Construção e aplicação de índices-padrão

Tamanho: px
Começar a partir da página:

Download "Construção e aplicação de índices-padrão"

Transcrição

1 Construção e aplcação de índces-padrão Artgo Completo José Aparecdo Moura Aranha (Admnstrador e Contador, Professor Assstente do Curso de Admnstração da Unversdade Federal de Mato Grosso do Sul - Câmpus de Nova Andradna - CPNA). jaranha@terra.com.br Alexandre Menezes Das (Doutor em Zootecna, Professor Adjunto no Curso de Zootecna da Unversdade Federal de Mato Grosso do Sul-UFMS). alexandre.menezes@ufms.br Resumo O presente trabalho apresenta como construr meddas estatístcas setoras aplcáves a qualquer setor de atvdade, quocentes-padrão ou índces-padrão, como são também conhecdos. Trata-se de referencal consttuído a partr de um conjunto de empresas representatvas de um determnado setor e destna-se a avalar determnada empresa comparando seus índces, obtdos através das demonstrações contábes, com o padrão construído. Incalmente procede-se a revsão da lteratura a fm de buscar um referencal técnco que dê suporte ao trabalho. Quanto ao método de construção dos índces-padrão, através do uso da estatístca, está consoldado após uma breve explanação para, mas adante, demonstrar como construr os padrões, bem como é demonstrado como utlzá-los nas avalações. Palavras-chave: Índces-padrão, méda, medana, decs, índces setoras. 1 Introdução O presente trabalho tem por objetvo demonstrar como construr um modelo de ndcadores setoral, ou seja, um método de comparação com base em medanas setoras. O modelo consste na comparação entre determnado índce de uma companha em partcular e o quocente ou índce-padrão do setor no qual ela está nserda. Quocentes ou índces-padrão são o referencal consttuído a partr de um conjunto de empresas representatvas de um determnado setor; somente através de comparações, pode-se afrmar que determnada empresa apresenta stuação melhor ou por que outra. Quem se depara com demonstrações contábes e delas deseja trar alguma nformação tem por reação medata fazer comparações. O trabalho justfca-se pela mportânca do resultado para os usuáros das nformações econômco-fnanceras. Para agentes fnanceros, emprestadores de captas de longo prazo, cujos recursos são necessáros para atender os nvestmentos e demanda, os ndcadores setoras, ou índces-

2 padrão, proporconam maor segurança na concessão do crédto, porque o agente fnancero dsporá de nformações (padrões) que poderão ser comparadas com as da companha tomadora do crédto. Os analstas fnanceros e nvestdores nsttuconas também poderão fazer comparações com o padrão estabelecdo, para melhor orentar suas polítcas de nvestmentos. Aos usuáros fornecedores de nsumos, será um nstrumento orentador de polítcas de vendas e de crédto para as empresas do setor. Portanto, pode-se afrmar: o presente artgo tem a oferecer um modelo que se reveste de metodologa sngular de aplcação prátca que por s se justfca. A partr dessas observações questona-se: como construr um modelo de quocentes-padrão específco para determnado setor de atvdade econômca? Dante de tal questonamento, ou stuação problema, houve a necessdade do presente trabalho, ou seja, demonstrar como construr quocentes ou índces-padrão, como são também denomnados, que fossem de utldade para o unverso de usuáros. Para realzação da pesqusa buscou-se embasamento em referencas teórcos exstentes nas bblografas. Utlzou-se de métodos estatístcos para a construção dos quocentes-padrão. Incalmente apresenta-se o referencal teórco sobre construção de padrões e de estatístca descrtva no que é pertnente ao trabalho. Em seguda, aborda-se o desenvolvmento do método estatístco para a construção dos índces-padrão, e, fnalmente, apresenta-se como utlzá-los nas avalações. 2 Revsão de lteratura A análse das demonstrações contábes através de índces fnanceros é a técnca mas largamente utlzada e dfundda no ambente fnancero. Entretanto uma análse através de índces, se consderada soladamente, não dá ao analsta suporte sufcente para emtr sua opnão quanto à stuação econômca e fnancera da empresa analsada. É necessáro ter uma base de comparação para se obter uma resposta em relação aos índces, ou seja, se estão altos ou baxos, se são bons ou runs. Gtman (2001, p. 129), abordando sobre comparações de índces afrma: A análse de índces não é meramente a aplcação de uma fórmula sobre dados fnanceros para calcular um dado índce. Mas mportante é a nterpretação do valor do índce. Para responder questões como Isto é muto alto, ou muto baxo?, Isto é bom ou rum?, uma base de comparação é necessára. Gtman (2001) cta tpos de comparações de índces que podem ser fetas: análse croossectonal, médas setoras, análse de séres temporas e análse combnada e as defnem assm: 2

3 A análse cross-sectonal envolve a comparação de índces fnanceros de empresas dferentes em um mesmo ponto no tempo. [...] Esse tpo de análse cross-sectonal, chamado de benchmarkng, tornou-se muto popular em anos recentes. Ao comparar os índces da empresa com os de uma empresa modelo do setor, ela pode dentfcar áreas na qual tem um bom desempenho e, mas mportante, áreas com espaço para melhoras. (GITMAN, 2001, p. 129). Outro tpo partcular de comparação é o das médas setoras. [...] Ao se comparar um índce em partcular com o padrão, busca-se descobrr quasquer desvos da méda. Mutas pessoas acredtam erroneamente que enquanto a empresa tver um valor melhor do que a méda da ndústra, ela pode ser vsta favoravelmente. No entanto, esse ponto de vsta melhor do que a méda pode ser enganoso. Mutas vezes, o valor de um índce que é muto melhor do que a norma pode ndcar problemas. (GITMAN, 2001, p. 130). A análse de séres temporas avala o desempenho ao longo do tempo. Uma comparação da desempenho atual com o passado, usando índces, permte que a empresa determne se ela está progredndo como planejado. Tendêncas em desenvolvmento podem ser vstas ao se usar comparações de város anos, assm como o conhecmento dessas tendêncas pode ajudar a empresa a planejar futuras operações. (GITMAN, 2001, p. 130). A abordagem mas nformatva com relação à análse de índces é aquela que combna as análses cross-sectonal e de séres temporas. Uma vsão combnada permte a avalação de uma tendênca no comportamento de um índce em relação à tendênca para o setor. (GITMAN, 2001, p ). Conforme defndo nos objetvos deste trabalho, será demonstrado como construr médas setoras ou, como são também chamados, índces-padrão, bem como aplcá-los. Os índces-padrão são o referencal consttuído a partr de um conjunto de empresas que sejam representatvas de um determnado setor, porque, somente através de comparações, pode-se afrmar que determnada empresa apresenta stuação melhor ou por em relação às outras. Corroborando com essa opnão, tem-se em Matarazzo (1998, p. 193) A reação medata de quem se defronta com demonstrações fnanceras e quer delas trar alguma nformação é fazer comparações. Assaf Neto (2002, p.246), tem a segunte afrmação: Em verdade, para uma adequada avalação dos índces econômcofnanceros de uma empresa, é ndspensável compará-los com os de empresas que atuam no mesmo setor de atvdade. Por meo desse processo comparatvo é possível defnr se uma empresa está mas ou menos líquda em relação a seus concorrentes. Da mesma forma, a rentabldade, o nível de endvdamento e outras mportantes meddas são avalados comparatvamente com outras empresas do mesmo ramo. Braga (1995, p.151) também confrma a utldade do processo comparatvo através de índces fnanceros, ao afrmar que: Cotejando os índces das demonstrações que estão sendo analsadas com os mesmos índces de empresas concorrentes, será possível avalar os dversos aspectos [...] 3

4 Groppell & Nkbakht (1998, p. 408), fazendo abordagem sobre comparações através de índces fnanceros, afrmam que: A análse de índces ajuda a revelar a condção global de uma empresa. Ela auxla analstas e nvestdores a determnar se a empresa está sujeta ao rsco de nsolvênca e se ela está ndo bem em relação a seu setor ou seus competdores. Também Brghan; Gapensk; Ehrhardt (2001, p. 114) comentam que: A análse de índces envolve comparações, pos os índces de uma empresa são comparados com de outras empresas do mesmo setor, ou seja, com dados médos do setor [...] Essa técnca é denomnada benchmarkng, e as empresas usadas para comparações são denomnadas empresas benchmark [...] Comparações smlares são fetas para outros índces-chaves, e esse procedmento permte aos gestores ver, numa base comparatva empresa por empresa, como ela se stua em relação a seus maores competdores. Em Matarazzo (1998 p.194) tem-se que: Bascamente, deve-se comparar um índce com índces de outras empresas. Assm, as cosas se encadeam logcamente. Para a elaboração dos índces-padrão, há fatores que precsam ser consderados, e que são relevantes nas característcas das empresas. São eles: a) regão geográfca dversos fatores, como clma, costumes, organzação polítca, crenças, valores e recursos naturas afetam a economa local e, por consequênca, a estrutura e o desempenho das empresas; entretanto, em algumas atvdades menos suscetíves a esses fatores, à medda que a empresa cresce, observa-se a aproxmação de um padrão naconal, representado pelas grandes companhas do setor; b) Segmento de atuação sem dúvda, o segmento de atuação da empresa é um dos fatores que rá nfluencar a vda da empresa, determnando stuações como comportamento do seu cclo fnancero, tpos de equpamentos, estrutura de captas e estrutura de admnstração, dentre outros; e c) porte em função do porte, as companhas têm característcas própras, seja na forma como demandam crédto, seja na polítca de estocagem e de vendas. Dessa forma, ao se estabelecerem padrões, é convenente que haja a segregação das empresas de acordo com o seu porte em pequena, méda ou grande e, a partr daí, estudar como se comportam. Com relação à segmentação de atuação das companhas, Slva (1996, p. 278) recomenda que os setores de atvdades sejam subdvddos em ramos, que por sua vez podem admtr novo desdobramento em sub-ramos, concentrando as atvdades mas unformes e específcas. Nesse sentdo, Matarazzo (1998, p. 201) quanto à construção de índces-padrão, recomenda: Em resumo, para construr tabelas de índces-padrão devem-se: 1. defnr ramos de atvdade própros para o fm a que se destnam; 2. crar subdvsões dentro desses ramos, de manera que uma empresa possa ser comparada a outras de atvdade mas ou menos semelhante à sua; 3. separar grandes, pequenas e médas empresas; e 4

5 4. para cada um dos subgrupos assm obtdos, calcular os decs. Em razão da quantdade de índces consderados nas análses comparatvas, o problema tornase complexo. Para sso fo desenvolvda a técnca de construção de tabelas de índces-padrão com recursos da estatístca, pos, através dela, é possível extrar algumas meddas de determnado unverso de elementos e estabelecer padrões de índces de determnado segmento da economa (ARANHA, 2005). Dante da complexdade advnda da quantdade de índces consderados na análse comparatva, Matarazzo (1998, p.194) sugere: O prmero problema para se comparar o índce de uma empresa com o de outra é exatamente com que empresas comparar. Suponha-se exstrem, em determnado ramo de atvdade, 200 empresas; como comparar determnado índce com os 200 índces do mesmo tpo dessas 200 empresas?... O problema torna-se muto mas complexo quando, além do índce de Lqudez Corrente, se quer comparar mas, suponha-se dez outros índces. A essa altura, só resta um camnho: pedr socorro à Estatístca, que dz ser possível extrar algumas meddas de determnado unverso de elementos. Este trabalho consste no emprego da estatístca descrtva que, segundo Fonseca & Martns (1996, p. 101), assm se defne: Como o própro nome sugere, estatístca descrtva se consttu num conjunto de técncas que objetvam descrever, analsar e nterpretar os dados numércos de uma população ou amostra. As meddas estatístcas que podem representar uma amostra são: meddas de posção, dspersão, assmetra e curtose (FONSECA & MARTINS, 1996, p. 101). Sobre meddas de tendênca central, Slva et al. (1999, p. 46), têm a segunte afrmação: No estudo de uma sére estatístca é convenente o cálculo de algumas meddas que a caracterzam. Estas meddas, quando bem nterpretadas, podem fornecer-nos nformações muto valosas com respeto a sére estatístca. Em suma, podemos reduz-la a alguns valores, cuja nterpretação fornecenos uma compreensão bastante precsa da sére. Um desse valores é a medda de tendênca central. É um valor ntermedáro da sére, ou seja, um valor compreendendo entre o menor e o maor valor da sére. É também um valor em torno do qual os elementos da sére estão dstrbuídos e a poscona em relação ao exo horzontal. Em resumo, a medda de tendênca central procura estabelecer um número no exo horzontal em torno do qual a sére se concentra. As prncpas meddas de tendênca central são: méda, medana e moda. A descrção de um conjunto de dados nclu, como um elemento de mportânca, o fato de estar dentro de um contexto de valores possíves. Uma vez defndos os concetos báscos no estudo de uma dstrbução de frequênca de uma varável, estudam-se as dstntas formas de resumr as referdas dstrbuções, medante meddas de posção ou de centralzação (ARANHA, 2005). 5

6 As meddas de posção são: as médas, a medana e a moda. Médas: utlzadas para ndcar algo que é característco do unverso. Város tpos de médas podem ser calculados para uma massa de dados: Méda Artmétca Dados não Agrupados é a méda de um conjunto de N números, X 1, X 2, X 3,.. X N, que se defne por: Exemplfcando, temos: se X: 2,0,5.3, então, X X N xj x x 1 x2 x3 K xn j 1 N N N x 2,5 Méda Artmétca dados agrupados - Ocorre quando os dados estverem agrupados numa dstrbução de frequênca (FONSECA e MARTINS, 1996). Dados os valores x1, x2,..., xn, ponderados pelas respectvas freqüêncas absolutas: F1, F2, F3,..., Fn. Tem-se: n x F 1 x ou n x Méda Geral - dá-se quando calculamos a méda de uma sére de médas artmétcas (FONSECA e MARTINS, 1996). Sejam x1, x2, x3,..., x k as médas artmétcas de k séres e n1, n2, n3,..., nk os números de termos destas séres, respectvamente. A méda artmétca da sére formada pelos termos das k é dada pela fórmula: x n 1 x 1 n n x n F x 2... n n... n Medana - é uma méda de localzação do centro da dstrbução dos dados, defnda do segunte modo: ordenados os elementos da amostra, a medana é o valor (pertencente ou não à amostra) que a dvde ao meo, sto é, 50% dos elementos da amostra são menores ou guas à medana e os outros 50% são maores ou guas à medana. Temos em Matarazzo (1999, p. 195): O papel da medana é possbltar a comparação de um elemento no unverso com dos demas, a fm de se conhecer a sua posção relatva, na ordem de grandeza do unverso. Slva et al. (1999, p. 84) sobre quando utlzar a medana, afrmam que: k Se uma sére apresenta forte concentração de dados em seu níco, a medana e a moda estarão posconadas mas no níco da sére, representando bem esta concentração. A méda que é fortemente afetada por alguns valores posconados no fnal da sére se deslocará para a dreta desta concentração não a representando bem. k x k 6

7 Como a mas conhecda entre medana e moda é a medana, esta será a medda ndcada neste caso. A mesma stuação ocorre se a sére apresenta forte concentração de dados no seu fnal. Conclundo, devemos optar pela medana, quando houver forte concentração de dados no níco ou no fnal da sére. Dessa forma, medana é um valor real que separa uma sére de dados em duas partes, dexando à sua esquerda o mesmo número de elementos que à sua dreta. Portanto a medana é o valor que ocupa a posção central em uma sére. Exemplfcando, tem-se: Seja X uma varável dscreta que está presente em uma amostra das modaldades X 2,5,7,9,12 X 7, M ed Se trocar a últma observação por outra anormalmente grande, ela não afeta a medana, mas sm a méda: X 2,5,7,9,125 X 29,6; Entretanto, na opnão de Matarazzo (1998) essa medda de dstrbução de frequênca, soladamente, é nsufcente para comparações precsas, sendo necessáro fazer uso de outras meddas estatístcas, tas como quarts, decs ou percents, que são também meddas de posção. São usados para ndcar quas porcentagens de dados dentro de uma dstrbução de frequêncas superam essas expressões, cujo valor representa o valor do dado que se encontra no centro da dstrbução de frequênca, também denomnado "Meddas de Tendênca Central". Tas meddas de posção de uma dstrbução de freqüêncas têm e cumprr determnadas condções para que sejam verdaderamente representatvas da varável que resumem. Toda síntese de uma dstrbução se consdera como operatva se ntervêm em sua determnação todos e cada um dos valores da dstrbução, sendo únca para cada dstrbução de freqüêncas e sendo sempre calculável e de fácl obtenção (ARANHA, 2005). A segur, estão descrtas as meddas de posção mas comumente utlzadas: Quarts: São 3 quarts que dvdem uma dstrbução em 4 partes guas: prmero, segundo e tercero quartl (CRESPO, 2002), assm defndo: Q 1 L 3 4 Decs: São 9 decs que dvdem uma dstrbução em 10 partes guas: (do prmero ao nono decl) (FONSECA e MARTINS, 1996), cuja representação é: D * f f f aa f f * I c aa 1 L 10 * Ic f M ed 7 7 7

8 Percents: são os novena e nove valores que separam uma sére em 100 partes guas (CRESPO,2002), assm representado: * f f P L f aa * I c 3 Construção dos índces-padrão 3.1 Construção de padrões com Quarts Se a opção para construção dos índces-padrão for o emprego dos quarts, teremos a segunte sequênca: a) a utlzação de um conjunto hpotétco de índces de lqudez corrente de 24 empresas de um determnado setor, conforme Quadro 01: Quadro 01: Índces de Lqudez Corrente 0,61 0,90 1,25 1,58 1,20 1,28 1,36 1,48 1,46 0,80 0,60 0,68 2,31 0,70 0,76 2,10 1,52 1,61 1,92 0,84 1,00 0,94 0,99 0,95 Fonte: Maron (2001, p. 261). b) a organzação dos índces em ordem crescente de grandezas, conforme Quadro 02: Quadro 02: Ordenação dos índces 1º 2º 3º 4º 5º 6º 0,60 0,61 0,68 0,70 0,76 0,80 ¼ dos índces 0,84 0,91 0,94 0,95 0,99 1,00 ¼ dos índces 1,20 1,25 1,28 1,36 1,46 1,48 ¼ dos índces ,58 1,61 1, ¼ dos índces Fonte: Maron (2001, p. 261). c) a determnação dos quarts e a medana dessa sére de índces de lqudez corrente. O prmero quartl será o valor que dexar 25% (¼) dos índces do conjunto abaxo de s mesmo e 75% (¾ ) acma. Neste exemplo, utlzar-se o 6º elemento que, neste caso, é o índce 0,80. O próxmo elemento, o índce 0,84, o sétmo da sequênca, nca o 2º quartl. Dessa forma, o dvsor entre o 1º e o 2º quartl será determnado pela méda entre o últmo elemento do prmero quartl e o prmero elemento do segundo quartl, como segue: 0,80 0,84 2 0,82 8

9 Assm, todos os índces nferores a 0,82 estão contdos no prmero quartl, o que sgnfca que 25% das empresas objeto da pesqusa possuem os pores índces de Lqudez Corrente. A segur, procede-se ao cálculo do índce que separa o segundo do tercero quartl, procedendo da mesma forma para encontrar o índce anteror, ou seja, a méda do 12º elemento (últmo índce do 2º quartl) com o do 13º elemento (prmero índce do 3º quartl): 1,00 1,20 2 1,10 Por últmo, encontrar o índce que separa o tercero do quarto quartl, ou seja, o últmo índce do 3º quartl do 1º índce do 4º quartl. 1,48 1,52 2 1,50 Após os cálculos podem-se fazer as seguntes nterpretações, conforme Fgura 01: Fgura 01: Quarts 1º Quartl 2º Quartl 3º Quartl 4º Quartl Fonte: o Autor Os índces abaxo de 0,82 representam os mas baxos dos calculados, e somam 25% das empresas objeto da análse, enquanto os índces acma de 1,50 representam os mas elevados dos calculados, e representam também 25% das empresas analsadas. Os índces entre 0,82 e 1,50 correspondem aos 50% restantes das empresas analsadas. Nesse caso, não são baxos e nem elevados. A Medana da amostra do ramo de atvdade das empresas analsadas é exatamente o índce 1,10, porque do conjunto dos índces, 50% estão abaxo de 1,10 e 50% estão acma desse índce. Todava, o objetvo dos índces-padrão é ser o nstrumento de base para comparações entre empresas de um mesmo setor ou ramo de atvdade. Se tomarmos o índce de Lqudez Corrente correspondente a 1,28, de uma empresa qualquer do conjunto analsado, pode-se afrmar que ele se stua no 3º Quartl. Mas essa posção é boa, razoável ou defcente? Para esse questonamento Maron (2001, p. 263) sugere: Uma forma de concetuação sugerda, mas prátca, prncpalmente em nível acadêmco, é semelhante à da Serasa. Nesse sentdo, levando em consderação os Quarts, temos conforme Fguras 02 e 03: 9

10 Para índces QUANTO MAIORES, MELHOR: Fgura 02: Concetos para os quarts 1º Quartl 2º Quartl 3º Quartl 4º Quartl Defcente Razoável Satsfatóro Bom Fonte: o Autor Para índces QUANTO MAIORES, PIOR: Fgura 03: Concetos para os quarts 1º Quartl 2º Quartl 3º Quartl 4º Quartl Bom Satsfatóro Razoável Defcente Fonte: o Autor Retornando à análse, o índce de Lqudez Corrente (esse índce tem por prncípo: QUANTO MAIOR, MELHOR) da empresa seleconada que corresponde a 1,28, e está posconado no 3º Quartl, portanto, será concetuado como satsfatóro. 3.2 Construção de padrões com Decs Por outro lado, se a opção for pelo emprego de decs para a construção dos índces-padrão de um determnado setor ou ramo de atvdade, tem-se a segunte sequênca de procedmentos: a) tomando um conjunto de índces de Lqudez Corrente de empresas de um determnado setor, conforme Quadro 03: Quadro 03: Índces de Lqudez Corrente 0,61 0,90 1,25 1,58 1,20 1,28 1,36 1,48 1,46 0,80 0,60 0,68 2,31 0,70 0,76 2,10 1,52 1,61 1,92 0,84 1,00 0,94 0,99 0,95 2,46 0,50 2,36 0,55 0,52 2,20 Fonte: Maron (2001, p. 261) b) a segur, da mesma manera, organzam-se os índces em ordem crescente de grandeza, conforme dspostos no Quadro 04: 10

11 Quadro 04: Ordenação dos índces de Lqudez Corrente 1º 2º 3º 0,50 0,52 0,55 1/10 dos índces 0,60 0,61 0,68 1/10 dos índces 0,70 0,76 0,80 1/10 dos índces 0,84 0,90 0,94 1/10 dos índces 0,95 0,99 1,00 1/10 dos índces 1,20 1,25 1,28 1/10 dos índces 1,36 1,46 1,48 1/10 dos índces 1,52 1,58 1,61 1/10 dos índces 1,92 2,10 2,20 1/10 dos índces 2,31 2,36 2,46 1/10 dos índces Fonte: Adaptado de Maron (2001, p. 261) c) O passo segunte é encontrar os decs e a medana do conjunto. Por defnção, o 1º decl é o valor que dexa 10% dos elementos do conjunto abaxo de s e 90% acma. Esse tal conjunto tem 30 elementos, o 1º decl dexa três elementos (1/10) abaxo de s e 27elementos acma. Neste exemplo, utlza-se o 3º elemento que, aqu, é o índce 0,55. O próxmo elemento, o índce 0,60 que é o quarto da sequênca, nca o 2º decl. Dessa forma, o dvsor entre o 1º e o 2º decl será determnado pela méda entre o últmo elemento do prmero decl e o prmero elemento do segundo decl. Então: 0,55 0,60 2 0,58 Assm, todos os índces nferores a 0,58 estão contdos no prmero decl, o que sgnfca que 10% das empresas objeto da pesqusa possuem os pores índces de Lqudez Corrente. A segur, Quadro 05 com o cálculo dos decs: Quadro 05: Cálculo dos decs 1º Decl 0,58 Méda entre 0,55 e 0,60 2º Decl 0,69 Méda entre 0,68 e 70 3º Decl 0,82 Méda entre 0,80 e 0,84 4º Decl 0,95 Méda entre 0,94 e 0,95 5º Decl 1,10 Méda entre 1,00 e 1,20 6º Decl 1,32 Méda entre 1,28 e 1,36 7º Decl 1,50 Méda entre 1,48 e 1,52 8º Decl 1,77 Méda entre 1,61 e 1,92 9º Decl 2,26 Méda entre 2,20 e 2,31 Fonte: Adaptado de Maron (2001) Com base nos dados obtdos, demonstram-se as posções das meddas estatístcas em relação aos elementos desse conjunto, conforme Quadro 06: 11

12 Quadro 06: Decs 1º Decl 2º Decl 3º Decl 4º Decl 5º Decl (Medana) Fonte: o Autor 6º Decl 7º Decl 8º Decl 9º Decl Verfca-se que para cada decl corresponde de 10% do conjunto da amostra dos índces de Lqudez Corrente empregada, o 5º decl corresponde ao índce-padrão que, neste caso, é a medana. Observar que o 5º decl ocupa a posção central. Para completar a sequênca, deve-se atrbur concetos para os índces em função da posção que ocupa em relação aos índces-padrão. Para atrbur os concetos para os índces em função da posção que ocupa em relação ao padrão, fo adaptado o modelo desenvolvdo por Matarazzo (1998, p. 215), conforme Fguras 04 e 05, a segur: Para índces do tpo: QUANTO MAIOR, MELHOR. Fgura 04: Concetos atrbuídos aos índces quanto maor, melhor. 1º 2º 3º 4º Índce-Padrão 6º 7º 8 9º Pso Decl Decl Decl Decl (Medana) Decl Decl Decl Decl Teto Péssmo/Defcente Fraco/Razoável Satsfatóro Bom Ótmo Fonte: Adaptado de Matarazzo (1998, p. 215) Para índces do tpo: QUANTO MAIOR, PIOR. Fgura 05: Concetos atrbuídos aos índces quanto maor, por. 1º 2º 3º 4º Índce-Padrão 6º 7º 8 9º Pso Decl Decl Decl Decl (Medana) Decl Decl Decl Decl Teto Ótmo Bom Satsfatóro Razoável/Fraco Defcente/Péssmo Fonte: Adaptado de Matarazzo (1998, p. 215) 12

13 Resumndo, para a construção dos Índces-Padrão deve-se obedecer a segunte sequênca de procedmentos: a) determnar um ramo de atvdade; b) separar as empresas do ramo, ou as mas representatvas; c) de cada empresa do ramo, calcular os índces fnanceros desejados; d) os índces obtdos devem ser dspostos em ordem crescente de grandezas; e) calcular os decs; e f) os índces-padrão são dados pelos decs. 4 Utlzação dos padrões Tomando como exemplo os dados do Quadro 04, procede-se a avalação do Índce de Lqudez Corrente de determnada empresa de um segmento qualquer, conforme Quadro 07: Quadro 07: Classfcação dos Índces de Lqudez Corrente 1º Decl 2º Decl 3º Decl 4º Decl 5º Decl 6º Decl 7º Decl 8º Decl 9º Decl Lqudez Corrente 0,58 0,69 0,82 0,95 1,10 1,32 1,50 1,77 2,26 Classfcação Defcente Regular Satsfatóro Bom Ótmo Fonte: o Autor Consderando hpotetcamente que o Índce de Lqudez Corrente da empresa objeto da avalação for gual a 1,12, então com base no modelo de classfcação acma, o índce está classfcado como satsfatóro. Caso outra empresa do mesmo segmento apresente o mesmo índce gual a 0,70, estara classfcado como defcente. Da mesma forma se procede para qualquer empresa semelhante ou do mesmo ramo de atvdade, bem como para qualquer índce seleconado e calculado. Portanto, como se observa, comparar uma empresa com outras do mesmo ramo de atvdade, ou empresas semelhantes, torna-se uma tarefa relatvamente smples com o uso dos índcespadrão, construídos conforme demonstrado neste trabalho. Dessa forma, destaca-se a grande utldade do uso dos padrões tendo em vsta que os mesmos levam à uma medda objetva de comparação, elmnando a subjetvdade a que esta sujeta o analsta, como por exemplos, atrbur concetos de crédtos dferentes para empresas com a mesma classfcação nos índces ou na coerênca na aprecação de rscos. 4 Conclusão Os resultados desse trabalho apontam a valdade dos padrões na avalação de empresas, porque o processo de análse das demonstrações contábes, soladamente, não revela a 13

14 stuação econômca e fnancera da empresa analsada, fazendo-se necessáras as comparações com índces de outras empresas do mesmo setor ou ramo de atvdade. Fcou evdencado que índces-padrão é um referencal de comparação, pos permte comparar um índce de uma determnada empresa com o índce-padrão, o qual ndcará se a empresa objeto da análse está de acordo, melhor ou por do que o referencal. Padrões aplcados na comparação ou avalação de qualquer empresa torna a tarefa relatvamente fácl para o analsta ou qualquer outro usuáro, além de permtr uma medda objetva de comparação, elmnando o subjetvsmo em qualquer análse. Portanto, o presente trabalho revelou-se útl à medda que demonstra como construr os padrões com o uso da estatístca descrtva, bem como utlzá-los nas avalações. 5 Referêncas ARANHA, José A. Moura. Índces-padrão para análse das demonstrações contábes de empresas do setor elétrco braslero. Dssertação (Mestre em Cêncas Contábes e Fnanceras) apresentada ao Programa de Mestrado em Cêncas Contábes, Fnanceras e Atuáras da Pontfíca Unversdade Católca de São Paulo (PUC-SP). São Paulo, set. 2005, ASSAF NETO, Alexandre. Estrutura e análse de balanços. 7. ed. São Paulo: Atlas, BRAGA, Roberto. Fundamentos e técncas de admnstração fnancera. São Paulo: Atlas, BRIGHAM, Eugene F.; GAPENSKI, Lous C.; EHRHARDT, Mchael C. Admnstração fnancera: teora e prátca. São Paulo: Atlas, CRESPO, Antono Arnot. Estatístca fácl. 18.ed. São Paulo: Sarava, FONSECA, Jaro Smon da; MARTINS, Glberto de Andrade. Curso de estatístca. 6. ed. São Paulo: Atlas, GITMAN, Lawrence J. Prncípos de admnstração fnancera essencal. 2. ed. Porto Alegre: Bookman, GROPELLI, A. A.; NIKBAKHT, Ehsan. Admnstração fnancera. São Paulo: Sarava, MARION, José Carlos. Análse das demonstrações contábes. 2. ed. São Paulo: Atlas, MATARAZZO, Dante Carmne. Análse fnancera de balanços. 5. ed. São Paulo: Atlas, SILVA et al. Estatístca para cursos de: Economa, Admnstração e Cêncas Contábes. 2. ed. São Paulo: Atlas, SILVA, José Perera da. Análse fnancera das empresas. 3. ed. São Paulo: Atlas,

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

COEFICIENTE DE GINI: uma medida de distribuição de renda

COEFICIENTE DE GINI: uma medida de distribuição de renda UNIVERSIDADE DO ESTADO DE SANTA CATARINA ESCOLA SUPERIOR DE ADMINISTRAÇÃO E GERÊNCIA DEPARTAMENTO DE CIÊNCIAS ECONÔMICAS COEFICIENTE DE GINI: uma medda de dstrbução de renda Autor: Prof. Lsandro Fn Nsh

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL

MEDIDAS DE TENDÊNCIA CENTRAL 3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados

Leia mais

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS 177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,

Leia mais

Resumos Numéricos de Distribuições

Resumos Numéricos de Distribuições Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

METODOLOGIA DO ÍNDICE CARBONO EFICIENTE (ICO2)

METODOLOGIA DO ÍNDICE CARBONO EFICIENTE (ICO2) METODOLOGIA DO ÍNDICE CARBONO Abrl/2015 [data] METODOLOGIA DO ÍNDICE CARBONO O ICO2 é o resultado de uma cartera teórca de atvos, elaborada de acordo com os crtéros estabelecdos nesta metodologa. Os índces

Leia mais

Modelo de Alocação de Vagas Docentes

Modelo de Alocação de Vagas Docentes Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Para melhor caracterzar um conjunto

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade

Leia mais

Economia Industrial. Prof. Marcelo Matos. Aula 7

Economia Industrial. Prof. Marcelo Matos. Aula 7 Economa Industral Prof. Marcelo Matos Aula 7 Concentração de Mercado Resende e Boff [cap 5 de K&H, 2013]; Ferguson e Ferguson cap.3; Meddas de Concentração: característcas Possbldade de classfcar meddas

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

O F Í C I O C I R C U L A R. Participantes dos Mercados da B3 Segmento BM&FBOVESPA. Ref.: Nova Metodologia do Índice Dividendos BM&FBOVESPA (IDIV).

O F Í C I O C I R C U L A R. Participantes dos Mercados da B3 Segmento BM&FBOVESPA. Ref.: Nova Metodologia do Índice Dividendos BM&FBOVESPA (IDIV). 01 de novembro de 2017 069/2017-DP O F Í C I O C I R C U L A R Partcpantes dos Mercados da B3 Segmento BM&FBOVESPA Ref.: Nova Metodologa do Índce Dvdendos BM&FBOVESPA (IDIV). Concluída a fase de dscussão

Leia mais

Estatística e Probabilidade

Estatística e Probabilidade Estatístca e Probabldade Professor conteudsta: Rcardo Vda Sumáro Estatístca e Probabldade Undade I 1 CONCEITOS BÁSICOS...1 1.1 Concetos fundamentas... 1. Processos estatístcos de abordagem... 1.3 Dados

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Classificação e Pesquisa de Dados

Classificação e Pesquisa de Dados Classcação por Trocas Classcação e Pesqusa de Dados Aula 05 Classcação de dados por Troca:, ntrodução ao Qucksort UFRGS INF01124 Classcação por comparação entre pares de chaves, trocando-as de posção caso

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

u a mesma área, na escala de 1: , tomadas a cada intervalo de 18 dias.

u a mesma área, na escala de 1: , tomadas a cada intervalo de 18 dias. QUANTFCAÇÃO E SENSORAMENTO REMOTO NA NVESTGAÇÃO GEOGRÁFCA A evolução recente da cênca tem colocado, com certa frequênca, o nvestgador em stuação crítca face à massa de nformações, dados e meos para sua

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON 1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de

Leia mais

CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL

CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL ESCOLA FEDERAL DE ENGENHARIA DE ITAJUBÁ INSTITUTO DE ENGENHARIA MECÂNICA DEPARTAMENTO DE PRODUÇÃO CÁLCULO DO RETORNO ESPERADO DA CARTEIRA DE MERCADO E DO RETORNO DO ATIVO LIVRE DE RISCO PARA O BRASIL Dego

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D. Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.

Leia mais

METODOLOGIA DO ÍNDICE DIVIDENDOS BM&FBOVESPA (IDIV)

METODOLOGIA DO ÍNDICE DIVIDENDOS BM&FBOVESPA (IDIV) METODOLOGIA DO ÍNDICE DIVIDENDOS 02/01/2018 SUMÁRIO 1 OBJETIVO... 3 2 TIPO DE ÍNDICE... 3 3 ATIVOS ELEGÍVEIS... 3 4 CRITÉRIOS DE INCLUSÃO... 3 5 CRITÉRIOS DE EXCLUSÃO... 4 6 CRITÉRIO DE PONDERAÇÃO... 5

Leia mais

4.1. Medidas de Posição da amostra: média, mediana e moda

4.1. Medidas de Posição da amostra: média, mediana e moda 4. Meddas descrtva para dados quanttatvos 4.1. Meddas de Posção da amostra: méda, medana e moda Consdere uma amostra com n observações: x 1, x,..., x n. a) Méda: (ou méda artmétca) é representada por x

Leia mais

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Nesse prátca, estudaremos a potênca dsspada numa resstênca de carga, em função da resstênca nterna da fonte que a almenta. Veremos o Teorema da Máxma Transferênca de Potênca, que dz que a potênca transferda

Leia mais

7 Tratamento dos Dados

7 Tratamento dos Dados 7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r

Leia mais

METOLOGIA. 1. Histórico

METOLOGIA. 1. Histórico METOLOGIA A Sondagem da Construção Cvl do RS é uma sondagem de opnão empresaral realzada mensalmente e fo crada pela Confederação Naconal da Indústra (CNI) com o apoo da Câmara Braslera da Indústra da

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 0 Estatístca Descrtva e Análse Eploratóra Realzadas em etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de grande quantdade de dados e

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

APOSTILA DE ESTATÍSTICA BÁSICA Parte 1

APOSTILA DE ESTATÍSTICA BÁSICA Parte 1 APOSTILA DE ESTATÍSTICA BÁSICA Parte 1 Prof. Msc. Jorge Wlson Perera da Slva SUMÁRIO Capítulo 1. Concetos Báscos 3 1.1. Introdução 3 1.2. População e Amostra 3 1.3. Processos Estatístcos de Abordagem 4

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 7/11/01 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2) Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 05/0/013 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...

Leia mais

3 Subtração de Fundo Segmentação por Subtração de Fundo

3 Subtração de Fundo Segmentação por Subtração de Fundo 3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na

Leia mais

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS

Leia mais

Santos Júnior, EP 1 ; Soares, HCC 1 ; Freitas, GP 2 ; Pannain, JLM 3 ; Coelho Junior, LM 4 * 1

Santos Júnior, EP 1 ; Soares, HCC 1 ; Freitas, GP 2 ; Pannain, JLM 3 ; Coelho Junior, LM 4 * 1 DISPARIDADE DO VALOR BRUTO DOS PRODUTOS MADEIREIROS NATIVOS PARA AS MESORREGIÕES DA PARAÍBA DISPARITY OF THE GROSS VALUE OF THE NATIVE WOOD PRODUCTS FOR THE MESORREGIONS OF PARAÍBA Santos Júnor, EP 1 ;

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

Metodologia IHFA. Índice de Hedge Funds ANBIMA. Versão Abril/2011

Metodologia IHFA. Índice de Hedge Funds ANBIMA. Versão Abril/2011 1 Metodologa IHFA Índce de Hedge Funds ANBIMA Versão Abrl/2011 1. O Que é o IHFA Índce de Hedge Funds ANBIMA? O IHFA é um índce representatvo da ndústra de hedge funds no Brasl, crado com o objetvo de

Leia mais

6 Modelo Proposto Introdução

6 Modelo Proposto Introdução 6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo

Leia mais

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

CURSO A DISTÂNCIA DE GEOESTATÍSTICA CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75

Leia mais

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos. Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas

Leia mais