slides de estatística
DESCRIPTION
Slides de EstatísticaTRANSCRIPT
CURSO DE CONTROLADORIA DE GESTÃO
Professor: RICARDO S. TAKATORIrictakatori@gmail,com
Disciplina: MÉTODOS QUANTITATIVOS
Prof. 3
ESTATÍSTICA
O uso da estatística, no dia a dia, é mais comum do que as pessoas imaginam. Constantemente estamos tirando médias e verificando possibilidades de ocorrências de um determinado fato.Fazemos apostas e jogamos nas loterias ou na empresa “achamos” determinada respostas para resultados inesperados ou queremos inferir situações ou resultados operacionais.
Prof. 4
ESTATÍSTICAA grande diferença entre o estudo comum, do dia a dia e o método estatístico, está que o segundo, requer um modelo matemático mais elaborado, do que o estudo comum, que se baseia em modelo mental, raciocínio.
O método estatístico requer uma formalização e ordem do raciocínio, também conhecido como método científico.
Prof. 5
ESTATÍSTICA
Uma das técnicas mais importantes na aplicação da estatística é a observação de ocorrência de fenômenos em um universo amostral.
As observações, são os dados, que podem ocorrer de várias formas e, também repetidamente, no universo – a amostra.
Prof. 7
ESTATÍSTICA
Estatística é uma divisão da Matemática Aplicada que fornece Métodos para a COLETA, ORGANIZAÇÃO, DESCRIÇÃO, ANÁLISE E INTERPRETAÇÃO de dados e a utilização dos mesmos para a tomada de decisões.
Prof. 9
ESTATÍSTICA
ColetaOrganização EstatísticaDescrição dos dados Descritiva
Análise EstatísticaInterpretação Inferencial
Prof. 10
ESTATÍSTICAPOPULAÇÃO TÉCNICA DE
AMOSTRAGEMAMOSTRAGEM
UNIVERSO DADOS
ESTATISTICA DESCRITIVA
CONCLUSÕESINFERENCIA ESTATÍSTICA
ANÁLISEDOS DOS
DADOS DADOS
Prof. 11
Contabilometria é o método que, utilizando-se de métodos estatísticos, aplica o instrumental quantitativo à análise e solução de problemas gerenciais abordados pelo sistema de informações econômico-financeiras das empresas, ajudando assim no processo de planejamento, execução e controle das decisões.
http://pt.wikipedia.org/wiki/Contabilometria
Prof. 12
ESTATÍSTICA DESCRITIVA
A Estatística Descritiva utiliza a Análise Exploratória para descrever e resumir os dados a fim de que possamos tirar conclusões para a tomada de decisão.
Prof. 13
ESTATÍSTICA DESCRITIVA
São medidas de posição:• frequência absoluta e relativa• média• mediana • moda.
São medidas de dispersão:• Desvio Padrão• Variância
Prof. 14
ESTATÍSTICA DESCRITIVA
Frequência absoluta e relativa
Frequência Absoluta é o número de amostras de ocorrem em um universo de pesquisa.
Frequência Relativa é a participação de cada amostra, de forma percentual, de amostras em relação ao universo de pesquisa.
Prof.
15
ESTATÍSTICA DESCRITIVA
Frequência absoluta e relativa
Receita Frequência
Líquida Absoluta RelativaSadia 120.000 26,32%Perdigão 116.000 25,44%Aurora 88.000 19,30%Da Granja 67.000 14,69%
Seara 65.000 14,25%
Total 456.000 100,00%
Prof.
16
ESTATÍSTICA DESCRITIVA
Frequência absoluta e relativa
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.50
20,000
40,000
60,000
80,000
100,000
120,000
140,000
Absoluta
Absoluta
Prof. 17
ESTATÍSTICA DESCRITIVA
Média e desvio-padrão
A média é a soma de todos os valores observados (xi) dividido
pelo número total de observações (Ni):
Média = X =
Prof. 18
ESTATÍSTICA DESCRITIVA
Média e desvio-padrão
O desvio padrão mede a dispersão dos valores individuais em torno da média.
Desvio-padrão = s
=
Desvio Padrão = s =
Prof. 19
ESTATÍSTICA DESCRITIVA
Média e desvio-padrão
Desvio-padrão = s
=
Receita Frequência Diferença Quadrado
Líquida Absoluta MédiaAbs-Média Diferença
Sadia 120.000
91.200
28.800
829.440.000
Perdigão 116.000
91.200
24.800
615.040.000
Aurora 88.000
91.200 -
3.200
10.240.000 Da Granja 67.000
91.200
- 24.200
585.640.000
Seara 65.000
91.200 -
26.200
686.440.000
Total 456.000
2.726.800.000
Prof. 20
ESTATÍSTICA DESCRITIVA
Média e desvio-padrão
Desvio-padrão = s
=
Média =456.000
91.200 5
Variância = 2.726.800.000
681.700.000 4
Desvio 681.700.000 26.109
Padrão
ReceitaMínima 65.091 71,37%
Média 91.200
Máxima 117.309 128,63%
Prof. 21
ESTATÍSTICA DESCRITIVA
Média e desvio-padrão
Desvio-padrão = s
=
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.50
20,000
40,000
60,000
80,000
100,000
120,000
140,000
Empresas
Re
ce
ita
Prof. 22
ESTATÍSTICA DESCRITIVA
Mediana
A mediana, é uma medida de localização do centro da distribuição dos dados, definida do seguinte modo:
Ordenados os elementos da amostra, a mediana é o valor (pertencente ou não à amostra) que a divide ao meio, isto é, 50% dos elementos da amostra são menores ou iguais à mediana e os outros 50% são maiores ou iguais à mediana
Prof. 23
ESTATÍSTICA DESCRITIVA
Mediana Receita
FrequênciaLíquida
Sadia 120.000Perdigão 116.000Aurora 88.000Da Granja 67.000Seara 65.000Total 456.000
Mediana =456.000
5Mediana = 91.200
Prof. 24
ESTATÍSTICA DESCRITIVA
Mediana
Mediana =456.000
5Mediana = 91.200
No impar de amostras = Mediana = Média
No par de amostras = utiliza-se os dois valores centrais da amostra e divide-se por 2
Prof. 25
ESTATÍSTICA DESCRITIVA
Moda
Moda é o valor que surge com mais freqüência se os dados são discretos, ou, o intervalo de classe com maior freqüência se os dados são contínuos
Esta medida é especialmente útil para reduzir a informação de um conjunto de dados qualitativos, apresentados sob a forma de nomes ou categorias, para os quais não se pode calcular a média e por vezes a mediana.
Prof. 26
ESTATÍSTICA DESCRITIVA
Moda
A moda é o valor mais freqüente em um conjunto de valores numéricos. A moda pode não existir e, mesmo que exista, pode não ser única.
Exemplos: 1,1,3,3,5,7,7,7,11,13 tem moda 7
3,5,8,11,13,18 não tem moda
3,5,5,5,6,7,7,7,11,12 tem duas modas: 5,7 (bimodal).
Prof. 27
ESTATÍSTICA DESCRITIVA
ModaExemplo de Moda
Qtidades Moda Total 1.200 1 1.200 1.300 2 2.600 1.350 2 2.700 1.400 1 1.400 1.420 4 5.680 Total 10 13.580
Média = 13.580
= 1358 10
Prof. 29
FASES DO MÉTODO ESTATÍSTICOSCOLETA APURAÇÃO
DOS DOSDADOS DADOS
APRESENTAÇÃODOS
DADOS
GRÁFICOS ANÁLISETABELAS INTERPRETAÇÃO
RESUMOS CONCLUSÃO
Prof. 30
TABELAÉ um resumo que apresenta um conjunto informações e dados de forma organizada
Receita Frequência
Líquida Absoluta RelativaSadia 120.000 26,32%Perdigão 116.000 25,44%Aurora 88.000 19,30%Da Granja 67.000 14,69%
Seara 65.000 14,25%
Total 456.000 100,00%
Prof. 31
GRÁFICOSÉ a representação dos dados e informações estatísticas de forma direta, de forma compreensível pelos usuários. Normalmente são bidimensional – duas variáveis.As formas dos gráficos dependem do objetivo da apresentação:
- gráfico de barras- gráfico de linhas- gráfico “pizza“- gráfico “área”- gráfico colunasoutros tipos
Prof. 35
PROBABILIDADE
PROBABILIDADEÉ o resultado, favorável ou desfavorável, possível de um evento, dentro de um universo de amostra conhecido.
É calculado com base na seguinte equação:
No de Casos Favoráveis/DesfavoráveisProbabilidade = --------------------------------------------------------- No de Casos Possíveis
Prof. 36
PROBABILIDADE
PROBABILIDADE APLICADO EM CONTROLADORIA
Exemplos:
• Cálculo dos eventos relacionados a Seguro• Cálculo relacionados as expectativas de investimentos
financeiros ou produtivos – variáveis controláveis.• Grau de Inadimplência – Contas Clientes/Contas a
Receber• Número de Acidentes de Trabalho• Faltas e atrasos dos funcionários• Erros e retrabalhos
Prof. 37
PROBABILIDADE
PROBABILIDADE APLICADO EM CONTROLADORIAPROBABILIDADE DE OCORRER ACIDENTES
Acidentes em Ambiente de TrabalhoNo Acidentes Frequências Probabilidade
0 55 0,71 1 11 0,14 2 8 0,10 3 4 0,05 4 0 -
Total 78
Cálculo
P0 =55
0,71 78
P3 = 4 0,05 78
Prof. 38
PROBABILIDADE
PROBABILIDADE APLICADO EM CONTROLADORIA
PROBABILIDADE DE OCORRER ACIDENTESPercurso
No Acidentes Frequências Probabilidade0 34 0,65 1 6 0,12 2 8 0,15 3 2 0,04 4 2 0,04
Total 52
Prof. 39
PROBABILIDADE
PROBABILIDADE APLICADO EM CONTROLADORIA
Este cálculo de probabilidade tem utilidade para provisão de faltas decorrente de acidentes de trabalhos.A empresa pode utilizar o cálculo da probabilidade para incluir em seus custos indiretos uma parcela para cobrir tais faltas.Do total de 130 ocorrências 31 resultaram em acidentes, com probabilidade de 32%
Total de AcidentesNo Acidentes Frequências Probabilidade
0 89 0,68 1 17 0,13 2 16 0,12 3 6 0,05 4 2 0,02
Total 130
Prof. 40
ESTATÍSTICA INDUTIVA OU INFERENCIAL
Estatística Inferencialrefere-se a operações estatísticas em que, com base em uma amostra estabelecem-se afirmações sobre uma população. Infere-se uma conclusão, baseado na amostra, concluindo ser verdadeiro para o universo.
AMOSTRA
UNIVERSO
Prof. 41
ESTATÍSTICA INDUTIVA OU INFERENCIAL
AMOSTRA
ESTATÍSTICAPROBABILIDADE
DESCRITIVA
ESTATÍSTICA
INDUTIVA
Prof. 42
ESTATÍSTICA INFERENCIAL
Ao testar 10 televisores, de um lote de 100 unidades, verificou que, nenhum, apresentou defeito.Conclui-se que o lote de 100 aparelhos são perfeitos. Temos aqui um exemplo de Inferência Estatística. De uma amostra de 10 televisores infere-se para a população do lote de 100. Acredita-se, com base na teoria da Inferência Estatística, que se 10 televisores aleatoriamente selecionados ao acaso estiverem todos bons, então o mesmo ocorre com o lote todo.
Prof. 43
ESTATÍSTICA INFERENCIAL
Ao analisar a conta de clientes, em uma amostra de 25 clientes, verificou-se que 20 pagavam em dia e 5 pagavam atrasados.Conclui-se que na conta de cliente, 80% são clientes em dia e somente 20% estão em atrasos.
Temos aqui outro exemplo de Inferência Estatística, porém, podemos confiar nesta posição ?
Prof. 44
ESTATÍSTICA INFERENCIAL
A única formula da estatística fisiológica é ridiculamente simples:
sinalconfiança n
ruído
Quão curto é o intervalo de confiança
Diferença a média e o valor do cliente
Soma de todas contas clientes que podem afetar o sinal (Incerteza)
Nº de amostra
Prof. 45
ESTATÍSTICA INFERENCIAL
Estimação
Estimação: conjunto de procedimentos que permitem obter dos dados uma aproximação (bem como uma medida da qualidade da aproximação) para uma quantidade de interesse cujo valor é desconhecido, denominado parâmetro e denotado genericamente por .
Prof. 46
ESTATÍSTICA INFERENCIAL
RELAÇÃO INADIMPLENCIA - ATRASOS/CLIENTESDias No
Média Y = X - X Y 2Atrasos Clientes
0 60,00 - 22,25 37,75 1.425,06 30 12,00 - 22,25 - 10,25 105,06
60 8,00 - 22,25 - 14,25 203,06 90 6,00 - 22,25 - 16,25 264,06
120 3,00 - 22,25 - 19,25 370,56
Soma 89,00 2.367,81
Prof. 47
ESTATÍSTICA INFERENCIAL
Erro Padrão
EP = σ√n
σ = Média 21,30 n= Soma Amostra 89,00
EP = 21,30 √89,00
EP = 21,30 9,43
EP = 2,26
Prof. 48
ESTATÍSTICA INFERENCIAL
O intervalo de confiança está entre 15 e 28 clientes.
Intervalo de Confiança com 95%n= 5p = 1 - 0,95 = 0,05
x média= 22,25 ep = 2,31
tabela n=4 g = 0,05 t= 2,776Fórmula Intervalo de Confiança
IC = (X médio)+ - t * epIC = 22,25 + - 2,776 * 2,26
IC = 22,25 + 2,776 * 2,26 28,52376IC = 22,250 - 2,776 * 2,26 15,97624
Prof. 50
CORRELAÇÃO E REGRESSÃO LINEAR
O coeficiente de correlação é um parâmetro para o estudo de uma distribuição bidimensional, que nos indica o grau de dependência entre as variáveis X e Y. O coeficiente de correlação r é um número que é obtido mediante a fórmula.
Prof.
CORRELAÇÃO E REGRESSÃO LINEAR
Duas variáveis, RENDA e DESPESAS, será que estas duas variáveis tem relação entre si, ou seja, qual a influencia da Renda em relação as Despesas.Havendo uma relação, será uma CORRELAÇÃO, decorrente de uma relação estatísticas.
Prof. 53
CORRELAÇÃO E REGRESSÃO LINEAR
EXEMPLO DE ÍNDICE DE CORRELAÇÃODespesas Renda
n X Y XY X2 Y2
1 4 12 48 16 1442 6 20 120 36 4003 8 16 128 64 2564 10 24 240 100 5765 12 28 336 144 784
40 100 872 360 2160
Prof. 54
CORRELAÇÃO E REGRESSÃO LINEAR
n= 5X= 40Y= 100
XY= 872X2= 360Y2= 2160
r= 5 * 872 - (40) * (100)[5*360-(40)2]*[5*2160-(100)2]
r= 360 400
r= 0,90
Prof. 55
CORRELAÇÃO E REGRESSÃO LINEAR
r= 360 400
r= 0,90
Se r = +1 há uma correlação perfeita e positiva entre as variáveis
Se r = -1 há uma correlação perfeita e negativa entre as variáveis
Se r = Não há correlação entre as variáveis
Prof. 56
CORRELAÇÃO E REGRESSÃO LINEAR
A análise da Correlação é feita através da Análise de Regressão.A análise de regressão tem por objetivo descrever através de um modelo matemático a relação entre duas variáveis.A fórmula utilizada para determinar uma regressão:
Y = a X + bY = variável dependente
X = Variável Independentea e b = parâmetros
Prof. 57
CORRELAÇÃO E REGRESSÃO LINEAR
Y = a X + ba e b = parâmetros
a= n * Σ xy - Σx * Σ y
n * Σx2 - (Σx)2
b= y - a x
Prof. 59
CORRELAÇÃO E REGRESSÃO LINEAR
10 12 14 16 18 20 22 24 26 28 300
2
4
6
8
10
12
14
Series1
RENDA
DESPESAS
Prof. 60
CORRELAÇÃO E REGRESSÃO LINEAR
a= n * Σ xy - Σx * Σ y
n * Σx2 - (Σx)2
a= 5 * 872 - 100 * 405 * 2160 - (100)2
a= 360800
a= 0,45
Prof. 61
CORRELAÇÃO E REGRESSÃO LINEAR
b= y - a x
x = 100 = 205
y = 40 = 85
b =20 - 0,45 * 8b = 16,4