Anda di halaman 1dari 17

Cap.

Anlise de
Regresso
1.1 Introduo

Anlise de regresso uma tcnica de modelagem utilizada para analisar a relao entre
uma varivel dependente (Y) e uma ou mais variveis independentes X1, X2, X3,..., Xn.
O objetivo dessa tcnica identificar (estimar) uma funo que descreve, o mais
prximo possvel, a relao entre essas variveis e assim podermos predizer o valor que
a varivel dependente (Y) ir assumir para um determinado valor da varivel
independente X.
Exemplos de relao entre variveis so o consumo em relao taxa de
inflao; a produo de leite e temperatura ambiente; a resistncia de um material e sua
composio qumica; o nmero de peas com defeitos e a experincia; receita e gasto
com publicidade e etc.
O modelo de regresso poder ser escrito genericamente como:
Y f ( X 1, X 2, X 3,..., Xn) ,
onde o termo representa uma perturbao aleatria na funo, ou o erro da
aproximao. O nmero de variveis independentes varia de uma aplicao para outra,
quando se tem apenas uma varivel independente chama-se Modelo de Regresso
Simples, quando se tem mais de uma varivel independente chama-se de Modelo de
Regresso Mltipla. A forma da funo f ( .) tambm varia, podendo ser representada
por um modelo linear, polinomial ou at mesmo uma funo no linear.
A figura abaixo mostra um modelo linear para representar a relao entre a
produo de leite e o ndice pluviomtrico de um municpio.
Produo de Leite x ndice
Pluviomtrico y = 0.8x + 8.9
R2 = 0.7853
35
30
25
20
20

Prof. Cludio Serra, Esp.

22

24

26

28

30

Por sua vez, os dados somente de exportao de carne de frango podero ser
representados por um modelo polinomial conforme mostrado na figura abaixo.

Exportaes de carne de frango


y = 1.5329x 3 - 25.198x 2 + 157.04x + 79.16
R2 = 0.9914

2,500
2,000
1,500
1,000
500
1

10 11 12

13 14 15

1.2 Regresso Linear Simples


Este modelo utilizado quando existe uma relao linear entre a varivel independente
e a varivel dependente (neste caso apenas uma). A funo que expressa esse modelo
ser dada pela forma abaixo:
34

Yi b0 b1 X i ,

32
30
28
26
24
22
20
20

22

24

26

28

30

O grfico acima uma representao desse modelo. Verifica-se pelo mesmo que
nem todos os pontos tocam a reta, e essa diferena o erro (), que pode ter sido
ocasionado por um erro de leitura dos dados; uma venda abaixo do preo real de
mercado; uma produo abaixo do esperado por uma estiagem no comum; retrao do
consumo por uma subida inesperada na taxa de juros; e assim vai.
Mas supe-se que em mdia esses erros tendem a se anular, ou seja:
E i 0
Uma vez escolhido o modelo de regresso, deve-se estimar seus parmetros, neste
caso os coeficientes da equao da reta, b0 ,b1 . Isso pode ser feito a partir da aplicao
do Mtodo dos Mnimos Quadrados.
Tirando a mdia sobre a equao acima, temos:
Y b0 b1 X
uma vez que a mdia dos erros zero.

Prof. Cludio Serra, Esp.

Subtraindo as duas equaes temos:


Yi Y (b0 b0 ) (b1 )( X i X ) i
Chamando de y e x as diferenas centradas nas mdias, (Yi Y ) e ( X i X )
respectivamente, temos que:
yi b1 xi i
ou ainda,

i yi b1 xi
Fazendo a soma dos quadrados dos erros,
2
2
i yi b1 xi

y 2b x y b
2

2
i

1 i

2 2
1 i

como b1 uma constante,


2
i yi2 2b1 xi yi b12 xi2
Como o objetivo estimar uma equao que minimize os erros, devemos ento derivar
a equao acima em relao a b1 e igualar a zero. E como no se tem os verdadeiros
valores e sim uma amostra , ou seja o valor a ser determinado um estimador do
verdadeiro valor populacional, a nova nomenclatura para b1 ser b1 . Com isso temos:
0 2 xi yi 2b1 xi2
Que pode ser reescrita como:
xi y i
b1
xi2
E o estimador bo , pode ser calculado a partir de:
bo Y b1 X
Sendo que a equao de estimativa ser dada por:
Y bo b1 X

Prof. Cludio Serra, Esp.

Exemplo 1 Regresso Linear Simples


Em uma determinada regio do pas foram coletados os ndices pluviomtricos e
a produo de leite do tipo c. SabendoProduo de Leite
ndice
se que existe uma previso para o
Anos
C (1.000.000
pluviomtrico
prximo
ano
de
um
ndice
litros)
(mm)
pluviomtrico de 24mm determine
1970
26
23
ento a produo de leite dessa regio.
1971
25
21
1972
31
28
1973
29
27
1974
27
23
1975
31
28
1976
32
27
1977
28
22
1978
30
26
1979
30
25

Resoluo

1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
Soma
Mdia

b1

x y
x
i

2
i

Y
26
25
31
29
27
31
32
28
30
30

X
23
21
28
27
23
28
27
22
26
25

289 250
28.9 25

y2

x2

xy

-2.9

-2

8.41

5.8

-3.9

-4

15.21

16

15.6

2.1

4.41

6.3

0.1

0.01

0.2

-1.9

-2

3.61

3.8

2.1

4.41

6.3

3.1

9.61

6.2

-0.9

-3

0.81

2.7

1.1

1.21

1.1

1.1
0
0

0
0
0

1.21
48.9
4.89

0
60
6

0
48
4.8

48
0.8
, assim b1
60

e bo Y b1 X , que bo 28,9 0.8.25 8,9


Assim a equao pode ser escrita como:

Y 8.9 0.8 X

Prof. Cludio Serra, Esp.

Mas ser que a equao do exemplo foi bem estimada, ou melhor, ser que ela
representa bem a relao entre as variveis? Uma maneira de avaliar atravs da
diferena entre os valores amostrais reais (Y) e os valores estimados ( Y ), essa diferena
damos o nome de resduo. Continuando o exemplo,

Continuao do exemplo 1

1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
Soma
Mdia

Y
26
25
31
29
27
31
32
28
30
30

X
23
21
28
27
23
28
27
22
26
25

289
28.9

250
25

y2

x2

xy

Y- Y

(Y- Y )2

-2.9

-2

8.41

5.8

27.3

-1.3

1.69

-3.9

-4

15.21

16

15.6

25.7

-0.7

0.49

2.1

4.41

6.3

31.3

-0.3

0.09

0.1

0.01

0.2

30.5

-1.5

2.25

-1.9

-2

3.61

3.8

27.3

-0.3

0.09

2.1

4.41

6.3

31.3

-0.3

0.09

3.1

9.61

6.2

30.5

1.5

2.25

-0.9

-3

0.81

2.7

26.5

1.5

2.25

1.1

1.21

1.1

29.7

0.3

0.09

1.1
0
0

0
0
0

1.21
48.9
4.89

0
60
6

0
48
4.8

28.9
289
28.9

1.1
0
0

1.21
11
1

Podemos perceber que as diferenas (Y- Y ) so relativamente pequenas. Uma anlise


mais cuidadosa pode ser feita atravs da aplicao de testes estatsticos, nesse caso
ANOVA (teste de varincia) e teste t-Student.
Comearemos pela ANOVA, para tanto vamos precisar montar a tabela abaixo:
Tabela ANOVA
Soma dos Quadrados Graus de Liberdade (g.l.) Quadrados Mdios (QM)
2
SQE= b1 xi2
SQR= Y Y

SQT=

2
i

1
n-2

SQE/g.l.
SQR/g.l.

n-1

SQE/g.l + SQR/g.l.

Teste F

SQEmed/SQRmed

Obs: O grau de liberdade em relao ao SQE devido a termos apenas uma varivel independente; Em
relao a SQT, os graus devem ser iguais a varincia amostral, ou seja, n-1 (onde n o nmero da
elementos da amostra); E o grau de liberdade para SQR seria dado pela diferena entre este, ou seja n-2.

Onde,
Soma dos quadrados dos totais de y centrado
SQT yi2
Soma dos quadrados explicados
2
2
SQE Yi 2 b1 xi2 b1 xi2

Prof. Cludio Serra, Esp.

Soma dos quadrados dos resduos


2
SQR Y Y

Um outro parmetro utilizado constantemente o coeficiente de determinao, R2,


que explica percentualmente a relao entre as variveis do problema.

R2

SQE
SQT

Continuao do exemplo 1 - ANOVA


Tabela ANOVA
Soma dos Quadrados Graus de Liberdade (g.l.) Quadrados Mdios (QM)

Teste F

SQE=38.4
SQR=11.0
SQT=49.4

27.83

1
8
7

38.4
1.38
7.06

Agora que j temos o valor de F, precisamos testar a hiptese nula que as varincias so
diferentes, ou seja,
Ho = 12
Adotaremos um nvel de significncia () de 5%. Com esse valor e os nmeros de graus
de liberdade, acha-se na tabela um valor crtico de 5.32.
Como o F calculado maior que o F crtico ento se rejeita a hiptese Ho, o que
tambm quer dizer que as varincias so iguais, e conseqentemente o modelo de
regresso vlido.

Prof. Cludio Serra, Esp.

Exemplo 2 Resoluo do Exemplo 1 via Excel


Resoluo
A varivel dependente (Y) ser o ndice
Produo de Leite x ndice
pluviomtrico, sendo a produo de leite
Pluviomtrico
tipo c a varivel independente (X).
35
O grfico dos dados do exemplo 1
30
pode ser visto ao lado. Pelo grfico o
25
20
ajuste linear pode ser possvel, mas talvez
20
22
24
26
28
30
um ajuste polinomial seria mais indicado,
mas de qualquer forma, ser testado um
ajuste linear.
Ser utilizada a ferramenta Regresso do
software Excel, que pode ser acionado pelo
seguinte caminho: Ferramenta Anlise de
Dados Regresso.
Em Intervalo Y de entrada: devemos
selecionar na planilha o conjunto de clulas da
varivel dependente. Por sua vez, em Intervalo X
de entrada: devemos selecionar na planilha o
conjunto de clulas da varivel independente.
Nesta janela, tambm podemos selecionar as
opes relativas aos resduos.
Uma vez selecionado as clulas, basta clicar no boto de Ok que sero gerados
os dados na planilha.

Para o exemplo em questo, podemos destacar das tabelas geradas, as seguintes


informaes:
Na estatstica padro: R-quadadro = 0.7852
Na Anova: gl total =9 F=29.25

Prof. Cludio Serra, Esp.

E por fim: Interseo 8.9 Varivel X1 0.8


Assim a equao do modelo poder ser escrita como:

Y 8.9 0.8 X 1i
O resultado mostrado graficamente abaixo. Ento para um ndice de 24mm a
produo de leite seria de 28.1 milhes de litros de leite.
importante ressaltar que o ajuste no foi to bom, seria importante verificar
um novo modelo.

Uma outra maneira de fazer essa anlise, porm sem as mesmas informaes
seria utilizar o recurso de Adicionar Linha de Tendncia... No menu Grfico da barra de
menu do Excel.
Selecionado o modelo Linear, clicamos na aba Opes e marcamos as opes:
Exibir equao no grfico e Exibir valor do R-quadrado no grfico.

No se esquea, para inserir uma


Linha de tendncia o grfico deve
estar selecionado previamente.
Produo de Leite x ndice
Pluviomtrico y = 0.8x + 8.9
R2 = 0.7853
35
30
25
20
20

Prof. Cludio Serra, Esp.

22

24

26

28

30

Exemplo 2 Srie Temporal da Produo de Carne de Frango no


Brasil (1989-2003)
De acordo com a Associao Brasileira de Exportadora dos Produtores e
Exportadores de Frango, ABEF, a produo brasileira de carne de frango (em
mil toneladas) para o mercado interno e externo no perodo de 1989 a 2003
dada pela tabela abaixo:

Ano

Mercado Interno

Exportao

1,811
1,968
2,200
2,351
2,710
2,930
3,617
3,483
3,812
4,262
4,755
5,070
5,486
5,917
5,921

244
299
322
372
433
481
429
569
649
612
771
907
1,249
1,600
1,922

1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003

Total
2,055
2,267
2,522
2,727
3,143
3,411
4,050
4,052
4,461
4,875
5,526
5,977
6,736
7,517
7,843

Fonte: ABEF - Associao Brasileira dos Produtores e Exportadores de Frangos


(www.abef.com.br).

Resoluo
O primeiro passo para avaliar se os dados podem ser ajustados por um modelo
linear plotar suas variveis em um grfico.
Prod.de carne de frango
10,000
8,000
6,000
4,000
2,000
0

10

15

20

Pelo grfico percebe-se uma tendncia que a relao entre a produo de carne
de frango (varivel dependente, Y) e o tempo (varivel independente, X) seja

Prof. Cludio Serra, Esp.

dado por uma equao linear. Para determinar essa equao ser utilizado o
software Excel.
No Excel ser utilizada a ferramenta Regresso que um mdulo do Suplemento
Anlise de Dados.

Acionando-se essa ferramenta, o passo seguinte ser preencher a caixa de


dilogo da Regresso conforme os
dados.
Onde na opo Intervalo Y de
Entrada dever ser colocado o valor
da varivel dependente, e na opo
Intervalo X de Entrada, dever ser
colocado os valores da varivel
independente.

Prof. Cludio Serra, Esp.

10

Aps o preenchimento das caixas de dilogo basta pressionar o boto de Ok, e o


resultado aparecer em uma nova planilha. A figura abaixo mostra o resultado
para o exemplo em questo.

Dessa planilha se destacam os seguintes valores:


Na estatstica padro: R-quadadro = 0.9687
Na Anova: gl total =14 F=403.251
E por fim: Interseo 1146,99 Varivel X 416,30
Assim a equao do modelo poder ser escrita como:

Y 1146,99 416,30 X1i


Pode-se agora plotar os dados dos valores verdadeiros com os valores do
modelo.
Tambm se pode fazer prognstico para valores futuros. Por exemplo, para o
ano de 2004 o modelo prev uma produo de 7.807 toneladas de carne de
frango.
Regresso
Linear

10000.00

Prod.Carne e
Frango

8000.00
6000.00
4000.00
2000.00

Prof. Cludio Serra, Esp.

15

13

11

0.00

11

Uma outra maneira de fazer essa anlise, porm sem as mesmas informaes
seria utilizar o recurso de Adicionar Linha de Tendncia... no Menu Grfico da
barra de menu do Excel.
Selecionado o modelo Linear, clica-se na aba Opes e marca-se as
opes: Exibir equao no grfico e Exibir valor do R-quadrado no grfico.

No se esquea, para inserir uma


Linha de tendncia o grfico deve
estar selecionado previamente.
Produo brasileira de carne de frango milhes de toneladas
9
8
7

y = 416.3x + 1147
2
R = 0.9688

Milhes de toneladas

5
4
3
2
1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
Fonte: ABEF (www.abef.com.br).

Prof. Cludio Serra, Esp.

Ano

12

1.3 Regresso Linear Mltipla


Em algumas situaes mais do que uma varivel independente (X1,X2,...,Xn)
pode ser necessria para predizer o valor da varivel independente (Y). O modelo
matemtico para esse caso dado abaixo:

Yi b0 b1 X i b2 X 2i ... bk X ki i
Que para as n observaes poder se escrito da forma:

Y1 b0 b1 X 1 b2 X 21 ... bk X k1 1
Y2 b0 b1 X 2 b2 X 22 ... bk X k 2 2
... ...
...
...
... ...
...
Yn b0 b1 X n b2 X 2n ... bk X kn n
Que forma na realidade um sistema linear, que podermos escrever na forma de
matriz como:

Y1 1 X 1
Y 1 X
2
2
... ... ...

Y3 1 X n

X 21
X 22
...
X 2n

X k1 b1 1
X k 2 b2 2
.

... ... ...



X kn bk k

Que escrevendo ainda em outra em sua forma mais compacta temos:


Y bX
O estimador para b ser dado por:

b X ' X

X Y
1

'

Pela equao acima, h necessidade que o produto XX, tenha uma matriz
inversa, o que implica na condio obrigatria que nenhuma coluna da matriz X seja
combinao linear das outras.

Prof. Cludio Serra, Esp.

13

Exemplo 3 Manuteno do caminho


Uma agroindstria quer saber o custo de manuteno de seus caminhes durante
o corrente ano, para tanto foram coletadas informaes de quilometragem e
tempo do caminho. A tabela abaixo nos mostra esses valores.
Tempo do
Custo de
Quilometragem
caminho
(x1000)
Manuteno
(em anos)
832
73
647
553
467
373
283
189
96

6
7
9
11
13
15
17
18
19

8
7
6
5
4
3
2
1
0

Resoluo
Nesse caso ser feito diretamente anlise sem plotar o grfico. O procedimento
no software Excel : Ferramenta Anlise de Dados Regresso. No campo
Intervalo X de Entrada deve ser preenchida com a faixa de valores das variveis
independentes, que nesse caso so a quilometragem e o tempo do caminho.
Da planilha de resultados se destacam os seguintes valores:
Na estatstica padro: R-quadadro = 0.99
Erro padro: 2.106
Na Anova: gl total =8 F=56501.23
E por fim: Interseo 17.73 Varivel X1 4.06 e X2 98.507
Assim a equao do modelo poder ser escrita como:

Y 17.73 4.06 X1i 98.507 X 2i


Assim para um caminho com 5 anos com quilometragem de 10.000 milhas, o
custo de manuteno ser de $550.89.

Prof. Cludio Serra, Esp.

14

1.4 Regresso No Linear


Nem sempre a relao entre a varivel independente (X) e a varivel dependente
(Y) possui uma relao linear, em certos casos essa relao no-linear.
A figura abaixo mostra algumas dessas formas. Nesses casos, pode-se atravs de
mudanas de variveis resolver o problema utilizando basicamente as equaes j
mencionadas nesse material. Para os interessados nesses procedimentos sugere-se a
leitura das referncias indicadas no final do texto.
Para efeito de demonstrao da Regresso-Linear ser utilizado o Excel atravs
do seu recurso de Tendncia, todavia conforme j mencionado, esse no d informaes
estatsticas sobre o ajuste.

Exemplo 4 Srie Temporal da Produo de Carne de Frango no


Brasil (1989-2003)
De acordo com a Associao Brasileira de Exportadora dos Produtores e
Exportadores de Frango, ABEF, a produo brasileira de carne de frango (em
mil toneladas) para o mercado interno e externo no perodo de 1989 a 2003
dada pela tabela abaixo:

Ano
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003

Mercado Interno

Exportao

1,811
1,968
2,200
2,351
2,710
2,930
3,617
3,483
3,812
4,262
4,755
5,070
5,486
5,917
5,921

244
299
322
372
433
481
429
569
649
612
771
907
1,249
1,600
1,922

Total
2,055
2,267
2,522
2,727
3,143
3,411
4,050
4,052
4,461
4,875
5,526
5,977
6,736
7,517
7,843

Fonte: ABEF - Associao Brasileira dos Produtores e Exportadores de Frangos


(www.abef.com.br).

Prof. Cludio Serra, Esp.

15

Resoluo
Nesse exemplo ser avaliada somente a produo para o mercado externo, o
grfico que representa essa produo ao longo do ano pode ser visto logo abaixo.
Produo para o mercado interno de carne de
frango
2,500
2,000
1,500
Dados reais
1,000
500
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Analisando o grfico acima, verificase que o ajuste linear talvez no seja o


melhor modelo para representar esses
dados. Assim, escolhe-se dentre os
provveis o modelo polinomial de 3o
grau.
Alm disso, na aba Opes marca-se
as caixas Exibir equao no grfico e
Exibir valor de R-quadrado no grfico.
Com isso feito o resultado pode ser visto na figura seguinte. Repare na qualidade
do ajuste, o valor do coeficiente de determinao foi de 0.99.
Produo para o mercado interno de carne de
frango
2,500
2,000

y = 1.5329x 3 - 25.198x 2 + 157.04x + 79.16


R2 = 0.9914

1,500

Dados reais

1,000

Ajuste Polinomial

Assim, pode-se ento


500
estimar a produo para o
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
mercado externo de carne
de frango para 2004. O
valor previsto por esse modelo d ordem de 2419.87, pelo site da ABEF
(www.abef.com.br) verificou-se que essa associao previa 2115, e a exportao
real em 2004 foi de 2470.

Prof. Cludio Serra, Esp.

16

Rebanho bovino brasileiro efetivo por estado


(Mil cabeas)
Regies

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

Norte

13,317

15,362

15,847

17,067

17,966

19,183

17,983

19,298

21,099

22,431

24,518

27,284

30,429

RO
AC
AM
RR
PA
AP
TO

1,719
400
637
6,182
70
4,309

2,826
404
648
346
6,626
71
4,441

2,774
409
640
349
6,990
62
4,624

3,286
445
689
7,435
73
5,139

3,470
465
747
286
7,539
86
5,374

3,928
471
806
282
8,058
93
5,544

3,937
853
734
400
6,751
64
5,243

4,331
863
771
378
7,539
66
5,351

5,104
907
809
425
8,337
75
5,442

5,442
930
826
481
8,863
77
5,813

5,664
1,033
843
480
10,271
83
6,142

6,605
1,673
864
438
11,047
87
6,571

8,040
1,817
895
423
12,191
84
6,979

Nordeste

26,190

26,669

26,912

22,527

22,825

23,174

23,882

23,831

21,981

21,875

22,567

23,414

23,891

MA
PI
CE
RN
PB
PE
AL
SE
BA

3,900
1,974
2,621
956
1,345
1,966
891
1,030
11,505

3,949
2,046
2,625
966
1,315
1,952
961
1,047
11,808

3,931
2,029
2,602
930
1,320
1,923
959
1,058
12,160

4,020
1,982
2,098
566
859
1,271
802
908
10,022

4,102
2,054
2,186
646
975
1,349
822
815
9,877

4,162
2,135
2,266
722
1,054
1,362
834
797
9,841

3,936
1,730
2,400
935
1,305
1,954
839
946
9,838

3,905
1,737
2,411
941
1,303
1,682
956
946
9,950

3,937
1,751
2,114
793
929
1,470
900
918
9,168

3,966
1,756
2,168
755
886
1,420
815
937
9,171

4,094
1,779
2,206
804
953
1,516
779
880
9,557

4,483
1,792
2,194
788
918
1,673
843
866
9,856

4,776
1,804
2,230
839
952
1,753
816
863
9,856

Sudeste

36,323

36,724

37,231

37,627

37,604

37,168

36,605

36,977

37,074

36,899

36,852

37,119

37,924

MG
ES
RJ
SP

20,472
1,665
1,924
12,263

20,764
1,766
1,932
12,262

21,066
1,829
1,942
12,394

21,034
1,935
1,967
12,690

20,707
1,919
2,004
12,974

20,146
1,968
1,905
13,148

20,148
1,816
1,843
12,798

20,378
1,936
1,837
12,827

20,501
1,938
1,881
12,753

20,082
1,882
1,866
13,069

19,975
1,825
1,959
13,092

20,219
1,665
1,977
13,258

20,559
1,683
1,981
13,701

25,326

25,272

25,451

25,727

26,429

26,641

26,421

26,683

26,600

26,190

26,298

26,784

27,537

8,617
2,994
13,715

8,542
3,057
13,673

8,499
3,047
13,905

8,607
3,017
14,103

8,912
2,960
14,556

9,389
2,993
14,259

9,880
3,098
13,443

9,897
3,087
13,700

9,767
3,090
13,743

9,473
3,053
13,664

9,646
3,051
13,601

9,817
3,096
13,872

10,048
3,118
14,371

SUL
PR
SC
RS

Centro-Oeste

45,946

48,109

48,788

52,186

53,420

55,061

53,398

54,627

56,402

57,227

59,641

61,787

65,567

MS
MT
GO
DF

19,164
9,041
17,635
106

19,543
9,891
18,574
102

20,395
10,138
18,148
107

21,800
11,682
18,581
124

22,244
12,654
18,397
124

22,292
14,154
18,492
123

20,756
15,573
16,955
115

20,983
16,338
17,182
123

21,422
16,752
18,118
110

21,576
17,243
18,297
110

22,205
18,925
18,399
112

22,620
19,922
19,132
113

23,168
22,184
20,102
113

Brasil

147,102

152,136

154,229

155,134

158,243

161,228

158,289

161,416

163,154

164,621

169,876

176,389

185,347

Fonte: IBGE Pesquisa Pecuria Municipal (www.ibge.gov.br).

Prof. Cludio Serra, Esp.

17