Estatistica aplicada à gestão

de João Veríssimo Lisboa, Arnaldo Coelho, Filipe Coelho, Filipe Almeida e outros

- Cálculo Financeiro

de João Veríssimo Lisboa e Mário Gomes Augusto

O ensino da estatística em qualquer dos ciclos do ensino da Gestão tem estado sempre presente, refletindo, assim, a importância desta matéria na formação dos gestores.

Apesar de ser um livro de características essencialmente pedagógicas, o seu público alvo será os alunos que frequentam as disciplinas de estatística em qualquer dos níveis do ensino superior. No entanto, dada a natureza aplicada do seu conteúdo, também poderá ser um instrumento útil para os responsáveis pela gestão das empresas, nomeadamente na análise de situações que incluem cenários de incerteza.

Considerando a enorme abrangência da estatística e o público a que nos dirigimos, neste texto, para além de quatro capítulos clássicos geralmente destina­dos aos alunos de licenciatura, decidimos também incluir um que trata o tema das componentes principais e análise fatorial e, um outro, destinado ao estudo dos modelos de equações estruturais, capítulos estes, especialmente dirigidos aos alunos de MBA, doutoramento e investigadores em geral.

Em cada um dos capítulos são apresentados exemplos práticos para melhor compreensão dos assuntos abordados.

ESTATÍSTICA APLICADA À GESTÃO

- Introdução à Gestão de Organizações

João Veríssimo Lisboa

de João Veríssimo Lisboa e Mário Gomes Augusto

ESTATÍSTICA APLICADA À GESTÃO

Mário Gomes Augusto

- Gestão de Operações

Pedro Lopes Ferreira

OUTRAS OBRAS DOS AUTORES PUBLICADAS PELA VIDA ECONÓMICA:

ESTATÍSTICA APLICADA À GESTÃO

Mário Gomes Augusto licenciou-se em Economia (1991) e Doutorou-se em Gestão de Empresas (2004) pela Faculdade de Economia da Universidade de Coimbra, sendo atualmente docente nesta instituição. Leciona um grupo de disciplinas da área financeira, fazendo também parte, como investigador, do grupo de Gestão de Operações do Instituto de Sistemas e Robótica (Pólo de Coimbra). Tem diversos trabalhos publicados em revistas científicas, nacionais e internacionais, assim como alguns livros. É detentor do prémio Rogério Fernandes Ferreira, edição de 2007.

João Veríssimo Lisboa Mário Gomes Augusto Pedro Lopes Ferreira

ISBN 978-972-788-448-3

www.vidaeconomica.pt ISBN: 978-972-788-448-3 Visite-nos em livraria.vidaeconomica.pt

9 789727 884483

João Veríssimo Lisboa licenciou-se em Finanças pelo ISEG (1974) e possui o PhD em Industrial Management (1988) pela Universidade de Clemson (USA), sendo atualmente docente da Faculdade de Economia da Universidade de Coimbra (FEUC). Foi bolseiro da AID e Visiting Fulbright Professor. Na FEUC tem lecionado a disciplina de Cálculo Financeiro e Estatística entre outras, e exercido também diversos cargos de gestão. É investigador do Instituto de Sistemas e Robótica (Pólo de Coimbra), sendo nesta unidade responsável pelo grupo de Gestão de Operações. Tem diversos trabalhos publicados em revistas científicas, nacionais e internacionais, assim como alguns livros.

Pedro Lopes Ferreira licenciou-se em Matemática Aplicada pela FCTUC (1976) e possui o PhD Industrial Engineering pela Universidade de Wisconsin-Madison, EUA (1990). É atualmente docente da Faculdade de Economia da Universidade de Coimbra. Nesta Faculdade tem lecionado disciplinas de Estatística e na área da medição de resultados em saúde e das politicas e sistemas de saúde. É Diretor do Centro de Estudos e Investigação em Saúde da Universidade de Coimbra, Coordenador do Observatório Português dos Sistemas de Saúde, Membro fundador do Capítulo IberoAmericano da International Society of Quality of Life. Tem diversos trabalhos publicados em revistas científicas nacionais e internacionais, assim como alguns livros.

Nota prévia O ensino da estatística em qualquer dos ciclos do ensino da Gestão tem estado sempre presente, refletindo, assim, a importância desta matéria na formação dos gestores. É abundante a literatura existente sobre esta disciplina, sendo também volumosa a quantidade de temas a tratar. Faltava no entanto, em português, um livro que reunisse não só aquelas matérias tradicionalmente incluídas nos curricula dos cursos de gestão ao nível do primeiro ciclo, mas também conteúdos de natureza mais avançada, que nestes últimos anos têm vindo a ser objeto de uma grande utilização, quer ao nível da investigação, quer em trabalhos aplicados.

Partimos do princípio que os utilizadores deste livro já têm alguns conhecimentos básicos de estatística, sem descurar no entanto aqueles leitores que, por terem terminado os seus estudos superiores de gestão há mais tempo ou por lacunas na aprendizagem desta disciplina, não têm presentes alguns conceitos considerados fundamentais para a compreensão de matérias mais avançadas. Incluímos para este efeito os três capítulos iniciais que procuram precisamente ir ao encontro destes leitores e ao mesmo tempo refrescar a memória daqueles que já são mais conhecedores dos temas ali tratados.

Este é um livro de características essencialmente pedagógicas, pelo que o seu público alvo serão os alunos que frequentam as disciplinas de estatística, incluídas não só nos planos curriculares das licenciaturas em Gestão, mas também dos cursos de pós-graduação, nomeadamente MBA e programas de doutoramento nesta área.

No entanto, dada a natureza aplicada do seu conteúdo, também poderá ser um instrumento útil para os responsáveis pela gestão das empresas, nomeadamente na análise de situações que incluem cenários de incerteza.

Considerando a enorme abrangência da estatística e o público alvo, decidimos incluir neste texto, para além dos quatro capítulos clássicos geralmente destinados aos alunos do primeiro ciclo, o capítulo V, dedicado à análise da variância (Métodos de Taguchi), o capítulo VI, que aborda a estatísticas não paramétricas, o capítulo VII, que trata o tema das componentes principais e análise fatorial, e o capítulo VIII destinado ao estudo dos modelos de equações estruturais, capítulos estes especialmente dirigidos aos alunos de MBA e doutoramento.

O livro está assim organizado em oito capítulos, tendo cada um deles, no final, um conjunto de exercícios de aplicação que permitirão aos alunos testar os conhecimentos adquiridos.

Antes de terminar esta nota introdutória, gostaríamos de deixar uma palavra de agradecimento a um conjunto de instituições, fundamentais na formação académica dos autores, que tornaram possível este livro, nomeadamente a Universidade de Clemson (EUA), a Universidade de Wisconsin (EUA), o Instituto de Sistemas e Robótica (Pólo de Coimbra), a Universidade de Coimbra, a Universidade da Beira Interior, a Fundação Luso-Americana e o Centro de Estudos e Investigação em Saúde da Universidade de Coimbra.

Uma palavra de agradecimento à Editora “Vida Económica” pela disponibilidade e a coragem que teve para a edição deste livro.

Os autores Coimbra, outubro de 2011 JVL MGA PLF

CAPÍTULO I Funções de distribuição

Introdução

Capítulo I

I – Funções de distribuição 1.1 – Introdução No dia a dia de uma empresa ocorrem numerosos acontecimentos aos quais podemos associar valores numéricos, por exemplo as vendas mensais, o volume de produção diário, o número de peças produzidas com defeito, etc. Os valores que estes acontecimentos assumem são na maior parte dos casos incertos, isto é, só se conhecem depois de se verificarem. Do mesmo modo, quando simulamos um sistema ou parte dele, os resultados a que chegamos são inicialmente desconhecidos. O modelo que construímos dá origem a resultados que esperamos que se aproximem daqueles que seriam encontrados se pudéssemos ter observado a realidade. Para que esta situação se verifique, terá que haver o cuidado de elaborar um modelo que não só possua uma estrutura que traduza a realidade física do sistema, mas também que inclua um conjunto de instruções de modo a que os componentes do modelo se comportem de acordo com as leis da incerteza que regulam o sistema real. Se assim acontecer, o modelo produzirá resultados que se aproximam do sistema ou subsistema real que procura simular e, por conseguinte, também desconhecidos antes da sua realização. Só sabemos os resultados do exercício económico de uma empresa depois do encerramento do ano, do mesmo modo que só depois de termos simulado durante um determinado período de tempo o processo produtivo de uma empresa, poderemos estimar o número de peças defeituosas que se produziram. A única diferença quando utilizamos simulação é no maior controlo não só sobre as componentes do modelo, mas também do tempo necessário para a obtenção dos resultados que pretendemos. Em qualquer dos casos, seja ela uma situação real ou simulada, há acontecimentos que dão origem a resultados que são desconhecidos antes da sua realização.

Aos acontecimentos que se encontram nestas condições chamam-se “acontecimentos aleatórios”. À variável numérica que assume valores

Estatística aplicada à Gestão

11

Capítulo I

Funções de distribuição

relacionados com os resultados possíveis dum acontecimento ou experiência aleatória, chama-se “variável aleatória”.

As variáveis aleatórias podem classificar-se em discretas e contínuas.

Uma variável aleatória diz-se discreta se os valores numéricos associados a cada acontecimento forem numeráveis; diz-se contínua se puder assumir quaisquer valores dentro de um determinado intervalo.

Exemplos de variáveis aleatórias discretas são a produção diária de uma máquina, o número de encomendas atrasadas durante uma semana, a quantidade de encomendas recebidas num determinado dia, etc. São exemplos de variáveis aleatórias contínuas a quantidade de líquido contido numa garrafa de refrigerante, o tempo de duração de uma lâmpada, o intervalo de tempo entre a chegada consecutiva de dois clientes, etc.

Perante estes fenómenos, torna-se assim importante conhecer o comportamento de algumas variáveis aleatórias que lhe estão associadas, nomeadamente aquelas que se encontram ligadas a acontecimentos muito frequentes na gestão corrente das empresas. Vejamos em primeiro lugar algumas características gerais das variáveis aleatórias.

1.2 Conceitos básicos sobre probabilidades 1.2.1 O conceito de probabilidade A definição clássica diz-nos que a probabilidade de um acontecimento é um número compreendido entre 0 e 1 (inclusive), que reflete a possibilidade de ocorrência desse acontecimento, quando o fenómeno a observar pode ser repetido nas mesmas condições e num número indefinido de vezes. De acordo com a definição de Laplace1, a medida 1 - Pierre-Simon, Marquês de Laplace (1749-1827), famoso matemático e astrónomo francês. Em 1812 publica o livro “Théorie analytique des probabilités”.

12

1.2.1 O conceito de probabilidade A definição clássica diz-nos que a probabilidade de um acontecimento é um número compreendido entre 0 e 1 (inclusive), que reflete a possibilidade de ocorrência desse Introdução

Capítulo I

acontecimento, quando o fenómeno a observar pode ser repetido nas mesmas condições e num número indefinido de vezes. De acordo com a definição de Laplace1, a medida dessa possibilidade de ocorrência, que se denomina de probabilidade do acontecimento, dessa possibilidade de ocorrência, que se denomina de probabilidade obtém-se através do quociente entre entre o número de casos do acontecimento, obtém-se através do quociente o número de favoráveis e o número total de casos favoráveis e o número total de casos igualmente possíveis. casos igualmente possíveis.

Designando por ADeum acontecimento qualquer, a signando por A um acontecimento qualquer, a probabilidade da sua probabilidade da sua ocorrência P(A), será então dada por ocorrência P(A) será então dada por

P  A 

n N

representando n o número de casos favoráveis e N o de casos possíveis. Por representando n o número de casos favoráveis e N o de casos possíveis. acontecimento, que passaremos representar por letras maiúsculas A, B, C, etc., Por acontecimento, que passaremos a representarapor letras maiúsculas designamos um umsubconjunto subconjunto do douniverso universodas dasobservaobservações, espaço de resultados ou A, B, C, etc., designamos ções, espaço depopulação resultados (Ω). ou população O próprio universo é um bem como o conjunto vazio O próprio(Ω). universo é um acontecimento acontecimento certo, bem como o conjunto vazio (Ø) correspondente (Ø). a um acontecimento impossível.

Em termos matemáticos podemos também dizer que a probabilidade é uma função P que satisfaz as seguintes condições: 1

Pierre-Simon, Marquês de Laplace (1749-1827), famoso matemático e astrónomo francês. Em 1812 publica o livro “Théorie analytique des probabilités”.

P(Ø) = 0 e P(Ω) = 1; P(A) є [0 1] .

Se A1 e A2 forem dois acontecimentos disjuntos, isto é, A1 ∩ A2 = Ø, então

4

P( A1  A2 ) = P( A1 ) + P( A2 )

Destas condições podemos obter outras, como por exemplo: - A soma da probabilidade de um acontecimento com a probabilidade do acontecimento contrário é igual à unidade, isto é, P A = 1 − P ( A) ;

( )

- Se

A ⊂ B então P(A) ≤ P(B);

- Quaisquer que sejam A e B, P ( A  B ) = P ( A) + P (B ) − P ( A  B ) -

 n  n P  Ai  = ∑ P( Ai ) ⇔ Ai  A j = Ø,  i =1  i =1

∀

i, j ≤n

com

i≠ j.

Estatística aplicada à Gestão

13

Capítulo I

Funções de distribuição

Exemplo 1.1 De um universo de 500 empréstimos bancários destinados à compra de automóveis foi retirada a seguinte informação:

Prazo do empréstimo (meses) 12 (A1)

Montante emprestado (euros) <1000 [1000 - 4000[ [4000 - 6000[ (B1) (B2) (B3) 24 5 0

6000 (B4) 0

24 (A2)

3

14

1

0

36 (A3)

0

28

90

3

42 (A4)

0

52

95

49

48 (A5)

0

0

112

24

Suponhamos que pretendemos determinar a probabilidade de observar o seguinte acontecimento – “Prazo de empréstimo de 36 meses ou montante emprestado compreendido entre 4000 e 6000 euros”.

Teremos, então, P( A3  B3 ) = P( A3 ) + P(B3 ) − P( A3  B3 ) =

121 298 90 90 + − = 0,658.

500 500 500

Ou se pretendermos determinar a probabilidade de selecionar um “empréstimo com um prazo de 24 meses e um montante compreendido entre 1000 e 4000 euros”. Teremos, neste caso,

P( A2  B2 ) =

1414 = 0,028 .

500

Ou selecionar um empréstimo “não superior a 6000 euros”, ou seja, o complementar de B4:

P(B4 ) = 1 − P(B4 ) = 1 −

14

7676 = 0,848 .

500

Introdução

Capítulo I

Ou ainda se pretendermos calcular a probabilidade de encontrar um empréstimo com um “prazo inferior ou igual a 42 meses”. Neste caso, teremos

(

)

P A4  A5 = 1 − P( A4  A5 ) = 1 − [P( A4 ) + P( A5 )] = 1 − 0,392 − 0,272 = 0,336.

1.2.2. Leis de De Morgan Dados dois acontecimentos A e B, a não realização de um ou outro leva-nos a poder concluir da não realização de nenhum deles. Esta afirmação pode ser traduzida em termos matemáticos da seguinte maneira,

A B = A B

[1.1]

Podemos também afirmar que a não realização conjunta de nenhum deles leva-nos a poder concluir ser equivalente a que não se realize pelo menos um deles. Em termos matemáticos, teremos

A  B = A  B [1.2] Estas duas expressões são conhecidas por leis de De Morgan2 e têm muita utilidade na demonstração de relações de lógica e no cálculo de probabilidades.

Exemplo 1.2 Suponhamos que A e B são dois acontecimentos independentes e que P(A)=0,4 e P(B) = 0,5. Verifiquemos as leis de De Morgan: 2 - Augustus De Morgan (1806 - 1871), matemático inglês.

Estatística aplicada à Gestão

15

Capítulo I

Funções de distribuição

A primeira

(

)

P A  B = 1 − [P( A  B )] = 1 − [P( A) + P(B ) − P( A) × P(B )] = 1 − (0,4 + 0,5 − 0,2) = 0,30 0,30

(

) () ()

P A  B = P A × P B = [1 − P( A)]× [1 − P(B )] = 0,6 × 0,5 = 00,30 ,30

A segunda

( ) P (A  B ) = P (A) + P (B ) − P (A)× P (B ) = 0,6 + 0,5 − 0,6 × 0,5 = 0,8 P A  B = 1 − P( A  B ) = 1 − P( A) × P(B ) = 1 − 0,4 × 0,5 = 0,8

1.2.3 Probabilidade condicionada Sejam A e B dois acontecimentos quaisquer, com P(B)>0, então a probabilidade condicionada de A dado B, que se representa por P(A/B), é definida pela expressão

( A/B ) = PP(A/B)

P(A  B) [1.3] P(B)

Desta definição resulta imediatamente que P(A∩B) = P(A/B)×P(B) [1.4]

A probabilidade condicionada encontra-se ilustrada no diagrama de Venn (Figura 1.1).

16

Introdução

Capítulo I

Figura 1.1: Probabilidade condicionada

Ω

A

B

Uma vez ocorrido o acontecimento B, qualquer outro pertencente a A, mas não incluído em A∩B, não poderá ter sido observado. Logo, a probabilidade condicionada de A, dado B, é obtida dividindo P(A∩B) por P(B). A expressão que traduz a probabilidade condicionada possui as seguintes propriedades.

1. P(Ø/B) = 0 e P(B/B) = 1.

2. P(A/B) ≥ 0,

∀A.

i, j ≤n

3. Se Ai ∩Aj = 0 P[(Ai U Aj )/B] = P(Ai /B) + P(Aj /B).

Exemplo 1.3 Utilizemos de novo a informação do exemplo 1.1, mas admitamos agora que estamos interessados em calcular a probabilidade de observar um empréstimo com um prazo de 24 meses, dado que se selecionaram todos aqueles com um montante compreendido entre 1000 e 4000 euros. Teremos, assim,

Estatística aplicada à Gestão

17

Capítulo I

Funções de distribuição

1414 P( A2 B2 ) 500 114 4 P( A2 /B2 ) = = = = 0,141 .

9 P (B2 ) 9 500

Dois acontecimentos dizem-se independentes se P(A/B) = P(A),

o que significa que o conhecimento do acontecimento B não tem qualquer influência na observação de A. Se dois acontecimentos forem independentes da expressão 1.1, retira-se imediatamente que P(A∩B) = P(A) × P(B).

1.2.4 Teorema de Bayes Suponhamos que os acontecimentos A1 , A2 , A3 , ... An constituem uma partição do espaço de resultados (Figura 1.2).

Figura 1.2: Partição do espaço de resultados Ώ

A…

A1

A4 A5 A2 A3

18

Ώ

Introdução

Capítulo I

Como aqueles subconjuntos constituem uma partição de Ώ , então

∀

Ai ∩ Aj = Ø com (i ≠ j),

i, j ≤n

verificando-se também que n

A

i

= Ώ.

i =1

Consideremos agora em Ώ um acontecimento B que se sobrepõe total ou parcialmente aos restantes Ai , conforme ilustra a Figura 1.3.

Figura 1.3: Sobreposição do acontecimento B Figura 1.3: Sobreposição do acontecimento B

A1

A…

A4

Ώ

A5 A2 A3

B

Das interceções de B com Ai (B∩Ai ) podemos determinar as probabilidades condicionadas P(B/Ai ). De facto, as probabilidades condicionadas de P(Ai /B), por definição, são dadas por

P( Ai /B ) =

P( Ai  B ) [1.5] P (B )

Estatística aplicada à Gestão

19

Capítulo I

Funções de distribuição

Mas vejamos como podemos exprimir esta expressão apenas em função das probabilidades condicionadas P(B/Ai ) e P(Ai ).

Ora, como sabemos, B ⊂

n

, logo ∩B = B. Mas

A i =1

i

=

, então

B = ( Ai  A2  A3  ... An )  B

= ( Ai  B )  ( A2  B )  ( A3  B )  ...( An  B )

Mas como os acontecimentos Ai são uma partição de Ω, (Ai∩B), para i = 1, 2, 3, ...,n), são acontecimentos disjuntos, logo P(B) = P(A1∩B) + P(A2∩B) + P(A3∩B) + ...+ P(An∩B) .

Mas P(Ai∩B) = P(Ai)P(B/Ai), para i = 1, 2, 3, ...,n, logo a expressão 1.5 pode ser escrita da seguinte maneira

ou seja P( Ai /B ) =

P( Ai )P(B/A

i

)

n

∑ P(A )P(B/A ) i =1

i

[1.6]

i

Expressão que nos permite calcular as probabilidades P(Ai /B) se forem conhecidas P(B/Ai ) e que se denomina por fórmula de Bayes3.

3 - Thomas Bayes (1702 - 1761), matemático inglês.

20

Índice

Índice Sistemático CAPÍTULO I: Funções de distribuição 1.1 Introdução................................................................................ 11 1.2 Conceitos básicos sobre probabilidades.................................... 12 1.2.1 O conceito de probabilidade........................................... 12 1.2.2. Leis de De Morgan.......................................................... 15 1.2.3 Probabilidade condicionada............................................ 16 1.2.4 Teorema de Bayes............................................................ 18 1.3 Função de distribuição de uma variável aleatória..................... 22 1.3.1 A função de distribuição de uma variável aleatória discreta.22 1.3.2 Valor esperado de X......................................................... 24 1.3.3. Variância de X................................................................. 25 1.3.4 A função de distribuição de uma variável aleatória contínua.27 1.4 Distribuições teóricas mais importantes.................................... 30 1.4.1 Distribuição binomial...................................................... 30 1.4.2 Distribuição de Poisson.................................................... 34 1.4.3 Aproximação da Binomial à Poisson................................ 37 1.4.4 Distribuição exponencial................................................. 38 1.4.5 Distribuição uniforme...................................................... 40 1.4.6 Distribuição normal......................................................... 42 1.4.8 Distribuição do Qui-quadrado (χ2) .................................. 48 1.4.9 Distribuição t de Student.................................................. 51 1.4.10 Distribuição F de Snedecor............................................ 53 1.5 Distribuições obtidas por amostragem...................................... 55 1.5.1 Introdução........................................................................ 55 1.5.2 Distribuição da média de uma amostra............................ 57 1.5.3 A dimensão da amostra e a distribuição por amostragem.59 1.5.4 Distribuição da diferença entre médias de amostras de universos normais........................................................ 60 1.6 Exercícios de aplicação............................................................. 62

Estatística aplicada à Gestão

553

Índice

CAPÍTULO II: Intervalos de confiança e ensaios de hipóteses 2.1 Introdução................................................................................ 79 2.2 Intervalos de confiança para a média de uma população......... 79 2.3 Ensaio de hipóteses para a média da população....................... 86 2.4 Erro tipo I e erro tipo II.............................................................. 90 2.5 Testes de hipóteses da média para amostras de pequena dimensão............................................................... 93 2.6 Inferência sobre a diferença entre as médias de duas populações normais..................................................... 94 2.6.1 Amostras de grande dimensão.......................................... 94 2.6.2 Amostras de pequena dimensão....................................... 99 2.7 Inferência sobre e diferença entre as médias de duas populações com base em amostras correlacionadas............... 103 2.8 Inferência acerca da variância duma população normal......... 106 2.8.1 Intervalo de confiança para ......................................... 106 2.8.2 Teste de hipóteses para ................................................ 109 2.8.3 Teste para comparar a igualdade entre duas variâncias.. 111 2.9 Inferência acerca da diferença entre as proporções de duas populações................................................................ 114 2.10 A dimensão da amostra......................................................... 118 2.11 Exercícios de aplicação......................................................... 119 CAPÍTULO III: Regressão linear simples 3.1 Introdução.............................................................................. 125 3.2 O método dos mínimos quadrados......................................... 127 3.3 A variância do erro.................................................................. 136 3.4 O quadro da análise da variância........................................... 139 3.5 O coeficiente de determinação............................................... 142 3.6 Análise à significância do modelo........................................... 145 3.7 Inferência sobre os parâmetros da regressão........................... 146 3.7.1 Teste de hipótese para b1................................................ 146 3.7.2 Teste de hipóteses para b0 .............................................. 149

554

Índice

3.7.3 Intervalos de confiança para b0 e b1.............................. 150

3.7.4 Intervalos de confiança para previsões de Y................... 151 3.8 Formulação matricial.............................................................. 155 3.9. Exercícios de aplicação.......................................................... 163 CAPÍTULO IV: O modelo de regressão linear múltipla 4.1 A estimativa dos parâmetros do modelo.................................. 173 4.2 A variância do erro.................................................................. 178 4.3 O coeficiente de determinação............................................... 180 4.4 O coeficiente de determinação ajustado................................. 183 4.5 O coeficiente de determinação parcial................................... 184 4.6 Inferência sobre os parâmetros da regressão........................... 185 4.6.1 Teste da significância do modelo................................... 186 4.6.2 Inferência acerca de cada um dos parâmetros da regressão.......................................................... 188 4.6.3 Previsão de Y.................................................................. 190 4.7 A generalização do teste de significância global da regressão.194 4.8 Variáveis fictícias..................................................................... 198 4.9 Análise dos valores residuais................................................... 202 4.9.1 A utilização de gráficos.................................................. 202 4.9.2 A estatística Durbin-Watson........................................... 206 4.9.3 A eliminação da autocorrelação..................................... 210 4.10 A multicolinearidade............................................................. 211 4.10.1 O problema da multicolinearidade.............................. 211 4.10.2 Medidas a tomar na presença de multicolinearidade... 216 4.10.3 A regressão Ridge......................................................... 218 4.11 Heterocedasticidade dos erros.............................................. 225 4.11.1 Teste Goldfeld-Quandt................................................. 225 4.11.2 Transformação de variáveis.......................................... 226 4.12 Exercícios de aplicação......................................................... 229

Estatística aplicada à Gestão

555

Índice

CAPÍTULO V: Análise da Variância 5.1 Introdução.............................................................................. 247 5.2 Experiências simples completamente aleatórias...................... 248 5.3 Teste das médias de Newman-Kewls....................................... 258 5.4 Experiências simples aleatórias com blocos............................ 261 5.5 A falta de uma ou mais observações....................................... 266 5.6 Experiências aleatórias com mais de um fator ........................ 269 5.7 O modelo de análise das experiências com mais de um fator .275 5.7.1 Experiências com mais de dois fatores........................... 281 5.7.2 Experiências com dois fatores e apenas uma observação por célula........................................... 286 5.8 Experiências com três fatores ................................................. 287 5.9 Experiências com dois níveis por fator ................................... 290 5.10 Método de Yates................................................................... 299 5.10.1 Experiências com três fatores a dois níveis.................. 301 5.11 Experiências para qualquer número de fatores a dois níveis.. 305 5.12 Teste de Bartlett para comparar a igualdade entre mais de duas variâncias............................................... 306 5.13 Exercícios de aplicação......................................................... 311 CAPÍTULO VI: Estatísticas não paramétricas 6.1 Introdução.............................................................................. 323 6.2 Comparação de duas populações: o teste da soma ordenada de Wilcoxon para duas amostras independentes..................... 324 6.3 Comparação de duas populações: teste de Wilcoxon para os pares de diferenças ordenadas (Wilcoxon signed rank test for the paired difference experiment)....................................... 332 6.4 O teste de Kruskal-Wallis para comparar a localização de mais de duas populações independentes (experiência completamente aleatória).................................... 337 6.5 O teste de Friedman para comparar a localização de mais de duas populações independentes, sujeitas a restrições (experiência aleatória com blocos).......................................... 340

556

Índice

6.6 Exercícios de aplicação........................................................... 343 CAPÍTULO VII: Análise de componentes principais e análise fatorial 7.1 Introdução.............................................................................. 351 7.2 Componentes principais......................................................... 360 7.3 Análise fatorial ....................................................................... 364 7.4 Exercícios de aplicação........................................................... 376 CAPÍTULO VIII: Modelos de equações estruturais: formulação, estimação e avaliação 8.1 Introdução.............................................................................. 387 8.2 Conceitos fundamentais.......................................................... 388 8.2.1 Variáveis observáveis vs. latentes................................... 388 8.2.2 Variáveis latentes exógenas vs. endógenas..................... 389 8.3 MEE completo e submodelos.................................................. 390 8.3.1 Modelos de análise de caminhos (path analysis models).390 8.3.2 Moledos de análise fatorial ........................................... 391 8.3.3 Modelo de equações estruturais completo..................... 394 8.4 MEE completo......................................................................... 394 8.4.1 Representação esquemática de um MEE completo hipotético...................................................... 395 8.4.2. Formalização geral de um MEE completo..................... 403 8.4.2.1 Hipóteses mínimas admitidas na especificação, estimação e avaliação de um MEE completo........ 405 8.4.2.2 Modelo de medida................................................ 405 8.4.2.3 Modelo estrutural.................................................. 408 8.4.2.4 Efeitos diretos, indiretos e totais............................ 409 8.5 Etapas a percorrer na especificação, estimação e avaliação de um MEE........................................................... 411 8.5.1 Especificação do modelo............................................... 411 8.5.2 Identificação do modelo................................................ 413 8.5.3 Estimação do modelo..................................................... 417

Estatística aplicada à Gestão

557

Índice

8.5.3.1 Processo de estimação.......................................... 419 8.5.3.2 Métodos de estimação........................................... 420 8.5.4 Avaliação da qualidade do ajustamento do modelo aos dados..................................................... 424 8.5.4.1 Identificação de estimativas infratoras................... 425 8.5.4.2 Ajustamento global do modelo............................. 426 8.5.4.3 Avaliação do modelo de medida........................... 435 8.5.4.4 Avaliação do modelo estrutural............................. 438 8.5.5 Interpretação e modificação do modelo......................... 440 8.5.5.1 Resíduos estandardizados..................................... 442 8.5.5.2 Índices de modificação......................................... 444 8.5.5.3 Que modificações introduzir no modelo e quando se deve parar: uma breve síntese.......... 445 8.6 Principais aspetos que afetam a estimação e avaliação dos MEE.................................................................................. 448 8.7 Abordagens de modelização................................................... 461 8.7.1 Estratégias de modelização............................................ 461 8.7.2 Modelização através de duas versus uma etapa............. 466 8.8 Aplicação empírica: formalização, estimação e avaliação de um mee completo.............................................................. 468 8.8.1 Especificação do modelo............................................... 469 8.8.2 Identificação do modelo................................................ 478 8.8.3 Estimação do modelo..................................................... 479 8.8.4 Avaliação global do modelo.......................................... 480 8.8.5 Interpretação dos resultados........................................... 482 8.8.6 Modificação do modelo: algumas sugestões.................. 487 8.9. Exercícios de aplicação.......................................................... 493 Referências.......................................................................503

558

Índice

Apendíces Apêndice I................................................................................... 515 Apêndice II Desvio padrão de valores previstos para Y.............. 518 Apêndice III Matriz de variâncias/covariâncias entre as variáveis observáveis implicada pela especificação do modelo............................................................. 521 Apêndice IV Função a minimizar segundo o critério da máxima verosimilhança.................................... 525 Tabelas Tabela A Distribuição normal estandardizada............................ 528 Tabela B Distribuição Binomial.................................................. 529 Tabela C Distribuição de Poisson............................................... 533 Tabela D Distribuição de t-Student............................................. 535 Tabela E Distribuição de F......................................................... 536 Tabela F Diferenças significativas de Student............................. 543 Tabela G Tabela do Qui-quadrado............................................. 547 Tabela H Parâmetros necessários ao cálculo de gráficos de controlo................................................................. 548 Tabela I Valores críticos Durbin-Watson................................... 549 Tabela J Tabela de Wilcoxon: valores críticos para TL e TU........ 551 Tabela K Tabela de Wilcoxon (signed rank test): valores críticos para T0............................................................. 552 Índice Sistemático.............................................................553

Estatística aplicada à Gestão

559

de João Veríssimo Lisboa, Arnaldo Coelho, Filipe Coelho, Filipe Almeida e outros

- Cálculo Financeiro

de João Veríssimo Lisboa e Mário Gomes Augusto

O ensino da estatística em qualquer dos ciclos do ensino da Gestão tem estado sempre presente, refletindo, assim, a importância desta matéria na formação dos gestores.

Apesar de ser um livro de características essencialmente pedagógicas, o seu público alvo será os alunos que frequentam as disciplinas de estatística em qualquer dos níveis do ensino superior. No entanto, dada a natureza aplicada do seu conteúdo, também poderá ser um instrumento útil para os responsáveis pela gestão das empresas, nomeadamente na análise de situações que incluem cenários de incerteza.

Considerando a enorme abrangência da estatística e o público a que nos dirigimos, neste texto, para além de quatro capítulos clássicos geralmente destina­dos aos alunos de licenciatura, decidimos também incluir um que trata o tema das componentes principais e análise fatorial e, um outro, destinado ao estudo dos modelos de equações estruturais, capítulos estes, especialmente dirigidos aos alunos de MBA, doutoramento e investigadores em geral.

Em cada um dos capítulos são apresentados exemplos práticos para melhor compreensão dos assuntos abordados.

ESTATÍSTICA APLICADA À GESTÃO

- Introdução à Gestão de Organizações

João Veríssimo Lisboa

de João Veríssimo Lisboa e Mário Gomes Augusto

ESTATÍSTICA APLICADA À GESTÃO

Mário Gomes Augusto

- Gestão de Operações

Pedro Lopes Ferreira

OUTRAS OBRAS DOS AUTORES PUBLICADAS PELA VIDA ECONÓMICA:

ESTATÍSTICA APLICADA À GESTÃO

Mário Gomes Augusto licenciou-se em Economia (1991) e Doutorou-se em Gestão de Empresas (2004) pela Faculdade de Economia da Universidade de Coimbra, sendo atualmente docente nesta instituição. Leciona um grupo de disciplinas da área financeira, fazendo também parte, como investigador, do grupo de Gestão de Operações do Instituto de Sistemas e Robótica (Pólo de Coimbra). Tem diversos trabalhos publicados em revistas científicas, nacionais e internacionais, assim como alguns livros. É detentor do prémio Rogério Fernandes Ferreira, edição de 2007.

João Veríssimo Lisboa Mário Gomes Augusto Pedro Lopes Ferreira

ISBN 978-972-788-448-3

www.vidaeconomica.pt ISBN: 978-972-788-448-3 Visite-nos em livraria.vidaeconomica.pt

9 789727 884483

João Veríssimo Lisboa licenciou-se em Finanças pelo ISEG (1974) e possui o PhD em Industrial Management (1988) pela Universidade de Clemson (USA), sendo atualmente docente da Faculdade de Economia da Universidade de Coimbra (FEUC). Foi bolseiro da AID e Visiting Fulbright Professor. Na FEUC tem lecionado a disciplina de Cálculo Financeiro e Estatística entre outras, e exercido também diversos cargos de gestão. É investigador do Instituto de Sistemas e Robótica (Pólo de Coimbra), sendo nesta unidade responsável pelo grupo de Gestão de Operações. Tem diversos trabalhos publicados em revistas científicas, nacionais e internacionais, assim como alguns livros.

Pedro Lopes Ferreira licenciou-se em Matemática Aplicada pela FCTUC (1976) e possui o PhD Industrial Engineering pela Universidade de Wisconsin-Madison, EUA (1990). É atualmente docente da Faculdade de Economia da Universidade de Coimbra. Nesta Faculdade tem lecionado disciplinas de Estatística e na área da medição de resultados em saúde e das politicas e sistemas de saúde. É Diretor do Centro de Estudos e Investigação em Saúde da Universidade de Coimbra, Coordenador do Observatório Português dos Sistemas de Saúde, Membro fundador do Capítulo IberoAmericano da International Society of Quality of Life. Tem diversos trabalhos publicados em revistas científicas nacionais e internacionais, assim como alguns livros.