IEFA — CPAINT
Previsão de Demanda

STAT101 - Estatística Aplicada

Fundamentos de estatística para previsão.

Código: STAT101
Nível: Introdutório
Pré-requisitos: Nenhum

Objetivos de Aprendizagem

Ao final desta matéria, o aluno deverá ser capaz de:

  1. Compreender os conceitos de média, mediana e moda e quando utilizar cada um.

  2. Calcular e interpretar medidas de dispersão (variância e desvio padrão).

  3. Entender a Distribuição Normal e sua importância para o cálculo de estoque de segurança.

  4. Identificar outliers em uma série de dados.

  5. Compreender intuitivamente os conceitos de teste de hipótese (valor-p e hipótese nula) e o que significa "estatisticamente significativo".

Cobertura no Cronograma

MóduloTópicoTipo
Módulo 2Medidas de Tendência Central (Média, Mediana)Teoria+Prática
Módulo 3Dispersão (Desvio Padrão) e Distribuição NormalTeoria
Módulo 4Outliers e Hipótese Nula (Intuição)Teoria
Módulo 5Correlação e CausalidadeTeoria

Tópicos Abordados

Medidas de Tendência Central

Onde os dados se concentram — o "centro de gravidade" da série.

  • Média: Soma dividida pela quantidade. Sensível a valores extremos.
  • Mediana: Valor central ao ordenar a série. Robusta contra outliers.
  • Quando usar cada uma: Média para distribuições simétricas; mediana quando há outliers ou distribuição assimétrica (ex.: consumo de peças de reposição rara).

Aplicação direta: ao calcular a demanda média para o Ponto de Reposição, um único mês atípico (operação especial) pode distorcer a média — use a mediana nesses casos.

Medidas de Dispersão

O quão confiáveis (ou variáveis) são seus dados.

  • Variância: Média dos quadrados dos desvios. Útil para cálculos internos.
  • Desvio Padrão (σ): Raiz da variância. Mesma unidade dos dados — o mais usado na prática.
  • Coeficiente de Variação (CV): σ / Média. Permite comparar a variabilidade de itens com escalas diferentes.

Aplicação direta: o desvio padrão da demanda é o insumo central do cálculo de Estoque de Segurança em LOGI201.

Distribuição Normal (Curva de Gauss)

  • Intuição: A maioria dos fenômenos naturais e de demanda se concentra em torno da média, com ocorrências extremas cada vez mais raras.
  • Regra 68-95-99,7: ~68% dos valores estão a ±1σ da média; ~95% a ±2σ; ~99,7% a ±3σ.
  • Fator Z: Multiplicador do desvio padrão para diferentes níveis de serviço (ex.: Z=1,65 para 95%; Z=2,05 para 98%).

Conexão com Estoque de Segurança

O Fator Z é o elo entre estatística e logística: ES = Z × σ_demanda × √Lead Time. Quem entende a Normal sabe o que está pagando ao escolher 95% vs. 99% de nível de serviço.

Outliers e Hipótese Nula

  • Outlier: Valor anormalmente distante da média (regra prática: além de ±2σ ou ±3σ).
  • Causas comuns na logística: Operações especiais, erros de lançamento, sazonalidade não modelada.
  • Hipótese Nula (intuição): "Não existe efeito / diferença" — é o estado que queremos refutar com evidência.
  • Valor-p para gestores: Probabilidade de observar o resultado caso a hipótese nula seja verdadeira. Valor-p < 0,05 → evidência suficiente para rejeitar o "não há diferença".

Correlação e Causalidade

  • Correlação (r): Mede a força e a direção da relação linear entre duas variáveis. Varia de -1 a +1.
  • Correlação ≠ Causalidade: Sorvete e afogamento são correlacionados (calor causa os dois). Antes de modelar, questione o mecanismo causal.
  • Aplicação em previsão: Identificar variáveis externas (temperatura, sazonalidade, eventos) que explicam variações da demanda.

Materiais de Consulta

  • WHEELAN, Charles. Estatística: O que é, para que serve, como funciona. Zahar, 2016. (Leitura excelente para intuição).
  • ANDERSON, David R. et al. Estatística Aplicada a Administração e Economia. Cengage, 2019. (Livro texto base).
  • Dataset de exemplo: Dados simulados de consumo de gêneros alimentícios.

Avaliação

Exercícios Práticos

  1. Calcular média e mediana de uma série com outlier e comparar o impacto em cada medida.

  2. Dado um desvio padrão e um nível de serviço, encontrar o fator Z e calcular o Estoque de Segurança.

  3. Classificar um outlier em uma série de demanda e propor tratamento (exclusão ou substituição pela mediana).

  4. Interpretar o coeficiente de correlação entre temperatura e consumo de um insumo.

On this page