PROF. Sérgio Freitas
Setembro/2009
1.Pretendia-se fazer um estudo sobre o número de irmãos dos alunos do 10º ano de escolaridade de uma Escola Secundária.
Para isso, efetuou-se um inquérito ao qual responderam 60 alunos.
Indique: a) a população em estudo
b) a amostra escolhida;
c) a variável em estudo e classifique-a.
2. Organize os dados abaixo em uma tabela de distribuição de freqüência, contendo o intervalo de classe, a freqüência absoluta, a freqüência acumulada, a freqüência relativa e a freqüência relativa acumulada.
3.Foi encomendado um estudo para avaliação de uma entidade de ensino superior. Para isso, aplicou-se um questionário e obteve-se respostas de 110 alunos.
Indique:
a) a variável em estudo;
c) a população em estudo;
b) a amostra escolhida;
4. Em uma pesquisa realizada em uma escola, identificou-se os seguintes indicadores
(1) idade
(2) anos de estudo
(3) ano de escolaridade
(4) renda
(5) sexo
(6) local de estudo
(7) conceito obtido na última prova de biologia
(8) Quantidade de livros que possui
a) Das variáveis acima, quais são as quantitativas e quais são as qualitativas?
b) Das variáveis quantitativas, diga quais são discretas?
5.Defina estatística e dê dois exemplos em que a estatística é útil.
6.Elaborar um questionário para levantar características dos alunos desta turma de Estatística Aplicada, tais como: sexo, idade, local de residência, semestre que está cursando, o curso, se trabalha e em que área, se é a primeira vez que faz a disciplina,peso e altura.
7.. O que é População? O que é Amostra?
8.A lista do número de irmãos dos alunos da turma F do 9º ano é a seguinte:
Construa : a tabela de frequências.
9. Examine os dados solicitados na tabela abaixo e classifique as variáveis em qualitativas (nominais ou ordinais) ou quantitativas (discretas ou contínuas):
Qualitativa nominal:
Qualitativa ordinal:
Quantitativa discreta:
Quantitativa contínua:
10.Determine os itens da tabela abaixo:
11. O gerente de uma fábrica de automóveis pretende lançar um novo automóvel no mercado, pelo que, encarrega uma empresa especialista em estudos de mercado de "estimar" a percentagem de potenciais compradores desse automóvel.
Aponte:
a)População b)Amostra c)Problema
"Ciência que dispõe de processos apropriados para recolher, organizar, classificar, apresentar e interpretar conjuntos de dados"
segunda-feira, 7 de setembro de 2009
domingo, 23 de agosto de 2009
NOTA DE AULA
Dados, Tabelas
Podemos classificar os dados que constituem a ou dados amostrais, em dois tipos fundamentais:
Dados qualitativos e dados quantitativos
Dados qualitativos : representam a informação que identifica alguma qualidade, categoria ou característica, não susceptível de medida, mas de classificação, assumindo várias modalidades.
Exemplo: O estado civil de um indivíduo é um dado qualitativo, assumindo as categorias: Solteiro, casado, viúvo e divorciado.
Podemos classificar os dados que constituem a ou dados amostrais, em dois tipos fundamentais:
Dados qualitativos e dados quantitativos
Dados qualitativos : representam a informação que identifica alguma qualidade, categoria ou característica, não susceptível de medida, mas de classificação, assumindo várias modalidades.
Exemplo: O estado civil de um indivíduo é um dado qualitativo, assumindo as categorias: Solteiro, casado, viúvo e divorciado.
Os dados qualitativos são organizados na forma de uma tabela de frequências que apresenta o número de elementos - frequência absoluta (ou só frequência) de cada uma das categorias ou classes. Numa tabela de frequências, além das frequências absolutas, também se apresentam as frequências relativas, onde:

Dimensão da amostra =Número de elementos da amostra.
Exemplo:
Num inquérito realizado a 150 indivíduos, estes tiveram de assinalar o sexo - M ou F, e o estado civil - Solteiro, Casado, Viúvo ou Divorciado. Uma forma de resumir a informação contida nos dados, no que diz respeito ao estado civil, é contruir uma tabela de frequências em que se consideram para as classes as diferentes modalidades que o estado civil pode tomar:

Dados Quantitativos
Dados Quantitativos consistem em números que representam contagens ou medidas.
Quando trabalhamos com dados quantitativos, é importante usar as unidades de medida apropriadas, tais como dólares, horas, metros, e assim por diante. Devemos ter especial cuidado em observar referências como “todas as quantidades estão em milhares de dólares” ou “todos os tempos estão em centésimos de segundo” ou “as unidades são quilogramas”. Ignorar tais unidades de medida pode levar a conclusões muito erradas.
VARIÁVEL
Dados Quantitativos consistem em números que representam contagens ou medidas.
Quando trabalhamos com dados quantitativos, é importante usar as unidades de medida apropriadas, tais como dólares, horas, metros, e assim por diante. Devemos ter especial cuidado em observar referências como “todas as quantidades estão em milhares de dólares” ou “todos os tempos estão em centésimos de segundo” ou “as unidades são quilogramas”. Ignorar tais unidades de medida pode levar a conclusões muito erradas.
VARIÁVEL
Variável é uma característica ou condição das unidades de população.
*Variáveis Qualitativas (ou categóricas): são as características que não possuem valores quantitativos, mas, ao contrário, são definidas por várias categorias, ou seja, representam uma classificação dos indivíduos. Podem ser nominais ou ordinais.
a)Variáveis nominais: não existe ordenação dentre as categorias. Exemplos: sexo, cor dos olhos, fumante/não fumante, doente/sadio,tipo sangüíneo, estado civil, procedência,, raça, cor dos cabelos.
b)Variáveis ordinais: existe uma ordenação entre as categorias. Exemplos: escolaridade (1o, 2o, 3o graus), estágio da doença (inicial, intermediário, terminal), mês de observação (janeiro, fevereiro,..., dezembro).
* A variável quantitativa é expressa por meio de números , com todas as suas propriedades . são as características que podem ser medidas em uma escala quantitativa, ou seja, apresentam valores numéricos que fazem sentido. Podem ser contínuas ou discretas.
a)Variáveis discretas: características mensuráveis que podem assumir apenas um número finito ou infinito contável de valores e, assim, somente fazem sentido valores inteiros. Geralmente são o resultado de contagens. Exemplos: número de filhos, número de bactérias por litro de leite, número de cigarros fumados por dia, no de células em uma determinada área microscópica, idade, no de funcionários, no de alunos ou do nº de acidentes, por dia, em determinado cruzamento.
b)Variáveis contínuas, características mensuráveis que assumem valores em uma escala contínua (na reta real), para as quais valores fracionais fazem sentido. Usualmente devem ser medidas através de algum instrumento. Exemplos: peso (balança), altura (régua), tempo (relógio), pressão arterial, idade.

Como organizar os dados ? Os dados são organizados na forma de uma tabela de frequências, análoga à construída para o caso dos dados qualitativos. No entanto, em vez das categorias apresentam-se os valores distintos da amostra, os quais vão constituir as classes.
Dados contínuos
contínua: os possíveis valores formam um intervalo de números reais;no caso de uma variável contínua, esta pode tomar todos os valores numéricos, inteiros ou não, compreendidos no seu intervalo de variação - temos por exemplo as medidas lineares, de superfície ou de volume peso, a altura, temperatura,etc...
Como organizar os dados? Enquanto que no caso de dados discretos, a construção da tabela de frequências não apresenta qualquer dificuldade, no caso das variáveis contínuas o processo é um pouco mais elaborado, distinguindo-se certas etapas principais.

sábado, 22 de agosto de 2009
NOTA DE AULA
Processos Estatísticos de Abordagem
Quando solicitado sobre um fenômeno coletivo podemos optar entre os seguintes processos estatísticos:
a) Censo : é uma avaliação direta de um parâmetro, utilizando todos os componentes da população. Ex.: censos demográficos, censos agropecuários, censos comerciais.
*Propriedades do censo : Admite erro processual zero,é caro , lento , é quase sempre desatualizado e nem sempre é viável.
b) Estimação : é uma avaliação indireta de um parâmetro , com base em um estimador através do cálculo de probabilidades.
*Propriedades da estimação: Admite erro processual positivo, é barata , é rápida , é atualizada e sempre viável.
DADOS ESTATÍSTICOS
Normalmente, no trabalho estatístico o pesquisador se vê obrigado a lidar com uma grande quantidade de valores numéricos resultantes de um censo ou de uma estimação, valores numéricos chamados de dados estatísticos.
a)Estatística descritiva – é a parte da Estatística tem por objetivo descrever os dados observados.São atributos da Estatística Descritiva :
*Obtenção de dados – normalmente feita através de um questionário ou de observação direta de uma população ou amostra.
**Organização dos dados - ordenação e crítica quanto à correção dos valores observados ,falhas humanas , omissões, abandono de dados duvidosos etc.
***Redução dos dados – A redução dos dados deve ser trabalhada em duas formas básicas: variável discreta (resultam de uma operação de contagem) e variável contínua (resultam de operação de medição).
****A representação dos dados – são mais facilmente compreendidos quando apresentados através de uma representação gráfica.
b)Estatística indutiva – é a parte da Estatística que tem por objetivo obter e generalizar conclusões para a população a partir de uma amostra., através do cálculo de propabilidade.
· DADOS BRUTOS – é uma seqüência de valores numéricos não organizados , obtidos diretamente da observação de um fenômeno coletivo.
· ROL - é uma seqüência ordenada dos dados brutos
Exemplo : No final do ano letivo , um aluno obteve as seguinte notas bimestrais em Matemática : 4; 8; 7,5; 6,5.
Neste exemplo X: representa nota bimestral e pode ser representada na forma :
X: 4; 8; 7,5; 6,5. (dados brutos) e X: 4; 6,5; 7,5; 8. (rol)
Quando solicitado sobre um fenômeno coletivo podemos optar entre os seguintes processos estatísticos:
a) Censo : é uma avaliação direta de um parâmetro, utilizando todos os componentes da população. Ex.: censos demográficos, censos agropecuários, censos comerciais.
*Propriedades do censo : Admite erro processual zero,é caro , lento , é quase sempre desatualizado e nem sempre é viável.
b) Estimação : é uma avaliação indireta de um parâmetro , com base em um estimador através do cálculo de probabilidades.
*Propriedades da estimação: Admite erro processual positivo, é barata , é rápida , é atualizada e sempre viável.
DADOS ESTATÍSTICOS
Normalmente, no trabalho estatístico o pesquisador se vê obrigado a lidar com uma grande quantidade de valores numéricos resultantes de um censo ou de uma estimação, valores numéricos chamados de dados estatísticos.
a)Estatística descritiva – é a parte da Estatística tem por objetivo descrever os dados observados.São atributos da Estatística Descritiva :
*Obtenção de dados – normalmente feita através de um questionário ou de observação direta de uma população ou amostra.
**Organização dos dados - ordenação e crítica quanto à correção dos valores observados ,falhas humanas , omissões, abandono de dados duvidosos etc.
***Redução dos dados – A redução dos dados deve ser trabalhada em duas formas básicas: variável discreta (resultam de uma operação de contagem) e variável contínua (resultam de operação de medição).
****A representação dos dados – são mais facilmente compreendidos quando apresentados através de uma representação gráfica.
b)Estatística indutiva – é a parte da Estatística que tem por objetivo obter e generalizar conclusões para a população a partir de uma amostra., através do cálculo de propabilidade.
· DADOS BRUTOS – é uma seqüência de valores numéricos não organizados , obtidos diretamente da observação de um fenômeno coletivo.
· ROL - é uma seqüência ordenada dos dados brutos
Exemplo : No final do ano letivo , um aluno obteve as seguinte notas bimestrais em Matemática : 4; 8; 7,5; 6,5.
Neste exemplo X: representa nota bimestral e pode ser representada na forma :
X: 4; 8; 7,5; 6,5. (dados brutos) e X: 4; 6,5; 7,5; 8. (rol)
domingo, 16 de agosto de 2009
NOTA DE AULA
Estatística - NOTA DE AULA DIA 2/2/2010
Ciência que dispõe de processos apropriados para recolher, organizar, classificar, apresentar e interpretar conjuntos de dados"
A Estatística é, hoje, uma ciência dinâmica que agrega uma série de métodos de coleta, análise, interpretação e apresentação de conjuntos de dados numéricos. Com freqüência cada vez maior, os processos de decisão se valem dos serviços de análise e interpretação de dados, dependendo sempre da utilização adequada da Estatística.
A estatística fornece-nos as técnicas para extrair informação de dados, os quais são muitas vezes incompletos, na medida em que nos dão informação útil sobre o problema em estudo, não realçando, no entanto, aspectos importantes.
É objetivo da Estatística extrair informação dos dados para obter uma melhor compreensão das situações que representam.
Estatística descritiva: é a 1a etapa de análise: organizar e descrever os dados
Inferência estatística: analisa e interpreta os dados: gera conclusões. (mas a amostra deve ter sido colhida com cuidado).
Uma noção fundamental em Estatística é a de conjunto ou agregado, conceito para o qual se usam, indiferentemente, os termos População ou universo.
Alguns conceitos básicos: população e amostra
População: um conjunto de elementos com uma característica comum, que delimita quais os elementos que pertencem ou não à população, que se pretendem estudar.
Exemplos de população:
A- conjunto de pessoas com mais de 30 anos
B-conjunto de cidades com mais de 50.000 habitantes
C-conjunto de insetos que possuem 2 pares de asas
D-conjunto de estudantes não repetentes
Amostra: é qualquer subconjunto da população. É necessariamente finita pois todos os seus elementos são examinados de acordo com aquela estatística.
Exemplos:
A. População: os artigos produzidos por uma máquina em dado dia
Amostra: 10 desses artigos escolhidos para inspeção
B. População: as alturas dos alunos da nossa sala.
Amostra: as alturas de 50 alunos selecionados
C. Problema: estudar os salários dos 600 funcionários da UNINOVE.
População: os salários correspondentes aos 600 funcionários da UNINOVE
Amostra: os 36 salários dos funcionários selecionados
D. Problema: estudar a proporção de indivíduos na cidade que é favorável a um certo projeto municipal.
População: todos os moradores da cidade
Amostra: 200 pessoas selecionadas
Exemplo : Relativamente à população constituída pelos alunos do 1(primeiro) semestre matriculados na Ciências da Computação , podemos estar interessados em estudar as seguintes características populacionais:
Altura (em cm) dos alunos:
Depois de medir a altura de cada aluno, obteríamos um conjunto de dados com o seguinte aspecto:
145, 161, 158, 156, 146, ... ,140, 139, 162
Notas obtidas na disciplina de Estatística, em LPT:
10, 15, 13, 16, 9, 11, 10, ... , 18, 11, 13, 8
Ciência que dispõe de processos apropriados para recolher, organizar, classificar, apresentar e interpretar conjuntos de dados"
A Estatística é, hoje, uma ciência dinâmica que agrega uma série de métodos de coleta, análise, interpretação e apresentação de conjuntos de dados numéricos. Com freqüência cada vez maior, os processos de decisão se valem dos serviços de análise e interpretação de dados, dependendo sempre da utilização adequada da Estatística.
A estatística fornece-nos as técnicas para extrair informação de dados, os quais são muitas vezes incompletos, na medida em que nos dão informação útil sobre o problema em estudo, não realçando, no entanto, aspectos importantes.
É objetivo da Estatística extrair informação dos dados para obter uma melhor compreensão das situações que representam.
Estatística descritiva: é a 1a etapa de análise: organizar e descrever os dados
Inferência estatística: analisa e interpreta os dados: gera conclusões. (mas a amostra deve ter sido colhida com cuidado).
Uma noção fundamental em Estatística é a de conjunto ou agregado, conceito para o qual se usam, indiferentemente, os termos População ou universo.
Alguns conceitos básicos: população e amostra
População: um conjunto de elementos com uma característica comum, que delimita quais os elementos que pertencem ou não à população, que se pretendem estudar.
Exemplos de população:
A- conjunto de pessoas com mais de 30 anos
B-conjunto de cidades com mais de 50.000 habitantes
C-conjunto de insetos que possuem 2 pares de asas
D-conjunto de estudantes não repetentes
Amostra: é qualquer subconjunto da população. É necessariamente finita pois todos os seus elementos são examinados de acordo com aquela estatística.
Exemplos:
A. População: os artigos produzidos por uma máquina em dado dia
Amostra: 10 desses artigos escolhidos para inspeção
B. População: as alturas dos alunos da nossa sala.
Amostra: as alturas de 50 alunos selecionados
C. Problema: estudar os salários dos 600 funcionários da UNINOVE.
População: os salários correspondentes aos 600 funcionários da UNINOVE
Amostra: os 36 salários dos funcionários selecionados
D. Problema: estudar a proporção de indivíduos na cidade que é favorável a um certo projeto municipal.
População: todos os moradores da cidade
Amostra: 200 pessoas selecionadas
Exemplo : Relativamente à população constituída pelos alunos do 1(primeiro) semestre matriculados na Ciências da Computação , podemos estar interessados em estudar as seguintes características populacionais:
Altura (em cm) dos alunos:
Depois de medir a altura de cada aluno, obteríamos um conjunto de dados com o seguinte aspecto:
145, 161, 158, 156, 146, ... ,140, 139, 162
Notas obtidas na disciplina de Estatística, em LPT:
10, 15, 13, 16, 9, 11, 10, ... , 18, 11, 13, 8
GRÁFICOS ESTATÍSTICOS
São representações visuais dos dados estatísticos que devem corresponder, mas nunca substituir as tabelas estatísticas.
Características:
Uso de escalas, sistema de coordenadas, simplicidade, clareza e veracidade.
Gráficos de informação: São gráficos destinados principalmente ao público em geral, objetivando proporcionar uma visualização rápida e clara. São gráficos tipicamente expositivos, dispensando comentários explicativos adicionais. As legendas podem ser omitidas, desde que as informações desejadas estejam presentes.
Gráficos de análise: São gráficos que prestam-se melhor ao trabalho estatístico, fornecendo elementos úteis à fase de análise dos dados, sem deixar de ser também informativos. Os gráficos de análise frequentemente vêm acompanahdos de uma tabela estatística. Inclui-se, muitas vezes um texto explicativo, chamando a atenção do leitor para os pontos principais revelados pelo gráfico.
Uso indevido de Gráficos: Podem trazer uma idéia falsa dos dados que estão sendo analisados, chegando mesmo a confundir o leitor. Trata-se, na realidade, de um problema de construção de escalas.
.
Classificação dos gráficos: Diagramas, Estereogramas, Pictogramas e Cartogramas.
.
1 - Diagramas:
São gráficos geométricos dispostos em duas dimensões. São os mais usados na representação de séries estatísticas. Eles podem ser :
1.1- Gráficos em barras horizontais.
1.2- Gráficos em barras verticais ( colunas ).
Quando as legendas não são breves usa-se de preferência os gráficos em barras horizontais. Nesses gráficos os retângulos têm a mesma base e as alturas são proporcionais aos respectivos dados. A ordem a ser observada é a cronológica, se a série for histórica, e a decrescente, se for geográfica ou categórica.
1.3- Gráficos em barras compostas.
1.4- Gráficos em colunas superpostas.
Eles diferem dos gráficos em barras ou colunas convencionais apenas pelo fato de apresentar cada barra ou coluna segmentada em partes componentes. Servem para representar comparativamente dois ou mais atributos.
1.5- Gráficos em linhas ou lineares.
São frequentemente usados para representação de séries cronológicas com um grande número de períodos de tempo. As linhas são mais eficientes do que as colunas, quando existem intensas flutuações nas séries ou quando há necessidade de se representarem várias séries em um mesmo gráfico.
Quando representamos, em um mesmo sistema de coordenadas, a variação de dois fenômenos, a parte interna da figura formada pelos gráficos desses fenômeno é denomidada de área de excesso.
1.5- Gráficos em setores.
Este gráfico é contruído com base em um círculo, e é empregado sempre que desejamos ressaltar a participação do dado no total. O total é representado pelo círculo, que fica dividido em tantos setores quantas são as partes. Os setores são tais que suas áreas são respectivamente proporcionais aos dados da série. O gráfico em setores só deve ser empregado quando há, no máximo, sete dados.
Obs: As séries temporais geralmente não são representadas por este tipo de gráfico.
.
2 - Estereogramas:
São gráficos geométricos dispostos em três dimensões, pois representam volume. São usados nas representações gráficas das tabelas de dupla entrada. Em alguns casos este tipo de gráfico fica difícil de ser interpretado dada a pequena precisão que oferecem.
.
3 - Pictogramas:
São construídos a partir de figuras representativas da intensidade do fenômeno. Este tipo de gráfico tem a vantagem de despertar a atenção do público leigo, pois sua forma é atraente e sugestiva. Os símbolos deven ser auto-explicativos. A desvantagem dos pictogramas é que apenas mostram uma visão geral do fenômeno, e não de detalhes minuciosos. Veja o exemplo abaixo:
4- Cartogramas: São ilustrações relativas a cartas geográficas (mapas). O objetivo desse gráfico é o de figurar os dados estatísticos diretamente relacionados com áreas geográficas ou políticas.
Características:
Uso de escalas, sistema de coordenadas, simplicidade, clareza e veracidade.
Gráficos de informação: São gráficos destinados principalmente ao público em geral, objetivando proporcionar uma visualização rápida e clara. São gráficos tipicamente expositivos, dispensando comentários explicativos adicionais. As legendas podem ser omitidas, desde que as informações desejadas estejam presentes.
Gráficos de análise: São gráficos que prestam-se melhor ao trabalho estatístico, fornecendo elementos úteis à fase de análise dos dados, sem deixar de ser também informativos. Os gráficos de análise frequentemente vêm acompanahdos de uma tabela estatística. Inclui-se, muitas vezes um texto explicativo, chamando a atenção do leitor para os pontos principais revelados pelo gráfico.
Uso indevido de Gráficos: Podem trazer uma idéia falsa dos dados que estão sendo analisados, chegando mesmo a confundir o leitor. Trata-se, na realidade, de um problema de construção de escalas.
.
Classificação dos gráficos: Diagramas, Estereogramas, Pictogramas e Cartogramas.
.
1 - Diagramas:
São gráficos geométricos dispostos em duas dimensões. São os mais usados na representação de séries estatísticas. Eles podem ser :
1.1- Gráficos em barras horizontais.
1.2- Gráficos em barras verticais ( colunas ).
Quando as legendas não são breves usa-se de preferência os gráficos em barras horizontais. Nesses gráficos os retângulos têm a mesma base e as alturas são proporcionais aos respectivos dados. A ordem a ser observada é a cronológica, se a série for histórica, e a decrescente, se for geográfica ou categórica.
1.3- Gráficos em barras compostas.
1.4- Gráficos em colunas superpostas.
Eles diferem dos gráficos em barras ou colunas convencionais apenas pelo fato de apresentar cada barra ou coluna segmentada em partes componentes. Servem para representar comparativamente dois ou mais atributos.
1.5- Gráficos em linhas ou lineares.
São frequentemente usados para representação de séries cronológicas com um grande número de períodos de tempo. As linhas são mais eficientes do que as colunas, quando existem intensas flutuações nas séries ou quando há necessidade de se representarem várias séries em um mesmo gráfico.
Quando representamos, em um mesmo sistema de coordenadas, a variação de dois fenômenos, a parte interna da figura formada pelos gráficos desses fenômeno é denomidada de área de excesso.
1.5- Gráficos em setores.
Este gráfico é contruído com base em um círculo, e é empregado sempre que desejamos ressaltar a participação do dado no total. O total é representado pelo círculo, que fica dividido em tantos setores quantas são as partes. Os setores são tais que suas áreas são respectivamente proporcionais aos dados da série. O gráfico em setores só deve ser empregado quando há, no máximo, sete dados.
Obs: As séries temporais geralmente não são representadas por este tipo de gráfico.
.
2 - Estereogramas:
São gráficos geométricos dispostos em três dimensões, pois representam volume. São usados nas representações gráficas das tabelas de dupla entrada. Em alguns casos este tipo de gráfico fica difícil de ser interpretado dada a pequena precisão que oferecem.
.
3 - Pictogramas:
São construídos a partir de figuras representativas da intensidade do fenômeno. Este tipo de gráfico tem a vantagem de despertar a atenção do público leigo, pois sua forma é atraente e sugestiva. Os símbolos deven ser auto-explicativos. A desvantagem dos pictogramas é que apenas mostram uma visão geral do fenômeno, e não de detalhes minuciosos. Veja o exemplo abaixo:
4- Cartogramas: São ilustrações relativas a cartas geográficas (mapas). O objetivo desse gráfico é o de figurar os dados estatísticos diretamente relacionados com áreas geográficas ou políticas.
INSTRUMENTAL MATEMÁTICO
Arredondamento de dados
Muitas vezes, é necessário ou conveniente suprimir unidades inferiores às de determinada ordem. Esta técnica é denominada arredondamento de dados.
De acordo com a resolução 886/66 do IBGE, o arredondamento é feito da seguinte maneira:
1 - Quando o primeiro algarismo a ser abandonado é 0,1,2,3 ou 4, fica inalterado o último algarismo a permanecer.
Ex: 53,24 passa a 53,2 ; 44,03 passa a 44,0
2 - Quando o primeiro algarismo a ser abandonado é 6,7,8, ou 9, aumenta-se de uma unidade o algarismo a permanecer.
Ex: 53,87 passa a 53,9 ; 44,08 passa a 44,1 ; 44,99 passa a 45,0
3 - Quando o primeiro algarismo a ser abandonado é 5, há duas soluções:
a) Se ao 5 seguir em qualquer casa um algarismo diferente de zero, aumenta-se uma unidade ao algarismo a permanecer.
Ex: 2,352 passa a 2,4 ; 25,6501 passa a 25,7 ; 76,250002 passa a 76,3
b) Se o 5 for o último algarismo ou se ao 5 só se seguirem zeros, o último algarismo a ser conservado só será aumentando de uma unidade se for ímpar.
Exemplos:
24,75 passa a 24,8
24,65 passa a 24,6
24,75000 passa 24,8
24,6500 passa a 24,6
Obs: Não devemos nunca fazer arredondamento sucessivos. Exemplo: 17,3452 passa a 17,3 e não para 17,35 e depois para 17,4.
Compensação
Suponhamos os dados abaixo, aos quais aplicamos as regras do arredondamento:
25,32 + 17,85 + 10,44 + 31,17 = 84,78
25,3 + 17,8 + 10,4 + 31,2 = 84,7
Verificamos que houve uma pequena discordância: a soma é exatamente 84,7 quando, pelo arredondamento, deveria ser 84,8. entretanto, para a apresentação dos resultados, é necessário que desapareça tal diferença, o que é possível pela prática do que denominamos compensação, conservando o mesmo número de casas decimais.
Usamos "descarregar" a diferença na(s) maior(es) parcela(s). Veja:
25,3 + 17,8 + 10,4 + 31,3 = 84,8
Obs: Se a maior parcela é igual ou maior que o dobro de qualquer outra parcela, "descarregamos" a diferença apenas na maior parcela.
Muitas vezes, é necessário ou conveniente suprimir unidades inferiores às de determinada ordem. Esta técnica é denominada arredondamento de dados.
De acordo com a resolução 886/66 do IBGE, o arredondamento é feito da seguinte maneira:
1 - Quando o primeiro algarismo a ser abandonado é 0,1,2,3 ou 4, fica inalterado o último algarismo a permanecer.
Ex: 53,24 passa a 53,2 ; 44,03 passa a 44,0
2 - Quando o primeiro algarismo a ser abandonado é 6,7,8, ou 9, aumenta-se de uma unidade o algarismo a permanecer.
Ex: 53,87 passa a 53,9 ; 44,08 passa a 44,1 ; 44,99 passa a 45,0
3 - Quando o primeiro algarismo a ser abandonado é 5, há duas soluções:
a) Se ao 5 seguir em qualquer casa um algarismo diferente de zero, aumenta-se uma unidade ao algarismo a permanecer.
Ex: 2,352 passa a 2,4 ; 25,6501 passa a 25,7 ; 76,250002 passa a 76,3
b) Se o 5 for o último algarismo ou se ao 5 só se seguirem zeros, o último algarismo a ser conservado só será aumentando de uma unidade se for ímpar.
Exemplos:
24,75 passa a 24,8
24,65 passa a 24,6
24,75000 passa 24,8
24,6500 passa a 24,6
Obs: Não devemos nunca fazer arredondamento sucessivos. Exemplo: 17,3452 passa a 17,3 e não para 17,35 e depois para 17,4.
Compensação
Suponhamos os dados abaixo, aos quais aplicamos as regras do arredondamento:
25,32 + 17,85 + 10,44 + 31,17 = 84,78
25,3 + 17,8 + 10,4 + 31,2 = 84,7
Verificamos que houve uma pequena discordância: a soma é exatamente 84,7 quando, pelo arredondamento, deveria ser 84,8. entretanto, para a apresentação dos resultados, é necessário que desapareça tal diferença, o que é possível pela prática do que denominamos compensação, conservando o mesmo número de casas decimais.
Usamos "descarregar" a diferença na(s) maior(es) parcela(s). Veja:
25,3 + 17,8 + 10,4 + 31,3 = 84,8
Obs: Se a maior parcela é igual ou maior que o dobro de qualquer outra parcela, "descarregamos" a diferença apenas na maior parcela.
sexta-feira, 24 de outubro de 2008
Computadores Simulam vida Artificial
Computadores simulam vida artificial
Uma nova forma de estudar sistemas biológicos vem adquirindo cada vez mais importância nos últimos anos: a simulação, em programas de computador, de características típicas de organismos vivos, como evolução, adaptação e aumento da diversidade. Ao invés de trabalhar com seres vivos em laboratório, essa técnica permite investigar, num "mundo biológico virtual", temas como o papel da cooperação entre seres vivos na evolução ou mesmo a origem da vida.
Um exemplo de estudo nessa área é a evolução pré-biótica, ou seja, o estudo dos processos que levaram ao aparecimento da vida conforme a entendemos hoje - antes, portanto, do surgimento das células e do DNA. Nessa linha, o físico Paulo Roberto de Araújo Campos, do Instituto de Física da Universidade de São Paulo (USP), em São Carlos, simula a evolução das moléculas de RNA, que, segundo se suspeita, já existia antes do DNA. A idéia da sua pesquisa é codificar uma seqüência de RNA em dígitos binários (uma seqüência de zeros e uns, a linguagem "entendida" pelos computadores) e simular a ação das duas principais influências evolucionárias: a seleção natural e as mutações aleatórias. Com isso, investiga as possíveis características da evolução pré-biótica, procurando por indicações sobre como tal situação pode ter evoluído para uma biosfera com organismos celulares com RNA e DNA.
No mesmo instituto, a física Viviane Moraes de Oliveira usa a computação para pesquisar a ecologia evolucionária - relacionada com a evolução da relação entre as espécies, como o aumento da biodiversidade, o papel da cooperação entre espécies na evolução etc. No computador, é simulada a evolução de um conjunto de espécies que competem entre si, analisando o número de indivíduos ao longo das gerações. O método utilizado é o da física estatística, uma área da física que estuda sistemas constituídos de um número muito grande de componentes (por exemplo, com esse método pode-se considerar um gás formado de um grande número de átomos e daí extrair as leis físicas do gás como um todo). Com essa abordagem, é possível, por exemplo, analisar o papel, na evolução ao longo das gerações, do nível de cooperação entre as espécies e da complexidade dos organismos. Um estudo desse tipo foi publicado por Viviane no início deste ano, em um artigo no European Physical Journal B (volume 31, pág. 259).
Criaturas virtuaisOs programas de computador usados por Campos e Viviane simulam organismos replicadores. Em uma outra abordagem, chamada genericamente de "vida digital", os próprios programas se replicam automaticamente. Como vírus de computador, são softwares capazes de fazer rapidamente inúmeras cópias de si mesmos - só que de forma controlada. É possível introduzir mutações aleatórias (pequenos defeitos nas réplicas) e mecanismos de seleção, análogos ao da seleção natural, e assim simular a competição entre espécies e outros fenômenos evolucionários.
Observa-se, em tais populações de "organismos virtuais", um processo de evolução que simula várias características da evolução biológica. Em 1991, o ecólogo especialista em plantas tropicais Tom Ray conseguiu pela primeira vez criar programas auto-replicantes que sofrem uma rápida diversificação na sua população (diversos tipos ou "espécies" de programas apareciam em número crescente) e também um aumento da "adaptação" - ou seja, após alguns milhares de gerações, os programas estavam se replicando muito mais rápido do que seus ancestrais originais feitos a mão.
Nos anos seguintes, os "mundos virtuais" ficaram cada vez mais sofisticados. Pouco depois do trabalho de Ray, Chrostoph Adami obteve programas que ficavam não só cada vez mais rápidos, mas também cada vez mais complexos.
Esses programas são capazes de se adaptar às condições do "meio", desenvolvendo "estratégias" de "sobrevivência" e "contra-estratégias" que suplantam estratégias adotadas anteriormente por espécies rivais. O pesquisador Karl Sims, do Projeto de Biologia Digital (Biota), desenvolveu uma série de "criaturas" virtuais que aparecem na tela do computador como "seres" feitos de blocos retangulares. Esses "seres digitais" são capazes de se deslocar pelo espaço e mover as partes dos seus corpos em busca de "alimentos" (seu objetivo é caminhar até um certo ponto da tela, que representa o "alimento"). Quem encontra o alimento tem mais chances de se reproduzir, o que proporciona uma pressão de seleção natural análoga à dos organismos vivos.
Introduzindo mutações aleatórias, essas criaturas são capazes de gerar, através das gerações, novas formas e novas estratégias de adaptação para que possam capturar o alimento. Após muitas gerações, aparecem criaturas complexas, capazes de fazer movimentos sofisticados. Vídeos com exemplos de seres virtuais como esses estão disponíveis na Internet.
Esses estudos propiciam possibilidades novas, como ampliar a perspectiva da biologia para uma classe mais ampla de organismos vivos do que a que existe na Terra. Até há pouco tempo, não era possível investigar as possibilidades que a biologia poderia oferecer fora dos paradigmas presentes na Terra - moléculas orgânicas baseadas em cadeias de carbono, presença de células etc. As técnicas da vida digital podem permitir discriminar quais características da vida são devidas à forma particular do organismo e quais são independentes do seu substrato material, podendo ocorrer em organismos biológicos, em robôs ou em simulações digitais.
Além disso, o tempo transcorrido entre uma geração e outra em organismos digitais é muito menor do que em organismos biológicos. Isso remove uma das grandes dificuldades do estudo da evolução: o tempo transcorrido entre as gerações, que fazia com que a evolução em longo prazo, com milhares de gerações, envolvesse experimentos excessivamente longos. O novo método permite também ter uma precisão estatística maior, pois pode-se lidar com populações maiores.
A biologia digital, entretanto, não pode tudo. Como lembram Claus Wilke, do Laboratório de Vida Digital no Instituto de Tecnologia de Pasadena (EUA) e Christopher Adami, do Laboratório de Propulsão a Jato do mesmo instituto, em um artigo em uma edição de 2002 da revista Trends in Ecology & Evolution (volume 17, pág. 528), "em contraste com os estudos puramente experimentais com bactérias e vírus, a pesquisa com organismos digitais é restrita a questões abstratas sobre princípios gerais." Não é possível fazer estudos específicos para uma ameba ou um cachorro e, portanto, evitar experimentos com animais.
O que é vidaA possibilidade de simular aspectos gerais da vida em sistemas não-vivos provocou uma reavaliação da concepção geral do que vem a ser vida. Muitos cientistas assumem uma postura pragmática, adotando conceitos particulares de vida que levam em conta algumas de suas características básicas. Para Paulo Campos, "o que consegue manter a informação evolutiva é vida". Os organismos vivos são capazes de reter em si e transmitir informação (genética, por exemplo) para réplicas suas de forma autônoma, sem intervenção externa, e essa é a característica explorada na pesquisa de Campos.
Discussões mais filosóficas sobre o conceito de vida aparecem nos próprios congressos científicos sobre vida artificial e cientistas eminentes como Christopher Langton, reconhecido por muitos como o fundador da área da vida artificial, reconhecem a possibilidade de situações onde a vida digital é indistinguível da vida "real".
Em uma conferência da área em junho de 1992 em Santa Fé (EUA), o cientista húngaro Stevan Harnad, então do Laboratório de Cognição e Movimento da Universidade de Aix Marseille II, na França (atualmente, na Universidade de Southampton, no Reino Unido), relatou uma conversa com Langton, que era justamente o organizador da conferência. Segundo Harnad, ele propunha que, se pudéssemos codificar em um programa de computador todas as condições iniciais da biosfera, bem como todos os mecanismos evolutivos, a simulação poderia evoluir até a representação de formas de vida exatamente como ocorreu com a biosfera real - chegando, inclusive, a simular os próprios Langton e Harnad e a conversa que travavam naquele instante. Langton então perguntou como se poderia, nessas condições, distinguir entre a vida real e a vida simulada.
Harnad, na conferência, contestou a impossibilidade de diferenciar as duas coisas, centrando na distinção entre os objetos em si e a sua descrição simbólica. Segundo ele, no caso dos objetos reais, não há mediação de nenhuma interpretação entre as características e os próprios objetos; já no caso da descrição simbólica, "os únicos 'objetos' são os símbolos físicos escolhidos e suas interações sintaticamente restringidas; o resto é apenas nossa interpretação dos símbolos e interações como se eles fossem as propriedades dos objetos que descrevem."
Porém, esses argumentos podem depender da forma como a vida é encarada. O filósofo Alvaro Moreno, da Universidade do País Basco (Espanha), lembra que está emergindo uma noção de que as propriedades características dos sistemas vivos "não são conseqüência de uma determinada materialidade, mas de uma determinada organização". Tal corrente chama-se "funcionalismo". Em um artigo apresentado na Sétima Conferência Internacional sobre Simulação e Síntese de Sistemas Vivos, em Portland (EUA), em 2000, Moreno argumenta: "afirma-se que a fenomenologia biológica é exclusivamente resultado de algum arranjo organizacional, ao invés de uma implementação material particular. Na verdade, a questão de se esses arranjos organizacionais são sustentados por moléculas de carbono ou silício, ou por padrões de elétrons em um computador, é considerada completamente irrelevante."
Leia também:Evolução Digital de Funções Complexas (Maria Carolina de Oliveira Aguiar e Silvia Cristina Pabón Escobar), no Radar da Ciência
Uma nova forma de estudar sistemas biológicos vem adquirindo cada vez mais importância nos últimos anos: a simulação, em programas de computador, de características típicas de organismos vivos, como evolução, adaptação e aumento da diversidade. Ao invés de trabalhar com seres vivos em laboratório, essa técnica permite investigar, num "mundo biológico virtual", temas como o papel da cooperação entre seres vivos na evolução ou mesmo a origem da vida.
Um exemplo de estudo nessa área é a evolução pré-biótica, ou seja, o estudo dos processos que levaram ao aparecimento da vida conforme a entendemos hoje - antes, portanto, do surgimento das células e do DNA. Nessa linha, o físico Paulo Roberto de Araújo Campos, do Instituto de Física da Universidade de São Paulo (USP), em São Carlos, simula a evolução das moléculas de RNA, que, segundo se suspeita, já existia antes do DNA. A idéia da sua pesquisa é codificar uma seqüência de RNA em dígitos binários (uma seqüência de zeros e uns, a linguagem "entendida" pelos computadores) e simular a ação das duas principais influências evolucionárias: a seleção natural e as mutações aleatórias. Com isso, investiga as possíveis características da evolução pré-biótica, procurando por indicações sobre como tal situação pode ter evoluído para uma biosfera com organismos celulares com RNA e DNA.
No mesmo instituto, a física Viviane Moraes de Oliveira usa a computação para pesquisar a ecologia evolucionária - relacionada com a evolução da relação entre as espécies, como o aumento da biodiversidade, o papel da cooperação entre espécies na evolução etc. No computador, é simulada a evolução de um conjunto de espécies que competem entre si, analisando o número de indivíduos ao longo das gerações. O método utilizado é o da física estatística, uma área da física que estuda sistemas constituídos de um número muito grande de componentes (por exemplo, com esse método pode-se considerar um gás formado de um grande número de átomos e daí extrair as leis físicas do gás como um todo). Com essa abordagem, é possível, por exemplo, analisar o papel, na evolução ao longo das gerações, do nível de cooperação entre as espécies e da complexidade dos organismos. Um estudo desse tipo foi publicado por Viviane no início deste ano, em um artigo no European Physical Journal B (volume 31, pág. 259).
Criaturas virtuaisOs programas de computador usados por Campos e Viviane simulam organismos replicadores. Em uma outra abordagem, chamada genericamente de "vida digital", os próprios programas se replicam automaticamente. Como vírus de computador, são softwares capazes de fazer rapidamente inúmeras cópias de si mesmos - só que de forma controlada. É possível introduzir mutações aleatórias (pequenos defeitos nas réplicas) e mecanismos de seleção, análogos ao da seleção natural, e assim simular a competição entre espécies e outros fenômenos evolucionários.
Observa-se, em tais populações de "organismos virtuais", um processo de evolução que simula várias características da evolução biológica. Em 1991, o ecólogo especialista em plantas tropicais Tom Ray conseguiu pela primeira vez criar programas auto-replicantes que sofrem uma rápida diversificação na sua população (diversos tipos ou "espécies" de programas apareciam em número crescente) e também um aumento da "adaptação" - ou seja, após alguns milhares de gerações, os programas estavam se replicando muito mais rápido do que seus ancestrais originais feitos a mão.
Nos anos seguintes, os "mundos virtuais" ficaram cada vez mais sofisticados. Pouco depois do trabalho de Ray, Chrostoph Adami obteve programas que ficavam não só cada vez mais rápidos, mas também cada vez mais complexos.
Esses programas são capazes de se adaptar às condições do "meio", desenvolvendo "estratégias" de "sobrevivência" e "contra-estratégias" que suplantam estratégias adotadas anteriormente por espécies rivais. O pesquisador Karl Sims, do Projeto de Biologia Digital (Biota), desenvolveu uma série de "criaturas" virtuais que aparecem na tela do computador como "seres" feitos de blocos retangulares. Esses "seres digitais" são capazes de se deslocar pelo espaço e mover as partes dos seus corpos em busca de "alimentos" (seu objetivo é caminhar até um certo ponto da tela, que representa o "alimento"). Quem encontra o alimento tem mais chances de se reproduzir, o que proporciona uma pressão de seleção natural análoga à dos organismos vivos.
Introduzindo mutações aleatórias, essas criaturas são capazes de gerar, através das gerações, novas formas e novas estratégias de adaptação para que possam capturar o alimento. Após muitas gerações, aparecem criaturas complexas, capazes de fazer movimentos sofisticados. Vídeos com exemplos de seres virtuais como esses estão disponíveis na Internet.
Esses estudos propiciam possibilidades novas, como ampliar a perspectiva da biologia para uma classe mais ampla de organismos vivos do que a que existe na Terra. Até há pouco tempo, não era possível investigar as possibilidades que a biologia poderia oferecer fora dos paradigmas presentes na Terra - moléculas orgânicas baseadas em cadeias de carbono, presença de células etc. As técnicas da vida digital podem permitir discriminar quais características da vida são devidas à forma particular do organismo e quais são independentes do seu substrato material, podendo ocorrer em organismos biológicos, em robôs ou em simulações digitais.
Além disso, o tempo transcorrido entre uma geração e outra em organismos digitais é muito menor do que em organismos biológicos. Isso remove uma das grandes dificuldades do estudo da evolução: o tempo transcorrido entre as gerações, que fazia com que a evolução em longo prazo, com milhares de gerações, envolvesse experimentos excessivamente longos. O novo método permite também ter uma precisão estatística maior, pois pode-se lidar com populações maiores.
A biologia digital, entretanto, não pode tudo. Como lembram Claus Wilke, do Laboratório de Vida Digital no Instituto de Tecnologia de Pasadena (EUA) e Christopher Adami, do Laboratório de Propulsão a Jato do mesmo instituto, em um artigo em uma edição de 2002 da revista Trends in Ecology & Evolution (volume 17, pág. 528), "em contraste com os estudos puramente experimentais com bactérias e vírus, a pesquisa com organismos digitais é restrita a questões abstratas sobre princípios gerais." Não é possível fazer estudos específicos para uma ameba ou um cachorro e, portanto, evitar experimentos com animais.
O que é vidaA possibilidade de simular aspectos gerais da vida em sistemas não-vivos provocou uma reavaliação da concepção geral do que vem a ser vida. Muitos cientistas assumem uma postura pragmática, adotando conceitos particulares de vida que levam em conta algumas de suas características básicas. Para Paulo Campos, "o que consegue manter a informação evolutiva é vida". Os organismos vivos são capazes de reter em si e transmitir informação (genética, por exemplo) para réplicas suas de forma autônoma, sem intervenção externa, e essa é a característica explorada na pesquisa de Campos.
Discussões mais filosóficas sobre o conceito de vida aparecem nos próprios congressos científicos sobre vida artificial e cientistas eminentes como Christopher Langton, reconhecido por muitos como o fundador da área da vida artificial, reconhecem a possibilidade de situações onde a vida digital é indistinguível da vida "real".
Em uma conferência da área em junho de 1992 em Santa Fé (EUA), o cientista húngaro Stevan Harnad, então do Laboratório de Cognição e Movimento da Universidade de Aix Marseille II, na França (atualmente, na Universidade de Southampton, no Reino Unido), relatou uma conversa com Langton, que era justamente o organizador da conferência. Segundo Harnad, ele propunha que, se pudéssemos codificar em um programa de computador todas as condições iniciais da biosfera, bem como todos os mecanismos evolutivos, a simulação poderia evoluir até a representação de formas de vida exatamente como ocorreu com a biosfera real - chegando, inclusive, a simular os próprios Langton e Harnad e a conversa que travavam naquele instante. Langton então perguntou como se poderia, nessas condições, distinguir entre a vida real e a vida simulada.
Harnad, na conferência, contestou a impossibilidade de diferenciar as duas coisas, centrando na distinção entre os objetos em si e a sua descrição simbólica. Segundo ele, no caso dos objetos reais, não há mediação de nenhuma interpretação entre as características e os próprios objetos; já no caso da descrição simbólica, "os únicos 'objetos' são os símbolos físicos escolhidos e suas interações sintaticamente restringidas; o resto é apenas nossa interpretação dos símbolos e interações como se eles fossem as propriedades dos objetos que descrevem."
Porém, esses argumentos podem depender da forma como a vida é encarada. O filósofo Alvaro Moreno, da Universidade do País Basco (Espanha), lembra que está emergindo uma noção de que as propriedades características dos sistemas vivos "não são conseqüência de uma determinada materialidade, mas de uma determinada organização". Tal corrente chama-se "funcionalismo". Em um artigo apresentado na Sétima Conferência Internacional sobre Simulação e Síntese de Sistemas Vivos, em Portland (EUA), em 2000, Moreno argumenta: "afirma-se que a fenomenologia biológica é exclusivamente resultado de algum arranjo organizacional, ao invés de uma implementação material particular. Na verdade, a questão de se esses arranjos organizacionais são sustentados por moléculas de carbono ou silício, ou por padrões de elétrons em um computador, é considerada completamente irrelevante."
Leia também:Evolução Digital de Funções Complexas (Maria Carolina de Oliveira Aguiar e Silvia Cristina Pabón Escobar), no Radar da Ciência
Assinar:
Postagens (Atom)



