UNIVERSIDADE FEDERAL DO MARANHÃO

PROFESSOR: Ermisandro Pereira da Silva

CURSO: Ciências Contábeis
TURNO: Noturno
DISCIPLINA: Métodos Quantitativos Aplicada a
Contabilidade
CARGA HORÁRIA: 60 H

IMPERATRIZ-MA
17/03/2018
 MÉTODOS QUANTITATIVOS APLICADA A
CONTABILIDADE

É a Estatística Indutiva ou Inferencial:

Envolve a análise e a interpretação dos
dados (associados a uma margem de
incerteza) cujos métodos que se
fundamentam na teoria da probabilidade.
Nela encontramos a Estimação de
Parâmetros, Testes de Hipóteses,
Modelagens, etc.
POR QUE ESTATÍSTICA?
O QUE É TOMADA DE DECISÃO?
O FUTURO?
 EXEMPLOS:

1- Em uma urna contem 14 bolas vermelhas, 15 bolas

pretas, 5 azuis e 11 verde. Retirando – se ao acaso
uma bola por vez desta urna, qual o número mínimo
de retirada para ter certeza que tirarei uma bola azul?
2- Um baralho convencional possui 52 cartas, sendo
13 de cada naipe, copa, espada, ouros e paus. Qual o
número mínimo de cartas que devem ser retirada de
um baralho convencional para que possa afirmar que
necessariamente dentre as cartas haverá pelo menos
uma de cada naipe?
 ATITUDES DIANTE O RISCO!

Como a vida é cheia de riscos e incertezas. Há,

então, pessoas:
- que jogam loteria ou roleta;
- há aquelas que são toureiros ou astronautas;
- outros aceitam gerenciar empresas quebradas;
- outros se atrevem a serem prefeitos (muitos arriscam
o carácter em troca de dinheiro);
- há empresários visionários (e exitosos);
 ATITUDES DIANTE O RISCO!
- há eternos enamorados que se entregam por completo,
etc.
- há quem renuncia um cômodo emprego que não
apresenta defeitos ou ameaças;
- há quem nunca joga e nunca será espontâneo em uma
praça de touros de Madri;
- Outros, dizem que “um bom investimento deve ser feito
tendo em conta que não tire o sono, ainda que não dê
para se comer muito bem”;
- Por último, alguns que nunca saem de si mesmos
porque a entrega total lhes dá medo.
 COMPORTAMENTO HUMANO DIANTE O
RISCO E INCERTEZAS

As diferenças no comportamento humano

devem-se às diferentes atitudes diante o risco.
Mesmo uma única pessoa reage a esse
fato da vida de várias maneiras:
- Em algumas situações, optamos por ignorar a
incerteza;
- Em outras, tentamos lidar com ela
explicitamente.
 COMPORTAMENTO HUMANO DIANTE O
RISCO E INCERTEZAS
Existem situações em que o nível de incerteza
é alto demais para ser ignorado, e devemos como
gestores, levá-lo em conta.
Há muitos exemplos: todo o setor de seguros é
um deles.
Outros exemplos incluem investimentos em
ações, títulos e bens imóveis, assim como qualquer
atividade na qual um produto é criado
antecipadamente à demanda.
ENTENDENDO O FUTURO...
 SITUAÇÃO DETERMINÍSTICA

Existem coisas que temos certeza que

acontecerão no futuro e nos resta apenas torná‐las
melhor....
EXEMPLO
Reduzindo os custos operacionais da minha empresa
terei um lucro maior. O lucro depende de várias
variáveis de decisão (salários, custo da mercadoria,
etc.). Estas variáveis poderão ter restrições. Podemos,
então, ajustá-las, obedecendo às restrições, de tal
forma que o lucro seja Máximo.
SITUAÇÃO DETERMINÍSTICA
 SITUAÇÃO DE INCERTEZA TOTAL
Qual o dia e hora que Alberto vai morrer?
Estas e outras perguntas a respeito do
futuro não podem ser modeladas por simples
métodos estatísticos. O Alberto vai morrer uma
vez só, não tem como a gente dizer que em
média ele morrerá no dia 11/09/2018 (para a
alegria de muita gente).
POR QUE ESTUDAR ESTATÍSTICA?
 ALGUMAS APLICAÇÕES DA ESTATÍSTICA

1. Eleições: Anúncio prévio, em termos percentuais, de que o candidato A

é o provável vencedor. (A previsão pode ser feita após a contagem de 2%
dos votos);
2. Indústria: Teste de lâmpadas flash" para máquinas fotográficas. O
fabricante deve saber com antecedência se o lote fabricado pode ser
colocado no mercado ou não (Ele pode estar sujeito a riscos !
O Recall é um exemplo, onde ocorre a retirada ou troca de produtos
devido a uma falha em algum estágio de fabricação não detectado pelo
controle de qualidade);
3. Meteorologia: Informa que a “chance" de chuva para hoje é de 30%
(utilização de métodos estatísticos de previsão);
4. Mercado de Valores: Decisão na compra ou venda de ações – “Risco";
5. Instituições Bancárias/Crédito: Análise de crédito; Seguro de Vida
e/ou de automóveis;
ALGUMAS APLICAÇÕES DA ESTATÍSTICA

6. IBGE/índices: Censo; Taxa de desemprego; Inflação;

Custo de vida; Valor do salário mínimo, cesta básica,
índices de preços‐INPC; Taxa de mortalidade/Natalidade;
Índices de analfabetismo, etc..
7. Farmácia/Medicina: Analisar a entrada de um novo
medicamento, verificando a sua eficácia. “Deve‐se tomar
muito cuidado" com a tomada de decisão;
8. Pesquisas: Estudo sobre hábitos migratórios de certo
animal; Estimação do tamanho populacional de certas
espécies;
ALGUMAS APLICAÇÕES DA ESTATÍSTICA
9. Experimentação Agrícola: Estudos de uma nova variedade
de semente (modificação genética) ou de fertilizantes;
10. Telecomunicações: A utilização da Internet gera
informações preciosas de clientes ; Controle de tráfego
telefônico, chamadas e consumo, forçam a utilização de
modelos estatísticos complexos;
11. Experimentação Zootécnica: Estudo do desenvolvimento
de um animal e análise de fatores que influenciam neste
desenvolvimento tais como, alimentação, cativeiro e outros;
Melhoramento genético; Pesquisas com vacinas animais entre
outros.
ENTENDENDO A ESTATÍSTICA...
DIVISÕES DA ESTATÍSTICA
DIAGRAMA
 POPULAÇÃO E AMOSTRA
• População é a coleção de todas as observações potenciais
sobre determinado fenômeno.
Ela (conjunto Universo) pode ser:
1. Finita – apresenta um nº limitado de observações.
2. Infinita – apresenta um nº ilimitado de observações que é
impossível de se contar.
POPULAÇÃO E AMOSTRA
POPULAÇÃO E AMOSTRA
 OS CONFLITOS E AS CONTRADIÇÕES
• A inferência estatística permite chegar a conclusões
amplas (gerais, sobre o universo estudado) a partir de
uma série mais restrita (amostra) de informações (dados
estatísticos). Daí a importância do ensino da estatística
na formação de várias categorias profissionais de nível
superior.
• Por meio da estatística fazemos, por exemplo, melhor
análise dos conflitos e contradições que estamos
pesquisando no momento e, assim, nós tomamos
decisões que irão influenciar a resolução dos conflitos
até então discutidos.
EXEMPLO – CONTROLE DE QUALIDADE
RESUMO
 EXERCÍCIOS DE FIXAÇÃO
1. Classifique as variáveis em qualitativas ou quantitativas
(contínuas ou discretas):
a) População (ou Universo): alunos de uma escola. Variável: cor dos
cabelos ‐ _________________.
b) População: casais residentes em uma cidade Variável: nº de
filhos ‐ _______________.
c) População: as jogadas de um dado Variável: o ponto obtido em
cada jogada ‐ _______________.
d) População: peças produzidas por certa máquina. Variável: nº de
peças produzidas por hora ‐ _______________.
d) População: peças produzidas por certa máquina. Variável:
diâmetro externo ‐ __________________.
2. Diga quais das variáveis abaixo são discretas e
quais são contínuas:
a) População (ou Universo): crianças de uma cidade. Variável: cor dos
olhos ‐ _______________.
b) População: dados de uma estação meteorológica de uma cidade.
Variável: precipitação pluviométrica, durante o ano ‐ ___________.
c) População: dados da Bolsa de Valores de São Paulo – IBOVESPA.
Variável: número de ações negociadas ‐ _______________.
d) População: funcionários de uma empresa. Variável: salários ‐
________.
e) População: pregos produzidos por uma máquina. Variável:
comprimento ‐ ______________.
f) População: casais residentes numa cidade. Variável: sexo dos filhos ‐
_____________.
g) População: propriedades agrícolas do Brasil. Variável: produção de
soja ‐ ____________.
h) População: segmentos de reta. Variável: comprimento ‐
______________.
i) População: bibliotecas de Catanduva. Variável: nº de volumes ‐
_________.
j) População: aparelhos produzidos em uma linha de montagem. Variável:
nº de defeitos por unidade ‐ ___________________.
k) População: indústrias de uma cidade. Variável: retorno sobre o
capital próprio empregado-____________________.
 - ROL:
No aspecto descritivo da estatística,
os dados brutos, ou seja, aqueles obtidos
diretamente da pesquisa, não permitem uma
análise direta, daí porque necessitam ser
ordenados na forma de um rol.

O QUE É O ROL?
 Tomemos como exemplo os depósitos bancários
feitos pela empresa AKI-SE-TRABALHA, expressos em
milhares de Reais, nos meses de fevereiro e março de 2017.
 - ROL:

Pode-se conceituar rol como o arranjo dos

dados brutos em ordem crescente. A finalidade do
rol é permitir, de maneira mais clara e concisa, a
análise dos dados, de sorte a visualizar o maior e
o menor valor, a amplitude dos dados e os
elementos que se repetem.
 Arranjando os dados da tabela anterior em
ordem crescente, na forma de rol, obtemos a
disposição constante da Tabela 2.
 MEDIDAS DE TENDÊNCIA CENTRAL

A média, assim como a mediana e a moda são

medidas de tendência central, ou seja, são usadas
para indicar um valor que tende a tipificar, ou a
representar melhor, um conjunto de números, conforme
ensina STEVENSON (p.19).
COSTA (p. 56), por seu turno, prefere
conceituar as medidas de tendência central como
estatísticas, cujos valores estão próximos do centro de
um conjunto de dados.
 MEDIDAS DE TENDÊNCIA CENTRAL
MEDRI (p. 22) prefere afirmar que as medidas de
tendência central são aquelas que produzem um valor
em torno do qual os dados observados se distribuem, e
que visam sintetizar em um único número o conjunto de
dados.
Essa última definição, que remete ao aspecto da
distribuição dos dados, parece ser a mais correta,
porque as medidas de tendência, não necessariamente
representam melhor o conjunto, ao final de uma análise
e porque a noção de centro, não significa,
necessariamente, proximidade.
 MÉDIA SIMPLES
Denomina-se como média simples ou média
aritmética o resultado da divisão da soma de todos os n
valores amostrados pelo número de elementos amostrados.
Em termos numéricos, pode-se representar a
média da seguinte forma:
 Utilizando-se os dados colhidos na empresa
AKI-SE-TRABALHA6, pode-se calcular a média da
seguinte forma:
• Soma dos elementos = 98,70
• Número de elementos do rol = 43
• Média = 2,30
 STEVENSON (p. 20), discorrendo sobre a
média apresenta suas propriedades, quais sejam:
1. A média de um conjunto de números pode ser
sempre calculada.
2. Para um dado conjunto de números, a média é
única.
3. A média é sensível a (ou afetada por) todos os
valores do conjunto. Assim, se um valor se modifica,
a média também se modifica.
4. Somando-se uma constante a cada valor do
conjunto, a média ficará aumentada do valor dessa
constante. Assim, somando-se 4,5 a cada valor de
um conjunto, a média ficará aumentada de 4,5.
Analogamente, subtraindo-se cada valor do conjunto
uma constante, ou multiplicando-se ou dividindo-se
por ela cada valor do conjunto, a média fica reduzida
dessa constante, ou multiplicada ou dividida por ela.
5. A soma dos desvios dos números de um conjunto
a contar da média é zero.
 MÉDIA PONDERADA

Na apuração da média simples, cada

elemento observado e constante do rol tem a
mesma importância, ou, fazendo uma analogia
com a média ponderada, a importância é
unitária, ou seja, todos os elementos tem
importância igual a 1.
 Ao contrário, quando os elementos constantes do rol
tem importâncias diferentes há a necessidade de,
primeiramente, ajustar os valores do rol, conforme suas
respectivas importâncias. Essas importâncias diferentes são
denominadas por SPIEGEL (p. 55) como fatores de
ponderação ou pesos.
A média ponderada é representada com o uso da
seguinte fórmula:
 Exemplificando o uso da média ponderada,
destacamos como exemplo um aluno que realizou quatro
provas e um exame final, sendo que as provas 1 e 3 tem
peso 1, as provas 2 e 4 possuem peso 2 e o exame final
possui peso 3. Os dados estão representados na tabela a
seguir:
 MEDIANA
A mediana é o ponto (ou elemento) eu divide o rol em
duas partes iguais. Caso o número de elementos do rol seja
ímpar, a mediana será o elemento central do rol. Na hipótese
do número de elementos ser par, a mediana terá dois valores
centrais e corresponderá à média entre esses dois valores.
Suponhamos o seguinte rol, constituído de 10
elementos:
13,1 – 13,1 – 13,1 – 13,2 – 13,3 – 13,5 – 13,5 – 13,7 – 13,7 –
13,9
 Os elementos centrais são os números 13,3 e 13,5,
donde a mediana corresponde à média entre esses dois
valores, ou seja, 13,4.
Em outra situação, o rol anterior é acrescido de um
elemento, qual seja, o número 14,0, passando a ter 11
elementos e a compor-se da seguinte forma:
13,1 – 13,1 – 13,1 – 13,2 – 13,3 – 13,5 – 13,5 – 13,7 –
13,7 – 13,9 – 14,0
Verifica-se que, nesse caso, a mediana é,
exatamente, o elemento central, no caso, 13,5.
 São propriedades da mediana:
1. Existe somente uma mediana para um conjunto de
dados.
2. A mediana não é afetada pelos valores extremos
como a média aritmética, por isso, se diz que a
mediana é uma medida robusta.
3. Sempre que o rol estiver constituído em
progressão aritmética (PA), a média será equivalente
à mediana.
 MODA
Nesse aspecto, MEDRI (p. 23) e STEVENSON (p.
23) concordam na conceituação, definindo,
simplesmente, que a moda é o valor que ocorre com
maior freqüência num conjunto. Conseqüência desse
conceito é que se todos os elementos do conjunto forem
diferentes entre si, não haverá moda.
A moda não é fruto de um cálculo, ela resulta de
uma observação e, por essa razão, não se presta,
diretamente, à análise matemática. Contudo, o valor da
moda chama atenção sempre que estiver próximo ou
coincidir com a média ou com a mediana, posto que
reforçará a tendência central da apuração.
 MEDIDAS DA DISPERSÃO
Apurado um valor médio para os elementos
de um rol torna-se necessário examinar as medidas de
dispersão dos demais elementos em relação à
tendência central, como meio de definir a variabilidade
que os dados apresentam entre si. COSTA (p. 78)
prefere chamar essas medidas como Medidas de
Variabilidade.
Somente não haverá dispersão quando todos
os elementos do rol forem iguais, como ensina MEDRI
(p. 25). As medidas de dispersão, assim, apresentam o
grau de agregação dos dados.
 Tomemos um exemplo numérico proposto por MEDRI
(p. 26) para destacar a importância da análise das medidas
de dispersão ou de variabilidade.
 Pode-se observar que enquanto a série A não
apresenta qualquer variabilidade entre os seus elementos,
as séries B e C apresentam dispersão, sendo que a da série
C é maior que a da série B. Chamamos atenção para o fato
de que, para as três séries, tanto a média quanto a mediana
são iguais.
Contudo, nem todas as séries analisadas terão
situação clara como a presente, pelo que torna-se
necessário calcular outros elementos de apoio matemático
para que se possa precisar, no mais das vezes, qual a série
ou conjunto de dados mais estável, isto é, que apresenta a
menor dispersão entre os seus elementos.
 AMPLITUDE TOTAL
De modo geral a amplitude total corresponde à diferença entre
o maior e o menor elemento de um conjunto de observações ou de um
rol. Como é lastreada apenas nos valores extremos, apresenta
limitação em seu aspecto conclusivo, como alerta MEDRI (p. 26).
No caso dos dados agrupados na tabela 4, podemos
calcular a Amplitude Total e sintetizar os dados como segue:
VARIÂNCIA
DESVIO PADRÃO
 COEFICIENTE DE VARIAÇÃO

APÓS CALCULAR O DESVIO PADRÃO A PERGUNTA

QUE SEGUE É A SEGUINTE: O DESVIO É GRANDE OU
PEQUENO. ESSA QUESTÃO É RELEVANTE QUANDO SE
QUER SABER A PRECISÃO DO MÉTODO INDICADO EM UMA
PESQUISA.
CONTUDO, EM VALORES NOMINAIS A QUESTÃO
NÃO PODE SER RESPONDIDA POSTO QUE DEPENDE DA
GRANDEZA DOS NÚMEROS ENVOLVIDOS. COM EFEITO. EM
UMA BASE DE OBSERVAÇÃO COM VALORES MÉDIOS DE
10.000 E MODA E MEDIANA NESSA MESMA FAIXA, UM DESVIO
DE 10 É IRRISÓRIO. CONTUDO, ESSE MESMO DESVIO PARA
VALORES CUJA OBSERVAÇÃO MÉDIA TÍPICA É 50 TORNA-SE
BASTANTE ELEVADO.
 Para responder a indagação primitiva é necessário
utilizar o Coeficiente de Variação, que, conforme MEDRI (p.
27), é um número adimensional, isto é, um número puro e é
usualmente expresso em porcentagem. Quanto menor o
coeficiente de variação, mais homogêneo é o conjunto
analisado.
A fórmula de cálculo do Coeficiente de Variação é
a seguinte:
 REFERÊNCIAS BIBLIOGRÁFICAS:
COSTA, Sérgio Francisco. Introdução Ilustrada à Estatística (com muito humor!). 2ª
ed. São Paulo: Harbra, 1992.
GUERRA, Mauri José; DONAIRE, Denis. Estatística Indutiva - teoria e aplicações. 3ª
ed. São Paulo: LCTE, 1986.
LEMOS, Aluisio Andrade. HIGUCHI, Fidefico. FRIDMAN, Salomão. Matemática. São
Paulo: Moderna, 1976.
LIPSCHUTZ, Seymour. Probabilidade. 4ª ed. rev. São Paulo: Makron Books, 1993.
MEDRI, Waldir. Métodos quantitativos aplicados à Contabilidade. Londrina: UEL,
2003.
STEVENSON, William J. Estatística aplicada à administração. 1ª ed. São Paulo:
1981.