Apostila Estatistica Excel

ESTATSTICA COM USO
DO EXCEL

Rua Pedro Celestino, 437 Centro Campo Grande / MS Fone: (67) 3321-6100 CEP: 79.004-560

2
GOVERNO DO ESTADO DE MATO GROSSO DO SUL
FUNDAO ESCOLA DE GOVERNO DE MATO GROSSO DO SUL
ESCOLAGOV - MS

PROGRAMA DE DESENVOLVIMENTO DE COMPETNCIAS
DESENVOLVIMENTO DE COMPETNCIAS ADMINISTRATIVAS E OPERACIONAIS

ESTATSTICA COM USO
DO EXCEL

CAMPO GRANDE-MS

2012


3
SECRETARIA DE ESTADO DE ADMINISTRAO
FUNDAO ESCOLA DE GOVERNO DE MATO GROSSO DO SUL

Rua Pedro Celestino, 437 - Centro
79.004-560 Campo Grande MS
Telefone: (67) 3321-6100

ANDR PUCCINELLI
Governador do Estado de Mato Grosso do Sul

THIE HIGUCHI VIEGAS DOS SANTOS
Secretria de Estado de Administrao

ANDR LUIZ GODOY LOPES
Diretor-Presidente da Fundao Escola de Governo de Mato Grosso do Sul

DAVID DRUMMOND BARRETO DOS REIS
Gerente de Qualificao e Formao de Recursos Humanos da
Fundao Escola de Governo de Mato Grosso do Sul

ELABORAO DESTA COLETNEA
PROF LUCAS RASI

Permitida a reproduo total ou parcial desde que no se destine para fins
comerciais e que seja citada a fonte


4
1. ORIENTAES PARA OS(AS) PARTICIPANTES

Prezado(a) participante,

com muita satisfao que recebemos voc na Fundao Escola de
Governo de Mato Grosso do Sul ESCOLAGOV.
A seguir apresentamos algumas informaes bsicas de como proceder
em algumas situaes do seu dia-a-dia.
O perodo em que voc estiver conosco ser marcado pela troca de
experincias e aprendizagens.
Assim como voc, outras pessoas estaro freqentando os cursos
oferecidos nesta Instituio.
Nossa equipe estar a sua disposio para quaisquer outros
esclarecimentos quanto ao funcionamento da ESCOLAGOV.
Seja bem-vindo!
Estamos torcendo pelo seu sucesso.

1.1. Quem pode fazer os cursos da ESCOLAGOV?

Os cursos do catlogo ESCOLAGOV, so destinados prioritariamente
aos (as) servidores(as) pblicos(as) estaduais, podendo, no entanto, caso a
atividade esteja prevista em algum programa de parceria, ter parte de suas
vagas destinadas a servidores municipais, federais ou a indicaes da sociedade
civil.

1.2. Qual o custo dos cursos do Catlogo ESCOLAGOV para os(as)
servidores(as)?

Os cursos geralmente so gratuitos, tanto para servidores (as) efetivos
(as) e comissionados (as), podendo, no entanto, ocorrer algum tipo de cobrana
caso se verifique a necessidade de complementao de seus custos devido
insuficincia oramentria.

1.3. Qual a carga horria dos cursos?

A carga horria dos cursos ser de acordo com a rea (turmas
abertas) e a demanda das instituies (turmas fechadas). Os(As) instrutores(as)
convocados(as) sero comunicados(as) com antecedncia para adequar a carga
horria de acordo com a demanda.

1.4. Onde encontrar informaes sobre a programao de cursos?

No site www.escolagov.ms.gov.br, acessando o link cursos, o
interessado encontrar o catlogo de cursos com as datas, horrios e carga
horria.

1.5. Como fazer as inscries?

Para se inscrever o (a) interessado (a) deve procurar o(a)
Coordenador de Capacitao do seu rgo e preencher a ficha de inscrio.
Somente sero aceitas as fichas enviadas pelos(as) Coordenadores de
Capacitao.


5
A inscrio no garante a participao no curso. O(A) interessado(a)
dever aguardar a confirmao da matrcula por e-mail.

1.6. Quais so as regras para a participao nos cursos?

Para a participao nos cursos devem ser observadas as seguintes
regras:
- A freqncia mnima exigida para certificao de 75% da carga
horria total dos cursos.
- Somente as disciplinas transversais podem ser justificadas e o
servidor(a) ser orientado para fazer a disciplina em outro curso. O cumprimento
da carga horria destinada aos temas transversais obrigatrio para a
certificao.
- Quando o(a) servidor(a) j tiver participado de alguma disciplina
transversal, dever comunicar a coordenao do curso, por escrito, quando e em
qual curso foi cumprida a carga horria.
- Em caso de desistncia do curso o(a) servidor(a) dever imprimir o
Formulrio de Justificativa da Desistncia, encontrado no site
www.escolagov.ms.gov.br, preench-lo, solicitar a assinatura pela chefia
imediata e entregar na Fundao Escola de Governo. Sem esse procedimento
o(a) servidor(a) perder, por um prazo de 02 (dois) anos, a oportunidade de
matricular-se em outro curso oferecido na ESCOLAGOV.
- Em caso de desistncia em at 03 (trs dias) antes do incio do
curso, o(a) servidor(a) NO precisa apresentar uma justificativa formal, MAS
dever entrar em contato com a coordenao do curso para informar a
desistncia. Caso ele(a) no faa a comunicao, incidir as penalidades de
desistente sem justificativa.
- O certificado ser expedido em at 30 dias aps a concluso do
curso e o(a) servidor(a) dever retir-lo na ESCOLAGOV.
- A avaliao da aprendizagem ser processual e definida pelo(a)
instrutor(a) no plano de curso. Em alguns cursos o aproveitamento dos(as)
participantes ser avaliado mediante uma mdia final.
- Os dirigentes dos rgos pblicos sero informados a respeito do
aproveitamento que seus respectivos servidores obtiverem nos cursos.

1.7. Como obter o material didtico (apostilas, livros, textos) usados nos
cursos?
As apostilas e textos ficam disponibilizados no site
www.escolagov.ms.gov.br, acessando o link cursos para os(as) servidores(as)
matriculados(as) nos cursos. Os(As) mesmos(as) devero imprimir o seu
material e encadern-los quando for o caso.


6
SUMRIO

1. Introduo .......................................................................................................................... 7
2. REVISO DE PROBABILIDADES ..................................................................................... 8
Medidas de probabilidades ................................................................................................. 9
Definio clssica de probabilidade ................................................................................... 9
Definio frequntista de probabilidade ........................................................................... 9
Conceito moderno de probabilidade ................................................................................. 9
Regras bsicas da probabilidade...................................................................................... 10
Campo de variao das probabilidades .......................................................................... 10
Probabilidade do espao amostral ................................................................................... 10
Regra da adio de probabilidades ................................................................................. 10
Probabilidade de um evento complementar .................................................................. 11
Multiplicao de probabilidades e independncia estatstica ...................................... 11
Probabilidade condicional .................................................................................................. 11
Independncia de eventos ................................................................................................ 12
RESUMO ............................................................................................................................... 13
3. MEDIDAS DE POSIO E DISPERSO ......................................................................... 13
Medidas de posio central .............................................................................................. 14
Mdia aritmtica ou mdia amostral ............................................................................... 14
Mediana ............................................................................................................................... 15
Clculo da mediana varivel discreta........................................................................... 15
Clculo da mediana varivel contnua ......................................................................... 15
Moda ..................................................................................................................................... 16
MEDIDAS DE DISPERSO ................................................................................................. 16
Amplitude total ................................................................................................................... 16
Varincia .............................................................................................................................. 17
Coeficiente de variao de Pearson ................................................................................ 18
RELAES ENTRE VARIVEIS ......................................................................................... 18
Coeficiente de correlao .................................................................................................. 18
4. DISTRIBUIO NORMAL ............................................................................................... 19
Estimadores no viesados ................................................................................................. 21
Varincia dos estimadores ................................................................................................ 21
Varincia amostral .............................................................................................................. 22
Estimadores consistentes .................................................................................................. 22
Lei dos grandes nmeros .................................................................................................. 22
Teorema do limite central ................................................................................................. 22
Populao finita .................................................................................................................. 23
Definio .............................................................................................................................. 23
Objetivo da inferncia ....................................................................................................... 23
Como selecionar uma amostra ......................................................................................... 24
Determinao tamanho amostra ..................................................................................... 25
6. REGRESSO LINEAR....................................................................................................... 25
Mtodo dos mnimos quadrados ...................................................................................... 25
Definio de modelo: ......................................................................................................... 29
Modelos Economtricos ..................................................................................................... 29
9. NMEROS-NDICES ........................................................................................................ 31


7

1. INTRODUO

No conceito comum, estatstica se refere a coleta de dados e interpretao
desses dados em tabelas e grficos. s vezes, tambm se abrange, nesse
conceito, o calculo de totais, de mdias e de porcentagens.
No conceito mais amplo, estatstica envolve entre outros tpicos, a
amostragem, o delineamento de experimentos e a anlise e o processamento de
dados.

Estatstica Descritiva: Refere maneira de apresentar sucintamente um
conjunto de dados e de descrever esses dados.

Inferncia estatstica: Trata das generalizaes que podem ser feitas partindo
de informaes incompletas.

Na soluo de um determinado problema, ambas as partes da estatstica
figuram conjuntamente. Assim, os dados coletados com determinada finalidade so
colocados em uma tabela, descritos atravs de estatstica e finalmente analisados,
procurando-se fazer inferncia.

Duas Partes
Inferncia Estatstica
Descritiva


8

2. REVISO DE PROBABILIDADES

Definio dicionrio de economia: A razo estatstica entre um nmero n de
resultados particulares e o nmero N de resultados possveis: n/N, em que todos os
N so igualmente provveis.

Probabilidade uma espcie de medida de quantificar a incerteza associada
a um evento.

Dois tipos de eventos:
- Determinsticos
- Aleatrios

P(A): Probabilidade do evento A ocorrer

Se A impossvel de ocorrer: P(A) = 0

Se A ocorre com certeza: P(A) = 1

Dados
Quantitativos
Qualitativos
Discretos
Contnuos
Ordinais
Nominais


9
Medidas de probabilidades

Definio clssica de probabilidade

Na definio clssica de probabilidade, tomamos um espao amostral finito
} ,...,
2
,
1
{
n
a a a S = , no qual os pontos amostrais ) ,..., 2 , 1 (
i
a n i = podem ter a mesma
probabilidade de ocorrer, ou seja, so considerados equiprovveis. Ento, todo
subconjunto A do espao amostral diz-se um evento, sendo sua probabilidade dada
por:

possveis de casos n
A ao evento favorveis de casos n
P(A)
o
o
=

O conjunto de todos eventos possveis do experimento chamado de espao
amostral.

Definio frequntista de probabilidade

Denominamos frequncia relativa do evento A ao quociente entre o nmero
de vezes em que A ocorreu e o nmero total de eventos observados.

feito erimento em que o de vezes
o
n
corre em que A o de vezes
o
n
n
P(A)
exp
lim

=

Conceito moderno de probabilidade

Seja S o espao amostral e seja A qualquer evento em S, isto , A um
subconjunto de S. Ento, por definio, a probabilidade de ocorrer A dada pela
mediada de A, nas seguintes condies:

1. A medida do universo 1.
1 ) ( = S P


10
2. A medida no-negativa

0 ) ( > A P

3. Se A e B so dois eventos disjuntos:
) ( ) ( ) ( B P A P B A P + =

Desses postulados, segue-se que:

1 ) ( 0 s s A P

Regras bsicas da probabilidade

Campo de variao das probabilidades

A probabilidade de um evento A deve ser um nmero maior ou igual a 0,
porm menor ou igual a 1. Isto :

1 ) ( 0 s s A P

Probabilidade do espao amostral

O conjunto de todos os possveis resultados de um experimento aleatrio o
espao amostral. Os elementos desse conjunto podem ser numricos ou no.
A probabilidade do espao amostral S igual a 1. Isto :

1 ) ( = S P

Regra da adio de probabilidades

A probabilidade de ocorrncia do evento A ou do evento B (ou de ambos)
igual a:

) ( ) ( ) ( ) ( B A P B P A P B A P + =


11
Caso os eventos A e B sejam mutuamente exclusivos, isto : | = B A ,
ento:
) ( ) ( ) ( B P A P B A P + =

Essa regra pode ser estendida para n eventos mutuamente exclusivos: A
1
, A
2
,
A
3
,...,A
n
. Assim:

) ( ... ) ( ) ( ) ... (
2 1 2 1 n n
A P A P A P A A A P + + + =
Probabilidade de um evento complementar

Se A o evento complementar de A, ento:

( ) ) ( 1 A P A P =

Multiplicao de probabilidades e independncia estatstica

Dados dois eventos independentes, A e B, a probabilidade da ocorrncia
conjunta definida pela regra de multiplicao:

) ( ) ( ) ( ) . ( B P A P B A P B A P = =

Essa regra valida para n eventos independentes: A
1
, A
2
, A
3
,...,A
n,
desde que
as condies para a multiplicao de probabilidades sejam satisfeitas para todas as
combinaes de dois ou mais eventos, isto , desde que todas as combinaes
sejam constitudas por eventos independentes. Ento:

) ( )... ( ) ( ) ... ( ) .... . (
2 1 2 1 2 1 n n n
A P A P A P A A A P A A A P = =

Probabilidade condicional

Qual a probabilidade de um evento sabendo-se que um outro evento j
ocorreu?


12
Se a condio de independncia no for satisfeita, deve ser usada uma
frmula mais geral, envolvendo probabilidades condicionadas.
Dados dois eventos, A e B, a probabilidade de que o evento B ocorra, dado
que o evento A j ocorreu, a probabilidade condicionada de B, escrita por P(B/A).

do nha ocorri o que B te e de A dad obabilidad P(A/B) Pr =

De modo geral, dados dois eventos A e B, que no so independentes, a
probabilidade condicionada de A, dado B, definida como:

) (
) (
) (
) . (
) / (
B P
B A P
B P
B A P
B A P

= =

Independncia de eventos

Um evento B considerado independente de um evento A se a probabilidade
de B igual probabilidade condicional de B dado A, isto :

Outra maneira de definirmos se dois eventos so estatisticamente independentes
atravs do Teorema do Produto. Dois eventos sero independentes se:

P(B) P(A) B) P(A P(B/A) ou P(A) B) P(A = =

A e B so eventos dependentes se:

) ( ) / ( A P B A P =
E
P(A/B) = P(A)
Eventos
Independentes
P(B/A) = P(B)


13

) ( ) / ( B P A B P =

RESUMO

Para eventos independentes:

) ( ) ( ) ( B P A P B A P =

)] ( ) ( [ ) ( ) ( ) ( B P A P B P A P B A P + =

Para dois eventos disjuntos (mutuamente exclusivos):

0 ) ( = B A P

) ( ) ( ) ( B P A P B A P + =

Para dois eventos quaisquer:

) / ( ) ( ) / ( ) ( ) ( B A P B P A B P A P B A P = =

) ( ) ( ) ( ) ( B A P B P A P B A P + =
3. MEDIDAS DE POSIO E DISPERSO

Obteno de dados

Existem vrias fontes de obteno de dados e informaes:

- Dados publicados pelo governo, indstria ou indivduos
- Dados oriundos de experincias (experimentos)
- Dados oriundos de pesquisa (survey)
- Dados oriundos de observaes de comportamentos, atitudes etc.


14
Varivel aleatria (V.A) uma varivel que est associada a uma distribuio
de probabilidade. Portanto, uma varivel que no tem valor fixo, podendo assumir
vrios valores.

Medidas de posio central

Mdia aritmtica ou mdia amostral

A medida de tendncia central mais comum para um conjunto de dados a
mdia aritmtica. A mdia aritmtica de uma amostra de n observaes -
n
x x x x + + + + .....
3 2 1
- representada pelo smbolo x (l-se x barra), calculada por:

Mdia: a soma dos elementos de um conjunto dividido pelo nmero de
elementos desse conjunto.

n
x
aes de observ n
x alores de soma dos v
x
o

= =

A mdia aritmtica tambm pode ser ponderada, o que no a torna um tipo
diferente de mdia. Ponderar significa atribuir pesos, logo, se um valor tem peso
maior significa simplesmente que ele entrar mais vezes na mdia.

Os pesos podem ser o nmero de vezes que um valor aparece.

A quantidade de cada nmero aparece no conjunto chamada de freqncia
(absoluta).

Quando os valores de x
i
esto agrupados com suas respectivas frequncias
absolutas F
i
, a mdia aritmtica ou mdia amostral expressa por:

n
i
F
i
x
x

=


15
A frequncia tambm pode ser expressa em propores, sendo chamada
nesse caso de frequncia relativa.

Mediana

Colocados em ordem crescente, a mediana o valor que divide um conjunto
ao meio.

Clculo da mediana varivel discreta

Duas maneiras, ser o elemento central:

- Se n for mpar, ser o elemento central:
2
1 + n

- Se n for par, ser a mdia entre os elementos centrais: 1
2 2
+
n
e
n

Clculo da mediana varivel contnua

1
o
passo: Calcula-se a ordem
2
n
. A varivel contnua, independente se n
par ou mpar.
2
o
passo: Pela F
ac
, identifica-se a classe que contm a mediana (classe Md).
3
o
passo: Utiliza-se a frmula:

Md
F
h f
n
Md
l Md
|
.
|
\
|

+ =
2

em que:

l
Md
= limite inferior da classe Md
n = tamanho da amostra ou n
o
de elementos
50% 0 100%
Md


16
f = soma das freqncias anteriores classe Md
h = amplitude da classe Md
F
Md
= freqncia da classe Md

Quartis so elementos que dividem o conjunto em quatro partes iguais.

Moda

A moda o elemento de maior freqncia, ou seja, que aparece o maior
nmero de vezes.

Calculo da Moda distribuies simples (sem agrupamento em classes)

A identificao da moda facilitada pela simples observao do elemento que
apresenta maior freqncia.

MEDIDAS DE DISPERSO

O resumo de um conjunto de dados por uma nica medida representativa de
posio central esconde toda a informao sobre a variabilidade do conjunto de
observaes.

Um critrio frequentemente usado para tal fim aquele que mede a disperso
dos dados em torno de sua mdia, e duas medidas so as mais usadas: desvio
mdio e varincia.

Amplitude total

uma medida de disperso dada pela diferena entre o maior e o menor
valor da srie.
mn
x
mx
x A =


17
Varincia

Como se deseja medir a disperso dos dados em relao mdia,
interessante analisar os desvios de cada valor x
i
em relao mdia x , isto :

( ) x x d
i i
=

Se os d
i
forem baixos, teremos pouca disperso; ao contrrio, se os desvios
forem altos, teremos elevada disperso.
fcil constatar que a soma em torno da mdia zero. Isto :
0 =
i
d

Para o clculo da varincia, consideram-se os quadrados dos desvios: d
i
2
.

2
1
) (
1
) ( x x
n
x VAR
n
i
i
=

=

Ou para dados agrupados:

( )
i
n
i
i
F x x
n
x VAR =

=
2
1
1
) (

Desenvolvendo o quadrado das diferenas: ( )
2
x x , e somando os termos
comuns, encontram-se as seguintes frmulas prticas para o clculo da varincia:

2
1
2
1
) ( x x
n
x VAR
n
i
i
=

=

) ( ) ( x VAR x dp =


18
Coeficiente de variao de Pearson

Trata-se de uma medida relativa de disperso. Enquanto a amplitude total (R),
a varincia (VAR) e o desvio padro (dp) so medidas absolutas de disperso, o
coeficiente de variao (CV) mede a disperso relativa. Assim:

100
) (
=
x
x dp
CV

Eis algumas regras empricas para interpretaes do coeficiente de variao:

CV Disperso
< 15% Baixa
15% CV < 30% Mdia
30% Elevada

RELAES ENTRE VARIVEIS

A covarincia pode ser entendida como varincia conjunta entre duas
variveis.
Enquanto a varincia sai de quadrados (da varivel menos a mdia), a
covarincia definida por meio de produtos.

) ( ) (
1
) , ( y y x x
n
y x COV
i i
=

E, assim como a varincia, pode ser calculada de outra foram:

COV(x,y)=Mdia dos produtos produto da mdia

Coeficiente de correlao

Um indicador da fora de uma relao linear entre duas variveis intervalares
o coeficiente de Pearson. Trata-se de uma medida de associao que independe
das unidades de medidas das variveis. Varia entre 1 e +1 ou, expresso em


19
porcentagens, entre 100% e + 100%. Quanto maior a qualidade do ajuste (ou
associao linear), mais prximo de +1 ou 1 estar o valor do coeficiente.
A interpretao do Coeficiente de Correlao como medida da intensidade da
relao linear entre duas variveis puramente matemtica e est completamente
isenta de qualquer implicao de causa efeito.

O coeficiente de correlao obtido retirando-se o efeito dos valores de cada
uma das variveis sobre a covarincia. Isso feito dividindo-se esta ltima pelos
desvios-padres das variveis.

) ( ) (
) , (
) , (
y dp x dp
y x COV
y x Corr
=

4. DISTRIBUIO NORMAL

Inmeras variveis contnuas que descrevem fenmenos naturais e sociais
apresentam distribuies de probabilidades prximas a da distribuio normal.

2
2
2
2
2
1
) (
o

to
|
.
|
\
|

=
x
e x f

Em decorrncia da difcil utilizao da frmula acima, pode-se trabalhar com
variveis padronizadas.

o

=
x
Z


20

O objetivo da estatstica o de conhecer populaes por meio das
informaes amostrais.

As populaes so caracterizadas por medidas numricas descritivas,
denominadas parmetros, geralmente desconhecidos.

Parmetros
Proporo(p)
dp()
Mdia ()


21

Os mtodos para realizar inferncias a respeito dos parmetros pertencem a
duas categorias:
- Estimao: determinao de estimativas dos parmetros
populacionais;
- Testes de hipteses: tomada de deciso relativa ao valor
de um parmetro populacional.

Estimadores no viesados

u u =
|
.
|
\
|
.
E

Varincia dos estimadores

Um estimador eficiente se:

- For no viesado
- Entre os estimadores no viesados, apresentar a menor
varincia.

( )
n
x VAR
2
o
=

n = 1: ( )
2
1
2
o
o
= = x VAR
Amostra
d.p (s)
Mdia estimada ( ) x


22

n = : ( ) 0
2
lim =

=
n
n
x VAR
o

Varincia amostral

( )
1
1
2
2
=
n
x x
s
n
i

Estimadores consistentes

Um estimador
.
u ser consistente se:

u u =
|
.
|
\
|
.

E
n
lim

e

0 lim =
|
.
|
\
|
.

u VAR
n

Lei dos grandes nmeros

A LGN diz que, quando a amostra cresce (tende a infinito), a mdia amostral
converge para a mdia populacional.

Teorema do limite central

Dada uma varivel x com mdia e varincia
2
, a mdia amostral x segue
(desde que a amostra seja suficientemente grande) uma distribuio normal, com
mdia e varincia
n
2
o
, qualquer que seja a distribuio de x.


23

( )
) 1 , 0 ( N
o Distribui x
n
n
x

Populao finita

Por populao finita entende-se, na prtica, uma populao cujo tamanho
comparvel com a amostra a ser estudada.

( )
1
2
=
N
n N
n
x VAR
o

5. AMOSTRAGEM

Populao
Conceitos Bsicos:
Amostra

Definio

Populao: o conjunto de todos os elementos ou resultados sob investigao

Amostra: qualquer subconjunto da populao

Objetivo da inferncia

produzir afirmaes sobre dada caracterstica da populao, na qual estamos
interessados, a partir de informaes colhidas de uma parte da populao.

Assim, em problemas envolvendo amostras, antes de tomarmos uma deciso,
teramos que responder a quatro perguntas:
Fator de
correo


24

1) Qual a populao a ser amostrada
2) Como obter os dados
3) Que informaes pertinentes (estatsticas) sero retiradas da amostra
4) Como se comporta a estatstica quando o mesmo procedimento de escolher a
amostra usado numa populao conhecida.

Como selecionar uma amostra

A maneira de se obter a amostra to importante, e existem tantos modos de
faz-lo, que esses procedimentos constituem especialidades dentro da estatstica.
Poderamos dividir os procedimentos cientficos de obteno de dados
amostrais em trs grandes grupos, que so:

1) Levantamentos amostrais
2) Planejamento de experimentos
3) Levantamentos observacionais (sries temporais)

O problema da estatstica fazer uma afirmao sobre os parmetros da
populao atravs da amostra.
E que nossa afirmao deva ser feita sobre um parmetro da populao
atravs de um estimador.

Um estimador dever ter as seguintes propriedades:

- No tendenciosidade ( u u =
.
) ( E )
- Eficincia (Varincia mnima)
- Consistncia (quando aumenta a amostra, reduz o vis)


25
Determinao tamanho amostra

) 1 (
2
0
p p
e
z
n
|
.
|
\
|
=

2
0
|
.
|
\
|
= o
e
z
n

Fator de correo de populao finita:

N
n
n
n
1
1
0
0
+
=

6. REGRESSO LINEAR

Quando a relao entre duas variveis aparentemente uma funo afim
(linear), cada Y pode ser escrito em funo de cada X da seguinte forma:

i i
X
i
Y c | o + + = sendo:

i
X | o + a equao da reta; o termo de erro com ( ) 0 = c E

Mtodo dos mnimos quadrados

Definindo x e y da seguinte forma:

X X x =
Y Y y =


26
As variveis x e y so ditas centradas na mdia.

i i
X
i
Y c | o + + =

0 + + = X Y | o

Subtraindo a 2
a
equao da 1
a
equao, temos:

( ) ( )
i
X
i
X Y
i
Y c | o o + + =

i i
x
i
y c | + =

Logo

i
x
i
y
i
| c =

A soma dos quadrados dos erros ser:

( ) ( )
2
1
2
1

=
=
=
n
i
i
x
i
y
n
i
i
| c

|
.
|
\
|
+ =
i
y
i
x
i
x
i
y
i
| | c 2
2 2 2 2

+ =
i i i i i
y x x y | | c 2
2 2 2 2

Como uma constante:

i i i i i
y x x y

+ = | | c 2
2 2 2 2


27
Para encontrar o valor de que d o mnimo dessa soma, o procedimento
derivar e igualar a zero. Derivando em relao a .

0 2 2
2
=

.
i i i
y x x |

Dividindo por 2:

0
2
=

.
i i i
y x x |

=
.
2
i
i i
x
y x
|

Para encontrar :

X Y
. .
+ = | o

X Y
. .
= | o

7. EXTRAPOLAO DE TENDNCIAS

Consiste no ajustamento estatstico de uma funo do tipo:

) (t f Q
t
=

Onde:
anos) em geral (em tempo t
t poca na produto do consumo de Nvel
=
=
t
Q

As funes mais usadas so:


28
- Funo linear: bt a Q
t
+ =
- Funo exponencial:
t
t
b Q Q ) 1 (
0
+ =
- Curva S:
t
b a
t
e Q
+
=

Como exemplo, considere-se que esto disponveis os seguintes dados de
consumo, sobre os quais se deve obter uma extrapolao para os prximos trs
anos:

Ano (t) Consumo (Q
t
)
1 500
2 1.200
3 1.850
4 3.300
5 3.900
6 4.600
7 4.650
8 5.010
9 6.700


29
8. MODELAGEM ECONOMTRICA

Definio de modelo:

Uma representao simplificada da realidade, estruturada de forma tal que permita
compreender o funcionamento total ou parcial dessa realidade ou fenmeno

Modelos Economtricos

- Estrutura
- Classificao
- Qualidades desejveis

Modelos Variveis
Estrutura
Relaes ou equaes
Parmetros ou coeficientes
Termo aleatrio ou perturbaes
Classificao
Lineares/no lineares
Uniequacionais/multiequacionais
Estticos/dinmicos
Modelos de deciso/previso
Qualidades
Plausibilidade terica
Capacidade explanatria
Exatido das estimativas dos
parmetros
Capacidade de previso
Simplicidade

Imagine duas variveis, que chamaremos genericamente de Y e X, que
poderiam ser:

- Consumo e renda
- Salrios e anos de estudo
- Presso de um gs e sua temperatura
- Vendas e gastos em propaganda

Enfim, quaisquer duas variveis que supostamente, tenham relao entre si.


30

X: varivel independente
Y: varivel dependente

Caso exista uma relao linear entre as variveis (teste de correlao), h
uma dependncia entre Y e X. O processo de encontrar a relao entre Y e X
chamado de regresso.
Se o processo uma reta, uma regresso linear.

O modelo pode envolver apenas uma equao, como por exemplo:

t t
Y a P a a Q
2 1 1 0
+ + =

Onde:

Ano Vendas (Qt) Renda (Yt) Preos (Pt)
1 95 350 90
2 87 362 97
3 117 399 95
4 120 419 99
5 117 426 93
6 131 442 100
7 137 472 94
8 117 508 110
9 140 529 109
10 161 548 98
11 155 576 98
12 188 606 92


31
9. NMEROS-NDICES

Os nmeros-ndices so propores estatsticas, geralmente expressas em
percentagem, idealizadas para comparar as situaes de um conjunto de variveis
em pocas ou localidades diferentes.

As etapas iniciais da construo de um ndice so:

- Escolha de uma amostra
- Escolha do perodo base
- Escolha do mtodo de calculo.

VALORES NOMINAIS E REAIS DEFLACIONAMENTO DE SRIES

Dada a srie de preos abaixo:

Ms Salrios ndices de Preos
Jan/XX 1.000 300
Fev/XX 1.000 320
Mar/XX 1.200 340
Abr/XX 1.300 360
Mai/XX 1.400 400
Jun/XX 1.500 410
Jul/XX 1.600 430

O calculo de valores reais pode ser feito por regra de trs simples.
O valor de maio, por exemplo, a preos de maio (ndice = 400) R$ 1.400.
Ento, podemos encontrar o valor de maio a preos de abril (ndice = 360) por:

360
400 400 . 1

x


32
10. REFERNCIAS BIBLIOGRFICAS

MARTINS, G. A. Estatstica geral e aplicada. 3.ed So Paulo: Atlas, 2005

MORETTIN, P. A; BUSSAB, W. O. Estatstica Bsica. 6.ed So Paulo: Saraiva,
2010.

SARTORIS, A. Estatstica e introduo econometria. So Paulo: Saraiva, 2003.

Apostila Estatistica Excel

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apostila Estatistica Excel

Cargado por

Copyright:

Formatos disponibles

ESTATSTICA COM USO

También podría gustarte