O uso de questionários em trabalhos científicos

Tamanho: px
Começar a partir da página:

Download "O uso de questionários em trabalhos científicos"

Transcrição

1 1. Itrodução O uso de questioários em trabalhos cietíficos Um questioário é tão somete um cojuto de questões, feito para gerar os dados ecessários para se verificar se os objetivos de um projeto foram atigidos. Mas, costruir questioários ão é uma tarefa fácil, e aplicar tempo e esforço o plaejameto do questioário é um requisito essecial para se atigir os resultados esperados. Ifelizmete ão existe uma metodologia padrão para o desevolvimeto de questioários, porém existem recomedações de diversos autores com relação a essa importate tarefa o processo de pesquisa cietífica. Este trabalho tem o objetivo de apresetar as etapas evolvidas o desevolvimeto de um questioário e está estruturado da seguite forma: a seção 2 versa sobre a metodologia para a costrução de um questioário; a seção 3 apreseta a importâcia de se defiir uma amostra adequada de respodetes e como defiir o tamaho da amostra; a seção 4 descreve uma visão geral de como aalisar os dados coletados pelos questioários; e fialmete a seção 5 apreseta as coclusões. 2. Metodologia para a costrução de um questioário A costrução de um questioário, segudo Aaker et al. (2001), é cosiderada uma arte imperfeita, pois ão existem procedimetos exatos que garatam que seus objetivos de medição sejam alcaçados com boa qualidade. Aida segudo o autor, fatores como bom seso e experiêcia do pesquisador podem evitar vários tipos de erros em questioários, como por exemplo, as questões ambíguas, potecialmete prejudiciais, dada sua ifluêcia a amplitude de erros. No etato, existe uma seqüêcia de etapas lógicas que o pesquisador deve seguir para desevolver um questioário: 1 Plaejar o que vai ser mesurado 2 Formular as pergutas para obter as iformações ecessárias. 3 Defiir o texto e a ordem das pergutas e o aspecto visual do questioário. 4 Testar o questioário, utilizado uma pequea amostra, em relação a omissões e ambigüidade. 5 Caso ecessário, corrigir o problema e fazer ovo pré-teste. Baseada em Aaker et al. (2001), a Figura 1 ilustra os passos para elaboração de um questioário: Etapa Plaejar o que vai ser Mesurado Dar Forma ao Questioário Texto das Pergutas Decisões sobre Seqüeciameto e Aparêcia Passos Evideciar os objetivos da pesquisa Defiir o assuto da pesquisa em seu questioário Obter iformações adicioais sobre o assuto da pesquisa a partir de fotes de dados secudários e pesquisa exploratória Determiar o que vai ser pergutado sobre o assuto da pesquisa Para cada assuto, determiar o coteúdo de cada perguta Decidir sobre o formato de cada perguta Determiar como as questões serão redigidas Avaliar cada uma das questões em termos de sua facilidade de compreesão, cohecimetos e habilidades exigidos, e disposição dos respodetes. Dispor as questões em uma ordem adequada Agrupar todas as questões de cada sub-tópico para obter um úico questioário Ler o questioário iteiro para verificar se faz setido, e se cosegue mesurar, o que está previsto para ser mesurado Pré-Teste e Correção de Verificar possíveis erros o questioário Problemas Fazer o pré-teste o questioário Corrigir o problema Figura 1 Passos para a elaboração de um questioário. 2.1 Decisões sobre o coteúdo das pergutas

2 Com relação ao coteúdo das pergutas, pode-se tetar verificar fatos, creças quato a fatos, creças quato a setimetos, descoberta de padrões de ação e de comportameto presete ou passado. Também é ecessário que o pesquisador faça algumas reflexões, do tipo: a perguta é realmete ecessária? Qual a sua utilidade? Estas pergutas podem se desdobrar as seguites questões: O assuto exige uma perguta separada, ou pode ser icluído em outras pergutas? Existem outras pergutas que já icluem adequadamete este poto? A perguta é desecessariamete miuciosa e específica? Várias pergutas são ecessárias sobre o assuto desta perguta ou uma é o suficiete? Deve-se evitar o uso de abreviação, e ão se deve tratar dois assutos complexos em uma mesma perguta. Todos os aspectos importates sobre este tópico serão obtidos da forma como foi elaborada a perguta? Em pergutas de opiião, iteressa saber os graus de favorabilidade/desfavorabilidade, ou basta saber se é a favor ou cotra? As pessoas têm a iformação ecessária para respoder a perguta? Não basta, porém que se esteja abordado a pessoa certa,é preciso saber se ela é capaz de se lembrar da iformação. Nossa habilidade para os lembrarmos dos evetos é iflueciada pela importâcia do próprio eveto para cada um, do tempo passado desde que ele ocorreu e da preseça de estímulos que os ajudem a recordar. Os respodetes estarão dispostos a dar a iformação? A predisposição em respoder a uma determiada questão parece ser fução do tempo e trabalho evolvidos a elaboração da resposta, de sua habilidade em articular a resposta, e da sesibilidade do assuto tratado. Que objeções alguém poderia ter para respoder esta perguta? O tema abordado é muito ítimo, perturbador ou expõe socialmete as pessoas, de forma a causar resistêcias e respostas falsas? O tema é embaraçoso para o respodete por colocar em perigo seu prestígio caso seja cotrário a idéias socialmete aceitas? Deve-se tomar o cuidado de ão se usar pergutas muito específicas, quado, a verdade, a pesquisa for de caráter geral. Por exemplo, pergutar quatas vezes uma pessoa foi ao supermercado em determiado mês, pode resultar em uma resposta meos precisa do que se fosse pergutado a respeito do seu comportameto usual ou médio durate os meses ateriores. O coteúdo da perguta ão estará eviesado ou carregado em determiada direção? Esta perguta desdobra-se as seguites questões: A perguta é, devidamete, eutra, a fim de ão iflueciar as respostas? Pessoas com opiiões cotrárias sobre o assuto ão a cosiderarão tedeciosa? A perguta cotém opiiões ou julgametos relacioados ao assuto? 2.2 Decisões sobre o formato das respostas A escolha do formato das respostas mais adequado deve levar em cota as vatages e desvatages de cada tipo para o objetivo da pesquisa. As questões podem ser: abertas ode os respodetes ficam livres para respoderem com suas próprias palavras, sem se limitarem a escolha etre um rol de alterativas. múltipla escolha - ode os respodetes optarão por uma das alterativas, ou por determiado úmero permitido de opções. dicotômicas - São as que apresetam apeas duas opções de respostas, de caráter bipolar, do tipo: sim/ão; cocordo/ão cocordo; gosto/ão gosto. Por vezes, uma terceira alterativa é oferecida, idicado descohecimeto ou falta de opiião sobre o assuto. A figura 2 descreve segudo Mattar (1994), as pricipais vatages e desvatages de cada formato das respostas.

3 Tipo de Questões Vatages Desvatages Estimulam a cooperação; Permitem avaliar melhor as atitudes para aálise das questões estruturadas; São muito úteis como primeira questão de um determiado tema Abertas porque deixam o respodete mais à votade para a etrevista a ser feita; Cobrem potos além das questões fechadas; Têm meor poder de ifluêcia os respodetes do que as pergutas com alterativas previamete estabelecidas; Exigem meor tempo de elaboração; Proporcioam cometários, explicações e esclarecimetos sigificativos para se iterpretar e aalisar as pergutas com respostas fechadas; Evita-se o perigo existete o caso das questões fechadas, do pesquisador deixar de relacioar alguma alterativa sigificativa o rol de opções. Dão margem à parcialidade do etrevistador a compilação das respostas, já que ão há um padrão claro de respostas possíveis. Assim, é difícil a codificação das respostas e sua coseqüete compilação; Há grade dificuldade para codificação e possibilidade de iterpretação subjetiva de cada decodificador; Quado aplicadas em forma de etrevistas, podem levar potecialmete a grades viéses dos etrevistadores; Quado feitas através de questioários auto-preechidos, esbarram com as dificuldades de redação da maioria das pessoas, e mesmo com a "preguiça" de escrever. São meos objetivas, já que o respodete pode divagar e até mesmo fugir do assuto; São mais oerosas e mais demoradas para serem aalisadas que os outros tipos de questões. Múltipla Escolha Dicotômicas Facilidade de aplicação, processo e aálise; Facilidade e rapidez o ato de respoder; Apresetam pouca possibilidade de erros; Diferetemete das dicotômicas, trabalham com diversas alterativas. Rapidez e facilidade de aplicação, processo e aálise; Facilidade e rapidez o ato de respoder; Meor risco de parcialidade do etrevistador; Apresetam pouca possibilidade de erros; São altamete objetivas. Exigem muito cuidado e tempo de preparação para garatir que todas as opções de respostas sejam oferecidas; Se alguma alterativa importate ão foi previamete icluída, fortes viéses podem ocorrer, mesmo quado esteja sedo oferecida a alterativa "Outros. Quais?"; O respodete pode ser iflueciado pelas alterativas apresetadas. Polarização de respostas e/ou possibilidade de forçar respostas em relação a um leque de opiiões; Podem levar a erros de medição, se o tema foi tratado de forma dicotômica, quado a verdade apreseta várias alterativas; Depededo de como a perguta é feita, questões com respostas dicotômicas são fortemete passíveis de erros sistemáticos Escalas Quado se aplica um questioário fechado (múltipla escolha ou dicotômico) pretede-se medir aspectos como atitudes ou opiiões do público-alvo, e isso geralmete é possível com a utilização de escalas. As

4 escalas que se utilizam podem ser de quatro tipos: escala de Likert, VAS (Visual Aalogue Scales), escala Numérica e escala Guttma. A escala de Likert apreseta uma série de cico proposições, das quais o respodete deve selecioar uma, podedo estas ser: cocorda totalmete, cocorda, sem opiião, discorda, discorda totalmete. É efetuada uma cotação das respostas que varia de modo cosecutivo: +2, +1, 0, -1, -2 ou utilizado potuações de 1 a 5. É ecessária ateção quado a proposição é egativa. Nestes casos a potuação atribuída deverá ser ivertida. VAS (Visual Aalogue Scales) é um tipo de escala que advém da escala de Likert apresetado os mesmos objetivos, mas um formato diferete. Este tipo de escala baseia-se uma liha horizotal com 10 cm de comprimeto apresetado as extremidades duas proposições cotrárias: Útil Iútil O etrevistado deve respoder à questão assialado a liha a posição que correspode à sua opiião. A Escala Numérica deriva da escala aterior a qual a liha se apreseta dividida em itervalos regulares. A escala de Guttma apreseta um cojuto de respostas que estão hierarquizadas. Deste modo se um respodete cocordar com uma das opções esta cocordâcia irá icluir todas as respostas que se ecotram uma posição iferior a escala. Se o iquirido cocordar com uma opção, mas ão cocordar com as ateriores, tal sigificará que a escala está mal costruída. A cada item é atribuído cotação que se iicia em zero caso ão seja escolhida ehuma opção, um se for escolhida a primeira opção, dois se for escolhida a seguda opção e assim sucessivamete. 2.3 Decisões sobre a Formulação das Pergutas Na formulação das pergutas deve-se cuidar para que as mesmas teham o mesmo sigificado para o pesquisador e para o respodete, evitado-se assim um erro de medição. Sabe-se que a formulação tem efeito sobre as respostas. Esse efeito pode ser avaliado comparado-se os resultados em sub-amostras, de pergutas formuladas de forma diferete. É coveiete fazer as seguites recomedações sobre a formulação das pergutas: Usar comuicação simples e palavras cohecidas; Não utilizar palavras ambíguas. Evitar: pergutas que sugiram a resposta; pergutas com coteúdo emocioal e/ou setimeto de aprovação ou reprovação; referêcias a omes que impliquem em aceitação ou rejeição ou teham compoete afetivo; alterativas implícitas; ecessidade do respodete fazer cálculos para respoder; pergutas de dupla resposta; alterativas logas; mudaças bruscas de temas, (fazer uma ligação etre os temas); cotágio de respostas (efeito halo); viéses ivolutários, motivados por reação visado prestígio por parte do respodete, retraimeto defesivo diate de pergutas persoalizadas e a atração exercida pela resposta positiva. São codicioates das respostas: Busca de coformidade ao grupo; Tedêcia de imitação social; Medo do julgameto do outro; Busca de prestígio social; Participação as emoções coletivas; Submissão aos estereótipos culturais; Medo de mudaças.

5 Outros aspectos/questões referetes à redação das pergutas: A perguta pode ser mal compreedida? Cotém frases ou termos difíceis e/ou obscuros? Os termos utilizados serão bem compreedidos pelo público da pesquisa? Termos especializados são usados apeas quado realmete ecessários, devedo-se assegurar que seu setido se tore claro através de figuras ou de outros meios. A seteça é curta e simples? Seteças logas e difíceis tedem as ser mal compreedidas. Existe idefiição ou ambigüidade? Qual o outro setido que a perguta poderá ter para quem respode? Efatizar ão itecioalmete uma palavra ou frase poderia mudar o setido da perguta? Segudo Selltiz et al (1974) se, mesmo depois de certificar que as pergutas estão apresetadas da maeira mais clara possível, aida existirem dúvidas quato à compreesão, costuma-se icluir pergutas de acompahameto, do tipo: "O que você quer dizer com isso?", Você poderia exemplificar?". Dessa maeira, se tora possível verificar como o respodete etedeu a questão e o que pretedeu dizer. A perguta exprime adequadamete todas as alterativas, ou mostra apeas um dos lados do tópico em questão? Ambos devem ser citados. O quadro de referêcia é claro e uiforme para todas as pessoas que respodem? A perguta deixa claro que a pessoa deve respodê-la baseada aquilo que pesa ser a verdade e ão aquilo que desejaria que fosse a verdade? A frase é eviesada, ou seja, está emocioalmete carregada ou deformada para determiado tipo de resposta? O que traria melhores resultados? Uma redação mais pessoal ou mais impessoal da perguta? O que seria melhor? Apresetar a perguta de maeira direta ou idireta? Não há recomedações cocretas quato ao emprego de pergutas idiretas. Suas possibilidades e limitações devem ser examiadas caso a caso, de acordo com o objetivo da pesquisa. Etram em questão problemas morais e técicos: saber se as iferêcias pretedidas podem ser retiradas, sem prejuízo, das provas idiretas; se tal perguta idireta irá eviesar a resposta; se as pergutas são altamete ivasivas da itimidade etc. (Selltiz et al, 1974). 2.4 Decisões sobre a seqüêcia das pergutas A ordem a qual as pergutas são apresetadas pode ser crucial para o sucesso da pesquisa. Não há regras estabelecidas, mas algus cuidados devem ser tomados. Mattar (1994) recomeda: Iiciar o questioário com uma perguta aberta e iteressate (para deixar o respodete mais à votade e assim ser mais espotâeo e sicero ao respoder as pergutas restates). Iiciar com pergutas sobre a opiião do respodete pode fazer com que se sita prestigiado e se tore disposto a colaborar. O primeiro cotato do respodete com o questioário defie sua votade de respodê-lo ou até mesmo a decisão de ão respodê-lo; Usar temas e pergutas gerais o iicio do questioário, deixado as pergutas específicas para depois (fechar o foco gradualmete); As pergutas mais pessoais, sesíveis ou embaraçosas devem ser feitas somete o fial do questioário e covém que sejam alteradas com questões simples; Deve-se adotar uma ordem lógica de pergutas utilizado um fluxograma ou árvore de decisão para posicioar as pergutas; Dar uma seqüêcia lógica ao questioário. Mudaças de tópicos repetias e "ir e voltar" ao assuto devem ser evitados; Iformações que classificam social, ecoômica ou demograficamete o respodete devem ser colocadas o fial, a ão ser que alguma delas sirva como "filtro"; Pergutas de caráter mais ivasivo, ou que tratem temas delicados, ão devem ser colocados o iício do questioário e covém que sejam alteradas com questões simples; Outra preocupação com o questioário é a de explicar as codições adequadas para o seu uso e aplicação, tato o caso de formulários auto-preechidos, quato os que utilizam etrevistadores. Devem ser forecidas aos etrevistadores istruções claras de como proceder o campo, como abordar os

6 respodetes, como preecher os istrumetos, etc. A seguir, são apresetados algus potos sobre os quais os etrevistadores devem ser orietados. Proporcioar ao respodete uma situação de liberdade, em que a pessoa seja estimulada a apresetar fracamete suas opiiões; Garatir, se for o caso, o aoimato do respodete; O etrevistador deve ser educado, amistoso e imparcial; Nuca deverá mostrar surpresa ou desaprovação diate das opiiões de quem respode; As pergutas precisam ser apresetadas da maeira exata, com as mesmas palavras que foram propostas; Qualquer explicação improvisada da perguta é proibida. Em casos em que se imagie, de atemão, que surgirão dúvidas, esclarecimetos devem ser previamete elaborados; As pergutas devem seguir a ordem exata em que aparecem o questioário; O etrevistador deve apresetar todas as pergutas, e jamais respoder alguma por dedução própria; Espera-se que o etrevistador registre fiel e itegralmete a resposta; É ecessário que os etrevistadores sejam orietados em relação ao processo de amostragem. Por exemplo, como proceder em casos de recusas ou ausêcias. 2.5 Decisões sobre a apresetação e o lay-out do questioário (características físicas) São potos a serem defiidos esta fase: úmero de págias; qualidade do papel e da impressão; tipos e tamaho de letras; posicioameto e tamaho dos espaços etre questões; cores da tita e do papel para as respostas; espaço para resposta de cada questão; separação de campos para facilidade de digitação (praticamete obrigatória para se compilar as respostas e processá-las em tempo reduzido); impressão em frete e verso ou só a frete. Tais ites são relevates para se gahar a colaboração dos respodetes. Quato melhor e mais adequada for a apresetação, maior a probabilidade de se elevar o ídice de respostas. 2.6 Decisões quato ao Pré-teste É importate a realização de um pré-teste porque é provável que ão se cosiga prever todos os problemas e/ou dúvidas que podem surgir durate a aplicação do questioário. Sem o pré-teste, pode haver grade perda de tempo, diheiro e credibilidade caso se costate algum problema grave com o questioário já a fase de aplicação. Nesse caso o questioário terá que ser refeito e estarão perdidas todas as iformações já colhidas. Segudo Mattar (1994), os pré-testes podem ser realizados iclusive os primeiros estágios, quado o istrumeto aida está em desevolvimeto, quado o próprio pesquisador pode realizá-lo, através de etrevista pessoal. O pré-teste é, segudo Goode e Hatt (1972), um esaio geral. Cada parte do procedimeto deve ser projetada e implemetada exatamete como o será a hora efetiva da coleta de dados. As istruções para a etrevista devem estar a formulação fial, e serem obedecidas rigorosamete, para se ver se são ou ão adequadas. O questioário deve ser apresetado a forma fial e a amostra (embora meor) deve ser obtida segudo o mesmo plao que gerará a amostra fial. Os resultados do pré-teste são etão tabulados para que se coheçam as limitações do istrumeto. Isto icluirá a proporção de respostas do tipo "ão sei", de questões difíceis, ambíguas e mal formuladas, a proporção de pessoas que recusam a etrevista, bem como os cometários feitos pelos respodetes sobre determiadas questões. Caso o pré-teste revele ecessidade de muitas alterações, o questioário revisado deverá ser etão ovamete testado. O processo será repetido tatas vezes quatas forem ecessárias, até que o istrumeto se ecotre maduro, proto para ser aplicado. De acordo com Mattar (1994), para istrumetos que foram cuidadosamete desevolvidos, dois ou três pré-testes costumam ser suficietes. 3. Populações e amostras

7 Uma oção importate referete à amostragem é recohecer que uma amostra válida simplesmete ão é o cojuto de respostas que adquirimos quado admiistrarmos um questioário. Um cojuto de respostas só uma amostra válida, em codições estatísticas, se for obtido por um processo de amostragem aleatório. (Kitcheham e Pfleeger, 2002a). 3.1 Amostras e populações Para obter uma amostra, você tem que começar defiido uma população alvo. A população alvo é o grupo ou os idivíduos a quem a pesquisa se aplica. Idealmete, uma população alvo deveria ser represetada por uma lista fiita de todos seus membros. Por exemplo, quado etrevistadores pesquisam membros do público sobre suas preferêcias de votação, eles usam a lista eleitoral como sua lista de população alvo. Uma amostra válida é um subcojuto represetativo da população alvo. A palavra crítica em ossa defiição de amostra é a palavra "represetate." Se ão tivermos uma amostra represetativa, ão podemos declarar que os resultados geeralizam à população alvo. Se ossos resultados ão geeralizarem, eles têm pouco valor. Assim, a pricipal preocupação quado amostramos uma população é assegurar que essa amostra é represetativa. 3.2 Obtedo uma amostra válida Não se pode amostrar uma população se ão pudermos especificar o que aquela população é. Nossa avaliação iicial da população alvo deveria surgir dos objetivos da pesquisa, ão de um seso de quem está dispoível para respoder ossas pergutas. Quato mais claros os objetivos, mais fácil será defiir a população alvo. A população alvo específica pode ser um subcojuto de uma população maior. É freqüetemete istrutivo cosiderar a população alvo e procedimeto de amostragem do poto de vista de aálise de dados. Podemos fazer isso durate o projeto do questioário, mas também deveríamos reavaliar a situação depois de qualquer pré-teste do istrumeto de pesquisa. Nesse mometo teremos algumas respostas atuais, assim podemos experimetar ossos procedimetos de aálise. Precisamos cosiderar se as aálises coduzirão a qualquer coclusão sigificate, em particular: Os resultados de aálise atedem aos objetivos de estudo? A população alvo pode respoder ossas pergutas de pesquisa? Métodos de Amostragem Uma vez defiida a população alvo apropriada, devemos usar um método rigoroso de amostragem. Se quisermos fazer iferêcias fortes à população alvo, ecessitamos de um método de amostragem probabilístico. São descritos a seguir uma variedade de métodos de amostragem, probabilísticos e ão-probabilísticos Métodos de amostragem probabilísticos Uma amostra é probabilística quado qualquer membro de uma população alvo tem uma probabilidade cohecida ( > 0) de ser icluído a amostra. O objetivo de uma amostra probabilística é elimiar a subjetividade e obter uma amostra que seja imparcial e represetativa da população alvo. É importate lembrar que ão podemos fazer ehuma coclusão estatística dos dados obtidos a meos que tehamos uma amostra probabilística Amostra aleatória simples Uma amostra aleatória simples é quado qualquer membro da população alvo tem a mesma probabilidade de ser icluído a amostra. Há uma variedade de modos de selecioar uma amostra aleatória de uma lista da população. Um modo é usar um gerador de úmero aleatório para atribuir um úmero aleatório a cada membro da população alvo, ordear os membros da lista de acordo com o úmero aleatório e escolher os primeiros membros da lista ode é o tamaho de amostra Amostra aleatória estratificada Neste caso, a população desigada é dividida em subgrupos chamada estratos. Cada estrato é amostrado separadamete. Estratos são usados quado ós esperamos segmetos diferetes da população alvo para respoder diferetemete a ossas pergutas, ou quado esperamos que diferetes segmetos da população tivessem tamahos diferetes. Por exemplo, ós podemos estratificar uma população

8 desigada em base de sexo, porque homes e mulheres geralmete respodem de forma diferete a questioários. O úmero de membros selecioados de cada estrato geralmete é proporcioal ao tamaho do estrato. Em uma pesquisa de egeharia de software, temos freqüetemete bem meos mulheres que homes em ossa população alvo, assim podemos amostrar usado estratos para assegurar que temos um úmero apropriado de respostas de mulheres. Amostras aleatórias estratificadas são úteis para populações ão-homogêeas, mas elas são complicadas para aalisar do que a amostras aleatórias simples Amostragem sistemática Amostragem sistemática evolve selecioar todo eésimo membro da lista de uma população. Se a lista é aleatória, equato selecioar todo eésimo membro é outro método de se obter uma amostra aleatória simples. Porém, se a lista ão for aleatória, este procedimeto pode itroduzir parcialidade. Ordem ãoaleatória icluiria ordem alfabética ou data de ascimeto Amostragem baseada em agrupameto Amostragem baseada em agrupameto é o termo utilizado para questioar idivíduos que pertecem a grupos defiidos. Por exemplo, podemos questioar todos os membros de um grupo familiar ou todos os pacietes em hospitais específicos. Procedimetos de radomização estão baseados o agrupameto, ão o idivíduo. Esperamos que os membros de cada agrupameto dêem respostas mais semelhates do que membros de agrupametos diferetes. Quer dizer, são esperadas respostas correlatas detro de um agrupameto. Há métodos bem defiidos para aalisar dados de agrupameto, mas a aálise é mais complexa do que uma amostra aleatória simples. 3.3 Métodos de amostragem ão-probabilísticos São criadas amostras ão-probabilísticas quado os respodetes forem escolhidos porque eles são facilmete acessíveis ou os pesquisadores têm alguma justificativa por acreditar que eles são represetativos da população. Este tipo de amostra corre o risco de ser parcial, assim é perigosa para se tirar qualquer coclusão importate. Existem três razões para se usar amostras ão-probabilísticas: 1. È difícil idetificar a população alvo. Por exemplo, se quisermos ispecioar os hackers de software, eles podem ser difíceis de serem ecotrados. 2. A população desigada é muito específica e de dispoibilidade limitada. Por exemplo, se quisermos ispecioar os executivos de compahias que empregam mais de 5000 egeheiros de software, pode ão ser possível cofiar em uma amostra aleatória. Podemos ser forçados a questioar apeas os executivos que estão dispostos a participar. 3. A amostra é um estudo piloto, ão a pesquisa fial, e um grupo ão aleatório está dispoível Amostragem de coveiêcia Amostragem de coveiêcia evolve obter respostas de pessoas que estão dispoíveis e dispostas a participar. O problema pricipal desta abordagem é que as pessoas que estão dispostas a participar podem diferir de modo importate dos que ão estão dispostos. Vemos esse tipo de amostragem particularmete em sites da Web ode as pessoas que têm reclamações são mais prováveis de prover avaliação do que as que estão satisfeitas com um produto ou serviço Amostragem bola de eve (SowBall) Evolve pedir às pessoas que participam de uma pesquisa para omear outras pessoas que estariam dispostas a participar. A amostragem cotiua até que o úmero exigido de respostas seja obtido. Esta técica é freqüetemete usada quado a população for de difícil idetificação pelos pesquisadores. Por exemplo, poderíamos esperar que os hackers de software se coheçam etre si, assim se achássemos um hacker para participar da pesquisa, poderíamos lhe pedir que idetificasse outros possíveis participates Amostragem de cota

9 Amostragem de cota é a versão ão-probabilística da amostragem aleatória estratificada. A população alvo é dividida em estratos apropriados baseados em subgrupos cohecidos (por exemplo. sexo, formação educacioal, tamaho de compahia etc.). Cada estrato é amostrado (usado coveiêcia ou técicas de bola de eve) de forma que úmero de respodetes em cada subgrupo correspode a sua proporção a população Grupos de foco Grupos de foco ormalmete são formados pelos pesquisadores a partir de seus cotatos pessoais. Eles ormalmete cosistem em 10 a 20 pessoas que represetam alguma população. Grupos de foco são geralmete usados em estudos piloto de pré-pesquisa. 3.4 Tamaho de amostra Uma grade preocupação é determiar um tamaho de amostra apropriado. Há duas razões por que tamaho da amostra é importate. Primeira, um tamaho de amostra iadequado pode coduzir a resultados que ão são estatisticamete sigificates. Em outras palavras, se o tamaho de amostra ão for bastate grade, ão iremos obter uma coclusão razoável e ão podemos geeralizar à população alvo. Um exemplo extremo deste problema é obtermos uma úica resposta; ão podemos tirar ehuma coclusão de um úico respodete. Seguda, amostragem iadequada de agrupametos ou estratos icapacita ossa habilidade de comparar e cotrastar subcojutos diferetes da população. Para determiar um tamaho de amostra adequado ou míimo, precisamos saber quatro coisas sobre osso estudo: 1. O ível alfa que pretedemos usar, ode alfa é a probabilidade de um erro Tipo I (quer dizer, a probabilidade de falsamete rejeitar a hipótese iválida). Alfa é ormalmete fixa em 0.05 ou O ível de beta que ós pretedemos usar, ode beta é a probabilidade de um erro Tipo II (quer dizer, a probabilidade de falsamete aceitar a hipótese iválida). Beta é ormalmete fixa em Falamos freqüetemete sobre o poder de um teste ou experiêcia; poder é calculado como 1-beta. O poder de um teste é a probabilidade de aceitar corretamete a hipótese alterativa. 3. O tamaho de efeito que é a difereça de resultados etre dois grupos. Por exemplo, supoha que queremos ivestigar se há difereças de pagameto etre egeheiros de software de diferetes sexos. Poderíamos pesquisar os homes e mulheres que se formaram em 1998 e pergutar qual é o salário base deles. O tamaho de efeito é a difereça etre o salário masculio comum e o salário femiio comum. 4. A variâcia de efeito é o grau de variação dos dados detro de um grupo. Usado o exemplo do salário, podemos obter a variâcia de valores de salário para os homes e para as mulheres. Claro que, o tamaho de efeito e de variâcia é o que ós esperamos obter como resultado de ossa pesquisa, assim precisamos de iformação aterior para determiar um tamaho de amostra apropriado. Podemos obter tal iformação de pesquisas prévias, pesquisa piloto ou opiião de um especialista. No caso simples de avaliar o tamaho de amostra, assumido uma distribuição Normal para as variáveis de resposta, dois grupos com úmeros iguais em cada grupo e variâcias iguais detro do grupo, o tamaho de amostra (por grupo) é: ( z a z b ) * σ µ 1 µ 2 ode µ 1 -µ 2 é o tamaho de efeito. σ é a variâcia padrão. 2 z a é a parte superior a distribuição ormal padrão que correspode a α. Por exemplo, z a = 1.96 se α = z b é a parte iferior a distribuição ormal padrão que correspodete a β. z b = se β = 0.20.

10 Não devemos esquecer os ão respodetes quado fixarmos o tamaho da amostra. Por exemplo, se a fórmula os fala que o tamaho de amostra ótima é 50, mas esperamos uma taxa de resposta de 80%, devemos aumetar o tamaho da amostra para Aálise de Dados Neste poto, assumimos que você já projetou e admiistrou a sua pesquisa e agora você está proto para aalisar os dados coletados. Agora abordaremos algus assutos gerais evolvedo aalise de dados de pesquisa. Porém, ão iremos descrever como aalisar todos os tipos de dados de pesquisa em detalhes, desse modo iremos os cocetrar a discussão de algus erros de aálise mais comus e como evitá-los. (Kitcheham e Pfleeger, 2002c) 4.1 Validação de dados Ates de empreeder alguma aálise detalhada, deveriam ser verificadas a cosistêcia e a itegridade das respostas. É importate ter uma política para cotrolar questioários icoeretes ou icompletos. Se a maioria dos respodetes atedeu a todas as pergutas, podemos tomar a decisão de rejeitar questioários icompletos. Porém, temos que ivestigar as características dos questioários rejeitados da mesma forma que ós ivestigamos ão-respostas para assegurar que ão itroduzimos ehuma parcialidade sistemática. Alterativamete, podemos achar que a maioria dos respodetes se omitiu em algumas pergutas específicas. Neste caso, é mais apropriado remover essas pergutas da aálise. Às vezes podemos usar todos os questioários, até mesmo quado algus estão icompletos. Neste caso, temos tamahos de amostra diferetes para cada perguta que aalisamos e temos que os lembrar de iformar o tamaho de amostra atual para cada amostra estatística. Esta aproximação é satisfatória para aálises como cálculo de amostras estatísticas ou comparação de valores médios, mas ão para correlação ou estudos de regressão. Sempre que a aálise evolve duas ou mais pergutas ao mesmo tempo, precisamos defiir um procedimeto para tratar valores perdidos. Em algus casos, é possível usar técicas estatísticas para "imputar" os valores de dados perdidos (Little e Rubi, 1987). Porém, tais técicas são ormalmete impróprias quado a quatidade de dados perdidos for excessiva e/ou os valores são categóricos em vez de uméricos. É importate para reduzir a chace de questioários icompletos quado ós projetarmos e testamos ossos istrumetos. Uma justificação muito forte para pesquisas de piloto é poder detectar aquelas pergutas egaosas e/ou istruções icompletas ates de realizar a pesquisa pricipal. Precisamos freqüetemete dividir ossas respostas em subgrupos mais homogêeos ates da aálise. A divisão é ormalmete baseada em iformação demográfica. Podemos comparar as respostas obtidas de subgrupos diferetes ou simplesmete iformar os resultados separadamete para cada subgrupo. Em algus casos, a divisão pode ser usada para aliviar algus erros do projeto iicial. 4.2 Codificação de dados Às vezes é ecessário coverter dados de escalas omiais e ordiais de omes de categoria para cotages uméricas ates de serem iseridos os arquivos de dados. A idéia da tradução ão é aalisar dados de escala omiais e ordiais como se eles fossem valores uméricos simples. Isso é realizado porque muitos pacotes estatísticos ão suportam categorias represetadas por uma seqüêcia de caracteres. Em muitos casos, são colocados códigos o questioário juto com omes de categoria, desse modo a codificação é realizada durate o projeto ao ivés de ser realizada durate aálise de dados. Um problema de codificação mais complexo surge para pergutas abertas. Neste caso, categorias de resposta precisam ser costruídas depois que os questioários forem devolvidos. Idetificar se duas respostas diferetes são equivaletes ou ão exige perícia humaa. Nesses casos, é sábio pedir a várias pessoas diferetes que codifiquem respostas e compararem os resultados, de forma que a parcialidade ão seja itroduzida pela categorização.

11 4.3 Aálise de dados padrão A aálise de dados específica, que você precisa, depede do projeto de pesquisa e o tipo de escala de respostas (omial, ordial, itervalar, etc.). As estatísticas de população mais comus para valores uméricos são: População Total: N X T = X i i= 1 Media da População: ^ X = ( N i= 1 X i ) / N Variâcia da População: ^ 2 x / σ = ( X i X ) N ode N é o tamaho da população. Para variáveis de dicotômicas (Sim/Não ou 0/1), as estatísticas de população mais comus são: Proporção: P Y = ( N i= 1 Y ) / N i 2 Variâcia de uma proporção: σ = P (1 P ) Y Y ode Y i é uma variável dicotômica que leva o valor 1 ou 0 e N é o tamaho da população. Y Se tivermos uma amostra aleatória de tamaho obtida de uma população de tamaho N, podemos calcular as estatísticas de população de ossa amostra utilizado as seguites equações: Total: ^ X T N = = x i 1 i Média: x= x i= 1 i / 2 N Variâcia: σ = ( ) ode: s = = ( x x) / x s x N x ( i )( 1) i 1 O erro padrão da estimativa do total é: s N N x N O erro padrão da estimativa da média é: Para a proporção P ^ i = Y = 1 y i s x N N e o erro padrão da estimativa da proporção é: N N P y ( 1 P ) 1 y

12 Estas podem ão ser as fórmulas que você estaria esperado ao ler um livro básico em estatística e aálise de dados. Os erros padrões icluem o termo ( N ) / N que será chamado de correção de população fiita (fpc)(levy e Lemeshow, 1999). O fpc pode ser re-escrito como 1 ( / N) ode se pode observar que se N teder ao ifiito, o fpc se aproxima de 1 e as fórmulas de erros padrão se aproxima das fórmulas habituais. Se = N, as codições de erro padrão são zero porque os valores da média, total e de proporção são cohecidos e portato ão sujeito a erro. Nota. A equação que ós demos por determiar tamaho de amostra igora o fpc, e se usada como está resultará em um resultado sobreestimado do tamaho de amostra exigida. Porém, é melhor para ter mais do que meos em uma amostra. 4.4 Aalisado dados ordiais e omiais A aálise de dados uméricos é relativamete direta. Porém, há problemas adicioais se seus dados forem ordiais ou omiais Dados ordiais Um grade úmero de pesquisas solicita que as pessoas respodam a pergutas uma escala ordial. Por exemplo, são pedidos aos respodetes que especifiquem até que poto eles cocordam com uma determiada declaração. Aos respodetes são oferecidas as seguites opções: cocordo totalmete, cocordo, ão cocordo em discordo, discordo ou discordo totalmete. É uma prática comum coverter a escala ordial em um valor umérico correspodete (por exemplo: úmeros 1 a 5) e aalisar os dados como se eles fossem dados uméricos simples. Há ocasiões em que essa abordagem é razoável, mas viola as regras matemáticas para a aálise de dados ordiais. Usado uma coversão de ordial para vículos uméricos um risco que aálise subseqüete dará resultados egaosos. Figura 1 represeta uma pesquisa com três pergutas, cada uma com uma escala ordial de 5 opções de resposta (rotuladas SP1, SP2, SP3, SP4, SP5) ode temos 100 respodetes. A Figura 3 apreseta as respostas relacioadas a cada poto da escala; por exemplo, para perguta 1, os respodetes escolheram SP1 10 vezes, SP2 20 vezes, SP3 40 vezes, SP4 20 vezes e SP5 10 vezes. Se covertemos o que a escala apota para um equivalete umérico (de 1 a 5) e determiar o valor médio, chegaremos a uma média igual a 3 para todas as três pergutas. Porém, ão podemos cocluir que todas as respostas são equivaletes. No caso da perguta 1, temos uma distribuição simétrica com um úico pico. Isso pode ser cosiderado como próximo de uma distribuição Normal com um valor médio de 3. No caso de perguta 2, temos uma distribuição bimodal. Para distribuições de bimodal, os dados ão são Normais. Além disso, ão há ehuma tedêcia cetral, assim a média ão é uma estatística útil. No caso da terceira perguta, temos um úmero igual de respostas em cada categoria, típico de uma distribuição uiforme. Uma distribuição uiforme ão tem ehuma tedêcia cetral, e ovamete o coceito de média ão é útil. Figura 3 - Respostas a três pergutas com uma escala ordial de 5 potos Em geral, se os dados possuírem um úico pico e se aproximarem de uma Normal, os riscos de uma aálise icorreta são baixos se covertermos em valores uméricos. Porém, devemos cosiderar se tal coversão é ecessária. Há três abordages que podem ser usadas se quisermos evitar violações de escala:

13 1. Podemos usar as propriedades da distribuição multiomial para calcular a proporção da população em cada categoria e etão determiar o erro padrão da estimativa. 2. Podemos talvez coverter uma escala ordial em uma variável dicotômica. Por exemplo, se estamos iteressados em comparar se a proporção de quem cocorda ou cocorda totalmete é maior em um grupo que outro, podemos re-codificar ossas respostas em uma variável dicotômica (por exemplo, podemos codificar "cocordo totalmete" ou "cocordo" como 1 e todas as outras respostas como 0) e usar as propriedades da distribuição biomial. Essa técica também é útil se quisermos avaliar o impacto de outras variáveis em uma variável de escala ordial. 3. Podemos usar a correlação de postos de Spearma ou o tau de Kedall (Siegel e Castella, 1998) para medir a associação etre variáveis de escala ordial. Há duas ocasiões ode ão há ehuma alterativa real a violações de escala: 1. Se quisermos avaliar a cofiaça de osso istrumeto de pesquisa usado a estatística de alfa de Crobach (Crobach, 1951). 2. Se quisermos adicioar cojutamete medidas de escala ordiais de variáveis relacioadas, para gerar cotages totais para um coceito. Porém, em ambos os casos, se ão tivermos uma resposta próxima de uma Normal, os resultados da aalise dos dados podem estar errados. É importate eteder o tipo de escala utilizado em ossos dados e aalisá-los adequadamete Dados omiais A forma mais comum de aálise aplicada a dados omiais é determiar a proporção de respostas em cada categoria. Assim, a meos que haja só duas categorias, ão há ehuma escolha exceto o uso das propriedades da distribuição multiomial (ou possivelmete o hipergeométrico) para determiar erros padrões das proporções. Porém, aida é possível usar tabelas multi-modo (multi-way) mesas e testes chiquadrados para medir associações etre variáveis de escalas omiais (veja (Siegel e Castella, 1998), Seção 9.1). 5. Coclusões Espera-se que ao logo deste trabalho o leitor teha compreedido a importâcia do plaejameto a realização de um questioário. Todas as idagações quato ao coteúdo, forma, redação e seqüêcia devem ser feitas para cada questão. Esse plaejameto ão se limita ao desevolvimeto das questões, mas também a realização de pré-testes, determiação da população alvo e da amostra, e aalise dos dados. Tudo isso deve ser realizado ates de se questioar toda a amostra com o propósito de ão perder todo trabalho empehado. 6. Referêcias AAKER, ET AL (2001) Marketig Research (7th Ed.), New York: Joh Wiley & Sos, Ic CRONBACH, L. J. (1951) Coefficiet alpha ad iteral structure of tests, Psychometrika, 16(2), pp GOODE, Willia J.; HATT, Paul K. (1972) Métodos em Pesquisa Social. 4a ed. São Paulo: Nacioal. KITCHENHAM, B. ad PFLEEGER, S. (2002a). Priciples of survey research: part 2: desigig a survey. ACM SIGSOFT Software Egieerig Notes, 27(1): KITCHENHAM, B. ad PFLEEGER, S. (2002c).Priciples of survey research: part 6: data aalysis. ACM SIGSOFT Software Egieerig Notes, 28(2):24 27.

14 LEVY, P. S. ad LEMESHOW, S. (1999) Samplig ad Populatios, Third Editio, Wiley Series i Probability ad Statistics, Joh Wiley & Sos, New York. LITTLE, R. J. A. ad RUBIN, D. B. (1987) Statistical Aalysis with Missig Data, Wiley, New York. MATTAR, F. N. (1994) Pesquisa de marketig: metodologia, plaejameto, execução e aálise, 2a. ed. São Paulo: Atlas, 2v., v.2. SELLTIZ, Claire et al. (1974) Métodos de pesquisa as relações sociais. 3 a. ed. São Paulo: E.P.U. SIEGEL, S. ad CASTELLAN, N. J (1998) Noparametric Statistics for the Behavioral Scieces, 2d Editio, McGraw-Hill Book Compay, N.Y.

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim O erro da pesquisa é de 3% - o que sigifica isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim Itrodução Sempre que se aproxima uma eleição,

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I JIRibeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção É uma ciêcia

Leia mais

ActivALEA. ative e atualize a sua literacia

ActivALEA. ative e atualize a sua literacia ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto

Leia mais

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil Carteiras de Míimo VAR ( Value at Risk ) o Brasil Março de 2006 Itrodução Este texto tem dois objetivos pricipais. Por um lado, ele visa apresetar os fudametos do cálculo do Value at Risk, a versão paramétrica

Leia mais

1.4- Técnicas de Amostragem

1.4- Técnicas de Amostragem 1.4- Técicas de Amostragem É a parte da Teoria Estatística que defie os procedimetos para os plaejametos amostrais e as técicas de estimação utilizadas. As técicas de amostragem, tal como o plaejameto

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

Séries de Potências AULA LIVRO

Séries de Potências AULA LIVRO LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.

Leia mais

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li Média Aritmética Simples e Poderada Média Geométrica Média Harmôica Mediaa e Moda Fracisco Cavalcate(f_c_a@uol.com.br)

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Estatística stica para Metrologia Aula Môica Barros, D.Sc. Juho de 28 Muitos problemas práticos exigem que a gete decida aceitar ou rejeitar alguma afirmação a respeito de um parâmetro de iteresse. Esta

Leia mais

Jackknife, Bootstrap e outros métodos de reamostragem

Jackknife, Bootstrap e outros métodos de reamostragem Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como

Leia mais

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo?

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo? AMOSTRAGEM metodologia de estudar as populações por meio de amostras Amostragem ou Ceso? Por que fazer amostragem? população ifiita dimiuir custo aumetar velocidade a caracterização aumetar a represetatividade

Leia mais

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... INTRODUÇÃO Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário

Leia mais

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida

Leia mais

Capitulo 6 Resolução de Exercícios

Capitulo 6 Resolução de Exercícios FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial

Leia mais

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu Programação Diâmica Aula 3: Programação Diâmica Programação Diâmica Determiística; e Programação Diâmica Probabilística. Programação Diâmica O que é a Programação Diâmica? A Programação Diâmica é uma técica

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

Leia mais

PARECER SOBRE A PROVA DE MATEMATICA FINANCEIRA CAGE SEFAZ RS

PARECER SOBRE A PROVA DE MATEMATICA FINANCEIRA CAGE SEFAZ RS PARECER SOBRE A PROVA DE MATEMATICA FINANCEIRA CAGE SEFAZ RS O coteúdo programático das provas objetivas, apresetado o Aexo I do edital de abertura do referido cocurso público, iclui etre os tópicos de

Leia mais

VII Equações Diferenciais Ordinárias de Primeira Ordem

VII Equações Diferenciais Ordinárias de Primeira Ordem VII Equações Difereciais Ordiárias de Primeira Ordem Itrodução As equações difereciais ordiárias são istrumetos esseciais para a modelação de muitos feómeos proveietes de várias áreas como a física, química,

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm

Leia mais

CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS

CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS 60 Sumário CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS 5.1. Itrodução... 62 5.2. Tabelas de trasição dos flip-flops... 63 5.2.1. Tabela de trasição do flip-flop JK... 63 5.2.2. Tabela de

Leia mais

Introdução ao Estudo de Sistemas Lineares

Introdução ao Estudo de Sistemas Lineares Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes

Leia mais

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV DISCIPLINA: TGT410026 FUNDAMENTOS DE ESTATÍSTICA 8ª AULA: ESTIMAÇÃO POR INTERVALO

Leia mais

Os juros compostos são conhecidos, popularmente, como juros sobre juros.

Os juros compostos são conhecidos, popularmente, como juros sobre juros. Módulo 4 JUROS COMPOSTOS Os juros compostos são cohecidos, popularmete, como juros sobre juros. 1. Itrodução Etedemos por juros compostos quado o fial de cada período de capitalização, os redimetos são

Leia mais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais Estatística II Atoio Roque Aula Testes de Hipóteses para a Difereça Etre Duas Médias Populacioais Vamos cosiderar o seguite problema: Um pesquisador está estudado o efeito da deficiêcia de vitamia E sobre

Leia mais

Capítulo 2 Análise Descritiva e Exploratória de Dados

Capítulo 2 Análise Descritiva e Exploratória de Dados UNIVERSIDADE FEDERAL DE SÃO CARLOS C E N T R O D E C I Ê N C I A S E X A T A S E D E T E C N O L O G I A D E P A R T A M E N T O D E E S T A T Í S T I C A INTRODUÇÃO AO PLANEJAMENTO E ANÁLISE ESTATÍSTICA

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://wwwuematbr/eugeio SISTEMAS DE AMORTIZAÇÃO A ecessidade de recursos obriga aqueles que querem fazer ivestimetos a tomar empréstimos e assumir dívidas que são pagas com juros que variam de acordo

Leia mais

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos Aálise de Projectos ESAPL / IPVC Critérios de Valorização e Selecção de Ivestimetos. Métodos Estáticos Como escolher ivestimetos? Desde sempre que o homem teve ecessidade de ecotrar métodos racioais para

Leia mais

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos Aexo VI Técicas Básicas de Simulação do livro Apoio à Decisão em Mauteção a Gestão de Activos Físicos LIDEL, 1 Rui Assis rassis@rassis.com http://www.rassis.com ANEXO VI Técicas Básicas de Simulação Simular

Leia mais

PRESTAÇÃO = JUROS + AMORTIZAÇÃO

PRESTAÇÃO = JUROS + AMORTIZAÇÃO AMORTIZAÇÃO Amortizar sigifica pagar em parcelas. Como o pagameto do saldo devedor pricipal é feito de forma parcelada durate um prazo estabelecido, cada parcela, chamada PRESTAÇÃO, será formada por duas

Leia mais

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades:

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades: CURTOSE O que sigifica aalisar um cojuto quato à Curtose? Sigifica apeas verificar o grau de achatameto da curva. Ou seja, saber se a Curva de Freqüêcia que represeta o cojuto é mais afilada ou mais achatada

Leia mais

Problema de Fluxo de Custo Mínimo

Problema de Fluxo de Custo Mínimo Problema de Fluo de Custo Míimo The Miimum Cost Flow Problem Ferado Nogueira Fluo de Custo Míimo O Problema de Fluo de Custo Míimo (The Miimum Cost Flow Problem) Este problema possui papel pricipal etre

Leia mais

Tabela Price - verdades que incomodam Por Edson Rovina

Tabela Price - verdades que incomodam Por Edson Rovina Tabela Price - verdades que icomodam Por Edso Rovia matemático Mestrado em programação matemática pela UFPR (métodos uméricos de egeharia) Este texto aborda os seguites aspectos: A capitalização dos juros

Leia mais

PROBABILIDADES E ESTATÍSTICA

PROBABILIDADES E ESTATÍSTICA ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA o Teste 7 o SEMESTRE 5/6 Data: Sábado, 7 de Jaeiro de 6 Duração: 9:3 às :3 Tópicos de Resolução. O úmero

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2007 Duração: 2 horas Prova com cosulta Questão 1 (Costrução de modelo ER - Peso 3) Deseja-se costruir um sistema WEB que armazee

Leia mais

INTRODUÇÃO A TEORIA DE CONJUNTOS

INTRODUÇÃO A TEORIA DE CONJUNTOS INTRODUÇÃO TEORI DE CONJUNTOS Professora Laura guiar Cojuto dmitiremos que um cojuto seja uma coleção de ojetos chamados elemetos e que cada elemeto é um dos compoetes do cojuto. Geralmete, para dar ome

Leia mais

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA 5- CÁLCULO APROXIMADO DE INTEGRAIS 5.- INTEGRAÇÃO NUMÉRICA Itegrar umericamete uma fução y f() um dado itervalo [a, b] é itegrar um poliômio P () que aproime f() o dado itervalo. Em particular, se y f()

Leia mais

Módulo 4 Matemática Financeira

Módulo 4 Matemática Financeira Módulo 4 Matemática Fiaceira I Coceitos Iiciais 1 Juros Juro é a remueração ou aluguel por um capital aplicado ou emprestado, o valor é obtido pela difereça etre dois pagametos, um em cada tempo, de modo

Leia mais

Curso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização

Curso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização Curso MI Matemática Fiaceira Professor: Pacífico Referêcia: 07//00 Juros compostos com testes resolvidos. Coceito Como vimos, o regime de capitalização composta o juro de cada período é calculado tomado

Leia mais

Portanto, os juros podem induzir o adiamento do consumo, permitindo a formação de uma poupança.

Portanto, os juros podem induzir o adiamento do consumo, permitindo a formação de uma poupança. Matemática Fiaceira Deixar de cosumir hoje, visado comprar o futuro pode ser uma boa decisão, pois podemos, durate um período de tempo, ecoomizar uma certa quatia de diheiro para gahar os juros. Esses

Leia mais

Otimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum

Otimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum Otimização e complexidade de algoritmos: problematizado o cálculo do míimo múltiplo comum Custódio Gastão da Silva Júior 1 1 Faculdade de Iformática PUCRS 90619-900 Porto Alegre RS Brasil gastaojuior@gmail.com

Leia mais

Capitulo 9 Resolução de Exercícios

Capitulo 9 Resolução de Exercícios FORMULÁRIO Empréstimos a Curto Prazo (Juros Simples) Taxa efetiva liear i l i ; Taxa efetiva expoecial i Empréstimos a Logo Prazo Relações Básicas C k R k i k ; Sk i Sk i e i ; Sk Sk Rk ; Sk i Sk R k ;

Leia mais

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS Miistério do Plaejameto, Orçameto e GestãoSecretaria de Plaejameto e Ivestimetos Estratégicos AJUSTE COMPLEMENTAR ENTRE O BRASIL E CEPAL/ILPES POLÍTICAS PARA GESTÃO DE INVESTIMENTOS PÚBLICOS CURSO DE AVALIAÇÃO

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Julho de 2008 Duração: 2 horas Prova com cosulta Questão (Costrução de modelo ER - Peso 2 Deseja-se costruir um sistema WEB que armazee a comuicação

Leia mais

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa A TORRE DE HANÓI Carlos Yuzo Shie - Colégio Etapa Artigo baseado em aula miistrada a IV Semaa Olímpica, Salvador - BA Nível Iiciate. A Torre de Haói é um dos quebra-cabeças matemáticos mais populares.

Leia mais

Sistema Computacional para Medidas de Posição - FATEST

Sistema Computacional para Medidas de Posição - FATEST Sistema Computacioal para Medidas de Posição - FATEST Deise Deolido Silva, Mauricio Duarte, Reata Ueo Sales, Guilherme Maia da Silva Faculdade de Tecologia de Garça FATEC deisedeolido@hotmail.com, maur.duarte@gmail.com,

Leia mais

JUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b

JUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b JUROS COMPOSTOS Chamamos de regime de juros compostos àquele ode os juros de cada período são calculados sobre o motate do período aterior, ou seja, os juros produzidos ao fim de cada período passam a

Leia mais

somente um valor da variável y para cada valor de variável x.

somente um valor da variável y para cada valor de variável x. Notas de Aula: Revisão de fuções e geometria aalítica REVISÃO DE FUNÇÕES Fução como regra ou correspodêcia Defiição : Uma fução f é uma regra ou uma correspodêcia que faz associar um e somete um valor

Leia mais

Lista 2 - Introdução à Probabilidade e Estatística

Lista 2 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista - Itrodução à Probabilidade e Estatística Modelo Probabilístico experimeto. Que eveto represeta ( =1 E )? 1 Uma ura cotém 3 bolas, uma vermelha, uma verde e uma azul.

Leia mais

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4 SUMÁRIO 1. AMOSTRAGEM 4 1.1. Coceitos básicos 4 1.. Distribuição amostral dos estimadores 8 1..1. Distribuição amostral da média 8 1... Distribuição amostral da variâcia 11 1..3. Distribuição amostral

Leia mais

M = 4320 CERTO. O montante será

M = 4320 CERTO. O montante será PROVA BANCO DO BRASIL / 008 CESPE Para a veda de otebooks, uma loja de iformática oferece vários plaos de fiaciameto e, em todos eles, a taxa básica de juros é de % compostos ao mês. Nessa situação, julgue

Leia mais

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo.

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo. UFSC CFM DEPARTAMENTO DE MATEMÁTICA MTM 5151 MATEMÁTICA FINACEIRA I PROF. FERNANDO GUERRA. UNIDADE 3 JUROS COMPOSTOS Capitalização composta. É aquela em que a taxa de juros icide sempre sobre o capital

Leia mais

Conceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa

Conceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Módulo VI Séries ou Fluxos de Caixas Uiformes Daillo Touriho S. da Silva, M.Sc. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Coceito A resolução de problemas de matemática fiaceira tora-se muito

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2008 Duração: 2 horas Prova com cosulta Questão (Costrução de modelo ER) Deseja-se projetar uma base de dados que dará suporte a

Leia mais

INE 5111- ESTATÍSTICA APLICADA I - TURMA 05324 - GABARITO LISTA DE EXERCÍCIOS SOBRE AMOSTRAGEM E PLANEJAMENTO DA PESQUISA

INE 5111- ESTATÍSTICA APLICADA I - TURMA 05324 - GABARITO LISTA DE EXERCÍCIOS SOBRE AMOSTRAGEM E PLANEJAMENTO DA PESQUISA INE 5111- ESTATÍSTICA APLICADA I - TURMA 534 - GABARITO LISTA DE EXERCÍCIOS SOBRE AMOSTRAGEM E PLANEJAMENTO DA PESQUISA 1. Aalise as situações descritas abaixo e decida se a pesquisa deve ser feita por

Leia mais

MATEMÁTICA FINANCEIRA

MATEMÁTICA FINANCEIRA MATEMÁTICA FINANCEIRA VALOR DO DINHEIRO NO TEMPO Notas de aulas Gereciameto do Empreedimeto de Egeharia Egeharia Ecoômica e Aálise de Empreedimetos Prof. Márcio Belluomii Moraes, MsC CONCEITOS BÁSICOS

Leia mais

Testes χ 2 (cont.) Testes χ 2 para k categorias (cont.)

Testes χ 2 (cont.) Testes χ 2 para k categorias (cont.) Testes χ 2 de ajustameto, homogeeidade e idepedêcia Testes χ 2 (cot.) Os testes χ 2 cosiderados este último poto do programa surgem associados a dados de cotagem. Mais cocretamete, dados que cotam o úmero

Leia mais

Probabilidades. José Viegas

Probabilidades. José Viegas Probabilidades José Viegas Lisboa 001 1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia

Leia mais

Capítulo 1. Teoria da Amostragem

Capítulo 1. Teoria da Amostragem Capítulo 1 Teoria da Amostragem 1.1 Itrodução A amostragem e em particular os processos de amostragem aplicam-se em variadíssimas áreas do cohecimeto e costituem, muitas vezes, a úica forma de obter iformações

Leia mais

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013 ANDRÉ REIS MATEMÁTICA TEORIA 6 QUESTÕES DE PROVAS DE CONCURSOS GABARITADAS EXERCÍCIOS RESOLVIDOS Teoria e Seleção das Questões: Prof. Adré Reis Orgaização e Diagramação: Mariae dos Reis ª Edição NOV 0

Leia mais

M = C (1 + i) n. Comparando o cálculo composto (exponencial) com o cálculo simples (linear), vemos no cálculo simples:

M = C (1 + i) n. Comparando o cálculo composto (exponencial) com o cálculo simples (linear), vemos no cálculo simples: PEDRO ORBERTO JUROS COMPOSTOS Da capitalização simples, sabemos que o redimeto se dá de forma liear ou proporcioal. A base de cálculo é sempre o capital iicial. o regime composto de capitalização, dizemos

Leia mais

EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N

EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N Estudaremos este capítulo as equações diereciais lieares de ordem, que são de suma importâcia como suporte matemático para vários ramos da egeharia e das ciêcias.

Leia mais

1.1 Comecemos por determinar a distribuição de representantes por aplicação do método de Hondt:

1.1 Comecemos por determinar a distribuição de representantes por aplicação do método de Hondt: Proposta de Resolução do Exame de Matemática Aplicada às Ciêcias Sociais Cód. 835-2ª 1ª Fase 2014 1.1 Comecemos por determiar a distribuição de represetates por aplicação do método de Hodt: Divisores PARTIDOS

Leia mais

MAC122 Princípios de Desenvolvimento de Algoritmos EP no. 1

MAC122 Princípios de Desenvolvimento de Algoritmos EP no. 1 MAC122 Pricípios de Desevolvimeto de Algoritmos EP o. 1 Prof. Dr. Paulo Mirada 1 Istituto de Matemática e Estatística (IME) Uiversidade de São Paulo (USP) 1. Estrutura dos arquivos de images o formato

Leia mais

ENGENHARIA ECONÔMICA AVANÇADA

ENGENHARIA ECONÔMICA AVANÇADA ENGENHARIA ECONÔMICA AVANÇADA INTRODUÇÃO MATERIAL DE APOIO ÁLVARO GEHLEN DE LEÃO gehleao@pucrs.br 1 1 Itrodução à Egeharia Ecoômica A egeharia, iserida detro do cotexto de escassez de recursos, pode aplicar

Leia mais

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (III ) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Ídice Itrodução Aplicação do cálculo matricial aos

Leia mais

Esta Norma estabelece o procedimento para calibração de medidas materializadas de volume, de construção metálica, pelo método gravimétrico.

Esta Norma estabelece o procedimento para calibração de medidas materializadas de volume, de construção metálica, pelo método gravimétrico. CALIBRAÇÃO DE MEDIDAS MATERIALIZADAS DE VOLUME PELO MÉTODO GRAVIMÉTRICO NORMA N o 045 APROVADA EM AGO/03 N o 01/06 SUMÁRIO 1 Objetivo 2 Campo de Aplicação 3 Resposabilidade 4 Documetos Complemetes 5 Siglas

Leia mais

UNIVERSIDADE DA MADEIRA

UNIVERSIDADE DA MADEIRA Biofísica UNIVERSIDADE DA MADEIRA P9:Lei de Sell. Objetivos Verificar o deslocameto lateral de um feixe de luz LASER uma lâmia de faces paralelas. Verificação do âgulo critico e reflexão total. Determiação

Leia mais

RESISTORES E RESISTÊNCIAS

RESISTORES E RESISTÊNCIAS ELETICIDADE CAPÍTULO ESISTOES E ESISTÊNCIAS No Capítulo estudamos, detre outras coisas, o coceito de resistêcia elétrica. Vimos que tal costitui a capacidade de um corpo qualquer se opôr a passagem de

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato

PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1 PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1. Estimação: O objetivo da iferêcia estatística é obter coclusões a respeito de populações através de uma amostra extraída

Leia mais

Guia do Professor. Matemática e Saúde. Experimentos

Guia do Professor. Matemática e Saúde. Experimentos Guia do Professor Matemática e Saúde Experimetos Coordeação Geral Elizabete dos Satos Autores Bárbara N. Palharii Alvim Sousa Karia Pessoa da Silva Lourdes Maria Werle de Almeida Luciaa Gastaldi S. Souza

Leia mais

UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE

UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE Debora Jaesch Programa de Pós-Graduação em Egeharia de Produção

Leia mais

Analise de Investimentos e Custos Prof. Adilson C. Bassan email: adilsonbassan@adilsonbassan.com

Analise de Investimentos e Custos Prof. Adilson C. Bassan email: adilsonbassan@adilsonbassan.com Aalise de Ivestimetos e Custos Prof. Adilso C. Bassa email: adilsobassa@adilsobassa.com JUROS SIMPLES 1 Juro e Cosumo Existe juro porque os recursos são escassos. As pessoas têm preferêcia temporal: preferem

Leia mais

defi departamento de física www.defi.isep.ipp.pt

defi departamento de física www.defi.isep.ipp.pt defi departameto de física Laboratórios de Física www.defi.isep.ipp.pt stituto Superior de Egeharia do Porto- Departameto de Física Rua Dr. Atóio Berardio de Almeida, 431 4200-072 Porto. T 228 340 500.

Leia mais

Até que tamanho podemos brincar de esconde-esconde?

Até que tamanho podemos brincar de esconde-esconde? Até que tamaho podemos bricar de escode-escode? Carlos Shie Sejam K e L dois subcojutos covexos e compactos de R. Supoha que K sempre cosiga se escoder atrás de L. Em termos mais precisos, para todo vetor

Leia mais

FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE

FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE FACULDADE DE ADMINISTRAÇÃO E NEGÓCIOS DE SERGIPE CURSO: ENGENHARIA DE PRODUÇÃO ASSUNTO: INTRODUÇÃO ÀS EQUAÇÕES DIFERENCIAIS, EQUAÇÕES DIFERENCIAIS DE PRIMEIRA ORDEM SEPARÁVEIS, HOMOGÊNEAS, EXATAS, FATORES

Leia mais

Projetos Agropecuários - Módulo 4 ANÁLISE FINANCEIRA DE INVESTIMENTO

Projetos Agropecuários - Módulo 4 ANÁLISE FINANCEIRA DE INVESTIMENTO Projetos Agropecuários - Módulo 4 ANÁLISE FINANCEIRA DE INVESTIMENTO A parte fiaceira disciplia todas as áreas de uma orgaização que esteja direta ou idiretamete ligadas à tomada de decisão. Todo profissioal

Leia mais

Pesquisa Operacional

Pesquisa Operacional Faculdade de Egeharia - Campus de Guaratiguetá esquisa Operacioal Livro: Itrodução à esquisa Operacioal Capítulo 6 Teoria de Filas Ferado Maris fmaris@feg.uesp.br Departameto de rodução umário Itrodução

Leia mais

SISTEMA DE AMORTIZAÇÃO FRANCÊS DESENVOLVIDO ATRAVÉS DA LINGUAGEM DE PROGRAMAÇÃO JAVA¹

SISTEMA DE AMORTIZAÇÃO FRANCÊS DESENVOLVIDO ATRAVÉS DA LINGUAGEM DE PROGRAMAÇÃO JAVA¹ SISTEMA DE AMORTIZAÇÃO FRANCÊS DESENVOLVIDO ATRAVÉS DA RESUMO LINGUAGEM DE PROGRAMAÇÃO JAVA¹ Deis C. L. Costa² Edso C. Cruz Guilherme D. Silva Diogo Souza Robhyso Deys O presete artigo forece o ecadeameto

Leia mais

Profa. Regina Maria Sigolo Bernardinelli. Estatística. Gestão Financeira / Gestão de Recursos Humanos / Logística / Marketing

Profa. Regina Maria Sigolo Bernardinelli. Estatística. Gestão Financeira / Gestão de Recursos Humanos / Logística / Marketing Profa. Regia Maria Sigolo Berardielli Estatística Gestão Fiaceira / Gestão de Recursos Humaos / Logística / Marketig REGINA MARIA SIGOLO BERNARDINELLI ESTATÍSTICA Esio a Distâcia E a D Revisão 09/008 LISTA

Leia mais

Rejane Corrrea da Rocha. Matemática Financeira

Rejane Corrrea da Rocha. Matemática Financeira Rejae Corrrea da Rocha Matemática Fiaceira Uiversidade Federal de São João del-rei 0 Capítulo 5 Matemática Fiaceira Neste capítulo, os coceitos básicos de Matemática Fiaceira e algumas aplicações, dos

Leia mais

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO Ferado Mori DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA Resumo [Atraia o leitor com um resumo evolvete, em geral, uma rápida visão geral do

Leia mais

O oscilador harmônico

O oscilador harmônico O oscilador harmôico A U L A 5 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial de um oscilador harmôico simples, V( x) kx. objetivos obter a solução da equação de Schrödiger para um oscilador

Leia mais

MATEMÁTICA APLICADA À GESTÃO I

MATEMÁTICA APLICADA À GESTÃO I 00 MATEMÁTICA APLICADA À GESTÃO I TEXTO DE APOIO MARIA ALICE FILIPE ÍNDICE NOTAS PRÉVIAS ALGUNS CONCEITOS SOBRE SÉRIES6 NOTAS PRÉVIAS As otas seguites referem-se ao maual adoptado: Cálculo, Vol I James

Leia mais

Lista de Exercícios #4. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 4, seção 4.4, páginas 117-123.

Lista de Exercícios #4. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 4, seção 4.4, páginas 117-123. Uiversidade de São Paulo IME (Istituto de Matemática e Estatística MAE Profº. Wager Borges São Paulo, 9 de Maio de 00 Ferado Herique Ferraz Pereira da Rosa Bach. Estatística Lista de Exercícios #4 i Noções

Leia mais

UM NOVO OLHAR PARA O TEOREMA DE EULER

UM NOVO OLHAR PARA O TEOREMA DE EULER X Ecotro Nacioal de Educação Matemática UM NOVO OLHA PAA O TEOEMA DE EULE Iácio Atôio Athayde Oliveira Secretária de Educação do Distrito Federal professoriacio@gmail.com Aa Maria edolfi Gadulfo Uiversidade

Leia mais

O poço de potencial infinito

O poço de potencial infinito O poço de potecial ifiito A U L A 14 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial V(x) que tem a forma de um poço ifiito: o potecial é ifiito para x < a/ e para x > a/, e tem o valor

Leia mais

Aplicação de geomarketing em uma cidade de médio porte

Aplicação de geomarketing em uma cidade de médio porte Aplicação de geomarketig em uma cidade de médio porte Guilherme Marcodes da Silva Vilma Mayumi Tachibaa Itrodução Geomarketig, segudo Chasco-Yrigoye (003), é uma poderosa metodologia cietífica, desevolvida

Leia mais

Matemática. Resolução das atividades complementares. M10 Progressões. 1 (UFBA) A soma dos 3 o e 4 o termos da seqüência abaixo é:

Matemática. Resolução das atividades complementares. M10 Progressões. 1 (UFBA) A soma dos 3 o e 4 o termos da seqüência abaixo é: Resolução das atividades complemetares Matemática M0 Progressões p. 46 (UFBA) A soma dos o e 4 o termos da seqüêcia abaio é: a 8 * a 8 ( )? a, IN a) 6 c) 0 e) 6 b) 8 d) 8 a 8 * a 8 ( )? a, IN a 8 ()? a

Leia mais

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA Paulo César de Resede ANDRADE Lucas Moteiro CHAVES 2 Devail Jaques de SOUZA 2 RESUMO: Este trabalho apreseta a teoria do teste de Galto

Leia mais

Calendário de inspecções em Manutenção Preventiva Condicionada com base na Fiabilidade

Calendário de inspecções em Manutenção Preventiva Condicionada com base na Fiabilidade Caledário de ispecções em Mauteção Prevetiva Codicioada com base a Fiabilidade Rui Assis Faculdade de Egeharia da Uiversidade Católica Portuguesa Rio de Mouro, Portugal rassis@rassis.com http://www.rassis.com

Leia mais

Capitulo 2 Resolução de Exercícios

Capitulo 2 Resolução de Exercícios FORMULÁRIO Regime de Juros Simples S C J S 1 C i J Ci S C (1 i) S 1 C i Juro exato C i 365 S C 1 i C i 360 Juro Comercial 2.7 Exercícios Propostos 1 1) Qual o motate de uma aplicação de R$ 100.000,00 aplicados

Leia mais

1. GENERALIDADES 2. CHEIA DE PROJETO

1. GENERALIDADES 2. CHEIA DE PROJETO Capítulo Previsão de Echetes. GENERALIDADES Até agora vimos quais as etapas do ciclo hidrológico e como quatificá-las. O problema que surge agora é como usar estes cohecimetos para prever, a partir de

Leia mais

MINISTÉRIO DAS CIDADES, ORDENAMENTO DO TERRITÓRIO E AMBIENTE Instituto do Ambiente PROCEDIMENTOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENTE

MINISTÉRIO DAS CIDADES, ORDENAMENTO DO TERRITÓRIO E AMBIENTE Instituto do Ambiente PROCEDIMENTOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENTE MINISÉRIO DAS CIDADES, ORDENAMENO DO ERRIÓRIO E AMBIENE Istituto do Ambiete PROCEDIMENOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENE Abril 2003 . Equadrameto O presete documeto descreve a metodologia a seguir

Leia mais

Probabilidade e Estatística. Probabilidade e Estatística

Probabilidade e Estatística. Probabilidade e Estatística Probabilidade e Estatística i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

PG Progressão Geométrica

PG Progressão Geométrica PG Progressão Geométrica 1. (Uel 014) Amalio Shchams é o ome cietífico de uma espécie rara de plata, típica do oroeste do cotiete africao. O caule dessa plata é composto por colmos, cujas características

Leia mais

Matemática Ficha de Trabalho

Matemática Ficha de Trabalho Matemática Ficha de Trabalho Probabilidades 12º ao FT4 Arrajos completos (arrajos com repetição) Na liguagem dos computadores usa-se o código biário que é caracterizado pela utilização de apeas dois algarismos,

Leia mais

CONTRIBUIÇÕES DA MODELAGEM MATEMÁTICA PARA O ENSINO MÉDIO: ÂNGULO DE VISÃO DAS CORES DO ARCO-ÍRIS

CONTRIBUIÇÕES DA MODELAGEM MATEMÁTICA PARA O ENSINO MÉDIO: ÂNGULO DE VISÃO DAS CORES DO ARCO-ÍRIS CONTRIBUIÇÕES DA MODELAGEM MATEMÁTICA PARA O ENSINO MÉDIO: ÂNGULO DE VISÃO DAS CORES DO ARCO-ÍRIS Profª. Drª. Vailde Bisogi UNIFRA vailde@uifra.br Prof. Rodrigo Fioravati Pereira UNIFRA prof.rodrigopereira@gmail.com

Leia mais