadas nas pesquisas para descrever e representar o conjunto
de dados.
Bons estudos!
Prof. Renata
Introduo
III
MEDIDAS DE POSIO OU DE TENDNCIA CENTRAL
At agora, fizemos estudos sobre distribuies de frequncias, que nos permiti-

ram descrever, de um modo geral, os grupos dos valores que uma varivel pode
assumir. Dessa forma, podemos localizar a maior concentrao de valores de
uma dada distribuio.
Essas medidas tm como objetivo representar o ponto central de equilbrio
de uma distribuio de dados. Essas medidas representam quantitativamente os
dados, sendo as mais utilizadas em anlises.
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:

77
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:
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.
Observem como utilizamos a mdia em nossas situaes cotidianas.

Fonte: o autor.
Medidas de Posio ou de Tendncia Central

III
MDIA ARITMTICA PARA DADOS AGRUPADOS
Se os valores da varivel forem agrupados em uma distribuio de frequncias,

ser usada a mdia aritmtica dos valores x1, x2, x3,..., x n ponderadas pelas res-
pectivas frequncias absolutas.
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
NMERO DE ACIDENTES (x) fi xi.fi

0 2 0
1 6 6
2 10 20
3 12 36
4 4 16
Total 34 78
Para simplificar o clculo, resolvemos abrir uma coluna complementar, a

xi.fi, em que cada xi (elemento) foi multiplicado pela sua respectiva frequncia,
o resultado 78 (somatria de xi.fi). Agora, basta aplicarmos a frmula.

79
Moda
A moda definida como sendo o valor que ocorre com maior frequncia em
uma srie de valores ou em um conjunto de dados.
Para dados no agrupados (sem estar em tabelas)

Por exemplo: as notas dos alunos de Negcios Imobilirios no ano de 2015.
7,0 4,5 8,5 8,0 7,0 9,3 8,0 7,0 7,0 4,7
Nesse caso, a moda 7,0, pois aparece com maior frequncia (trs vezes).
Essa sequncia chamada Unimodal, pois tem apenas uma moda.
Agora, observe este exemplo: as notas dos alunos de Segurana do Trabalho

na disciplina de Estatstica no ano 2014.
6,5 8,0 6,5 7,5 6,0 4,0 8,0 5,0 5,5 3,0
A moda 6,5 e 8,0, pois os dois valores apareceram com maior frequncia,
portanto, essa bimodal.
Observe, ainda, este caso: as notas dos alunos de Negcios Imobilirios na
disciplina de Estatstica no ano 2013.
7,5 6,0 7,5 9,0 6,0 9,0 5,5 4,5 2,5
Nesse exemplo, a moda 6,0; 7,5 e 9,0, trata-se de uma trimodal.
Resumindo, temos o quadro a seguir que simplifica essas informaes.
CLASSIFICAO DEFINIO EXEMPLO

No tem moda, ou seja, nessa srie
Amodal 0, 2, 6, 9, 5, 7
no h valores que se repetem.
Unimodal Uma nica moda. 0, 2, 2, 6, 5, 9, 7
Bimodal Duas modas 0, 0, 2, 2, 6, 5, 9,7
Trimodal Trs modas 0, 0, 2, 2, 6, 6, 5, 9, 7
Polimodal Mais que trs modas 0, 0, 2, 2, 6, 6, 5, 5, 9,7
Quadro 04 Classificao da Moda (Mo)


III
Moda para dados agrupados em tabelas sem intervalos de classes

Uma vez os dados agrupados, possvel determinar a moda, basta fixarmos o
valor da varivel com maior frequncia, por exemplo:
Nmero de acidentes em uma empresa W
NMERO DE
fi
ACIDENTES (X)
2 5
5 4
Classe 6 7
8 3
Total 19
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.
MODA PARA DADOS AGRUPADOS EM TABELAS COM INTERVALOS DE

CLASSES
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.

81
h = amplitude do intervalo da classe que contm a moda.

fi = frequncia simples da classe que contm a moda.
fanterior = frequncia simples da classe anterior classe que contm a moda.
fposterior = frequncia simples da classe posterior classe que contm a moda.
Vamos fazer um exemplo:
ESTATURAS (EM CM) DE TRINTA ALUNOS DE UM COLGIO X

ESTATURAS (EM CM) DE TRINTA ALUNOS DE

UM COLGIO X
ESTATURA (cm) FREQUNCIA
150 |-----155 3
155 |-----160 5
Classe 160 |-----165 14
165 |-----170 6
170 |-----175 2
Total 30
Primeiro, localizamos a classe modal, que continua sendo a mesma definio, o

valor que aparece mais vezes, ou seja, que tem a maior frequncia, nesse exem-
plo, 160|---165, que teve a maior frequncia. Para sabermos o valor exato da
moda, vamos aplicar a frmula:
Mo=160 + 2,64 = 162,6

III
MEDIANA
uma medida de posio definida como o nmero que se encontra no centro

de uma srie de nmeros. No mesmo caso da moda, temos mediana para dados
agrupados e desagrupados.
Mediana para dados no agrupados (sem estar em tabelas)

Para calcularmos a mediana, obrigatoriamente, os dados tm que estar em Rol,
ou seja, organizados. Existe uma diferena na mediana, precisamos observar,
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:
Dado o conjunto de dados, calcule a mediana:

0 2 4 6 8
n = 5 (nmero de elementos igual a 5), basta colocarmos os valores na
frmula:
Esse 3 representa o 3 elemento do conjunto de dados, isto , a mediana

ser o 4.
0 2 4 6 8
b) Nmero par: nesse caso, o Rol admite dois termos centrais que ocupam
as posies . Assim, a mediana convencionada como
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.

83
Portanto, a mediana ser a mdia do terceiro e quarto elemento do con-

junto de dados
0 2 4 6 8 10
A mdia de 4 e 6 : 5, portanto, a mediana ser 5.
Mediana para dados agrupados em tabelas sem intervalos de classes

O clculo semelhante ao que foi feito para os dados no agrupados, porm,
deve ser feita a prvia das frequncias acumuladas. Basta identificar a frequn-
cia acumulada, a mediana ser aquele valor da varivel que corresponde a tal
frequncia acumulada. Por exemplo:
IDADE DOS FUNCIONRIOS DO SETOR DE VENDAS DA INDSTRIA Z

IDADE DOS ALUNOS (X) fi FAC
19 2 2
20 6 8
21 10 18
22 12 30
23 4 34
Total 34
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.
Mediana para dados agrupados em tabelas com intervalos de classes

Nesse caso, precisamos determinar o ponto do intervalo em que est a mediana.
Para tanto, temos, inicialmente, que determinar a classe na qual est a mediana.
Tambm, devemos ter a coluna FAC.

III
Para calcularmos o valor exato da mediana, vamos utilizar a frmula seguinte:
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.
Facanterior = Frequncia acumulada da classe anterior.
fi = Frequncia simples da classe estudada.
h = variao do intervalo de classe.
Por exemplo:
ESTATURAS (EM CM) DE TRINTA ALUNOS DE UM COLGIO X

ESTATURA (cm) FREQUNCIA FAC
150 |-----155 3 3
155 |-----160 5 8
Md 160 |-----165 14 22
165 |-----170 6 28
170 |-----175 2 30
Total 30
A classe modal onde est o 15 elemento, portanto, 160|--- 165. Agora, vamos
calcular o valor exato da mediana, utilizando a frmula:

85
Podemos observar que as medidas de posio ou de tendncia central nos

permitem comparar duas ou mais sries ou conjuntos de observaes.
MEDIDAS DE DISPERSO
As medidas de disperso mostram a variabilidade de um conjunto de obser-

vaes em relao regio central. Essas medidas indicam se um conjunto de

dados homogneo ou heterogneo. Alm disso, mostram se a medida de ten-
dncia central escolhida representa bem o conjunto de dados que est sendo
trabalhado pelo pesquisador. Vejamos um exemplo:
Considere as idades de trs grupos de pessoas A, B e C:
A: 15; 15; 15; 15; 15
B: 13; 14; 15; 16; 17
C: 5; 10; 15; 20; 25
A mdia aritmtica do conjunto A 15, do B 15 e do C tambm 15.
A mdia aritmtica a mesma para os trs conjuntos, porm o grau de homo-
geneidade entre eles muito diferente, ou seja, a variao dos seus elementos em
relao mdia bem distinta. O conjunto A no tem disperso, o B tem certo
grau de variabilidade e o conjunto C tem grande variabilidade. Por isso, deve-
mos estudar as medidas de disperso, pois conjuntos de dados diferentes podem
ter mdias iguais, porm isso no indica que so iguais, uma vez que a variabi-
lidade entre eles pode ser diferente.
AMPLITUDE TOTAL
A amplitude total de um conjunto de dados a diferena entre o maior e o

menor valor. Essa medida nos diz muito pouco, pois, embora fcil de ser cal-
culada, baseada em somente duas observaes, sendo altamente influenciada
pelos valores extremos; quanto maior a amplitude, maior ser a variabilidade.
Medidas de Disperso
III
Veja sua frmula abaixo:

AT = Xmax Xmin
Em que:
Xmax o maior valor no conjunto de dados.
Xmin o menor valor no conjunto de dados.
Verifique o exemplo em que foram medidas as idades das pessoas de uma
famlia, sendo elas: 2; 13; 18; 42; 50. Qual a Amplitude das idades nessa famlia?
AT = 50 2 = 48 anos
Essa medida de disperso no leva em considerao os valores intermedi-
rios, perdendo a informao de como os dados esto distribudos.
VARINCIA
A varincia uma medida de variabilidade que utiliza todos os dados.

calculada considerando o quadrado dos desvios em relao mdia aritmtica
dos dados em estudo.
Se os dados so para uma populao, a varincia denotada pelo smbolo
grego 2 e sua definio dada como segue:
N
(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.

87
Portanto, iremos nos basear sempre na varincia amostral.

Exemplo:
Continuando com o exemplo das idades das pessoas de uma famlia, sendo
elas: 5; 10; 12; 35; 38, calcule a varincia amostra para esse conjunto de dados.
Primeiramente, calculamos a mdia, sendo esta igual a 20.
Vamos s contas:
(5 20) 2 + (10 20) 2 + (12 20) 2 + (35 20) 2 + (38 20) 2
s2 =
5 1
s2 = 234,5 anos2
A unidade da varincia a mesma unidade da caracterstica, entretanto, por

simbologia apenas, devemos colocar o smbolo do quadrado junto unidade.
Assim, dizemos que a varincia dada em unidades quadrticas, o que dificulta
a sua interpretao. O problema resolvido extraindo-se a raiz quadrada da vari-
ncia, definindo-se, assim, o desvio padro.
DESVIO PADRO
O desvio padro d a ideia de distribuio dos desvios ao redor do valor da mdia.

Para obtermos o desvio padro, basta que se extraia a raiz quadrada da varin-
cia e, seguindo a notao adotada para as varincias de populao e amostra, s
denotar o desvio padro da amostra, enquanto , o desvio padro da popula-
o. Assim:
Populao Amostra
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
Considerando o caso anterior, em que a varincia foi s2 = 234,5 anos2, o clculo

do desvio padro (s) fica bastante simples, ou seja:
Medidas de Disperso
III
s = 234,5 = 15,31 anos

Essa medida interpretvel e dizemos que a disperso mdia entre os indiv-
duos dessa famlia de 15,31 anos.
Para saber se o desvio padro est alto ou baixo, vamos compar-lo com
o valor da mdia. Quanto maior o valor do desvio padro em relao mdia,
maior, ento, ser a variao dos dados e mais heterogneo o nosso conjunto
de observaes.
COEFICIENTE DE VARIAO
O Coeficiente de Variao (CV%) envolve clculos percentuais, por isso, uma

medida relativa, e no absoluta. Assim, observe as frmulas a seguir:
Populao Amostra
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.

89
Quanto representatividade em relao mdia, podemos dizer que, quando

o coeficiente de variao (CV) ou est:
menor que 10%: significa que um timo representante da mdia, pois
existe uma pequena disperso (desvio padro) dos dados em torno da
mdia.
entre 10% e 20%: um bom representante da mdia, pois existe uma boa
disperso dos dados em torno da mdia.
entre 20% e 35%: um razovel representante da mdia, pois existe uma
razovel disperso dos dados em torno da mdia.

entre 35% e 50%: representa fracamente a mdia, pois existe uma grande
disperso dos dados em torno da mdia.
acima de 50%: no representa a mdia, pois existe uma grandssima dis-
perso dos dados em torno da 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
= 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.

91
NMERO DE ACIDENTES NA EMPRESA DE CONSTRUO CIVIL Y NO MS DE MAIO

NMERO DE ACIDENTES (X) fi xi . fi
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
Mdia = 78/34 = 2,29, arredondando = 2,3

Frmula da varincia
(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.
DESVIO PADRO PARA DADOS AGRUPADOS
O desvio padro d a ideia de distribuio dos desvios ao entorno da mdia.

Para obtermos o desvio padro, basta extrair a raiz quadrada da varincia usando
as frmulas abaixo:
s= s2 = 2
Exemplo: calcular o desvio padro para os dados amostrais a seguir (com
intervalo de classes).
Nmero de acidentes na empresa de construo civil Y no ms de maio
Medidas de Disperso
III
NMERO DE ACIDENTES (X) fi xi . fi
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
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
uma medida relativa da disperso ou variabilidade dos dados:
s
cv = 100 ou cv = 100
x
J foi visto que o desvio-padro tem a mesma unidade de medida que os

dados, de modo que o coeficiente de variao adimensional.
Sabemos que a mdia doexemplo anterior igual a 2,3 e o desvio padro
1,08, basta dividir o desvio padro pela mdia e multiplicar por 100, portanto:
1 ,08
cv = . 1 0 0 = 46,95%
2,3
De acordo com o critrio de interpretao, esses valores representam fraca-

mente a mdia, pois existe uma grande disperso dos dados em torno da mdia.
Assim, podemos observar que as medidas de disperso nos auxiliam na
interpretao dos resultados.

93
CONSIDERAES FINAIS
Nesta unidade, trabalhamos com dados quantitativos, a principal forma de anlise

calcular as medidas de posio e de disperso. Essas medidas do uma indica-
tiva de representao e de variao dos dados e por meio delas que saberemos
o que, de fato, ocorreu com a pesquisa.
Voc tambm aprendeu a calcular as principais medidas de Posio e
Disperso. Vimos que as principais medidas de posio dentro da estatstica
so mdia aritmtica, moda, mediana. Pelo menos uma dessas medidas sempre
deve estar presente na descrio das informaes coletadas.

As principais medidas de disperso so varincia, desvio padro e coefi-
ciente de variao. Analisamos que as medidas de disperso so utilizadas para
um estudo descritivo de um conjunto de dados numricos qualquer, que tem
por objetivo determinar a variabilidade ou a disperso dos dados em relao
medida de localizao do centro da amostra em anlise.
Aprendemos o passo a passo de como calcular essa disperso, diferenciando
os clculos de populao e amostra. Vimos que, para calcular essa disperso, pre-
cisamos da mdia, aps calcularmos a mdia, calculamos a varincia em relao
mdia, que, para se calcular a varincia, somam-se os quadrados dos desvios
da amostra observada, em relao mdia, e divide-se pelo nmero de observa-
es da amostra menos um, o que diferencia da populao que a diviso feita
somente pelo nmero de observaes. Logo aps, calculamos o desvio padro,
que simplesmente a raiz quadrada da varincia. O desvio padro uma medida
de extrema importncia, porque, quanto maior for a variabilidade dos dados,
maior ser o valor do desvio padro.
importante salientar que, de todas essas medidas vistas, as mais utilizadas
nas pesquisas so a mdia e o desvio padro e que essas so representativas da
populao e da amostra tambm. As medidas representaro sempre os dados,
portanto, fundamental que saibamos qual ou quais so as medidas mais ade-
quadas para o tipo de informao que temos em mos.
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:
TEMPO (DIAS) FI FAC XI

0 | 2,5 2 2 1,25
2,5 | 5,0 3 5 3,75
5,0 | 7,5 25 30 6,25
7,5 | 10,0 10 40 8,75
Total 40 - -
Demonstre:
a) A mdia aritmtica, a moda e a mediana.
b) A varincia, o desvio padro.
c) O coeficiente de variao (interprete).
2. Considerando os conjuntos de dados a seguir, calcule a mdia, a mediana e a

moda:
a) 3, 5, 2, 6, 5, 9, 5, 2, 8, 6
b) 20, 9, 7, 2, 12, 7, 20, 15, 7
3. Em um exame final de Estatstica, o grau mdio de um grupo de 150 alunos foi

de 7,8 e o desvio padro, 0,80. Em Computao Bsica, entretanto, o grau mdio
final foi de 7,3 e o desvio padro, 0,76. Em que disciplina foi menor a disperso?
95
BOLHA IMOBILIRIA ESTOURANDO? ONDE?
Desde 2008, quando surgiram os primeiros comentrios de bolha imobiliria em vias de

estourar no Brasil, tenho analisado evidncias histricas einternacionais, refutando at
aqui tais alegaes e concluindo que, provavelmente, os preos continuariam a subir.
De acordo com a consultoria britnica Knight Frank, entre os 53 pases com os maiores
mercados imobilirios globais, o Brasil teve em 2012 a maior alta de preos de imveis
residenciais: 13,7% em mdia. Resolvi atualizar e expandir meusestudos.
H um ano, usei o consumo anual per capita de cimento como estimativa do grau de
aquecimento da atividade no setor imobilirio em momentos de estouro de bolhas em
vrios pases. Hoje, pelas minhas contas, este indicador chegou a 361Kg no Brasil. No rit-
mo mdio de crescimento dos ltimos 10 anos, que foi de 5% a.a., em apenas dois anos
atingiramos o nvel mais baixo de estouro de bolhas, que de 400Kg, o que sugeriria
cautela. Por outro lado, o nvel mximo de consumo de cimento antes bolhas estoura-
rem, em alguns casos passou de 1.600Kg anuais per capita. Para chegar a este patamar,
o Brasil levaria mais 80 anos. Por este parmetro, poderamos estar entre 2 e 80 anos do
estouro de uma bolha. Pouco se conclui.
O segundo indicador importante o total de crdito imobilirio disponvel. Crdito per-
mite que mais gente compre imveis, aumentando a procura por eles e elevando seus
preos. No Brasil, apesar do crescimento dos ltimos anos, ele ainda de apenas 7% do
PIB, muito distante dos 50% do PIB que costuma ser o mnimo quando bolhas imobili-
rias estouram. Mesmo considerando-se uma expanso ao ritmo dos dois ltimos anos,
que foi de 1,4% do PIB ao ano, o mais rpido da nossa histria, levaramos mais de 30
anos para chegar a 50% do PIB. Sinal de tranquilidade.
Por fim, como anda a capacidade de pagamento dos brasileiros? Levando em conta pre-
os dos imveis em relao renda no mundo, chama a ateno a grande disperso
entre as maiores cidades brasileiras, com algumas entre as mais caras e outras entre as
mais baratas.
Das 50 cidades mais caras do planeta, 49 esto em pases emergentes, incluindo quatro
no Brasil: Braslia (10), Rio de Janeiro (25), Belo Horizonte (43) e Porto Alegre (45).
Por outro lado, Salvador no est mais entre as 100 mais caras do mundo, Fortaleza
uma das nicas 10 cidades entre as 50 mais baratas do mundo que no esto nos EUA,
e Campinas tambm est entre as 100 mais baratas. Entre os 385 maiores mercados
imobilirios globais, a classificao mdia das 11 cidades brasileiras includas foi 124,
sugerindo que o mercado brasileiro como um todo est um pouco mais caro do que a
mdia, mas distante dos mais caros do planeta. Entre os mercados emergentes, o Brasil
est mais barato do que a mdia.
Outro aspecto favorvel que um menor percentual da renda necessrio para paga-
mento mensal de hipotecas sugere que no Brasil temos melhor capacidade de honrar
dvidas. Alm disso, comparando o preo de compra de imveis com o custo de alu-
g-lo, constata-se que no Brasil alugueis elevados estimulam compras mais do que no
resto do mundo. Por fim, a desvalorizao do real barateou os imveis no Brasil para
compradores estrangeiros.
Em resumo, ainda que algumas cidades sugiram mais cautela, para o pas como um todo,
continuam valendo asconcluses do ano passado. Altas modestas ou manuteno de
preos so provveis na maioria dos casos e o risco de estouro imediato de uma bolha
imobiliria nacional ainda baixo. Se voc est na esperana dos preos despencarem
para comprar, espere sentado. Segundo Plato, coragem saber o que no temer.
Fonte: Amorim (2013, online).
Estatstica Aplicada s Cincias Sociais

Pedro Alberto Barbetta
Editora: Editora da UFSC
Sinopse: Este livro apresenta uma introduo Estatstica,
acompanhada de uma orientao de planejar como conduzir
uma pesquisa quantitativa, apresentando alguns mtodos
estatsticos.
Estatstica Bsica para os Cursos de Administrao,

Cincias Contbeis, Tecnolgicos e de Gesto
Conceio Gentil Rebelo Tiboni
Editora: Atlas
Sinopse: Este livro tem como objetivo apresentar os conceitos
e mtodos de anlise estatstica de maneira simples e
acessvel ao entendimento dos estudantes das diversas reas
do conhecimento. No final de cada seo terica, h muitos
exemplos e aplicaes detalhadas, que estimulam o aluno a
desenvolver habilidades necessrias ao acompanhamento do
curso de estatstica. Ao trmino de cada captulo, encontram-
se muitos exerccios propostos com as respostas no final. Os
captulos iniciais versam sobre tcnicas de amostragem, conhecimento das sries estatsticas
e construo de grficos estatsticos. Em seguida, traz um estudo detalhado da distribuio de
frequncia e sua representao grfica.
O Link a seguir apresenta a resoluo de um exerccio utilizando medidas de disperso, acesse o

link disponvel em: <https://www.youtube.com/watch?v=Za8SUxUNVIo>.
Material Complementar
PROBABILIDADES E O
IV
UNIDADE
MERCADO IMOBILIRIO
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
Noes bsicas de probabilidade
Probabilidades
Distribuies de probabilidade
Distribuies discretas de probabilidade
Distribuies de probabilidades contnuas
101
INTRODUO
As origens histricas da teoria das probabilidades esto vinculadas teoria dos

jogos e aos nomes de Fermat e Pascal, que, na metade do sculo XVII, formali-
zaram pela primeira vez o conceito de probabilidade.
No decorrer do tempo, a teoria das probabilidades foi superando o marco
original da teoria dos jogos para constituir, na atualidade, um ramo da matem-
tica pura com aplicaes nas cincias de um modo geral.
Embora o clculo de probabilidades pertena ao campo da Matemtica, sua
incluso se justifica no ramo da estatstica, por ser de natureza aleatria ou pro-

babilstica. Por exemplo: um seguro de vida proporcionalmente mais caro se
os fatores de risco forem maiores, jogos de loteria foram planejados levando em
conta as probabilidades de ganho, a anlise de eventos ligada ao tempo e seus
respectivos resultados estudados em meteorologia.
Probabilidade deriva do Latim probare (provar ou testar) e designa eventos
incertos, ou mesmo sorte, risco, azar, incerteza ou duvidoso.
As decises nos negcios so frequentemente baseadas na anlise de incer-
tezas, como: chances de um investimento ser lucrativo, chances das vendas
decrescerem se o preo for aumentado, probabilidade de projetos terminarem
no prazo etc. As probabilidades medem o grau de incerteza, assim, no podemos
antecipar o evento, mas lidar com as chances maiores ou menores de ele ocorrer.
Para comear, vamos dizer que o objetivo da teoria das probabilidades o
estudo dos fenmenos aleatrios.
Nesta unidade, sero apresentados conceitos bsicos de probabilidade, como
a probabilidade pode ser interpretada e como suas regras podem ser utilizadas
para calcular as possibilidades de ocorrncia de eventos futuros, alm de traba-
lharmos com as principais distribuies de probabilidades discretas e contnuas.
Veremos a importncia de estudarmos as probabilidades, pois necessrio que
os futuros gestores saibam que muitas das decises a serem tomadas so base-
adas na incerteza.
Bons estudos!
Prof. Renata
Introduo
IV
NOES BSICAS DE PROBABILIDADES
Trabalharemos com as noes bsicas de probabilidade, definindo experimentos

determinsticos e aleatrios e, tambm, abordaremos os eventos e tipos de eventos.
EXPERIMENTO DETERMINSTICO
De acordo com Crespo (2009), so os experimentos que, realizados nas mesmas
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
Em quase tudo, em maior ou menor grau, vislumbramos o acaso. Assim, da afir-

mao provvel que o meu time ganhe a partida de hoje pode resultar:
a) Que, apesar do favoritismo, ele perca.
b) Que, como pensamos, ele ganhe.
c) Que empate.
Como vimos, o resultado final depende do acaso. Fenmenos como esses so

chamados fenmenos aleatrios ou experimentos aleatrios (CRESPO, 2009).
Experimentos ou fenmenos aleatrios so aqueles que, mesmo repetidos
vrias vezes sob condies semelhantes, apresentam resultados imprevisveis.
Como exemplos, podemos citar: remover uma carta de baralho e observar a
carta retirada; jogar uma moeda para cima e observar a face. Nesses casos, no
sabemos qual ser o resultado, portanto, esse resultado imprevisvel.

103
PROBABILIDADES
As probabilidades so usadas para delinear a chance de ocorrncia de deter-

minado evento. Seus valores so sempre atribudos em uma escala de 0 a 1. A
probabilidade prxima do valor 1 indica um evento quase certo, j a probabili-
dade prxima de zero indica um evento improvvel de acontecer.
Ao discutirmos probabilidade, definimos experimentos como qualquer ao
ou processo que gera resultados bem definidos. Os experimentos aleatrios so
aqueles que, repetidos vrias vezes, apresentam resultados imprevisveis. Ao des-
crever um experimento aleatrio, deve-se sempre especificar o que dever ser

observado (OLIVEIRA; ALDROVANDI; CARNIEL, 2014).
Exemplo: vamos supor que queremos estudar a ocorrncia das faces de um
dado. Esse seria o experimento aleatrio (lanamento de dados). A partir do
conhecimento de que o dado tem 6 faces (seis possveis resultados), podemos
construir o modelo probabilstico da seguinte maneira:
Tabela 01: Modelo probabilstico do lanamento de um dado
Face 1 2 3 4 5 6
Frequncia 1/6 1/6 1/6 1/6 1/6 1/6
Probabilidades
IV
Agora, vamos supor que nosso experimento

aleatrio o lanamento de uma moeda.
Sabemos que s podem ocorrer duas situaes nesse
lanamento: ou cara ou coroa, portanto:
Tabela 02: Cara ou Coroa
Face Cara Coroa

Frequncia 1/2 1/2
ESPAO AMOSTRAL
Quando especificamos todos os resultados experimentais possveis, identifica-

mos o espao amostral () de um experimento (OLIVEIRA; ALDROVANDI;
CARNIEL, 2014).
Por exemplo, vamos ver qual o espao amostral de um lanamento de um
dado, portanto = {1, 2, 3, 4, 5, 6} (com seis possveis resultados), sendo que
cada elemento de chamado de um ponto amostral.
Qual o espao amostral do lanamento de uma moeda?
= {cara, coroa} (com dois possveis resultados)
Em dois lanamentos de duas moedas simultaneamente, qual ser o espao

amostral?
= {(Ca,Ca), (Ca,Co), (Co,Ca) e (Co,Co)}. (4 possveis resultados)

105
PROBABILIDADE DE UM EVENTO
Considerando um experimento aleatrio em que se queira um determinado

evento A, a probabilidade desse evento ocorrer dada por P(A).
Assim: a probabilidade de A ocorrer ser dada por:
nmeros de resultados possveis de A

P (A) =
todos os resultados possveis
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
P(A) = 2 = 0,33, em porcentagem 0,33 x 100 = 33%

6
Probabilidade um valor entre 0 (zero) e 1 (um). A soma das probabilidades

de todos os resultados possveis do experimento deve ser igual a 1 (um).
Fonte: BARBETTA (2014, p.117).
Probabilidades
IV
REGRAS BSICAS DAS PROBABILIDADES
Tendo um modelo probabilstico e conhecendo suas frequncias relativas, pode-

mos estabelecer algumas regras, tais como:
A probabilidade dever ser um valor que varie entre 0 e 1, sendo repre-
sentado por 0 < P(A) < 1.
Um evento impossvel um conjunto vazio () e atribui-se probabilidade
0, enquanto um evento certo tem probabilidade 1, assim:
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.

107
OPERAES COM EVENTOS
Nos clculos das probabilidades, algumas vezes, o interesse do pesquisador est

na determinao da probabilidade de combinao dos eventos relacionados ao
experimento aleatrio. Podemos ter dois tipos de combinaes dados dois even-
tos A e B:
O evento interseo de A e B, chamado A B, o evento em que A e B
ocorrem simultaneamente.
O evento reunio de A e B, chamado A B, o evento em que A ocorre

ou B ocorre (ou ambos).
O evento complementar de A, chamado Ac, o evento em que A no ocorre.
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).
Por exemplo: duas empresas so questionadas se tem programa de reciclagem.

Perguntas possveis seriam: qual a probabilidade de ambas terem o programa
de reciclagem? Qual a probabilidade de uma ou outra empresa ter o programa
de reciclagem?
Ambas - implica em P(A e B).
Uma ou outra - implica em P(A ou B).
A teoria da probabilidade no fundo nada mais do que o senso comum

reduzido ao clculo.
Fonte: Pierre Simon de Laplace (1749 - 1827).
Probabilidades
IV
REGRA DA ADIO
Essa regra leva em considerao a ocorrncia do evento A ou a ocorrncia do

evento B ou, ainda, de ambos os eventos. chamada matematicamente por P(A
B) e dizemos unio de A e B, que a probabilidade de ocorrncia de pelo menos
um dos dois eventos (OLIVEIRA; ALDROVANDI; CARNIEL 2014).
No clculo dessa probabilidade surgem duas situaes:
A primeira quando os eventos A e B so mutuamente excludentes (no tm
elementos em comum). Nessa situao, a frmula dada por:
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.

109
EVENTOS COMPLEMENTARES
Sabemos que um evento pode ocorrer ou no. Sendo p a probabilidade de que

ele ocorra (sucesso) e q a probabilidade de que ele no ocorra (insucesso), para
um mesmo evento, existe sempre a relao que:
p + q = 1 q=1p
1
Assim, se a probabilidade de se realizar um evento p = , a probabilidade
de que ele no ocorra : 5
q = 1 p q= 1 1= 4
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
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:
Caso a condio seja A:

111
Vamos resolver outro exemplo, utilizando a probabilidade condicional, podemos

utilizar essa informao extra para realocar probabilidades aos outros eventos.
Utilizaremos o exemplo a seguir.
REGIO TIPO DE IMVEL TOTAL

APARTAMENTO CASA
Norte 40 65 105
Sul 50 46 96
Leste 48 54 102
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).
Se soubermos que o imvel um apartamento, qual a chance de ser da regio

norte? Reformulando a pergunta, poderamos ter o interesse de saber: dado que
o imvel um apartamento, qual a probabilidade de pertencer regio norte?
Observe que estamos impondo uma condio ao evento. Sabemos que o imvel
um apartamento, essa a condio imposta. Quando impomos alguma con-
dio em probabilidade, dizemos, ento, que a probabilidade condicional e,
assim, reduzimos o espao amostra condio imposta.
Com isso, escrevemos:
P(N| A) e l-se probabilidade de N dado A, sendo a condio A, ou seja, ser
apartamento, sendo que:
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
Para o exemplo anteriormente mencionado, se N e A indicam, respectiva-

mente, norte para regio e apartamento para tipo, ento:
P(N A) 40 / 400 40 como mostrado acima.
P(N A) = = =
P(A) 188 / 400 188
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) = = =
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
Dois eventos A e B so independentes, se P(A | B) = P(A) ou P(A | B) = P(B).

Caso contrrio, os eventos so dependentes.

113
REGRA DA MULTIPLICAO
Em caso de A e B serem eventos no independentes, ou seja, a probabilidade

de um evento no depender da ocorrncia do outro evento, nessa condio, a
probabilidade de A e B ocorrer dada pela probabilidade de A vezes a proba-
bilidade de B.
P(A B) = P(A) . P(B)
Exemplo: temos dois baralhos de 52 cartas, retiram-se, simultaneamente, uma
carta do primeiro baralho e uma carta do segundo baralho. Qual a probabilidade
de a carta do primeiro baralho ser um valete e a do segundo ser o 4 de ouros?

p1 = 4/52 simplificando = 1/13
p2 = 1/52
Ento, como o evento independente e simultneo:
p1 * p2 =
(1/13) * (1/52) = 1/676
A relao geral mostrada acima foi:

P(A B)
P(A B) =
P(B)
Dessa relao, obtemos a regra do produto das probabilidades, em que:
P(A B) = P(B) . P(A B).

Observe que a probabilidade de A e B ocorrerem conjuntamente est sob uma
condio, pois a probabilidade de A est sob a condio de B, mostrando que
h uma dependncia de uma probabilidade em relao ao evento ocorrido
anteriormente.
Probabilidades
IV
Em caso de A e B serem eventos no independentes, ou seja, a probabilidade

de um evento no depender da ocorrncia do outro evento, nessa condio, a
probabilidade de A e B ocorrer dada pela probabilidade de A vezes a proba-
bilidade de B.
P(A B) = P(A) . P(B)

Por exemplo: uma urna contm duas bolas brancas e trs bolas pretas.
Sorteamos duas bolas ao acaso sem reposio. Isso quer dizer que sorteamos a
primeira bola, verificamos sua cor e no a devolvemos urna. As bolas so nova-
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

115
Tabela 02: Resultados e probabilidades do diagrama de rvore
RESULTADOS PROBABILIDADES
BB 2/5 x 1/4 = 2/20
BP 2/5 x 3/4 = 6/20

PB 3/5 x 2/4 = 6/20
PP 3/5 x 2/4 = 6/20
Total 1,0
Observe que o clculo das probabilidades, na segunda retirada, ficaria condicio-

nado aos resultados da primeira retirada. Assim, indicando B por branca e P
por preta, vejamos o clculo das probabilidades:
a) Qual a probabilidade de sair bola branca na primeira retirada?
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
e) Qual a probabilidade de sair bola preta na segunda retirada?
P(P na 2) = 6/20 + 6/20 = 12/20

Vejamos, agora, o exemplo acima, porm, aps a retirada da primeira bola, ela
ser devolvida urna para a retirada da segunda. Nesse caso, dizemos que a
extrao das duas bolas com reposio, o que torna as extraes independentes.
REGRAS GERAIS DE PROBABILIDADE
P(A ou B), para eventos no mutuamente excludentes:

P(A ou B ou ambos) = P(A) + P(B) P(A e B)
Para eventos mutuamente excludentes:
P(A ou B) = P(A) + P(B)
Para eventos independentes:
P(A e B) = P(A) . P(B)
Para eventos dependentes:
P(A e B) = P(B).P(A | B) ou P(A).P(B | A)
DISTRIBUIES DE PROBABILIDADES
Uma distribuio de probabilidades um modelo matemtico que relaciona um

valor da varivel estudada com a probabilidade de sua ocorrncia; temos distribui-
es de probabilidades contnuas e discretas, vamos estudar essas distribuies?
Para melhor entendermos esses conceitos bem como aplicaes, vamos ini-
ciar pela definio de varivel aleatria.

117
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:
nmero de mulheres entre 10 empregados recm-admitidos.

nmero de alunos que no compareceram aula de estatstica hoje.
altura de um adulto do sexo feminino selecionado aleatoriamente.
Suponhamos que um espao amostral relativo ao lanamento simultneo de

duas moedas, = {(Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)} e que X representa
o nmero de coroas que aparecem, a cada ponto amostral podemos associar
um nmero para X, de acordo com a tabela a seguir.
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
Empregamos o termo varivel aleatria para descrever o valor que corresponde

ao resultado de determinado experimento. A palavra aleatria indica que, em
geral, s conhecemos aquele valor depois de o experimento ter sido realizado.
As variveis aleatrias podem ser discretas ou contnuas. A varivel aleatria dis-
creta significa aquela que o nmero de resultados possveis finito ou pode ser
contado. Variveis aleatrias discretas so determinadas por uma contagem. Por
Distribuies de Probabilidades
IV
exemplo: o nmero de casas de um bairro, o nmero de bairros de uma cidade,

o nmero de pessoas que frequentam um shopping.
J a Varivel Aleatria contnua aquela que pode assumir qualquer valor
dentro de determinado intervalo, nesse caso, o nmero de resultados possveis
no pode ser listado. Como exemplo, temos: o peso dos alunos matriculados no
curso de negcios imobilirios, a altura dos alunos matriculados no curso de
negcios imobilirios.
Alm de identificar os valores de uma varivel aleatria, podemos atribuir
uma probabilidade a cada um desses valores. Quando conhecemos todos os valo-
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.
NMERO DE ACIDENTES FREQUNCIAS

0 22
1 5
2 2
3 1
= 30
Tabela 04: Nmero de acidentes durante 30 dias em um determinado estacionamento
Fonte: adaptada de (Crespo, 2009).
Qual a probabilidade de:

a) No ocorrer acidentes, ou seja, zero acidente:
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

119
c) Ocorrerem dois acidentes :

2
p= = 0,07
30
d) Ocorrerem trs acidentes :
1
p= = 0,03
30
Podemos, ento, escrever novamente essa tabela como:
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).
Observe como as probabilidades esto presentes no nosso dia a dia e, s

vezes, nem percebemos.
Fonte: o autor.
A tabela Nmero de acidentes e suas respectivas probabilidades chamada de

tabela de distribuio de probabilidades.
Seja X uma varivel aleatria que pode assumir valores de x1, x2, x3, ...., xn.
A cada valor x1 correspondem pontos do espao amostral. Associamos, ento,
a cada valor x1 a probabilidade p1 de ocorrncia de tais pontos no espao amos-
tral. Esses valores (x1, x2, x3,...., xn) e seus correspondentes p1, p2, ...., pn definem
Distribuies de Probabilidades
IV
uma distribuio de probabilidade.

Para cada possvel evento, associamos um nmero e, em seguida, montamos
o modelo probabilstico. Assim, conhecemos a distribuio de probabilidades
que essa varivel aleatria (v.a.) segue.
4 DISTRIBUIES DISCRETAS DE PROBABILIDADE
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
Deve satisfazer a algumas condies: o experimento deve ser repetido em sequ-

ncia de n (nmero finito de vezes) ensaios idnticos e independentes. Cada
prova repetida deve ser independente e, em cada prova, devem aparecer ape-
nas dois resultados possveis: sucesso e fracasso, ou seja, caso executarmos um
experimento tipo Bernoulli, independentemente, n vezes podemos ter de 0
a n sucessos.
No decorrer do experimento, a probabilidade p do sucesso e a probabilidade
q (q = 1-p) do insucesso manter-se-o constantes.
Por exemplo:
Lanar uma moeda 8 vezes e observarmos o nmero de coroas.
20 peas so escolhidas ao acaso e observamos as falhas.
Viram que os experimentos foram realizados em finitas vezes e o resultado no

interfere no resultado anterior, podendo ter sucesso ou falha.

121
Esse tipo de distribuio calculado pela frmula:

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?
p = sucesso: a pea defeituosa: 0,10 (de 10%)

q = insucesso, peas boas: 0,90 (de 90%)
n=6
k = 0 (pois nenhuma pea)
Portanto:
P (X = 0) = . 0,10 . 0,96-0 = 0,53 ou 53%

IV
02) A mesma indstria do exerccio anterior (01) 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 no
mximo uma pea defeituosa?
Como no mximo uma pea defeituosa, devemos ter o resultado de nenhuma
e uma. O resultado de nenhuma foi de 0,53 ou 53%, calculado no exerccio ante-
rior. Vamos calcular agora com uma pea defeituosa
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) !
Para o resultado final, temos que somar a probabilidade de nenhuma com

a probabilidade de uma, para tanto:
P (x=0) + P(x=1) = 0,53 + 0,35 = 0,88 ou 88%
Em resumo, as trs propriedades bsicas que caracterizam uma varivel ale-
atria binomial so:
1. A varivel resultado de contagem.
2. Os experimentos devem ser independentes.
3. A probabilidade de sucesso a mesma a cada repetio do experimento.
DISTRIBUIO DE POISSON
Podemos utilizar a distribuio de Poisson em situaes nas quais no estamos

interessados no nmero de sucessos obtidos em n tentativas, como vimos na
distribuio binomial. Entretanto esse nmero de sucessos deve estar dentro de

123
um intervalo contnuo ou pode ser tambm um intervalo de tempo, de espao.

Por exemplo, podemos estudar o nmero de suicdios ocorridos durante um
ano, o nmero de acidentes com motos em uma rodovia por ms ou o nmero
de defeitos encontrados em um produto. Observe que nesses exemplos no tem
como determinarmos a ocorrncia do sucesso, mas sim a frequncia mdia de
sua ocorrncia.
A varivel aleatria x tem uma distribuio de Poisson com uma frequn-
cia mdia de sucesso .
A funo de probabilidade da distribuio de Poisson ser dada por:
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?
P(4) = probabilidade de 4 chamadas em um dia.

= nmero esperado de ocorrncias em um intervalo (que, em mdia, so
3 chamadas).
X = nmero de sucessos por unidade (4 chamadas).
Ento:
P (X=4)= 2,71828-3 . 34 = 0,1683 ou 16,83%

IV
b) Dado o mesmo exemplo, qual a probabilidade do Corpo de Bombeiros

receber nenhuma chamada em um dia?
P(0) = probabilidade de nenhuma (zero) chamadas em um dia.
= nmero esperado de ocorrncias em um intervalo (que em mdia so
3 chamadas).
X = nmero de sucessos por unidade (0 chamadas).
Portanto:
P (X=0)= 2,71828-3 . 30 = 0,0497 ou 4,97%
DISTRIBUIES DE PROBABILIDADES CONTNUAS
As variveis aleatrias contnuas so aquelas que assumem qualquer valor num-

rico em um intervalo de nmeros reais. Esse tipo de varivel pode assumir
infinitos valores dentro de um intervalo e, por isso, assumem infinitos valores
de probabilidade.
Dentre as vrias distribuies de probabilidade contnuas, ser abordada,
aqui, apenas a distribuio normal, pois apresenta grande aplicao em pesqui-
sas cientficas e tecnolgicas.

125
DISTRIBUIO NORMAL
Muitas das variveis analisadas na pesquisa socioeconmica correspondem

distribuio normal ou dela se aproximam.
O aspecto grfico de uma distribuio normal o da figura a seguir:
Figura 05: Distribuio Normal

Fonte: Distribuies... (online).
Para uma compreenso da distribuio normal, observe a Figura 05 e procure

visualizar as seguintes propriedades, segundo Crespo (2009):
1 A varivel aleatria X pode assumir todo e qualquer valor real.
2 A representao grfica da distribuio normal uma curva em forma
de sino, simtrica em relao a um eixo vertical em torno da mdia (),
que recebe o nome de curva normal ou de Gauss.
3 A rea total limitada pela curva e pelo eixo das abscissas (eixo de X)
igual a 1, j que essa rea corresponde probabilidade de a varivel ale-
atria X assumir qualquer valor real.
4 A curva normal assinttica em relao ao eixo das abscissas, isto , apro-
xima-se indefinidamente do eixo das abscissas sem, contudo, alcan-lo.
5 Como a curva simtrica em torno da mdia, a probabilidade de ocor-
rer valor maior do que a mdia igual a probabilidade de ocorrer valor
menor do que a mdia, isto , ambas as probabilidades so iguais a 0,5.
Escrevemos: P(X) > = P(X) < = 0,5.
Distribuies De Probabilidades Contnuas

IV
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.
fcil notar que essa probabilidade, indicada por: P (2 < X < 2,05), corres-
ponde rea hachurada na Figura 06:
Figura 06 rea hachurada entre 2 e 2,05

Fonte: Crespo (2009, p. 142).
O clculo direto dessa probabilidade exige um conhecimento de Matemtica mais

avanado do que aquele que dispomos aqui. Entretanto podemos contornar o pro-
blema facilmente. Basta aceitar, sem demonstrao, que, se X uma varivel
aleatria com distribuio normal de mdia e desvio padro , ento, a varivel
Z=x tem distribuio normal reduzida, isto , tem distribuio normal de
mdia 0 e desvio padro 1.
As probabilidades associadas distribuio normal padronizada so encon-
tradas em tabelas, no havendo necessidade de serem calculadas.
A tabela a seguir apresenta a distribuio normal reduzida, que nos d a pro-
babilidade de Z tomar qualquer valor entre a mdia 0 e um dado valor z, ou seja:

127
P(0 < Z < z)
Temos, ento, que, se X uma varivel aleatria com distribuio normal de

mdia e desvio padro s, podemos escrever:
P( < X < x) = P(0 < Z > z),
Com z = x
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:
Z=x = 2,05 2 = 0,05 = 1,25

0,04 0,04
Em que: P(2 < X < 2,05) = P(0 < X < 1,25)
Agora, como j encontramos o valor de Z = 1,25, vamos procurar, na tabela

a seguir, esse valor. Observe que, na primeira coluna, encontramos o valor de
1,2. Em seguida, encontramos, na primeira linha, o valor 5, que corresponde ao
ltimo algarismo do nmero 1,25. Na interseco da linha e coluna correspon-
dentes, encontramos o valor 0,3944, o que nos permite escrever:
P(0 < Z < 1,25) = 0,3944
Assim, a probabilidade de um parafuso fabricado por essa mquina apresentar

um dimetro entre a mdia = 2 e o valor x = 2,05 0,3955
Escrevemos, ento:
P(2< X < 2,05) = P(0 < Z < 1,25) = 0,3955 ou 39,44%.

IV
Tabela 08: Tabela distribuio normal reduzida

Fonte: <http://www.dequi.eel.usp.br/~fabricio/tabela_dist_normal.pdf>.

129
Para utilizarmos a Tabela de distribuio normal reduzida (Tabela Z), as vari-

veis aleatrias x precisam ser padronizadas. A frmula usada para essa converso :
Z=
Em que:
X = ponto que se deseja converter em z.
= mdia.
= desvio padro.
Aps utilizar a frmula, procure o respectivo valor na Tabela.
Agora, vamos ver outros exemplos dessas probabilidades, de acordo com

Oliveira, Aldrovandi e Carniel (2014):
De tomarmos um lote ao acaso e ter menos que uma taxa de falhas de 2,5.
P(x < 2,5) = P(z < 1) = 0,5 0,3413 = 0,1587 ou 15,87%

De tomarmos um lote ao acaso e ter mais que uma taxa de falhas de 2,5.
P(x > 2,5) = P(z > 1) = 0,5 + 0,3413 = 0,8413 ou 84,13%

De tomarmos um lote ao acaso e ter uma taxa de falhas entre 1,25 e 2,0
falhas.
P(1,25 < x < 2,0) = P(-1,5<z<0) = 0,4332 ou 43,32%

Observe que a rea desejada est entre a mdia (0) e 1,5 desvios abaixo da mdia.
Olhamos no 1,5 na linha e no 0 na coluna, o que me dar a rea entre 0 e 1,5,
equivalente rea entre 1,5 e 0.
De tomarmos um lote ao acaso e esse ter uma taxa de falhas entre 1,25 e 2,5.
P(1,25 < x < 2,5) = P(-1,5 < z < 1) = 0,4332 + 0,3413 = 0,7745
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.

IV
01) Resolve-se fazer um estudo sobre a durabilidade de um certo pneu. E foi

verificado que essa durabilidade seguia uma distribuio normal, com durao
mdia 60.000 km e desvio-padro 10.000 km. Mediante isso, responda:
a) Qual a probabilidade de um pneu aleatoriamente escolhido durar mais
de 75.000 km?
Primeiro passo: buscar a frmula da distribuio de probabilidades que con-
siste em:
Z=
Em que:
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:

131
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:
50.000 60.000 70.000 60.000

Z1 = = = -1 Z2 = = =1
10.000 10.000
Lembrando que os valores negativos vo indicar a localizao grfica, veja a seguir:

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:
63.000 60.000 70.000 60.000

Z1 = = = 0,30 Z2 = = =1
10.000 10.000
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:

IV
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:
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.

133
CONSIDERAES FINAIS
Vimos, nesta quarta unidade, a importncia das probabilidades no nosso coti-

diano, bem como nos negcios imobilirios. A teoria das probabilidades procura
quantificar a noo de provvel, sendo uma ferramenta estatstica de grande uti-
lidade quando se trabalha com inmeros eventos relacionados a pesquisas em
empresas, rgos governamentais e instituies de ensino.
Essa ferramenta lida com as chances de ocorrncias de algo que vai acontecer,
ento, podemos afirmar que ela trabalha com fenmenos aleatrios. Para tanto,
necessrio conhecer o material de estudo, para poder calcular essas chances

ou probabilidades de maneira correta e, ento, tomarmos nossas decises com
base em nossas estimativas.
Um efeito importante da teoria da probabilidade no cotidiano est na avalia-
o de riscos. Geralmente, governos, por exemplo, utilizam processos envolvidos
em probabilidades para suas tomadas de decises. Uma aplicao importante
das probabilidades a questo da confiabilidade, por exemplo, no lanamento
de algum novo produto, nas chances dele falhar, a probabilidade de aceitao de
um novo empreendimento.
Para inferir sobre probabilidades, necessrio saber que tipo de varivel
aleatria est sendo trabalhada. Cada varivel aleatria possui um tipo de com-
portamento chamado de distribuio de probabilidades. Isso importante, pois
cada distribuio de probabilidade possui algumas caractersticas e elas devem
ser respeitadas para que se possa chegar a resultados precisos e, ento, conclu-
ses vlidas possam ser tomadas sobre aquilo que estamos estudando. Vimos,
nesta unidade, os conceitos bsicos de probabilidade, a forma clssica de calcu-
l-la e, tambm, vimos as principais distribuies de probabilidades utilizadas.
Podemos entender que razovel pensar ser de extrema importncia com-
preender como estimativas de chance e probabilidades so feitas e como elas
contribuem para reputaes e decises em nossa sociedade.
Bons estudos!
Prof. Renata
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.
2. A qualidade de alguns CD foi avaliada sobre a resistncia a arranhes e sobre a

adequao de trilhas. Os resultados foram:
ADEQUAO DE TRILHAS
RESISTNCIA A REPROVADO TOTAL
ARRANHES APROVADO
Alta 700 140 840

Baixa 100 60 160
Total 800 200 1000
Fonte: adaptado de Barbetta et al. (2010).
Se um CD for selecionado aleatoriamente desse lote, qual a probabilidade de:

a. ter resistncia alta a arranhes.
b. ter resistncia baixa a arranhes.
c. ser aprovado na avaliao das trilhas.
d. ser reprovado na avaliao das trilhas.
e. ter resistncia alta ou ser aprovado.
f. ter resistncia baixa ou ser reprovado.
g. ter resistncia alta dado que seja reprovado.
h. ter resistncia baixa dado que seja aprovado.
3. Um sistema de banco de dados recebe, em mdia, 80 requisies por minuto,

segundo uma distribuio de Poisson. Qual a probabilidade de que, no prximo
minuto, ocorram 100 requisies?
4. 4. A distribuio da durao de monitores pode ser aproximada por uma dis-
tribuio normal de mdia = 6 anos e desvio padro = 2 anos. Determine a
probabilidade de um monitor durar:
a. a) Entre 6 e 9 anos.
b. b) Acima de 9 anos.
c. c) Entre 4 e 9 cm.
d. d) Acima de 4 cm.
135
ANLISE QUALITATIVA DO RISCO

Anlise qualitativa de risco o processo de avaliao do impacto e probabilidade de ris-
cos identificados. Este processo prioriza riscos de acordo com os seus efeitos potenciais
nos objetivos do projeto. Anlise qualitativa de risco um modo de determinar a impor-
tncia de se enderear riscos especficos e guiar respostas de risco. A questo crtica do
tempo e as aes relacionadas ao risco podem ampliar a importncia de um risco. Uma
avaliao da qualidade da informao disponvel tambm ajuda a modificar a avaliao
do risco. Anlise qualitativa de risco requer que a probabilidade e consequncias dos
riscos sejam avaliadas usando mtodos e ferramentas de anlise qualitativa estabele-
cidos. Tendncias nos resultados quando a anlise qualitativa repetida pode indicar
a necessidade de mais ou menos ao da gerncia de risco. O uso dessas ferramentas
ajuda a corrigir influncias que esto frequentemente presentes em um plano de pro-
jeto. Anlise qualitativa de risco deve ser revisitada durante o ciclo de vida do projeto
para que fique atualizado s mudanas dos riscos do projeto. Este processo pode levar
a anlise quantitativa de risco
Entradas para a Anlise Qualitativa do Risco
Riscos Identificados.Riscos descobertos durante o processo da identificao de risco
so avaliados junto com seus impactos potenciais no projeto.
Status do projeto.A incerteza de um risco muitas vezes depende no progresso do risco
durante o seu ciclo de vida. Inicialmente em um projeto, muitos riscos no aparecem, o
design para o projeto imaturo, e mudanas podem ocorrer, tornando mais provvel o
fato de que mais riscos sero descobertos.
Tipo de projeto.Projetos de um tipo comum ou recorrente tendem a possuir uma me-
lhor probabilidade de entendimento da ocorrncia de eventos de riscos e suas consequ-
ncias. Projetos usando tecnologias nicas ou super atuais - ou projetos extremamente
complexos - tendem a ter mais incertezas.
Preciso dos dados.A preciso descreve a extenso a qual um risco conhecido e en-
tendido. Ela mede a extenso dos dados disponveis, assim como a confiana dos dados.
A fonte dos dados, que foram usados para identificar o risco, deve ser avaliada.
Escalas de probabilidade e impacto.Estas escalas, so usadas para avaliar as duas di-
menses-chave do risco.
Hipteses.Hipteses identificadas durante o processo de identificao de risco so ava-
liadas como riscos potenciais.
Tcnicas e Ferramentas para a Anlise Qualitativa do Risco
Probabilidade de risco e impacto. Probabilidade de risco e consequncias do risco
podem ser descritas em termos qualitativos tais como muito alta, alta, moderada, baixa
e muito baixa.
Probabilidade de risco chance de que um risco ir ocorrer.
Consequncias do risco o efeito nos objetivos do projeto se o evento de risco ocorrer.
Essas duas dimenses do risco so aplicadas a eventos de riscos especficos, e no ao
projeto como um todo. Anlise de riscos, usando probabilidade e consequncias, ajuda
a identificar aqueles riscos que devem ser lidados de forma mais agressiva.
Classificao da preciso dos dados.Anlise qualitativa de risco requer dados precisos
e sem influncias se for para ser til a gerncia do projeto. A classificao da preciso dos
dados uma tcnica para avaliar o grau ao qual os dados sobre os riscos so teis para
a gerncia de risco. Ela envolve a checagem de:
Entendimento amplo do risco.
Dados disponveis sobre o risco.
Qualidade dos dados.
Confiabilidade e integridade dos dados.
Sadas da Anlise Qualitativa do Risco
Classificao de risco geral para o projeto.Classificao de risco pode indicar a posi-
o do risco total de um projeto relativo a outros projetos comparando a classificao
de risco. Pode ser usado para designar pessoal ou outras fontes para projetos com clas-
sificaes de risco diferentes, para fazer uma deciso de anlise de custo-benefcio sobre
o projeto, ou para dar suporte a uma recomendao para a iniciao, continuao, ou
cancelamento do projeto.
Lista de riscos priorizados.Riscos e condies podem ser priorizados por um nme-
ro de critrio. Estes incluem classificao (alto, moderado e baixo) ou o nvel WBS. Ris-
cos podem ser agrupados tambm por aqueles que requerem uma resposta imediata
e aqueles que podem ser tratados mais tarde. Riscos que afetam custo, cronograma,
funcionalidade, e qualidade podem ser avaliados separadamente com diferentes taxas.
Riscos significantes devem ter uma descrio da base para a avaliao da probabilidade
e impacto.
Lista de riscos para anlise e gerncia adicional. Riscos classificados como alto ou
moderado seriam os principais candidatos para uma anlise maior, incluindo anlise
quantitativa de risco, e para uma ao de gerncia de risco.
Tendncias em resultados da anlise qualitativa de riscos. medida que a anlise
repetida, uma tendncia de resultados pode se mostrar aparente, e pode fazer a respos-
ta de risco ou uma anlise futura mais ou menos urgente e importante.
Fonte: Anlise... (online).
Anlise Combinatria e Probabilidade - Aula ao Vivo de Matemtica |

Descomplica
Este vdeo apresenta de uma forma simples como fazer uma anlise combinatria. Assista ao
vdeo na ntegra, s clicar no link abaixo:
<http://www.youtube.com/watch?v=iRH79p17jMk>.
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
V
CORRELAO E REGRESSO
LINEAR E ESTATSTICA
UNIDADE
APLICADA AO MERCADO
IMOBILIRIOS
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
Correlao
Regresso linear
A aplicabilidade da estatstica na pesquisa imobiliria
A estatstica aplicada ao mercado imobilirio
141
INTRODUO
A Estatstica apresenta muitas ferramentas para descrever e analisar dados de

pesquisas. A escolha das ferramentas a serem utilizadas na pesquisa depende dos
seus objetivos, bem como do tipo de varivel com a qual se trabalha.
Podemos observar que algumas variveis podem estar relacionadas de alguma
forma e a variao de uma vai depender da variao da outra. As decises geren-
ciais geralmente so baseadas nas relaes entre duas ou mais variveis. Por
exemplo, aps considerar a relao entre gastos com publicidade e vendas, um
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-
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.
O valor de r no depende de qual das duas variveis em estudo chamada de

xe de y e independe das unidades com as quais as variveis so medidas.
Assim, uma correlao :
a) Linear Positiva se os pontos do diagrama tm como imagem uma reta
ascendente.
b) Linear Negativa se os pontos tm como imagem uma reta descendente.
CORRELAO E REGRESSO LINEAR E ESTATSTICA APLICADA AO MERCADO IMOBILIRIOS

143
c) No-Linear se os pontos tm como imagem uma curva.
Se os pontos apresentam-se dispersos, no oferecendo uma imagem definida,

conclumos que no h relao alguma entre as variveis em estudo.
Quando procuramos verificar se existe alguma relao entre as variveis de

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).
Segundo Crespo (2009), valores limites de r so -1 e +1, isto , o valor de r per-

tence ao intervalo [-1, + 1].
Assim:
a) Se a correlao entre duas variveis perfeita e positiva, ento r = +1.
b) Se a correlao perfeita e negativa, ento r = - 1.
c) Se no h correlao entre as variveis, ento r = 0.
Logicamente:
d) Se r = +1, h uma correlao perfeita e positiva entre as variveis.
e) Se r = - 1, h uma correlao perfeita e negativa entre as variveis.
f) Se r = 0, ou no h correlao entre as variveis, ou a relao que por-
ventura exista no linear.
Correlao
V
Vamos observar nas figuras:
30 30
25 25
20 20
15 15
10 10
5 5
0 0
0 10 20 30 0 10 20 30
70
60
50
40
30
20
10
0
0 10 20 30
Figura 07: Tipos de correlaes

Para melhor entendermos, vamos resolver um exerccio aplicando o conceito e

a frmula da correlao: supondo que X seja a nota da disciplina de Estatstica
e Pesquisa Imobiliria e Y a nota da disciplina de Matemtica Financeira. Essas
variveis (as notas das duas disciplinas) foram observadas em 20 alunos do
curso de Negcios Imobilirios no ano de 2014. Queremos saber se h uma cor-
relao das notas entre as duas disciplinas. Ela fraca ou forte? Os dados esto

145
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
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
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.
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
ESTATSTICA MATEMTICA XI .YI XI2 YI2

IMOBILIRIA (X) (Y)
3,9 6,5 25,35 15,21 42,25
5,7 9,2 52,44 32,49 84,64
3,4 5,2 17,68 11,56 27,04
2,0 6,6 13,2 4 43,56
5,0 5,0 25 25 25
4,7 6,9 32,43 22,09 47,61
5,0 7,5 37,5 25 56,25
6,0 8,9 53,4 36 79,21
7,0 9,0 63 49 81
7,5 9,0 67,5 56,25 81
8,9 9,5 84,55 79,21 90,25
9,0 9,8 88,2 81 96,04

147
ESTATSTICA MATEMTICA XI .YI XI2 YI2

IMOBILIRIA (X) (Y)
6,4 5,0 32 40,96 25
6,5 4,5 29,25 42,25 20,25
2,3 5,0 11,5 5,29 25
2,9 5,8 16,82 8,41 33,64
3,2 6,0 19,2 10,24 36
1,2 6,1 7,32 1,44 37,21
2,5 6,5 16,25 6,25 42,25

1,6 6,3 10,08 2,56 39,69
94,7 138,3 702,67 554,21 1012,89
r = 702,67 (94,7 * 138,3)/20

raiz [554,21 ((94,7)2/20)] * [1012,89 ((138,3)2 /20]
r = 0,6182
Podemos chegar a uma concluso a partir do valor de r=0,6182, que existe uma
correlao entre os dados. Tambm, podemos representar a correlao pelo gr-
fico de disperso, apresentado na figura 08.
Correlao
V
Figura 08: Grfico de disperso representando correlao entre as variveis
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

149
A correlao entre beber um copo de vinho por dia e a menor chance de

infarto do miocrdio outro bom exemplo na mesma linha. Estudos recen-
tes mostram que essa menor chance no se deve ao vinho e ao lcool, mas
sim ao beta-caroteno, corante contido na uva. Para a infelicidade de muitos,
tomar suco de uva d o mesmo resultado que beber vinho tinto.
Fonte: adaptado de Mello (1998).
concluir sobre a relao entre as variveis em estudo.

Podemos observar o uso da correlao em situaes do nosso dia a dia, bem
como sua importncia.
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:
Em que n o nmero de observaes.
Ento, vamos encontrar o valor da regresso linear, para o exemplo anterior:

suponha que X seja a nota da disciplina de custos e Y a nota da disciplina de
estatstica. Essas variveis foram observadas em 20 alunos do curso de Negcios
Imobilirios no ano de 2014. Vamos calcular a regresso linear para esses dados.
Tabela: Regresso Linear entre as disciplinas de Estatstica e Pesquisa
Imobiliria e Matemtica Financeira
X Y XI .YI XI2
3,9 6,5 25,35 15,21

5,7 9,2 52,44 32,49
3,4 5,2 17,68 11,56
2,0 6,6 13,2 4
5,0 5,0 25 25
4,7 6,9 32,43 22,09
5,0 7,5 37,5 25

151
6,0 8,9 53,4 36

7,0 9,0 63 49
7,5 9,0 67,5 56,25
8,9 9,5 84,55 79,21
9,0 9,8 88,2 81
6,4 5,0 32 40,96
6,5 4,5 29,25 42,25
2,3 5,0 11,5 5,29
2,9 5,8 16,82 8,41

3,2 6,0 19,2 10,24
1,2 6,1 7,32 1,44
2,5 6,5 16,25 6,25
1,6 6,3 10,08 2,56
94,7 138,3 702,67 554,21
Para encontrarmos o valor de Y, precisamos, primeiro, calcular o valor de a e

b, portanto:
a = 20 * 702,67 94,7 * 138,3 = 0,452

20 * 554,21 (94,7)2
b = 6.915 0,452 * 4.735 = 4,775
Assim:
Y = aX + b
Y = 0,452 x + 4,775
Correlao
V
Representando no grfico de disperso a reta ajustada, temos:
Figura 09: Grfico que representa a regresso linear dos dados
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).
Assim como a correlao, tambm utilizamos a regresso linear em situaes

cotidianas, alm disso, a regresso linear considera que a relao da resposta s
variveis uma funo linearde alguns parmetros.

153
A APLICABILIDADE DA ESTATSTICA NA PESQUISA

IMOBILIRIA
Agora, vamos falar do uso da estatstica na pesquisa cientfica, bem como sua
utilizao para os gestores de negcios imobilirios.
O USO DA ESTATSTICA NA PESQUISA CIENTFICA

No de hoje que a coleta e a anlise de informaes ajudam nas tomadas de

decises. Desde a Antiguidade, a contagem da populao ajudava a estimar os
impostos e, tambm, o poderio militar dos povos.
Vrios setores industriais, bem como a indstria alimentcia, por exemplo,
costumam contratar empresas especializadas para verificar o grau de aceitao
de determinado alimento. Para isso, so feitas perguntas para os pesquisados a
respeito de tamanho, formato, cor, sabor e textura do alimento. Dependendo do
resultado da pesquisa, a indstria analisa se deve ou no modificar o seu produto, a
fim de obter uma clientela maior (OLIVEIRA; ALDROVANDI; CARNIEL, 2014).
Portanto, podemos descrever a pesquisa estatstica como um conjunto de
metodologias cientficas aplicadas na coleta dos dados, na anlise e interpreta-
o e na apresentao da concluso. Essas atividades esto sempre associadas
a um planejamento, que tem por objetivo principal quantificar e/ou qualificar
fenmenos coletivos para futuras tomadas de decises.
Por isso 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 prio-
ridades e geram oportunidades de crescimento, alm de melhorias, que podem
ser ocasionados por aes tomadas a partir do senso comum.
Esses dados vo alm de nmeros e informaes. De acordo com Igncio
(2010, p. 1):
Hoje, a utilizao da estatstica est disseminada nas universidades, nas
empresas privadas e pblicas. Grficos e tabelas so apresentados na
exposio de resultados das empresas. Dados numricos so usados
A Aplicabilidade da Estatstica na Pesquisa Imobiliria

V
para aprimorar e aumentar a produo. Censos demogrficos auxiliam

o governo a entender melhor sua populao e a organizar seus gas-
tos com sade, educao, saneamento bsico, infraestrutura etc. Com
a velocidade da informao, a estatstica passou a ser uma ferramenta
essencial na produo e disseminao do conhecimento. O grau de im-
portncia atribudo estatstica to grande que praticamente todos
os governos possuem organismos oficiais destinados realizao de
estudos estatsticos.
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
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

155
da safra de cereal a ser produzida no prximo ano? O acusado culpado ou ino-

cente? O fumante passivo pode vir a desenvolver um cncer? Qual a localizao
exata de certo tumor cerebral? Pode determinado medicamento reduzir o risco
de ataque cardaco? A cotao do dlar deve aumentar na prxima semana? Qual
ser o preo do ouro no final deste ano? O uso do cinto de segurana realmente
protege o motorista em caso de acidente? As variaes na produo industrial
tm influncia no aumento ou reduo dos preos? A introduo de uma nova
tecnologia diminui o custo de fabricao de certo produto? Qual a forma mais
justa de se cobrar determinado imposto? Qual a melhor estratgia de investi-
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.
A ESTATSTICA APLICADA AO MERCADO IMOBILIRIO
Agora, vamos falar de como podemos utilizar a estatstica no mercado imobilirio.
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
A Estatstica Aplicada ao Mercado Imobilirio

V
vigentes; nenhum participante sozinho capaz de alterar as condies estabele-

cidas; cada transao feita de maneira independente das demais.
Assim, os principais fatores do mercado imobilirio so: a vida til elevada,
a singularidade, a sua localizao e as interferncias das leis municipais, esta-
duais ou federais.
Diferentemente de outros bens, em que as caractersticas no so muito dife-
renciadas, os imveis do mercado imobilirio so singulares; por mais semelhantes
que sejam dois determinados imveis, pelo menos uma de suas caractersticas
sero diferentes, como localizao ou posio, assim, no h no mercado imo-
bilirio um imvel igual a outro.
PERFIL DO CONSUMIDOR
A estatstica bem utilizada para se traar o perfil do consumidor, seja de que

ramo for. Para os estudiosos do comportamento do cliente, importante enten-
der que, se, por um lado, existe nas empresas uma viso imediatista quanto
obteno do lucro, diretamente por meio das vendas, por outro lado, ao trabalhar
de forma direcionada as aes de marketing, em ltima instncia, consegue-se

157
atingir objetivos de curto prazo e, ainda, aumentar a propenso lealdade do

consumidor quanto marca ou organizao e levar recompra e indicao.
AVALIAO IMOBILIRIA
A avaliao de imveis, urbanos ou rurais, se faz presente

na maioria dos negcios, pendncias entre pessoas, empre-
sas ou ambos. Geralmente, necessrio avaliar imveis
para a compra e a venda deles, na determinao do preo

real de empresas, em atendimento legislao, na parti-
lha de heranas, divrcios, no lanamento de impostos, nas
hipotecas imobilirias, na demarcao de terras, nas indeni-
zaes, enfim, em um nmero expressivo de aes inerentes
aos relacionamentos humanos, em que o valor de um bem
assume importncia crucial (OLIVEIRA; ALDROVANDI;
CARNIEL, 2014).
Toda vez que uma empresa necessita de dinheiro emprestado para investi-
mento em qualquer segmento com o intuito de aumentar os bens ou obter capital
de giro, recorre a bancos de desenvolvimento, os quais atendem a essas solici-
taes desde que o solicitante apresente garantias reais, isto , tenha bens com
valores iguais ou superiores ao valor do emprstimo.
Entende-se por garantias reais: imveis, mquinas e equipamentos, den-
tre outros. Sendo assim, toda vez que se toma capital emprestado em bancos de
desenvolvimento, h a necessidade de emisso de um laudo de avaliao do im-
vel, mquina ou equipamento, para que possam denotar garantias reais. Nesse
trabalho, estudado o caso de avaliao do valor de imveis urbanos: casas, apar-
tamentos e terrenos (MOTA, 2007).
Assim, avaliar imveis pode ser definido como sequncia de operaes que
procura como principal resultado a formao de juzo sobre o valor de um
imvel ou algum direito sobre ele.
A Estatstica Aplicada ao Mercado Imobilirio

V
A IMPORTNCIA DA ESTATSTICA NAS TOMADAS DE DECISO DO

GESTOR IMOBILIRIO
Para todo e qualquer gestor imobilirio, faz-se necessria a utilizao de um

sistema automatizado de coleta de dados para compor a tomada de deciso e,
a partir desta, recorrer s vrias formas de processamento e anlise de dados,
facilitando o estudo e a interpretao para o processo decisrio (OLIVEIRA;
ANDROVANDI; CARNIEL, 2014).
Inicialmente, a tomada de deciso caracterizada por uma situao de pro-
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.

159
CONSIDERAES FINAIS
Estudar o grau de relacionamento entre duas variveis de grande importncia

dentro das anlises estatsticas. Para verificar o grau de associao entre duas
variveis, h necessidade de conhecer os mtodos estatsticos utilizados para tal
procedimento.
Vimos, nesta unidade, duas ferramentas importantes para estudar o grau
de associao entre duas caractersticas numricas: a correlao e a regresso.
Entretanto, antes de conceituarmos correlao e regresso estatstica, devemos
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
Desenvolva os exerccios a seguir:

a. Demonstre e interprete o valor da correlao entre o comprimento do
cabo e a taxa de falha.
b. Demonstre o diagrama de disperso entre os valores dos comprimentos
dos cabos (x) e das taxas de falhas preditas ( y ).
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
O PERFIL DO CORRETOR DE IMVEIS MODERNO
SAIBA QUAIS SO OS DIFERENCIAIS QUE VOC PRECISA TER PARA SE

DESTACAR
Esta profisso que j foi um dia desvalorizada, hoje considerada uma tima escolha
para jovens que iniciam suas carreiras, e um bom caminho para quem busca investir em
um setor que cresce a cada ano. Sendo assim, a concorrncia fica mais forte e exige uma
atualizao constante desses profissionais.
Atualmente, os corretores esto mais preparados, e cada vez mais jovens. A participao
feminina tambm tem crescido. Nos ltimos 10 anos, o nmero de mulheres aumentou
bastante. Hoje, elas representam 33% dos profissionais que atuam como corretores de
imveis.
Cerca de metade destes profissionais tm nvel superior, e mais de 50% tm curso de
Tcnico em Transaes Imobilirias (TTI) - o curso exigido para a concesso do registro
profissional. Atualmente, corretores formados em Direito e em Administrao predomi-
nam na profisso.
Portanto, para concorrer com os profissionais atuais, voc deve estar atualizado e conec-
tado: busque cursos de aperfeioamento, invista em conhecimento e tecnologia, tenha
viso de negcio e conhea o mercado ( necessrio um estudo contnuo).
Os clientes esto cada vez mais exigentes. O que diferencia um corretor de outro o
atendimento personalizado e de alta qualidade. Voc deve ser um profissional 360,
aquele que entende de diferentes assuntos, e que executa diferentes tarefas. Crie, inove,
construa relaes com seus clientes.
Hoje, o trabalho do corretor no fica resumido somente na busca de imveis e clien-
tes. O conhecimento deste profissional deve ser mais amplo, e abranger campos mais
complexos, como o da arquitetura, e at da psicanlise, a fim de saber como lidar com a
emoo das pessoas. fundamental que o profissional tenha tambm conhecimentos
sobre direito imobilirio, topografia, informtica, matemtica financeira e tcnicas de
negociao e vendas.
Fonte: Furegatti (online).
Estatstica Aplicada Gesto Empresarial

Adriano Leal Bruni
Editora: Atlas
Sinopse: Este livro trata dos conceitos estatsticos aplicados tomada de
decises, de forma simples e sucinta.
Mercado Imobilirio: Tcnicas de Precificao e

Comercializao
Luiz Paulo Fvero
Editora: Fael
Sinopse: Este livro referncia para quem faz avaliao de polticas de
lanamento de imveis. O autor faz uma anlise do mercado competitivo, do impacto dos atributos e
da diferenciao da precificao e comercializao dos lanamentos residenciais.
163
CONCLUSO
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!

165
REFERNCIAS
A IMPORTNCIA dos indicadores no mercado imobilirio. Agente Imvel. Dispo-

nvel em: <http://www.agenteimovel.com.br/noticias/2011/10/27/a-importancia-
-dos-indicadores-no-mercado-imobiliario/>. Acesso em: 10 nov. 2015.
AMORIM, R. Bolha imobiliria estourando? Onde? Ricam, 2013. Disponvel em:
<http://ricamconsultoria.com.br/news/artigos/palestra_mercado_imobiliario>.
Acesso em: 20 out. 2015.
ANLISE Qualitativa do Risco. Disponvel em: <http://www.cin.ufpe.br/~if717/Pm-
bok2000/pmbok_v2p/wsp_11.3.html>. Acesso em: 16 set. 2015.
ANDRADE, A. Estatstica base para previses meteorolgicas. Dirio do Nordeste.
Disponvel em: <http://diariodonordeste.verdesmares.com.br/cadernos/regional/
estatistica-e-base-para-previsoes-meteorologicas-1.622701>. Acesso em: 20 set.
2015.
BAPTISTELLA, M. O uso de redes neurais e regresso linear mltipla na engenharia
de avaliaes: Determinao dos valores venais de imveis urbanos. Dissertao
(Mestrado) - Programa de Ps-Graduao em Mtodos Numricos em Engenharia.
Universidade Federal do paran, Curitiba/PR, 2005. Disponvel em: <www.ppgmne.
ufpr.br/arquivos/diss/130.pdf >. Acesso em 20. Set./2015.
BARBETTA, P. A. Estatstica Aplicada s Cincias Sociais. 9. Ed. Florianpolis: Ed. da
UFSC, 2014.
BARBETTA, P.; REIS, M. M.; BORNIA, A. C. Estatstica para os cursos de engenharia e
informtica. 3. ed. So Paulo: Atlas, 2010.
BUSSAB, W. O.; MORETTIN, P. A. Estatstica Bsica. So Paulo: Editora Saraiva, 2003.
CHAMUSCA, M.; CARVALHAL, M. Pesquisas de opinio: a opinio pblica na cons-
truo de uma imagem pblica favorvel [online] - Disponvel em: <http://www.
rp-bahia.com.br/trabalhos/paper/pesquisas_de_opiniao.doc>. Acesso em: 15 maio
2005.
COMO FAO para arredondar um nmero? S Matemtica. Disponvel em: <http://
www.somatematica.com.br/faq/r32.html>. Acesso em: 27 out. 2015.
CRESPO, A. A. Estatstica Fcil. 19.ed. atual. So Paulo: Saraiva, 2009.
DISTRIBUIES estatsticas. Informtica Mdica. Disponvel em: <http://www2.
fm.usp.br/dim/diststat/index.php>. Acesso em: 10 nov. 2015.
DOWNING, D.; CLARCK, J. Estatstica aplicada. 2. ed. So Paulo: Saraiva, 2009.
FONSECA, J. S.; MARTINS, G. de A. Curso de estatstica. 6 ed. So Paulo: Atlas, 1996.
FUREGATTI, E. O perfil do Corretor de Imveis Moderno. Universidade Gaia. Dispon-
vel em: <http://www.universidadegaia.com.br/artigo/detalhe/o-perfil-do-corretor-
-de-im%C3%B3veis-moderno>. Acesso em: 20 set. 2015.
V
REFERNCIAS
GOMES, I. M. Como elaborar uma pesquisa de mercado. Sebrae. Disponvel em:

<http://wp.ufpel.edu.br/mlaura/files/2014/04/Como-elaborar-uma-pesquisa-de-
-mercado.pdf>. Acesso em: 27 out. 2015.
GOMES, L. F. A. M.; GOMES, C. F. S.; ALMEIDA, A. T. Tomada de Deciso Gerencial:
Enfoque Multicritrio. So Paulo: Atlas, 2002.
GUEDES, T. A.; MARTINS, A. B. T.; LONARDAN, C. R.; JANEIRO, V. Projeto de Ensino:
Aprender Fazendo Estatstica. Disponvel em: <www.des.uem.br>. Acesso em: 17
abr. 2015.
IGNCIO, S. A. Importncia da estatstica para o processo de conhecimento e to-
mada de deciso. Nota tcnica Ipardes n 6. Ipardes. Disponvel em: <http://www.
ipardes.gov.br/biblioteca/docs/NT_06_importancia_estatistica_tomada_decisao.
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.

167
REFERNCIAS
PAULO, T. G. Anlise do possvel estado especulativo no mercado imobilirio de Flo-

rianpolis. 64 p. Trabalho de concluso de curso (Graduao em Cincias Econ-
micas). Universidade Federal de Santa Catarina, Florianpolis, 2008. Disponvel em:
<http://tcc.bu.ufsc.br/Economia292172>. Acesso em: 16 set. 2015.
QIMVEIS. Disponvel em: <http://www.qimoveis.com.br/blog/item-mercado-imo-
biliario/dados-mercado-imobiliario/>. Acesso em : 21 out. 2015.
ROCHADELLI, R.; MENDES, R. H.; VINICI, SCHNEIDER, A. V.; MENON, C.;
AUGUSTIN, C. R. Modelagem do Perfil da Gesto Fundiria dos Macios Florestais
na Regio do Planalto Serrano Catarinense. FLORESTA, Curitiba, PR, v. 38, n. 1, jan./
mar. 2008.
SILVA, E. M. da S. et. al. Estatstica para os cursos de Economia, Administrao e

Cincias Contbeis. 2. ed. So Paulo: Atlas, 1999.
SOUZA, L. G. A estatstica na economia. Eumed. Disponvel em: <http://www.eu-
med.net/libros-gratis/2006b/lgs-art/1o.htm>. Acesso em: 20 set. 2015.
TOLEDO, G. L.; OVALLE, I. I. Estatstica bsica. 2. ed. So Paulo: Atlas, 2010.
UFPE. Graduao em estatstica. Disponvel em: . Acesso em: 12 jul. 2010
VIEIRA, S. Elementos de Estatstica. 3. ed. So Paulo: Atlas, 1999.
CONSIDERAES FINAIS
169
GABARITO DAS ATIVIDADES DE AUTOESTUDO
UNIDADE I
1. A estatstica descritiva se preocupa em descrever os dados.

A estatstica inferencial se preocupa com a anlise dos dados e sua interpre-
tao. Ela analisa os dados com base na amostra e, ento, estende as concluses
dessa amostra populao.
2. Populao conjunto de elementos que possuem alguma caracterstica
em comum.
Amostra parte da populao, devendo ser representativa dela.
Censo levantamento de dados de toda uma populao.

Estimao obteno de valores de uma amostra.
Variveis caractersticas tomadas em uma populao ou amostra, por
exemplo: sexo, idade, regio de procedncia, peso etc.
3. Amostra Casual Simples - aquela em que todos os elementos da popula-

o tm igual probabilidade de pertencer amostra. Pode ser obtida sorteando
os elementos a partir da populao de estudo.
Amostra Sistemtica - uma forma simplificada da amostragem casual sim-
ples, podendo ser utilizada quando os elementos da populao se apresentam
ordenados, sendo a retirada dos elementos para compor a amostra feita com
certa periodicidade.
Amostra Estratificada uma amostra em que a populao separada em
grupos ou estratos e, dentro de cada estrato, os indivduos so sorteados, devendo
ser semelhantes entre si dentro de cada estrato.
Amostra por Conglomerado uma amostra em que a populao dividida
em diferentes conglomerados, extraindo-se uma amostra apenas dos conglome-
rados selecionados, e no de toda a populao.
4. Representar os dados por meio de grficos e tabelas: os dados so apre-
sentados de forma resumida, em que h uma visualizao rpida e fcil deles
para o pblico. H um entendimento melhor dos dados, ficando fcil de saber-
mos o que est ocorrendo com os dados coletados.
CONSIDERAES FINAIS
V
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.
UNIDADE II
1.
a) Automvel.
b) Barco.
c) 50 pessoas.
d) 180 pessoas.
e) d) Cronolgica.
3.
Srie Geogrfica.

171
UNIDADE III
a) x = 6,44 dias
Mo = 6,48
Md = 6,5
b) s2 = 3,33
s = 1,82
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
2.
a) Ter resistncia alta a arranhes 840/1000
b) Ter resistncia baixa a arranhes 160/1000
c) Ser aprovado na avaliao das trilhas 800/1000
d) Ser reprovado na avaliao das trilhas 200/1000

840 + 800 700
e) Ter resistncia alta ou ser aprovado p(a ap) = =

1000
940/1000
160 + 200 6
0
f) Ter resistncia baixa ou ser reprovado p(b r) = =

1000
300/1000
g) Ter resistncia alta dado que seja reprovado p(a/r) = 140/200
h) Ter resistncia baixa dado que seja aprovado 100/800

3.
80 100
P (X) = 2,71828 . 80 =0,0039 ou 0,39%
100!
a) 0,4332 ou 43,32%
b) 0,0668
c) 0,3413 + 0,4332 = 0,77 ou 77%
d) 0,8413 ou 84,13%

173
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.
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

Estatística e Pesquisa Imobiliária

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estatística e Pesquisa Imobiliária

Uploaded by

Copyright:

Available Formats

ESTATSTICA

Professora Me. Renata Cristina de Souza Chatalov

NEAD - Ncleo de Educao a Distncia

Ficha catalogrfica elaborada pelo bibliotecrio

Professora Me. Renata Cristina de Souza Chatalov

Professora no curso de graduao em Administrao na Faculdade

ESTATSTICA E PESQUISA IMOBILIRIA

A unidade III mostra as medidas de posio e de disperso. Essas medidas so am-

Professora: Renata C. de Souza Chatalov

CONCEITOS E IMPORTNCIA DA PESQUISA E DA ESTATSTICA EM

18 Fases do Meio Estatstico

21 A Importncia da Pesquisa para o Mercado Imobilirio

33 Definio do Nmero de Amostras

38 Uso da Estatstica como Instrumento para Elaborao de uma Pesquisa

NOES BSICAS DE ESTATSTICA

MEDIDAS DESCRITIVAS ASSOCIADAS VARIVEIS QUANTITATIVAS

76 Medidas de Posio ou de Tendncia Central

PROBABILIDADES E O MERCADO IMOBILIRIO

102 Noes Bsicas de Probabilidades

116 Regras Gerais de Probabilidade

116 Distribuies de Probabilidades

120 Distribuies Discretas de Probabilidade

124 Distribuies de Probabilidades Contnuas

133 Consideraes Finais

CORRELAO E REGRESSO LINEAR E ESTATSTICA APLICADA AO

153 A Aplicabilidade da Estatstica na Pesquisa Imobiliria

155 A Estatstica aplicada ao Mercado Imobilirio

159 Consideraes Finais

Como exemplos de aplicaes de tcnicas estatsticas, temos: a pesquisa elei-

Todas as cincias tm suas razes na histria do homem, no mesmo? E a mate-

CONCEITOS E IMPORTNCIA DA PESQUISA E DA ESTATSTICA EM NEGCIOS IMOBILIRIOS

de manter as causas constantes, admitem-se todas as causas presentes, variando-

Figura 01: Processo iterativo das pesquisas empricas.

Ao analisarmos a figura 01, podemos concluir que, para pesquisarmos, precisa-

A estatstica descritiva, tambm chamada estatstica dedutiva, segundo

FASES DO MEIO ESTATSTICO

Para conhecermos certas caractersticas dos elementos de uma populao (ou de

CONCEITOS E IMPORTNCIA DA PESQUISA E DA ESTATSTICA EM NEGCIOS IMOBILIRIOS

Populao definida como o conjunto de elementos para os quais deseja-

Fonte: Barbetta (2014, p. 15).

CRTICA DOS DADOS

APURAO DOS DADOS

A apurao dos dados a soma, o processamento dos dados obtidos e a dispo-

Fases do Meio Estatstico

EXPOSIO OU APRESENTAO DOS DADOS

ANLISE DOS DADOS

Organizalao de dados Interna

Figura 02: Resumo das fases do mtodo estatstico

CONCEITOS E IMPORTNCIA DA PESQUISA E DA ESTATSTICA EM NEGCIOS IMOBILIRIOS

A IMPORTNCIA DA PESQUISA PARA O MERCADO

Isso a aplicao da estatstica.

Por se tratar de um produto sujeito interferncia de uma srie de fatores,

A Importncia da Pesquisa Para o Mercado Imobilirio

Alm disso, a estatstica pode ajudar o gestor de negcios imobilirios em:

CONCEITOS E IMPORTNCIA DA PESQUISA E DA ESTATSTICA EM NEGCIOS IMOBILIRIOS

Vejam como importante para o gestor de negcios imobilirios o emprego

procura estudar e pesquisar tanto o levantamento de dados quanto o processa-

A Importncia da Pesquisa Para o Mercado Imobilirio

A estatstica fornece vrios mtodos para organizar e resumir um conjunto de dados

CONCEITOS E IMPORTNCIA DA PESQUISA E DA ESTATSTICA EM NEGCIOS IMOBILIRIOS

As variveis qualitativas ordinais: existe uma ordenao entre as categorias,

de contagens. Como exemplos, podemos citar: nmero de casas de um bairro,

Nominal Ordinal Discreta Contnua

18 Fases do Meio Estatstico

21 A Importncia da Pesquisa para o Mercado Imobilirio

33 Definio do Nmero de Amostras

38 Uso da Estatstica como Instrumento para Elaborao de uma Pesquisa

76 Medidas de Posio ou de Tendncia Central

102 Noes Bsicas de Probabilidades

116 Regras Gerais de Probabilidade

116 Distribuies de Probabilidades

120 Distribuies Discretas de Probabilidade

124 Distribuies de Probabilidades Contnuas

133 Consideraes Finais

153 A Aplicabilidade da Estatstica na Pesquisa Imobiliria

155 A Estatstica aplicada ao Mercado Imobilirio

159 Consideraes Finais