Professional Documents
Culture Documents
Estatstica Descritiva
Introduo
Estatstica Cincia/Disciplina cujo objectivo fundamental a recolha, a compilao, a anlise e a interpretao de dados. Nota: A palavra estatstica deriva da palavra alem staatenkund que significa cincia das coisas do estado. Os primeiros estudos estatsticos tinham como objectivo o conhecimento dos bens do Estado e de como estavam distribudos pela populao. Como todas as cincias, a Estatstica utiliza uma linguagem prpria. Assim, num estudo estatstico, comeamos por definir: Populao/Universo conjunto de elementos com determinada caracterstica em comum e com interesse para o estudo. Ex.: Objectivo: estudar a altura dos alunos do IPCB. Populao: conjunto de todos os alunos do IPCB. Populao Alvo a totalidade dos elementos sobre os quais se deseja obter determinado tipo de informao. Ex: Aceitao de uma bebida alcolica pelos portugueses. Populao: Habitantes de Portugal. Populao Alvo: Portugueses maiores de idade ( 18 anos). Finita nmero de alunos de uma escola. Populao Infinita conjunto das temperaturas nos diversos pontos do pas num determinado momento. Cada elemento da populao designado por unidade experimental ou unidade estatstica. Ex.: cada aluno do IPCB constitui uma unidade experimental do estudo das alturas dos alunos do IPCB.
NATRCIA SANTOS
2011/2012
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Se vamos estudar a altura dos alunos do IPCB, caracterstica altura chamamos varivel estatstica. Varivel Estatstica caracterstica ou atributo em estudo, comum a todos os elementos de uma populao. Ex.: cor dos olhos, altura, idade, etc. Quantitativa: quando se expressa numericamente (altura, peso, etc.) (mensurvel). Varivel Estatstica Qualitativa: quando se expressa nominalmente (profisso, cor dos olhos, religio, etc) (no mensurvel). Cada varivel pode tomar um determinado conjunto de valores. Ex.: cor dos olhos (varivel) > azul, castanho, verde, etc. (valores)
Discreta: pode tomar um nmero finito de valores. Ex.: n de golos num jogo. Varivel Estatstica Quantitativa Contnua: pode tomar um nmero infinito de valores. Ex.: peso corporal, altura, etc.
Ao resultado da observao de uma varivel chama-se dado estatstico. No classificado: sem qualquer ordenao. Dado Estatstico Classificado: agrupados atravs de um quadro estatstico. Ex.: abb cad dbc Valores qualitativos Dados no classificados xi a b c d Fi 2 3 2 2
Dados classificados
NATRCIA SANTOS
2011/2012
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Nota: por vezes conveniente fazer corresponder um nmero a cada expresso nominal correspondente a um dado qualitativo para facilitar o tratamento dos dados. Ex.: Varivel: cor dos olhos 1 azul 2 verde (...) Para se efectura um estudo estatstico necessrio recolher os dados. A recolha de dados pode ser realizada atravs de um censo/resenseamento ou de uma sondagem. Censo/Resenseamento processo que permite ter acesso a todos os elementos da populao. Nem sempre possvel ou conveniente analisar todos os elementos da populao em estudo, porque: O universo infinito ou demasiado extenso. Ex.: Presses atmosfricas nos diversos pontos da terra, num dado momento. A recolha de dados muito dispendiosa ou leva muito tempo e quando fica completa os resultados j esto desactualizados. Ex.: Censo opinio pblica sobre um candidato. A observao implicaria a destruio generalizada dos elementos da populao. Ex.: Experimentar fsforos para verificar se tm problemas. Nestes casos recorre-se a uma amostra. Amostra subconjunto de elementos extrados da populao. Sondagem estudo estatstico de uma populao feito atravs de uma amostra. Este processo permite, ter acesso a todos os elementos da amostra. Distribuio Estatstica conjunto de dados ordenados de forma ascendente [x(1), x(2), ..., x(n)]. Parmetro Estatstico caracterstica numrica da populao. Se for seleccionada uma boa amostra, podemos calcular caractersticas amostrais (ex.: mdia das alturas dos alunos da ESTCB), e com base nesses resultados efectuar uma boa avaliao dos parmetros correspondentes da populao (Ex.: Altura mdia (Parmetro populacional) dos alunos do IPCB).
NATRCIA SANTOS
2011/2012
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Tcnicas de Amostragem Amostragem: Operao atravs da qual se torna um certo nmero de elementos da populao em estudo. Para se obter uma amostra representativa da populao devem ser tomados os seguintes cuidados: Imparcialidade todos os elementos devem ter a mesma oportunidade de fazer parte da amostra. Representatividade a amostra deve conter em proporo tudo o que a populao possui, qualitativamente e quantitativamente. Tamanho a amostra deve ter uma dimenso adequada.
Aleatria: escolha parcial/totalmente ao acaso dos elementos a Amostragem constituirem a amostra No aleatria/ Viciada
Amostragem Aleatria Simples extrair da populao ao acaso, um nmero de elementos fixado como dimenso da amostra. Ex.: atribuir um nmero a cada aluno da EST e seleccionar 30 ao acaso. Estratificada recenseamento das unidades mais abrangentes e procede-se a uma amostragem aleatria simples em cada um dos estratos, na proporo em que a dimenso do estrato est para a dimenso da populao. Ex.: Considerar que cada curso um estrato. O nmero de alunos a escolher em cada estrato deve ser proporcional ao nmero de alunos de cada curso. Sistemtica seleccionar os elementos da amostra a partir de intervalos fixos. Ex.: Seleccionar os alunos cujo nmero mltiplo de 5.
Amostragem No aleatria Acidental baseia-se no que convm ao observador. Por cotas por idade / por classe social, etc. Convenincia seleccionar os empregados de uma empresa para responder sobre o grau de satisfao dos clientes em relao ao atendimento.
NATRCIA SANTOS
2011/2012
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Consoante o tipo de estudo a realizar podemos classificar a estatstica em: Estatstica Descritiva quando se analisa um conjunto de dados retirados de uma amostra. Estatstica Dedutiva/Inferncia Estatstica quando a partir das concluses obtidas durante a anlise de um conjunto de dados se retiram concluso sobre todos os elementos da populao a estudar.
Populao
amostra
Parmetros (desconhecidos)
Estatsticas (conhecidos)
NATRCIA SANTOS
2011/2012
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Organizao de Dados
Aps a recolha de dados necessrio proceder sua organizao de forma a se conseguir retirar informao. A organizao dos dados pode ser realizada atravs de Tabelas de Frequncias e de Grficos. A forma de organizao em tabela ou o tipo de grfico a usar depende do tipo de dados: Discretos ou Contnuos.
Tabelas de Frequncias As tabelas de frequncias permitem organizar os dados observados. Numa primeira coluna colocamos os dados observados (xi) por ordem crescente (no caso dos dados serem contnuos os dados so agrupados em classes sendo estas apresentadas na primeira coluna da tabela ver forma de criao de classes mais frente). Uma vez definidos os valores da varivel, vamos contabilizar quantas vezes observado cada um desses valores, obtendo-se a Frequncia Absoluta de cada dado. Supondo que foram observados k dados diferentes, a tabela seguinte apresenta a forma de organizao dos dados em tabela de frequncias: xi x1 x2 ... xk
k
fi f1 f2 ... fk
Fi F1=f1+0 F2=f2+F1
fri
fr1 = fr2
f1 n f2 = n
Fk=fk+Fk-1=n
frk =
k
fk n
Frk=frk+Fr(k-1)=1
fi = n
i =1
fri = 1
i =1
fi - Frequncia Absoluta: corresponde ao nmero de vezes que ocorre o valor do dado de ndice i. A soma de todas as frequncias absolutas igual ao nmero total de observaes da amostra.
fi = n
i =1
Fi Frequncia Absoluta Acumulada: o somatrio de todas as frequncias absolutas de ndice menor ou igual a i.
NATRCIA SANTOS
2011/2012
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
5 , se n < 25 k = n , se n 25
Uma vez definido o n de classes a considerar, a amplitude de cada classe ser determinada da seguinte forma: Amplitude da Classe =
Amplitude do Intervalo de Variao = N de Classes Valor Mximo Observado Valor Mnimo Observado N de Classes
A definio das classe deve comear tendo por base o valor mais baixo observado ao qual se soma a amplitude calculada obtendo-se o limite superior da classe. Este valor usado como limite inferior da classe seguinte ao qual se soma a amplitude calculada para obter o limite superior. Este procedimento repetido at se definirem todas as classes previstas para o conjunto de dados.
NATRCIA SANTOS
2011/2012
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
NOTA: Por vezes acontece termos observaes que no ficam incluidas nas classes consideradas inicialmente. Geralmente este facto deve-se a arredondamentos nos clculos e resolve-se criando uma nova classe com a amplitude da anterior de forma a que todas as observaes constem na tabela de frequncias.
Representaes Grficas Os dados tambm podem ser representados graficamente. Os tipos de grficos a usar dependem do tipo de dados com que estamos a trabalhar: Grficos Dados Discretos Grficos de Barras usam-se para representar frequncia absolutas ou frequncias relativas Pictogramas (semelhantes aos grficos de barras mas que utilizam imagens relativas aos dados em vez das barras) Sectogramas - usam-se para representar frequncia absolutas Diagramas de Caule e Folhas - usam-se para organizar/representar os dados observados sem recurso tabela de frequncias Grficos da Funo Cumulativa usam-se para representar frequncias absolutas acumuladas ou frequncias relativas acumuladas Grficos Dados Agrupados em Classes Histograma grfico construdo com rectngulos adjacentes de tal modo que a base de cada rectngulo tem largura proporcional amplitude da respectiva classe e a altura proporcional respectiva frequncia (absoluta, relativa, absoluta acumulada ou relativa acumulada, consoante o que se pretende representar) Polgonos de Frequncias Os polgonos de frequncias so grficos construdos a partir de histogramas diferindo o modo de construo consoante se est a representar frequncias absolutas/relativas ou frequncias acumuladas. Caso o polgono esteja a ser construido com base no histograma de frequncias absolutas/relativas, este obtm-se unindo os pontos mdios dos topos dos rectngulos dos histogramas. Caso o polgono esteja a ser construido com base no histograma de frequncias acumuladas (absolutas/relativas), este obtm-se unindo os limites superiores dos topos dos rectngulos dos histogramas. A este polgono d-se o nome de Ogiva de Galton. Apresentam-se de seguida exemplos de organizao de dados.
NATRCIA SANTOS
2011/2012
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Exemplos de Organizao de Dados Discretos A tabela seguinte apresenta as idades de 20 alunos de uma turma. 17 18 19 17 21 20 19 20 22 18 18 17 18 18 18 19 19 17 18 19
fi 4 7 5 2 1 1
fri
4 = 0,2 20 7 = 0,35 20
0,25 0,10 0,05 0,05
fi = 20
i =1
fri = 1
i =1
Atravs da tabela podemos verificar que: Existem 7 alunos com 18 anos (ver nas frequncia absolutas); Existem 16 alunos com idade inferior a 20 anos (ver nas frequncias absolutas acumuladas); Os alunos com 20 anos constituem 10% do total de alunos (ver nas frequncia relativas); 80% dos alunos tm idade inferior ou igual a 19 anos (ver nas frequncia relativas acumuladas).
NATRCIA SANTOS
2011/2012
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
fi 8 7 6 5 4 3 2 1 0
Grfico de Barras
17
18
19
20
21
22 Xi
Sectograma:
observado sendo a sua amplitude proporcional respectivafrequncia absoluta. O clculo da amplitude de cada sector realiza-se da seguinte forma:
n 360 o fi
ai
a18 =
Procedendo
7 * 360 o = 126 o 20
para cada idade observada
Diagrama de Caule e Folhas: Permite ao observados uma percepo do aspecto global dos dados sem perda da informao contida na coleco de dados inicial. Trata-se de uma linha vertical registando-se esquerda o dgito das dezenas e direita os sucessivos dgitos das unidades. Com base directa nos dados observados temos:
NATRCIA SANTOS
2011/2012
10
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
NOTA: Apesar de neste documento no aparecerem exemplos de grficos de funo cumulativa ou de frequncias relativas no significa que no sejam objecto de avaliao este um documento de apoio, mas no uma sebenta exaustiva de todos os casos estudados nas aulas... O estudo da disciplina deve ser realizado preferencialmente atravs dos
NATRCIA SANTOS
2011/2012
11
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Exemplos de Organizao de Dados Agrupados em Classes A tabela seguinte apresenta as alturas de 20 alunos de uma turma. 151 157 158 156 163 170 172 171 174 150 154 162 173 166 165 160 160 164 153 158
Organizao dos dados em Tabela de Frequncias 1- Calcular o n de classes a considerar Como n=20 <25, vamos considerar 5 classes. 2- Calcular a Amplitude de cada classe Amplitude da Classe =
Para simplificar os clculos vamos considerar classes de amplitude 5. 3- Construir a Tabela de Frequncias Classes [150;155[ [155;160[ [160;165[ [165;170[ [170;175[
k
fi 4 4 5 2 5
fri
4 = 0,2 20 4 = 0,2 20
0,25 0,10 0,25
fi = 20
i =1
fri = 1
i =1
NATRCIA SANTOS
2011/2012
12
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Medidas de Localizao
As medidas de localizao so medidas calculadas com base nos dados permitindo descrever globalmente o conjunto de valores observados. As medidas de localizao dividem-se em: Medidas de Tendncia Central: Mdia Moda Mediana Medidas de Tendncia no Central Quantis Quartis Decis Centis/Percentis
As frmulas para o clculo das medidas de localizao so diferentes consoante se est a trabalhar com dados discretos ou com dados agrupados em classes.
Medidas de Tendncia Central Mdia Existe sempre; Leva em conta todos os valores observados; afectada pelos valores extremos Dados Agrupados em k Classes
_ x = 1 n k
i =1
fi x i
Moda Valor mais frequente; Pode no existir; pode existir mais do que uma moda. Apenas uma Moda: a distribuio diz-se Unimodal; Duas Modas: distribuio Bimodal Mais do que duas Modas: Distribuio Plurimodal No leva em conta todos os valores observados; No afectada pelos valores extremos
NATRCIA SANTOS
2011/2012
13
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Dados Agrupados em k Classes 1. Determinar a Classe Modal: classe com maior frequncia absoluta; 2. Aplicar a frmula: f(Mo + 1) Mo = li (Mo ) + a(Mo ) = f(Mo 1) + f(Mo + 1)
= Mo = li +
fp fa + fp
ai
Legenda: li = li(Mo ) - limite inferior da classe Modal fa = f(M o + 1) - Frequncia Absoluta da classe posterior classe Modal fp = f(M o 1) - Frequncia Absoluta da classe anterior classe Modal ai = a(M o ) - amplitude da classe Modal
Mediana
Corresponde ao valor do meio; Existe sempre; No leva em conta todos os valores observados; No afectada pelos valores extremos Dados Agrupados em k Classes 1. Determinar a Classe Mediana: classe que n acumula observaes; 2 2. Aplicar a frmula: n F(Me 1) Me = li (Me ) + 2 a(Me ) = f(Me ) = Me
Me
n Fa 2 = li + ai fi
Legenda: li = li(Mo ) - limite inferior da classe Mediana Fa = F(M e 1) - frequncia acumulada da classe anterior classe Mediana fi = f(M e ) - frequncia absoluta da classe Mediana ai = a(M e ) - amplitude da classe Mediana
NATRCIA SANTOS
2011/2012
14
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Dividem a distribuio em 4 partes iguais Dados Agrupados em k Classes 1. Determinar a posio do quartil
PQi =
i (n + 1) = k, d 4
i = 1, 2, 3
PQi =
in 4
i = 1, 2, 3
2. Aplicar a frmula
2. Determinar a classe quartil: classe que in acumula PQi = observaes 4 3. Aplicar a frmula: in F(Qi 1) Q i = li (Q i ) + 4 a(Qi ) = f(Q i )
in Fa = Q i = li + 4 ai fi
Legenda: li = li (Qi ) - limite inferior da classe Quartil Fa = F(Q i 1) - frequncia acumulada da classe anterior classe Quartil fi = f(Q i ) - frequncia absoluta da classe Quartil ai = a(Q i ) - amplitude da classe Quartil
Diagrama de Caixa com Bigodes Uma vez calculados os quartis e considerando os valores extremos (valor mnimo e valor mximo observados) podemos construir uma caixa com bigodes: escala, marcamos os quartis que definem uma caixa na qual se asinala a mediana. Para cada lado da caixa desenha-se uma linha horizontal (bigodes) at aos valores extremos da distribuio. EX: No estudo de uma distribuio obtiveram-se os seguintes valores: Min=5; max=14; Q1=9; Q2= Me =10; Q3=12. A figura seguinte apresenta o respectivo diagrama de caixa com bigodes.
10
11
12
13
14
Q1 Q2=Me
Q3
NATRCIA SANTOS
2011/2012
15
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Medidas de Tendncia No Central Decis e Centis/Percentis NOTA: As frmulas para os Decis (Di) e para os Centis (Ci)/Percentis (Pi) so anlogas s dos Quartis apenas diferindo no nmero de partes em que dividimos a distribuio 10 ou 100 em vez de 4.
Decis
Dividem a distribuio em 10 partes iguais Dados Agrupados em k Classes 1. Determinar a posio do decil
PDi =
i (n + 1) = k, d 10
i = 1, 2, ...,9
PDi =
in 10
i = 1, 2,...,9
2. Aplicar a frmula
2. Determinar a classe decil: classe que in acumula PDi = observaes 10 3. Aplicar a frmula:
classe anterior classe Decil fi = f(D i ) - frequncia absoluta da classe Decil ai = a(Di ) - amplitude da classe Decil
NATRCIA SANTOS
2011/2012
16
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Centis/Percentis
Dividem a distribuio em 100 partes iguais Dados Agrupados em k Classes 1. Determinar a posio do centil
PCi =
in 100
i = 1, 2,...,99
2. Determinar a classe centil: classe que in acumula PCi = observaes 100 3. Aplicar a frmula: in F(C i 1) 100 C i = li (C i ) + a(C i ) = f(C i )
in Fa ai = C i = li + 100 fi
Legenda: li = li (C i ) - limite inferior da classe centil
Fa = F(C i 1) - frequncia acumulada da
classe anterior classe centil fi = f(C i ) - frequncia absoluta da classe centil ai = a(Di ) - amplitude da classe centil
NATRCIA SANTOS
2011/2012
17
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Medidas de Disperso
As medidas de localizao no permitem avaliar se os dados de uma distribuio esto ou no concentrados em torno de um valor (por exemplo, da mdia). assim necessrio complementar as medidas de tendncia central com medidas que permitam avaliar o grau de disperso dos dados. Amplitude Total: a diferena entre o valor mximo e o valor mnimo observados
w = x (max) x (min)
Amplitude Inter Quartil: a diferena entre o terceiro quartil e o primeiro quartil AIQ=Q3-Q1 Estas medidas so pouco realistas em termos de avaliao da disperso dos dados uma vez que no consideram todos os dados no seu clculo. As medidas seguintes j tm em conta todos os dados: Desvio Absoluto Mdio (dm): a mdia aritmtica dos valores absolutos dos desvios de cada um dos dados em relao mdia. Dados Organizados em k Modalidades Dados Agrupados em k Classes
dm
1 = n
k i =1
fi | xi x |
dm =
1 n
k i =1
fi | xi' x | ,
Varincia (s2): obtm-se somando os quadrados dos desvios das observaes da amostra, relativamente sua mdia, e dividindo pelo nmero de observaes da amostra. Dados Organizados em k Modalidades Dados Agrupados em k Classes
1 s2 = n
k i =1
fi (xi x)
_2
s2 =
1 n
k i =1
fi (xi' x)
_2
A varincia uma medida que se expressa no quadrado da unidade da varivel (por exemplo, no caso do estudo da altura dos alunos de uma escola, os dados so expressos em metro (m) e a varincia define-se em metro quadrado (m2). conveniente usar uma medida de disperso que se expresse na mesma unidade dos dados: usamos ento o Desvio Padro. Desvio Padro (s): a raz quadrada da varincia. D informao sobre a variabilidade dos dados em relao mdia. s =
s2
NATRCIA SANTOS
2011/2012
18
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Coeficiente de Variao de Pearson (Cvp): o quociente, em termos percentuais, entre o desvio padro e a mdia da distribuio.
s C vp = _ x 100 x
Ao contrrio das medidas de disperso anteriores, o Coeficiente de Variao de Pearson uma medida independente das unidades em que se expressa a varivel, pelo que deve ser utilizada quando se pretendem comparar distribuies que se expressem em unidades diferentes ou que apresentem mdias diferentes. Em termos prticos, um Coeficiente de Variao acima de 50% indica um alto grau de disperso dos dados em torno da mdia e, consequentemente, uma pequena representatividade da mdia como medida realstica. Por exemplo, suponha-se que a mdia das notas a uma disciplina de 10 valores e que os dados variam entre os 8 e os 12 valores a disperso dos dados baixa, pelo que o Cvp deve apresentar um baixo valor. Mas se, para a mesma mdia, os dados se situam entre 0 e 1 valores e entre os 19 e 20 valores, a mdia de 10 valores j no representativa da distribuio, devendo o Cvp apresentar um valor acima dos 50%.
Medidas de Assimetria
Assimetria: grau de desvio ou afastamento da simetria de uma distribuio. Uma distribuio diz-se assimtrica quando no existe simetria da curva de frequncias em relao recta vertical que passa pela abcissa correspondente mdia. Uma distribuio pode ser classificada como sendo:
Simtrica:
NATRCIA SANTOS
2011/2012
19
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Assimtrica Positiva:
Assimtrica Negativa:
Mtodos de Classificao de uma distribuio quanto Simetria Para distribuies Unimodais e Moderadamente Assimtricas a classificao pode ser realizada das seguintes formas: Comparao das Medidas de Tendncia Central
Se Mo = Me = mdia temos uma Distribuio Simtrica Se Mo < Me < mdia temos uma Distribuio Assimtrica Positiva Se mdia < Me < Mo temos uma Distribuio Assimtrica Negativa
x Mo C p1 = s
C p1 = 0 , Distribuio Simtrica
Se C p1 > 0 , Distribuio Assimtrica Positiva
NATRCIA SANTOS
2011/2012
20
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
3 (x Me ) C p2 = s
C p2 = 0 , Distribuio Simtrica
Se C p2 > 0 , Distribuio Assimtrica Positiva
Tambm
podemos
classificar
distribuio
usando
Coeficiente
Quartlico
de
Assimetria:
Cq
Q + Q1 2Q 2 = 3 Q 3 Q1
C q = 0 , Distribuio Simtrica
Se C q > 0 , Distribuio Assimtrica Positiva
NOTA: Em certas situaes pode acontecer que as concluses obtidas atravs destes mtodos no sejam todas coincidentes. Tal facto, usualmente, deve-se a erros de arredondamento dos clculos ou ao facto de no se usarem os dados todos disponveis para o clculo dos coeficientes.
NATRCIA SANTOS
2011/2012
21
PROBABILIDADES E ESTATSTICA
ESTATSTICA DESCRITIVA
Leptocrtica
Mesocrtica
Platicrtica
Coeficiente de Curtose
K =
K = 0 , Distribuio Mesocrtica
Se K > 0 , Distribuio Platicrtica
NATRCIA SANTOS
2011/2012
22