AMOSTRAGEM EM AUDITORIAS

Tamanho: px
Começar a partir da página:

Download "AMOSTRAGEM EM AUDITORIAS"

Transcrição

1 AMOSTRAGEM EM AUDITORIAS Cytia Matteucci Istituto de Pesquisas Tecológicas do Estado de São Paulo, São Paulo, Brasil, RESUMO Este artigo discute e propõe um procedimeto de amostragem que adota o pricípio de abordagem baseada em evidêcias, coforme orma ABNT NBR ISO Na aplicação do método de amostragem foi realizada uma pesquisa exploratória simulado uma população e dez mil auditorias. Os seus resultados foram aalisados pela tabulação do ível de cofiaça, do erro amostral e da proporção esperada de ão coformidades e, por fim, comparados com o valor cohecido de proporção de ão coformidades a população usada a simulação, de modo a permitir uma avaliação das diversas possibilidades de resultados amostrais quato à sua capacidade de produzir iferêcias fidedigas. 1. INTRODUÇÃO Para se obter coclusões de auditoria que são pertietes e suficietes, e para permitir que auditores trabalhem idepedetemete etre si cheguem a coclusões semelhates em circustâcias semelhates, a orma NBR ISO da Associação Brasileira de Normas Técicas (01) [1], recomeda a aderêcia do pricípio abordagem baseada em evidêcia a seguir:. OBJETIVO Abordagem baseada em evidêcia: o método racioal para alcaçar coclusões de auditoria cofiáveis e reproduzíveis em um processo sistemático de auditoria. Covém que a evidêcia da auditoria seja verificável. Ela geralmete é baseada em amostras das iformações dispoíveis, uma vez que uma auditoria é realizada durate um período de tempo fiito e com recursos limitados. Covém que o uso apropriado de amostras seja aplicado, uma vez que esta situação esta itimamete relacioada com a cofiaça que pode ser depositada as coclusões da auditoria. (ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS, 01, p.6) Apresetar técica de amostragem aplicável às auditorias estruturadas a orma ABNT NBR ISO 19011:01 de modo a permitir padrões homogêeos e cofiáveis de iferêcia populacioal. 3. MÉTODOS 3. 1 Método de amostragem Para defiir uma amostragem apropriada para uma auditoria que possa gerar dados suficietes e prover iformações cofiáveis, segudo Arago (005), algus passos devem ser seguidos para estabelecer o úmero de idivíduos a serem testados em uma população. Estes passos são: a) Idetificar o tipo de estudo a ser realizado; b) Selecioar a expressão correspodete a este estudo; c) Escolher as codições ou critérios de cofiaça e erro; d) Estimar as estatísticas prelimiares ecessárias; e) Efetuar os cálculos; f) Reelaborar os cálculos se os valores ecotrados são icoveietes (efetuado o relaxameto de critérios de cofiaça e erro); g) Determiar as uidades de habitação pertecetes a população em estudo que serão auditadas; h) Avaliar os resultados da amostragem. A determiação do tamaho míimo da amostra ecessária para a estimativa de uma proporção de ites ão coformes empregado itervalo de cofiaça com determiado ível de cofiaça e para uma margem de erro absoluta em uma população fiita pode ser calculada por meio de Amostragem Aleatória Simples pela Equação 1 coforme apresetado por Arago (005 p.347):

2 = Z p ( 1 N ( N 1) + Z p ( 1 Equação 1 Ode: = tamaho da amostra Z = abscissa da distribuição ormal para um dado ível de cofiaça ou fator de dispersão p = estimativa prelimiar da proporção máxima esperada de ão coformidades N = tamaho da população Ɛ = Erro amostral ou difereça aceitável etre a média populacioal e amostral Se a amostra for maior que a capacidade ecoômica do projeto de auditoria, é possível fixar um úmero de amostras ( ) que são recohecidamete ecoomicamete viáveis, mas é preciso redimesioar o valor de Ɛ ampliado, ecessariamete maior que a difereça etre a média amostral e populacioal origialmete proposta. Para proceder ao cálculo da ova difereça etre média populacioal e amostral, basta isolar o termo Ɛ a Equação 1, resultado a Equação ou isolar Z, coforme Equação 3. ( 1 p N ampliado = z Equação N 1 z reduzido = p ( 1 N N 1 Equação 3 Quado se coduz uma amostragem, o objetivo é sempre iferir os resultados da amostra para a população, cotudo, as estimativas iiciais (p, α e Ɛ) podem coter imprecisões que devem ser testadas ates que os resultados da auditoria amostral possam ser aplicados a iferêcia populacioal. Para avaliação dos resultados da amostragem, com os resultados obtidos a auditoria, calculou-se a proporção ecotrada de ão coformidades a amostra (γ), pela Equação 4. NC γ = R Ode: γ = proporção ecotrada de ão coformidades a amostra NC R = úmero de coformidades ecotradas a amostra = tamaho da amostra de habitações Equação 4 Um teste possível para este tipo de situação é a cofrotação etre o úmero de coformidades ecotradas a amostra cotra resultados calculados a partir das estimativas iiciais. Se o úmero de ão coformidades for icompatível com os valores esperados a partir das estimativas iiciais de parâmetros, etão a iferêcia populacioal ão deve ser coduzida de maeira automática. Um dos parâmetros a ser comparado com os resultados da auditora é o úmero de ão coformidades máximo esperado a amostra (NC MAX ) e úmero de ão coformidades míimas esperados a amostra (NC MIN ) calculados coforme as equações 5 e 6. NC MAX p = Equação 5 NC MIN Z N = p 1 ( N 1) ( Equação 6 A projetação dos resultados da amostra a população é pela Equação 7. LI = γ Equação 7 LS = γ + Ode: LI = limite iferior de ão coformidades a população LS = limite superior de ão coformidades a população

3 3.. Pesquisa exploratória Na aplicação do método de amostragem foi realizada uma pesquisa exploratória, utilizado uma população simulada com geração de úmeros aleatórios de ão coformidades pelo software Visual Basic. Dez mil auditorias foram simuladas com o mesmo software, usado tamaho de amostra calculado. 4. RESULTADOS E DISCUSSÕES A Tabela 1 apreseta a simulação de população, Os valores 0 represetam a iexistêcia ão coformidades e o valor 1 a existêcia de ão coformidades. No fial da Tabela 1 observa-se o total de ão coformidades da população, iformação importate para comparação dos resultados das amostras, a Tabela apreseta os parâmetros de amostragem e tamaho de amostra, a Tabela 3 os resultados das auditorias. Tabela 1 - Represetação esquemática da população de ão coformidade Tabela Parâmetros de amostragem e tamahos de amostras Tabela 3 Tabela com os resultados de total ão coformidades idetificadas a simulação de cada auditoria coforme Tabela.

4 Os resultados das dez mil auditorias simuladas foram de 0 a 15 de ão coformidades. O Quadro 1 exemplificará avaliação e validação das amostras e valores do LI e LS para algus valores possíveis das auditorias simuladas. Quadro 1 - Avaliação e validação das amostras e valores do Limite iferior de ão coformidades a população Limite superior de ão coformidades a população Observou-se que auditoria com resultado NC R = 5 é um valor etre NC MIN e NC MAX, para essa auditoria a operação de iferêcia populacioal pode ser executada com o valor de erro amostral () e com o ível de cofiaça (α) estabelecido durate a fase de determiação de. Com a Equação 7 calcula-se o limite iferior de ão coformidades a população (LI) e o limite superior de ão coformidades a população (LS). Se for de iteresse do processo de auditoria redimesioar o ível de cofiaça para um valor mais preciso, recalculado Z pela Equação 3 (alterado o valor de p por γ), é possível expressar os mesmos itervalos de iferêcia usado α = 97% para NC R = 5. Para os casos em que NC R foram meores que NC MIN (NC R = 1 e 4), observou-se que os valores de LI são egativos e portato impossíveis. Para torar possível a iferêcia da população a partir destas amostras, optou-se pela alterativa A4 e NC REAL recalculou-se o erro amostral (Ɛ``) usado a Equação '' = γ e redefiiu o ível de cofiaça (α``) a partir de Z N usado a Equação 3 (alterado p por γ e Ɛ por Ɛ``). Observou-se que, os casos em que o úmero de ão coformidades detectadas pelas auditorias simuladas foram meores que NC MIN, o ível de cofiaça para iferir a população foi fortemete reduzido quado NC R = 1 e um leve aumeto para NC R = 4. Observou-se que o impacto da detecção de ão coformidades, meores que as esperadas durate a fase de cálculo do tamaho da amostra resulta a ecessidade de reduzir fortemete o valor do Ɛ resultado em faixas mais estreitas de iferêcia populacioal, mas esta redução teve um impacto severo sobre o ível de cofiaça dos resultados e essa perda de cofiaça aumeta sigificativamete o risco de falha o processo de auditoria em ão idetificar etre os limites de iferêcia o valor real de ão coformidades a população. Observe que isto de fato ocorre o exemplo simulado, mostrado o Quadro 1, ode a amostragem, que ecotrou 1 ão coformidades foi icapazes de prever que a população cotiha 9,8% de NC s. Para os casos em que os valores de NC R foram maiores que NC MAX, observou-se que γ, era maior que a p e estes casos, o Quadro 1 apresetada três opções de soluções, que são: Alterativa A1: implica a realização de ova amostragem (usado a Equação 1 alterado o valor de p por γ e matedo Ɛ e Z), mas isto, evidetemete ão é aplicável a um estudo por simulação, cotudo as situações práticas, a codução ovas auditorias complemetares ou substitutivas pode ser ecessária, mas vale ressaltar que para a reamostragem complemetar, é

5 fudametal que todas as codições presetes a primeira amostragem, permaeçam idêticas a auditoria complemetar. Quaisquer alterações da população que teham se modificado resultam a ecessidade de uma auditoria substitutiva. Alterativa A: Os íveis de cofiaça (α) recalculados (usado a Equação 3 alterado o valor de p por γ e matedo Ɛ) era sempre iferiores aos valores iicialmete projetados durate a fase de defiição do tamaho da amostra. O resultado com 7 ão coformidades, expressou com ível de cofiaça de 94% e os limites de iferêcia cotem o valor real de ão coformidades da população (9,8% de NC). Vale a pea observar que o resultado com 1 ão coformidades, embora possa ser expressar com ível de cofiaça de 87%, ão foi capaz de icluir etre os limites de iferêcia, o valor real de ão coformidades da população. Neste caso em que o estudo foi feito sobre uma população simulada, foi possível cohecer o valor real populacioal, mas as auditorias reais, esta iformação ão estará presete e deste modo, esta solução poderá implicar em riscos para a auditoria e/ou para o auditado. Alterativa A3: Outra solução foi recálculo do erro amostral (Ɛ') (usado a Equação alterado o valor de p por γ e matedo Z). Observa-se o Quadro 1, que os limites de iferêcia são ampliados por este procedimeto, mas como o ível de cofiaça ão é alterado, as amostrages são sempre capazes de iferir a população detro do ível de cofiaça. Observe que a amostragem que obtive 1 ão coformidades era icapaz de icluir o valor real de NC s da população detro dos limites de iferêcia, passaram a icluí-los após o recálculo do erro amostral. Esta solução pode implicar em majoração da probabilidade de reprovação da população durate a fase de iferêcia. Para Camargo, Pepielli e Camacho (006) [3] é difícil a emissão de pareceres livres de riscos, pois a auditoria trabalha com amostras que podem ão refletir a realidade referete às populações auditadas, mas o método de amostragem cotida este artigo pode auxiliar obteção e avaliação das amostras. Kechel (013) [4] ão propõem "um camiho úico" para as auditorias. Para o autor as variações de métodos etre auditores são desejáveis e que a remoção de variações ão pode limitar o processo de auditoria de tal forma que impeça a iovação das auditorias. A metodologia proposta este artigo ão é iflexível, pelo cotrário o auditor e/ou auditado poderão propor parâmetros míimos (α, e de modo que as amostrages teham repetibilidade e reprodutibilidade garatidas, detro de realidades ecoômicas possíveis. 5. CONCLUSÃO Os testes de aceitação de amostragem são úteis, ão apeas como ferrametas de validação do processo, mas também como elemeto de modificações as formas de expressar iferêcias. Nas simulações coduzidas foi possível observar que as amostras coseguem icluir em sua faixa de iferêcia o úmero de ão coformidades da população, mas difereças existetes etre os resultados da amostragem e as expectativas de valores usadas o cálculo do tamaho da amostra podem gerar risco sigificativo de que o valor real da população ão se iclua a faixa de iferêcia. 6. RECOMENDAÇÃO Pesquisar por meio do acompahameto de auditorias e estudos de caso, a validação do método de amostragem ora proposto comparado os resultados teóricos com os resultados práticos. REFERÊNCIAS [1] ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. ABNT NBR ISO 19011: Diretrizes para auditoria de sistema de gestão. Rio de Jaeiro: ABNT, 01. [] ARANGO, H. G. Bioestatístita: teórica e computacioal.. ed. Rio de Jaeiro: Editora Guaabara Kooga S.A p. [3] CAMARGO, R. V. W.; PEPINELLI, R. C. C.; CAMACHO, R. R. Uma abordagem sobre os riscos de auditoria a emissão do parecer. I: SEMANA DO CONTADOR, 006, Marigá. Aais... Marigá: Departameto de Ciêcias Cotábeis / Uiversidade Estadual de Marigá, 006. Dispoível em: < Acesso em: 15 jul [4] KNECHEL, R. W. Do Auditig Stadards Matter? Curret Issues i Auditig, Florida, v. 7,., p. A1-A16, Dec. 013.

Capítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc.

Capítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Capítulo 8 Estimativa do Itervalo de Cofiaça Statistics for Maagers Usig Microsoft Excel, 5e 2008 Pearso Pretice-Hall, Ic. Chap 8-1 Objetivos: Neste capítulo, você aprederá: Costruir e iterpretar estimativas

Leia mais

Estatística II Aula 3. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística II Aula 3. Prof.: Patricia Maria Bortolon, D. Sc. Estatística II Aula 3 Prof.: Patricia Maria Bortolo, D. Sc. Estimação por Itervalo Objetivos Nesta semaa, veremos: Como costruir e iterpretar estimativas por itervalos de cofiaça para a média e a proporção

Leia mais

Intervalo de Confiança para uma Média Populacional

Intervalo de Confiança para uma Média Populacional Estatística II Atoio Roque Aula 5 Itervalo de Cofiaça para uma Média Populacioal Um dos objetivos mais importates da estatística é obter iformação sobre a média de uma dada população. A média de uma amostra

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hipóteses Neste capítulo será estudado o segudo problema da iferêcia estatística: o teste de hipóteses. Um teste de hipóteses cosiste em verificar, a partir das observações de uma amostra,

Leia mais

9 - INFERÊNCIA ESTATÍSTICA Estimação de Parâmetros

9 - INFERÊNCIA ESTATÍSTICA Estimação de Parâmetros INE 7 - Iferêcia Estatística Estimação de Parâmetros 1 9 - INFERÊNCIA ESTATÍSTICA Estimação de Parâmetros 9.1 - Itrodução Estatística é a ciêcia que se ocupa de orgaizar, descrever, aalisar e iterpretar

Leia mais

Testes de Hipóteses 5.1 6 8.8 11.5 4.4 8.4 8 7.5 9.5

Testes de Hipóteses 5.1 6 8.8 11.5 4.4 8.4 8 7.5 9.5 Testes de Hipóteses Supoha que o ível crítico de ifestação por um iseto-praga agrícola é de 10% das platas ifestadas. Você decide fazer um levatameto em ove lotes, selecioados aleatoriamete, de uma área

Leia mais

MEDIDAS E INCERTEZAS

MEDIDAS E INCERTEZAS 9//0 MEDIDAS E INCERTEZAS O Que é Medição? É um processo empírico que objetiva a desigação de úmeros a propriedades de objetos ou a evetos do mudo real de forma a descrevêlos quatitativamete. Outra forma

Leia mais

s =, sendo n= n Uma amostra de 60 indivíduos onde a massa corpórea, em kg, tiver média 42kg e um desvio padrão de 3,5 o Erro Padrão da Média será:

s =, sendo n= n Uma amostra de 60 indivíduos onde a massa corpórea, em kg, tiver média 42kg e um desvio padrão de 3,5 o Erro Padrão da Média será: statística Aplicada Prof. Atoio Sales/ 013 DSVIO PADRÃO RRO PADRÃO DA MÉDIA As iferêcias sobre uma população podem ser baseadas em observações a partir de amostras de populações. Como a amostra, a maior

Leia mais

Análise de Projectos ESAPL / IPVC. Casos Particulares de VLA e TIR. Efeitos de Impostos, Inflação e Risco.

Análise de Projectos ESAPL / IPVC. Casos Particulares de VLA e TIR. Efeitos de Impostos, Inflação e Risco. Aálise de Projectos ESAPL / IPVC Casos Particulares de VLA e TIR. Efeitos de Impostos, Iflação e Risco. O Caso dos Fluxos de Caixa Costates uado um ivestimeto apreseta fluxos de caixa costates ao logo

Leia mais

Estimação por Intervalo (Intervalos de Confiança):

Estimação por Intervalo (Intervalos de Confiança): Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população

Leia mais

4. Inferência Estatística Estimadores Pontuais

4. Inferência Estatística Estimadores Pontuais 4. Iferêcia Estatística Estimadores Potuais 4.1. Itrodução Em lihas gerais, a Iferêcia Estatística objetiva estudar a população através de evidêcias forecidas pela amostra. É a amostra que cotém os elemetos

Leia mais

TESTE DE HIPÓTESES PARA PROPORÇÕES

TESTE DE HIPÓTESES PARA PROPORÇÕES TESTE DE HIPÓTESES PARA PROPORÇÕES Este resumo visa auxiliar aos cadidatos que farão a prova para Fiscal ISS-SP, cujo programa, o Edital, cotempla Teste de Hipóteses para Médias e Proporções. Vem, assim,

Leia mais

5n 3. 1 nsen(n + 327) e)

5n 3. 1 nsen(n + 327) e) Exercícios 1 Mostre, utilizado a defiição, que as seguites sucessões são limitadas: 2 4 50 a) b) 3 +16 1 5 3 2 c) 1 4( 1) 8 5 d) 100 5 3 2 + 2( 1) 1 4( 1) 8 1 se( + 327) e) f) 5 3 2 4 4 2 2 Mostre, utilizado

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais Comparação de testes paramétricos e ão paramétricos aplicados em delieametos experimetais Gustavo Mello Reis (UFV) [email protected] José Ivo Ribeiro Júior (UFV) [email protected] RESUMO: Para comparar

Leia mais

Guia do Professor. Endireita essa coluna! Série Mundo da Matemática

Guia do Professor. Endireita essa coluna! Série Mundo da Matemática Guia do Professor Edireita essa colua! Série Mudo da Matemática Coordeação Geral Elizabete dos Satos Autores Bárbara Nivalda Palharii Alvim Souza Karia Alessadra Pessôa da Silva Lourdes Maria Werle de

Leia mais

( ) ( ) ( ) ( ) ( ) 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Introdução.

( ) ( ) ( ) ( ) ( ) 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Introdução. 55 3 - INTRODUÇÃO À RESOLUÇÃO DE SISTEMAS NÃO LINEARES. Itrodução. No processo de resolução de um problema prático é reqüete a ecessidade de se obter a solução de um sistema de equações ão lieares. Dada

Leia mais

ESTUDO DA SECAGEM DE BANANAS ATRAVÉS DO MODELO DE DIFUSÃO USANDO SOLUÇÕES ANALÍTICAS

ESTUDO DA SECAGEM DE BANANAS ATRAVÉS DO MODELO DE DIFUSÃO USANDO SOLUÇÕES ANALÍTICAS WWWCONVIBRAORG ESTUDO DA SECAGEM DE BANANAS ATRAVÉS DO MODELO DE DIFUSÃO USANDO SOLUÇÕES ANALÍTICAS ANDRÉA F RODRIGUES 1, WILTON P SILVA 2, JOSIVANDA P GOMES 3, CLEIDE M D P S SILVA 4, ÍCARO CARVALHO RAMOS

Leia mais

O que é Estatística?

O que é Estatística? O que é Estatística? É um método de observação de feômeos coletivos. Ocupa-se da coleta, orgaização, resumo, apresetação e aálise de dados. Objetivo - Obter iformações que permitam uma descrição dos feômeos

Leia mais

AMOSTRAGEM. CENSO: Quando é investigada todas (sem exceção) as unidades de uma população.

AMOSTRAGEM. CENSO: Quando é investigada todas (sem exceção) as unidades de uma população. AMOSTRAGEM CENSO X AMOSTRA População: Qualquer cojuto que possui, pelo meos, uma característica em comum. Exemplo: Produção de peças da Idústria X. A população pode ser fiita ou ifiita. População fiita:

Leia mais

Análise Combinatória I

Análise Combinatória I Aálise Combiatória I O pricípio fudametal da cotagem ada mais é que a maeira mais simples possível de determiar de quatas maeiras diferetes que um eveto pode acotecer. Se eu, por exemplo, estiver pitado

Leia mais

Sumário. 2 Índice Remissivo 19

Sumário. 2 Índice Remissivo 19 i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

Curso Mentor. Radicais ( ) www.cursomentor.wordpress.com. Definição. Expoente Fracionário. Extração da Raiz Quadrada. Por definição temos que:

Curso Mentor. Radicais ( ) www.cursomentor.wordpress.com. Definição. Expoente Fracionário. Extração da Raiz Quadrada. Por definição temos que: Curso Metor www.cursometor.wordpress.com Defiição Por defiição temos que: Radicais a b b a, N, Observação : Se é par devemos ter que a é positivo. Observação : Por defiição temos:. 0 0 Observação : Chamamos

Leia mais

Desigualdades (por Iuri de Silvio ITA-T11)

Desigualdades (por Iuri de Silvio ITA-T11) Desigualdades (por Iuri de Silvio ITA-T) Apresetação O objetivo desse artigo é apresetar as desigualdades mais importates para quem vai prestar IME/ITA, e mostrar como elas podem ser utilizadas a resolução

Leia mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott [email protected] Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

Coeficiente de Rendimento. Universidade Iguaçu

Coeficiente de Rendimento. Universidade Iguaçu Coeficiete de Redimeto Uiversidade Iguaçu 1. INTRODUÇÃO Para efocar o seu desempeho escolar, o Coeficiete de Redimeto CR ou Coeficiete de Redimeto Acumulado CRA devem ser expressos por uma média poderada,

Leia mais

Capítulo. 2.Teoria das Probabilidades. 2.1. Definições. 2.1.1. Experiência aleatória

Capítulo. 2.Teoria das Probabilidades. 2.1. Definições. 2.1.1. Experiência aleatória ÍNDICE 2.TEORIA DAS PROBABILIDADES...30 2.1. DEFINIÇÕES...30 2.1.1. Experiêcia aleatória...30 2.1.2. Espaço de resultados...31 2.1.3. Acotecimeto...32 2..2. ÁLGEBRA DOS ACONTECIMENTOS...34 2.2.1. Uião

Leia mais

Objetivo Estimar uma proporção p (desconhecida) de elementos uma população, apresentando certa característica de interesse, partir

Objetivo Estimar uma proporção p (desconhecida) de elementos uma população, apresentando certa característica de interesse, partir Objetivo Estimar uma roorção (descohecida) de elemetos em uma oulação, aresetado certa característica de iteresse, a artir da iformação forecida or uma amostra. Exemlos: : roorção de aluos da USP que foram

Leia mais

Vamos estudar o conceito de variabilidade absoluta considerando o conjunto de notas obtidas por cinco alunos:

Vamos estudar o conceito de variabilidade absoluta considerando o conjunto de notas obtidas por cinco alunos: Medidas de Disperção Itrodução: - Observamos ateriormete que as medidas de tedêcia cetral são usadas para resumir, em um úico úmero, aquele parâmetro que será o represetate do cojuto de dados. Estas medidas

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela

Leia mais

COMPARATIVO ENTRE REGIMES DE CAPITALIZAÇÃO SIMPLES E COMPOSTA E A VINCULAÇÃO DE AMBOS COM A TABELA PRICE

COMPARATIVO ENTRE REGIMES DE CAPITALIZAÇÃO SIMPLES E COMPOSTA E A VINCULAÇÃO DE AMBOS COM A TABELA PRICE COMPARATIVO ETRE REGIMES DE CAPITALIZAÇÃO SIMPLES E COMPOSTA E A VICULAÇÃO DE AMBOS COM A TABELA PRICE Etede-se por regime de capitalização o processo de formação dos juros e a maeira pela qual estes são

Leia mais

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,

Leia mais

Métodos de Amostragem

Métodos de Amostragem Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a

Leia mais

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes

Leia mais

UNICAMP - 2004. 2ª Fase MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR

UNICAMP - 2004. 2ª Fase MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR UNICAMP - 004 ª Fase MATEMÁTICA BERNOULLI COLÉGIO E PRÉ-VESTIBULAR Matemática Questão 01 Em uma sala há uma lâmpada, uma televisão [TV] e um aparelho de ar codicioado [AC]. O cosumo da lâmpada equivale

Leia mais

O termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2

O termo linear significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2 MÓDULO 4 - PROBLEMAS DE TRANSPORTE Baseado em Novaes, Atôio Galvão, Métodos de Otimização: aplicações aos trasportes. Edgar Blücher, São Paulo, 978..CONCEITOS BÁSICOS DE PROGRAMAÇÃO LINEAR É uma técica

Leia mais

8/8/2012. Administração Financeira e Orçamentária. Conteúdo. Conteúdo. Tema 3 O valor do dinheiro no tempo. Tema 4 Risco e Retorno

8/8/2012. Administração Financeira e Orçamentária. Conteúdo. Conteúdo. Tema 3 O valor do dinheiro no tempo. Tema 4 Risco e Retorno Admiistração Fiaceira e Orçametária Tema 3 O valor do diheiro o tempo. Tema 4 Risco e Retoro Ivoete Melo de Carvalho, MSc Coteúdo As mutações do valor do diheiro o tempo. Os fatores que iterferem o valor

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO

Leia mais

TESTE DE MANN-WHITNEY

TESTE DE MANN-WHITNEY TESTE DE MANN-WHITNEY A importâcia deste teste é ser a alterativa ão paramétrica ao teste t para a difereça de médias. Sejam (X 1,X,...,X ) e (Y 1,Y,...,Y m ) duas amostras idepedetes, de tamahos e m respectivamete,

Leia mais

IMPORTÂNCIA DO CÁLCULO DA PROPAGAÇÃO DE ERROS EM UM EXPERIMENTO DE ATRITO ESTÁTICO + *

IMPORTÂNCIA DO CÁLCULO DA PROPAGAÇÃO DE ERROS EM UM EXPERIMENTO DE ATRITO ESTÁTICO + * IMPORTÂNCIA DO CÁLCULO DA PROPAGAÇÃO DE ERROS EM UM EXPERIMENTO DE ATRITO ESTÁTICO + * Celso Yuji Matuo J. R. Marielli Departameto de Física Floriaópolis - SC UFSC Resumo Mostra-se que, mesmo em um experimeto

Leia mais

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ 1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo

Leia mais

O teste de McNemar. A tabela 2x2. Depois - Antes

O teste de McNemar. A tabela 2x2. Depois - Antes Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ [email protected] O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"

Leia mais

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são

Leia mais

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó [email protected] http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

CAPÍTULO III ANÁLISE DOS DADOS. Para responder à primeira pergunta, observe os dois gráficos abaixo

CAPÍTULO III ANÁLISE DOS DADOS. Para responder à primeira pergunta, observe os dois gráficos abaixo CAPÍTULO III ANÁLISE DOS DADOS III.5 Idéias básicas sobre gráficos e modelos Modelos são regras matemáticas que permitem reproduzir um cojuto de valores uméricos a partir de outro ao qual correspodem.

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

Leia mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença? Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por

Leia mais

Intervalos de Confiança

Intervalos de Confiança Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de

Leia mais

MATEMÁTICA PARA CONCURSOS II

MATEMÁTICA PARA CONCURSOS II MATEMÁTICA PARA CONCURSOS II Módulo III Neste Módulo apresetaremos um dos pricipais assutos tratados em cocursos públicos e um dos mais temíveis por parte dos aluos: Progressão Aritmética e Progressão

Leia mais

MÉTODO DE ALTERAÇÃO DE INTERVALOS ENTRE CALIBRAÇÕES

MÉTODO DE ALTERAÇÃO DE INTERVALOS ENTRE CALIBRAÇÕES ENQUALAB-2008 Cogresso da Qualidade em Metrologia Rede Metrológica do Estado de São Paulo - REMESP 09 a 12 de juho de 2008, São Paulo, Brasil MÉTODO DE ALTERAÇÃO DE INTERVALOS ENTRE CALIBRAÇÕES Paulo Cézar

Leia mais

Exame MACS- Inferência-Intervalos.

Exame MACS- Inferência-Intervalos. Exame MACS- Iferêcia-Itervalos. No iício deste capítulo, surgem algumas ideias que devemos ter presetes: O objectivo da iferêcia estatística é usar uma amostra e tirar coclusões para toda a população.

Leia mais

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra. UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população

Leia mais

CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA

CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA Itrodução CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA A Ciética Química estuda a velocidade com a qual as reações acotecem e os fatores que são capazes de realizar ifluêcia sobre ela. A medida mais

Leia mais

Roteiro. Introdução. Introdução. Introdução. Introdução. Métodos de amostragem. Cálculo do tamanho de amostra. Introdução. Métodos de amostragem

Roteiro. Introdução. Introdução. Introdução. Introdução. Métodos de amostragem. Cálculo do tamanho de amostra. Introdução. Métodos de amostragem Uiversidade de São Paulo Faculdade de Medicia Veteriária e Zootecia VPS6 - Métodos Quatitativos em Medicia Veteriária Cálculo do tamaho de amostra Prof. Grisi e Prof. Mauro Borba (UFRGS) Roteiro População

Leia mais

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra Distribuição amostral de Um dos procedimetos estatísticos mais comus é o uso de uma média da amostra ( ) para fazer iferêcias sobre uma população de média µ. Esse processo é apresetado a figura abaio.

Leia mais

Neste capítulo, vamos estender o conceito de adição, válido para um número finito de parcelas, à uma soma infinita de parcelas.

Neste capítulo, vamos estender o conceito de adição, válido para um número finito de parcelas, à uma soma infinita de parcelas. 5. SÉRIES NUMÉRICAS Neste capítulo, vamos esteder o coceito de adição, válido para um úmero fiito de parcelas, à uma soma ifiita de parcelas. 5.: Defiição e exemplos: Série geométrica e série de Dirichlet

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS [email protected] O objetivo desse texto é apresetar através de exemplos uméricos como se

Leia mais

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos

Leia mais

NORMA TÉCNICA PARA RECEBIMENTO DE BENS DE INFORMÁTICA PELA METODOLOGIA DE INSPEÇÃO POR ATRIBUTOS. Referência: NT-AI.03.05.01. Data: 17/04/2.

NORMA TÉCNICA PARA RECEBIMENTO DE BENS DE INFORMÁTICA PELA METODOLOGIA DE INSPEÇÃO POR ATRIBUTOS. Referência: NT-AI.03.05.01. Data: 17/04/2. NORMA TÉCNICA PARA RECEBIMENTO DE BENS DE INFORMÁTICA PELA METODOLOGIA DE INSPEÇÃO POR ATRIBUTOS Referência: NT-AI.03.05.01 http://www.unesp.br/ai/pdf/nt-ai.03.05.01.pdf Data: 17/04/2.001 STATUS: PRELIMINAR

Leia mais

Métodos Quantitativos Aplicados

Métodos Quantitativos Aplicados Métodos Quatitativos Aplicados Aula 3 http://www.iseg.ulisboa.pt/~vescaria/mqa/ Tópicos apresetação Itrodução aos packages estatísticos: SPSS Aálise Uivariada: Redução de dados e caracterização de distribuições

Leia mais

PLANEJAMENTO E CONTROLE DE ESTOQUES FUNDAMENTOS DA ADMINISTRAÇÃO DE ESTOQUES

PLANEJAMENTO E CONTROLE DE ESTOQUES FUNDAMENTOS DA ADMINISTRAÇÃO DE ESTOQUES LANEJAMENTO E ONTROLE DE ETOQUE abe registrar o abismo existete etre a logística da distribuição e a logística do suprimeto. No primeiro caso, se 90% dos clietes tiverem as suas mercadorias etregues, houve

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I J.I.Ribeiro 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

Leia mais

ELEMENTOS DE ESTATÍSTICA DESCRITIVA. Amílcar Oliveira Teresa A. Oliveira

ELEMENTOS DE ESTATÍSTICA DESCRITIVA. Amílcar Oliveira Teresa A. Oliveira ELEMENTOS DE ESTATÍSTICA DESCRITIVA Amílcar Oliveira Teresa A. Oliveira Lisboa Jaeiro de 2011 Coteúdo Resumo. Pretede-se com o presete texto uma abordagem aos pricipais tópicos desevolvidos em Estatística

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. VI Histogramas e Curvas de Distribuição TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um

Leia mais

Séquências e Séries Infinitas de Termos Constantes

Séquências e Séries Infinitas de Termos Constantes Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates

Leia mais

: 8. log 3 4 : 7 B 6 B C. B D. 1 x. t é o tempo, dado em horas, e

: 8. log 3 4 : 7 B 6 B C. B D. 1 x. t é o tempo, dado em horas, e Eame de Admissão de Matemática Págia de... Simpliicado a epressão. : : tem-se: Simpliicado a epressão p p p Sabedo que p p obtém-se: p p log a etão log será igual a: a a a a pp p p. Para diluir litro de

Leia mais