UNESP – FEG – DPD – Prof. Edgard - 2011 01-1
Estatística
1 - Introdução
UNESP – FEG – DPD – Prof. Edgard - 2011 01-2
ESTATÍSTICA• DESCREVE,
• COMPARA e
• RELACIONA
VARIÁVEIS
UNESP – FEG – DPD – Prof. Edgard - 2011 01-3
VARIÁVEL ???
VARIÁVEL é simplesmente algo que pode VARIAR
VARIÁVEL pode assumir diferentes valores numéricos ou diferentes categorias
UNESP – FEG – DPD – Prof. Edgard - 2011 01-4
CONTÍNUA• Pode assumir qualquer valor numérico em um dado intervalo
• Exemplos:
diâmetro de um eixo (mm)
peso de uma peça fundida (kg)
TIPOS DE VARIÁVEL
DISCRETA• Pode assumir somente determinados valores numéricos em um dado intervalo
• Exemplos:
número de eixos defeituosos em um lote de 20 eixos
número de peças com peso fora da especificação em um lote de 10 peças
UNESP – FEG – DPD – Prof. Edgard - 2011 01-5
CATEGÓRICA• Pode assumir valores dentro de uma classificação por tipos de atributos
• Exemplos:
qualificação de um eixo:
{ PERFEITO; DEFEITUOSO }
classificação do peso de uma peça:
{ abaixo da especificação;
dentro da especificação;
acima da especificação }
TIPOS DE VARIÁVEL - continuação
UNESP – FEG – DPD – Prof. Edgard - 2011 01-6
VARIÁVEL DE RESPOSTA• Identificada com a pergunta do Problema • Exemplo:
Quais as condições de fundição que resulta no menor número de defeitos por peça fundida?
X : número de defeitos em uma peça (Variável Discreta)
CLASSIFICAÇÃO DE VARIÁVEL
VARIÁVEIS DE CONTROLE • Fatores ou Condições do Problema • No exemplo:
M : método de fundição { por gravidade; centrifugação; por pressão } (Variável Categórica)
T : temperatura da matéria prima (°C) (Variável Contínua)
• O Método M e a Temperatura T estão sob controle do Responsável pela Fundição
UNESP – FEG – DPD – Prof. Edgard - 2011 01-7
CLASSIFICAÇÃO DE VARIÁVEL
VARIÁVEIS DE RUÍDO • Fatores relacionados com a pergunta do problema mas cujos efeitos foram mitigados ou considerados desprezíveis
• Tais considerações devem ser relatadas
• No exemplo:
W1: hora do vazamento (Variável Contínua)
Programar coleta de dados em diversos horários de todos os turnos
W2: experiência do operário (Variável Categórica) { pouca experiência; razoável; muita }
Sortear os operários que participarão na coleta de dados
W3: fornecedor de matéria prima (Variável Categórica)
{fornecedor A, B, ...}Considerar que a diferença da matéria
prima entre os fornecedores é desprezível
UNESP – FEG – DPD – Prof. Edgard - 2011 01-8
1. DEFINIR O PROBLEMA
Etapas para Solução de um Problema
2. ESPECIFICAR O PROJETO DE EXPERIMENTO
3. ESPECIFICAR A COLETA DE DADOS
4. ESPECIFICAR AS ESTATÍSTICAS A SEREM UTILIZADAS
5. COLETAR DADOS
6. PROCESSAR DADOS
7. ANALISAR RESULTADOS & APRESENTAR A SOLUÇÃO
UNESP – FEG – DPD – Prof. Edgard - 2011 01-9
Etapa 1: Definir o Problema
DEFINIR A VARIÁVEL DE RESPOSTA• Identificada com a pergunta do problema • Exemplo:
Quais as condições de fundição que resulta no menor número de defeitos por peça fundida?
X : número de defeitos em uma peça
DEFINIR AS VARIÁVEIS DE CONTROLE • Simplificar o máximo possível • No exemplo:
M: método de fundição M { M1; M2; M3 } M1: gravidade M2: centrifugação M3: por pressão
T: temperatura da matéria prima T { T1; T2; T3 }Variável Contínua ( °C ), transformada em Categórica
(°C)490 500 510
T1BAIXA
T2INTERMEDIÁRIA
T3ALTA NÍVEIS
UNESP – FEG – DPD – Prof. Edgard - 2011 01-10
Etapa 1: Definir o Problema
Variável de Resposta:
X : número de defeitos em uma peça
Variáveis de Controle ou Fatores: M: método de fundição M { M1; M2; M3 }
Pergunta do Problema:Quais as condições de fundição que resulta no menor número de defeitos por peça fundida?
NÍVEIS
M1: gravidade
M2: centrifugação
M3: por pressão
T: temperatura da matéria prima T { T1; T2; T3 }
NÍVEIS
T1: temperatura baixa
T2: temperatura intermediária T3: temperatura alta
UNESP – FEG – DPD – Prof. Edgard - 2011 01-11
Projeto de Experimento:
possível maneira de
MEDIR AS VARIÁVEIS
visando obter a
resposta do problema
Etapa 2: Especificar o Projeto de Experimento
UNESP – FEG – DPD – Prof. Edgard - 2011 01-12
• Projeto Fatorial considera todas as combinações dos vários Níveis dos Fatores (Níveis das Variáveis de Controle) • Cada combinação denomina-se TRATAMENTO
Etapa 2: Especificar o Projeto de Experimento
• Tratamentos:
• Replicação (Tamanho da Amostra por Tratamento) Realização de mais de uma medida para cada Tratamento No exemplo: 7 peças fundidas para cada Tratamento
• Total de Unidades Experimentais: Número de Tratamentos X Número de Replicações No exemplo: 9 Tratamentos x 7 Replicações = 63 peças
• Exemplo da Fundição:
M1 & T1
M1 & T2 M2 & T2M3 & T2
M3 & T1M2 & T1
M1 & T3 M2 & T3M3 & T3
Níveis do Fator Método de Fundição
M1: gravidade
M2: centrifugação
M3: por pressão
Níveis do Fator Temperatura
T1: temperatura baixa
T2: temperatura intermediária T3: temperatura alta
UNESP – FEG – DPD – Prof. Edgard - 2011 01-13
• Quais Variáveis devem ser medidas?
• Como será realizada a medição das Variáveis?
• Qual a precisão das medidas?
• Como será realizada a coleta de dados?
• Qual o tipo de amostragem?
• Qual o tamanho da amostra?
• Qual o custo e o tempo para realizar a Coleta de Dados
Etapa 3: Especificar a Coleta de Dados
UNESP – FEG – DPD – Prof. Edgard - 2011 01-14
• Quanto maior :• mais precisos são os resultados
• mais confiáveis são as conclusões
• mais tempo
• mais caro
• Limite:• Exame de toda a população (Censo)
• Na prática !!!• censo pode ser menos preciso que amostragem(problemas operacionais ou fraude)
Qual deve se o Tamanho da Amostra?
Etapa 3: Especificar a Coleta de Dados
UNESP – FEG – DPD – Prof. Edgard - 2011 01-15
Etapa 4: Especificar as Estatísticas
Estatísticas Descritivas• Possibilitam descrever as Variáveis• No exemplo da fundição serão utilizadas: Média Tendência Central Desvio padrão Coeficiente de Variação Diagrama de Intervalos de Confiança
Estatísticas Indutivas• Possibilita tirar conclusões acerca da População a partir de dados da Amostra
• As inferências (conclusões) acerca da População são sujeitas à Variabilidade Amostral
• Determina´se com que Probabilidade se pode confiar nos resultados obtidos dos dados coletados
• No exemplo da fundição será utilizado:
Intervalo de Confiança
Dispersão
UNESP – FEG – DPD – Prof. Edgard - 2011 01-16
Etapa 5: Coletar Dados• Evitar subjetividade no trabalho de campo• Coletar os dados metodicamente• Seguir o especificado no Projeto de Experimento• Dados coletados no exemplo da fundição:
Número de defeitos / peça
Temperatura Replicação Método 1 Método 2 Método 3
baixa
1 7 3 5
2 6 3 6
3 7 3 4
4 6 3 5
5 7 2 6
6 7 3 5
7 8 3 5
intermediária
1 7 5 2
2 8 5 3
3 9 4 2
4 8 5 2
5 6 3 3
6 7 4 1
7 9 4 3
alta
1 9 5 1
2 9 7 0
3 8 6 2
4 11 8 2
5 9 6 0
6 9 5 2
7 7 6 1
UNESP – FEG – DPD – Prof. Edgard - 2011 01-17
Etapa 6: Processar Dados
Resultado do Processamento de Dados do exemplo da fundição:
: Média Amostral (média de defeitos por peça da amostra)
S : Desvio Padrão Amostral
: Coeficiente de Variação
X
X
100)X
s(CV
Método Temperatura S CV
M1: Gravidade
T1:baixa 6,9 0,69 10,1%
T2: intermediária 7,7 1,11 14,4%
T3: alta 8,9 1,21 13,7%
M2: Centrifugação
T1:baixa 2,9 0,38 13,2%
T2: intermediária 4,3 0,76 17,6%
T3: alta 6,1 1,07 17,4%
M3: Por pressão
T1:baixa 5,1 0,69 13,4%
T2: intermediária 2,3 0,76 33,1%
T3: alta 1,1 0,90 78,7%
UNESP – FEG – DPD – Prof. Edgard - 2011 01-18
Etapa 6: Processar Dados
Resultado do Processamento de Dados do exemplo da fundição:
X
IC: Intervalo de Confiança
Pr (Lim. Inf. < E(X) < Lim. Sup.) = 0,95 (95%)
E(X) : Média de defeitos por peça considerando todas as peças fundidas (População), utilizando determinado Método e uma dada Temperatura
: Média de defeitos por peça em uma Amostra de 7 peças, para um dado Método e Temperatura
X
Método Temperatura Lim. Inf.
Lim.Sup Amplitude
M1: Gravidade
T1:baixa 6,9 6,2 7,5 1,3
T2: intermediária 7,7 6,7 8,7 2,1
T3: alta 8,9 7,7 10,0 2,2
M2: Centrifugação
T1:baixa 2,9 2,5 3,2 0,7
T2: intermediária 4,3 3,6 5,0 1,4
T3: alta 6,1 5,2 7,1 2,0
M3: Por pressão
T1:baixa 5,1 4,5 5,8 1,3
T2: intermediária 2,3 1,6 3,0 1,4
T3: alta 1,1 0,3 2,0 1,7
X: número de defeitos por peça
UNESP – FEG – DPD – Prof. Edgard - 2011 01-19
Etapa 6: Processar Dados
Resultado do Processamento de Dados do exemplo da fundição:
2
4
6
8
10
Defeitos / peça
Temperatura (°C)
490 500 510baixa intermediária alta
T1 T2 T3
Diagrama de Intervalos de Confiança
M1: Gravidade
M2: Centrifugação
M3: Por pressão
UNESP – FEG – DPD – Prof. Edgard - 2011 01-20
Etapa 7: Analisar Resultados e Apresentar Solução
Análise da Interação entre Método e Temperatura
• Nos Métodos M1 e M2 o número de defeitos por peça fundida cresce com o aumento da Temperatura
• Entretanto, no Método M3 o número de defeitos por peça fundida decresce com o aumento da Tempertura
• Portanto, conclui-se que existe Interação entre Método de Fundição e Temperatura da matéria prima a ser vazada no molde
Método Temperatura CV Dispersão
M1: Gravidade
T1:baixa 10,1% BAIXA
T2: intermediária 14,4% BAIXA
T3: alta 13,7% BAIXA
M2: Centrifugação
T1:baixa 13,2% BAIXA
T2: intermediária 17,6% MODERADA
T3: alta 17,4% MODERADA
M3: Por pressão
T1:baixa 13,4% BAIXA
T2: intermediária 33,1% ALTA
T3: alta 78,7% MUITO ALTA
Análise da Dispersão (vide quadro abaixo)
• Método M1 apresenta Baixa Dispersão do número de defeitos por peça em todos os Níveis de Temperatura
• Método M3 apresenta Muito Alta Dispersão do número de defeitos por peça na Temperatura Alta
CV: Coeficiente de Variação CV < 5% : Dispersão Muito Baixa 5% < CV < 15% : Dispersão Baixa 15% < CV < 30% : Dispersão Moderada 30% < CV > 30% : Dispersão Alta CV > 50% : Dispersão Muito Alta
UNESP – FEG – DPD – Prof. Edgard - 2011 01-21
Etapa 7: Analisar Resultados e Apresentar Solução
Análise de Intervalos de Confiança ( IC )
• Método M2 no nível de Temperatura Baixa apresenta o IC com menor Amplitude
• Todos os Métodos apresentam IC com menor amplitude no nível de Temperatura Baixa
• Método M1 no nível de Temperatura Alta apresenta o IC com maior Amplitude
• Todos os Métodos apresentam IC com maior amplitude no nível de Temperatura Alta
• Método
Solução do Problema
De acordo com as análises acima, pode-se considerar que o Método M3 e a Temperatura Alta são as condições de fundição que resulta no menor número de defeitos por peça fundida
UNESP – FEG – DPD – Prof. Edgard - 2011 01-22
Estatística Indutiva
(Cap.8 até 17)
Esquema da Disciplina:
Probabilidades
(Cap.3 até 7)
Introdução (Cap.1)
Estatística Descritiva
(Cap.2)
UNESP – FEG – DPD – Prof. Edgard - 2011 01-23
Estatísticas Descritivas (Capítulo 2) Estatísticas de Tendência Central
Média Mediana Moda
Estatísticas de Dispersão Variância Desvio padrão Coeficiente de Variação Amplitude
Outras Estatísticas Descritivas Coeficiente de Assimetria Coeficiente de Curtose Coeficiente de Correlação
Descrição Gráfica Diagrama de Barras Diagrama Circular (Pizza) Histograma Diagrama de Caule e Folhas Diagrama de Caixa e Bigode (box plot) Diagrama de Dispersão (Reta de Regressão) Diagrama de Intervalos de Confiança
UNESP – FEG – DPD – Prof. Edgard - 2011 01-24
Estatísticas Indutivas Estatísticas Indutivas
• Possibilitam tirar conclusões acerca da População a partir de dados da Amostra• As inferências (conclusões) são sujeitas à Variabilidade Amostral• Determina-se com que Probabilidade se pode confiar nos resultados obtidos dos dados coletados• Principais Estatísticas Indutivas
Intervalo de Confiança Comparação de uma Média (Teste z) Comparação entre duas Médias (Teste t) Comparação entre várias Médias (Anova) Comparação de uma Variância (Teste ) Comparação entre duas Variâncias (Teste F) Comparação entre várias Variâncias (*) Comparação de uma Proporção (Teste z) Comparação entre duas Proporções (Teste z) Teste de Aderência (Teste ; Teste KS **) Comparação entre duas Distribuições (***) Teste de Independência (Teste ) Correlação Regressão
(*) Teste de Cochram; Teste de Bartlett (**) Teste Kolmogorov – Smirnov(***) Teste dos Sinais; Teste da Mediana; Teste de Sequências; Teste de Wilcoxon, Mann e Whitney
2
2
2
UNESP – FEG – DPD – Prof. Edgard - 2011 01-25
• Amostragem Probabilística: Amostragem Simples
Amostragem Sistemática
Amostragem Estratificada
Amostragem por Conglomerados
Amostragem Múltipla (Seqüencial)
• Amostragem Não-Probabilística:
Amostragem a Esmo
Amostragem Intencional
Tipos de Amostragem:
UNESP – FEG – DPD – Prof. Edgard - 2011 01-26
1. Numerar os elementos da População
2. Gerar números aleatórios que corresponderão aos elementos da Amostra
Procedimento para Amostragem Simples:
Números aleatórios ou randômicos: Tem igual probabilidade de ocorrência Tabela de Números Aleatórios (livros) Usando o Excel: “Ferramentas” >>
“Análise de Dados” >> “Geração de Número Aleatório” >> “OK” >> preencher campos (Distribuição Uniforme)
DICA: Na amostragem sem repetição, os números aleatórios repetidos devem ser desprezados
UNESP – FEG – DPD – Prof. Edgard - 2011 01-27
Métodos usados na Amostragem Simples:
1. Sortear uma linha e uma coluna da Tabela de Números Aleatórios (existente no livro texto) e, a partir daí, selecionar números seqüencialmente (por linha ou por coluna)
2. Usar a função ALEATÓRIOENTRE (Excel): Selecionar “fx” >> “Matemática e trigonométrica” >> “ALEATÓRIOENTRE” >> Digitar os limites inferior e superior da População >> clicar OK >> copiar o resultado e colar em tantas células quanto for o tamanho da amostra
3. No menu “Ferramentas” do Excel, selecionar: “Análise de Dados” >> “Amostragem” >> Digitar: “Intervalo de Entrada” >> Selecionar: “Aleatório” >> Digitar o tamanho da amostra (“Número de amostras”) >> Optar: local da saída >> clicar “OK”
UNESP – FEG – DPD – Prof. Edgard - 2011 01-28
1. Numerar os elementos da População, de acordo com sua posição. Exemplo: seqüência de peças produzidas
2. Sortear um elemento da População que corresponderá ao primeiro elemento da Amostra ( i )
3. Definir o período de amostragem ( r = N/n )
4. Os demais elementos da amostra serão escolhidos de maneira sistemática, assim:
primeiro elemento: i
segundo elemento: i + r
terceiro elemento: i + 2.r
. . .
n-ésimo elemento: i + (n-1).r
Procedimento para Amostragem Sistemática:
UNESP – FEG – DPD – Prof. Edgard - 2011 01-29
Amostragem Estratificada
• População heterogênea, constituída de uma partição por estratos.
• Exemplos de Estratos: sexo, nível de renda, idade, escolaridade, local de residência; no caso de empresas: nível de faturamento, região de atuação, etc.
• Efetua-se uma amostragem (simples ou sistemática) em cada estrato
• O tamanho da amostra de cada estrato pode ser, ou não, proporcional à quantidade de elementos de cada estrato na População
UNESP – FEG – DPD – Prof. Edgard - 2011 01-30
Amostragem Estratificada
• População heterogênea, constituída de uma partição por estratos.
• Exemplos de Estratos: sexo, nível de renda, idade, escolaridade, local de residência; no caso de empresas: nível de faturamento, região de atuação, etc.
• Efetua-se uma amostragem (simples ou sistemática) em cada estrato
• O tamanho da amostra de cada estrato pode ser, ou não, proporcional à quantidade de elementos de cada estrato na População
UNESP – FEG – DPD – Prof. Edgard - 2011 01-31
Amostragem Múltipla (Seqüencial)
• Amostra retirada em etapas sucessivas.
• Dependendo do resultado, etapas suplementares podem ser dispensadas.
• Exemplo: testar a qualidade de um lote utilizando-se uma amostra de peças; caso o número de peças defeituosas exceder determinado valor, deve-se aumentar o tamanho da amostra de peças a serem testadas até se decidir sobre a qualidade do lote.
• Caso particular: Amostragem Seqüencial, quando a amostra vai “sendo acrescida item por item, até se chegar a uma conclusão ...”
UNESP – FEG – DPD – Prof. Edgard - 2011 01-32
Amostragem Múltipla (Seqüencial)
• Amostra retirada em etapas sucessivas.
• Dependendo do resultado, etapas suplementares podem ser dispensadas.
• Exemplo: testar a qualidade de um lote utilizando-se uma amostra de peças; caso o número de peças defeituosas exceder determinado valor, deve-se aumentar o tamanho da amostra de peças a serem testadas até se decidir sobre a qualidade do lote.
• Caso particular: Amostragem Seqüencial, quando a amostra vai “sendo acrescida item por item, até se chegar a uma conclusão ...”
UNESP – FEG – DPD – Prof. Edgard - 2011 01-33
Amostragem Múltipla (Seqüencial)
• Amostra retirada em etapas sucessivas.
• Dependendo do resultado, etapas suplementares podem ser dispensadas.
• Exemplo: testar a qualidade de um lote utilizando-se uma amostra de peças; caso o número de peças defeituosas exceder determinado valor, deve-se aumentar o tamanho da amostra de peças a serem testadas até se decidir sobre a qualidade do lote.
• Caso particular: Amostragem Seqüencial, quando a amostra vai “sendo acrescida item por item, até se chegar a uma conclusão ...”
UNESP – FEG – DPD – Prof. Edgard - 2011 01-34
Quais experimentos podemos realizar num estudo antropométrico?
• Coletar dados antropométricos com régua e balança
• Coletar dados antropométricos com câmera digital de precisão
Qual podemos realizar agora no Campus? Coletar dados antropométricos com régua e balança
Teste 1.1: Estudo Antropométrico
UNESP – FEG – DPD – Prof. Edgard - 2011 01-35
Quais as características antropométricas dos alunos que cursam a disciplina Estatística ?
Características antropométricas:
Índice de Massa Corporal Divina Proporção Etc.
Teste 1.1: Estudo Antropométrico
UNESP – FEG – DPD – Prof. Edgard - 2011 01-36
Quais as variáveis ?
Fonte: Estudo antropométrico da população portuguesa, Grupo de Engenharia Humana, Departamento de Produção e Sistemas
Escola de Engenharia da Universidade do Minho
Teste 1.1: Estudo Antropométrico
UNESP – FEG – DPD – Prof. Edgard - 2011 01-37
Quais as variáveis do presente estudo ?
Peso
Estatura
Altura do Umbigo
Altura do Ombro Direito
Altura do Ombro Esquerdo
Quais as características da população que devem ser consideradas no estudo ?
Identificação do aluno (No. Matrícula)
Idade
Sexo
Teste 1.1: Estudo Antropométrico
UNESP – FEG – DPD – Prof. Edgard - 2011 01-38
Coleta de dados:
n.ordem matr. idade sexo peso estatura alt.umbigo alt.ombr.dir. alt.ombro.esqu.
123456789
1011121314151617181920. . .
Teste 1.1: Estudo Antropométrico
UNESP – FEG – DPD – Prof. Edgard - 2011 01-39
Quais Estatísticas Descritivas utilizar ?
Estatísticas de Tendência Central• Média• Mediana• Moda
Estatísticas de Dispersão• Variância• Desvio padrão• Coeficiente de Variação• Amplitude
Descrição Gráfica• Diagrama de Barra• Diagrama Circular (pizza)• Histograma• Diagrama de Caule e Folhas• Diagrama de Caixa e Bigode (box plot)• Diagramas de Dispersão• Reta de Regressão
Teste 1.1: Estudo Antropométrico
UNESP – FEG – DPD – Prof. Edgard - 2011 01-40
Experimento: Estudo Antropométrico
População: alunos da disciplina Probabilidade e Estatística
Amostra: alunos presentes na primeira aula da referida disciplina
Caracterização do aluno: número da matrícula, sexo, idade
Medidas: peso, estatura, altura do umbigo
Teste 1.1: Roteiro
UNESP – FEG – DPD – Prof. Edgard - 2011 01-41
Sugestões para a elaboração do relatório do experimento: Estudo Antropométrico
Página de rosto
• Título do trabalho;
• Resumo, com 15 linhas, no máximo;
• Nome e número do autor;
• Nome da disciplina;
• Nome do docente;
• Ano1. Introdução
• Apresentar o tema (assunto) objeto de estudo;
• Descrever em linhas gerais o que se pretende estudar, isto é, o objetivo do estudo antropométrico;
• Destacar a Divina Proporção(fi) e o Índice de Massa Corporal (IMC);
• Apresentar a justificativa da realização do estudo;
• Evidenciar a importância da Estatística na realização do estudo;
• Apresentar sucintamente o conteúdo das várias seções que compõem o relatório.
Teste 1.1: Roteiro
UNESP – FEG – DPD – Prof. Edgard - 2011 01-42
2. Detalhamento do Estudo• apresentar as características relevantes do ambiente objeto de estudo;
• detalhar o objetivo do estudo, especificando as questões a serem respondidas;
• descrever as simplificações consideradas (limitações do estudo realizado);
• definir as variáveis envolvidas no estudo;
• apresentar os recursos disponíveis (humanos, materiais,instalações) e suas características.
3. Apresentação do Método
• detalhar o procedimento utilizado na coleta de dados;
• descrever e comentar o planejamento do experimento e o plano de amostragem;
• apresentar as técnicas estatísticas utilizadas;
• apresentar o(s) software(s utilizados.
Teste 1.1: Roteiro
UNESP – FEG – DPD – Prof. Edgard - 2011 01-43
4 Descrição e Análise dos dados coletados
5. Considerações Finais
• apresentar os dados coletados (tabela);
• apresentar os principais gráficos, diagramas, histogramas, incluindo as análises e os comentários;
• apresentar as medidas de posição (média, mediana, moda), as medidas de dispersão (variância,desvio-padrão,coeficiente de variação), os coeficientes de correlação e as retas de regressão, incluindo as análises e os comentários.
• apresentar os principais resultados e conclusões do trabalho;
• apontar possíveis extensões (futuros trabalhos).
Teste 1.1: Roteiro
UNESP – FEG – DPD – Prof. Edgard - 2011 01-44
Dicas:
i) Utilizar o Microsoft Excel;
ii) Colocar-se na posição de um Estatístico apresentando um relatório profissional e não de um aluno fazendo um relatório para o professor.
7. Anexos ( conjunto de todas as tabelas, gráficos, diagramas, histogramas, etc. )
6. Referências bibliográficas
Teste 1.1: Roteiro
Top Related