ads:
Ruy Rosado de Aguiar Neto
ESTATÍSTICA BÁSICA APLICADA À
ADMINISTRAÇÃO JUDICIÁRIA
Dissertação de Mestrado Profissionalizante
em Poder Judiciário.
Aprovada, com distinção e louvor, e aceita
como requisito para obtenção do certificado
de Pós Graduação Stricto Sensu, nível de
Mestrado em Poder Judiciário. Fundação
Getúlio Vargas, Escola de Direito FGV
Direito Rio. Setembro de 2009.
Orientador: Prof. Dr. Leonardo Jacintho Teixeira
Co-orientadora: Profª. Me. Andréa Diniz da Silva
Rio de Janeiro
2009
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
2
RESUMO
A partir da Constituição de 1988, houve crescimento expressivo na busca pela prestação
jurisdicional, mas sem acréscimo proporcional na estrutura judiciária e sem a adequada
alteração do sistema processual. O descompasso provocou o congestionamento da maioria dos
órgãos judiciais. Atualmente, a morosidade é o problema mais grave enfrentado pelo Poder
Judiciário brasileiro. Dentre as suas várias causas, somente as que têm relação com o modo de
prestação do serviço podem ser enfrentadas internamente. Nesse contexto, a modernização da
administração judiciária, baseada em informação estatística de qualidade, é a solução que se
mostra viável. No Rio Grande do Sul, o aprimoramento do sistema de coleta de dados é
condição indispensável para que o Tribunal de Justiça disponha de estatísticas adequadas de
medição da produtividade individual e de indicadores de desempenho da instituição. A
capacitação dos magistrados em técnicas estatísticas básicas também se faz necessária, a fim
de que as informações fornecidas pelo sistema possam ser interpretadas corretamente, em
benefício da administração do Poder Judiciário.
Palavras-chave: Judiciário. Congestionamento. Morosidade. Administração. Estatística.
Dados. Medição. Produtividade. Indicadores. Desempenho. Informação.
ads:
3
ABSTRACT
From the 1988 Brazilian Constitution on, there was an expressive increase of pursuing
judgment in Brazilian judiciary system; there was, however, neither the correspondent
increase in the judiciary structure, nor the necessary change in the procedural system. This
disharmony caused the disturbing accumulation of cases in the judiciary structure. Today, the
slowness is the worst problem faced by the Brazilian judicial system. Among the causes of the
problem, only the ones related to the judicial service itself can be solved internally. In this
context, the modernization of the judicial structure based on high level statistics is the only
possible solution. In Rio Grande do Sul, the perfection of the databases is an essential
condition to achieve the adequate data to measure the productivity of judges or the judicial
structure as a whole. To make sure that the databases are properly gathered, it is important to
train judges in basic statistic techniques, which may come to the benefit of the judiciary
system.
Key-words: Judiciary. Accumulation. Slowness. Administration. Statistics. Data.
Measurement. Productivity. Indicators. Performance. Information.
4
SUMÁRIO
INTRODUÇÃO .......................................................................................................................... 6
1 A IMPORTÂNCIA DA ESTATÍSTICA PARA O PODER JUDICIÁRIO ........................... 8
1.1 Crescimento da demanda ................................................................................................. 8
1.2 Congestionamento ........................................................................................................... 8
1.3 Morosidade .................................................................................................................... 12
1.3.1 Causas .................................................................................................................... 15
1.4 Aperfeiçoamento da administração judiciária ............................................................... 18
1.5 Aplicação da Estatística à administração judiciária ....................................................... 20
1.6 Evolução da Estatística Judiciária no Brasil .................................................................. 24
2 O SISTEMA DE ESTATÍSTICAS DO JUDICIÁRIO GAÚCHO ....................................... 31
2.1 Pontos positivos ............................................................................................................. 31
2.2 Pontos negativos ............................................................................................................ 32
2.3 Proposta de melhoria ..................................................................................................... 33
3 NOÇÕES DE ESTATÍSTICA PARA A ADMINISTRAÇÃO JUDICIÁRIA ..................... 37
3.1 Fundamentos históricos ................................................................................................. 37
3.2 Conceito atual de Estatística .......................................................................................... 38
3.3 Etapas do método estatístico .......................................................................................... 40
3.4 Estatística Descritiva e Estatística Inferencial ............................................................... 41
3.5 População, amostra, casos, variáveis e dados ................................................................ 43
3.6 Censo e amostragem ...................................................................................................... 46
3.7 Métodos de amostragem ................................................................................................ 48
3.7.1 Métodos probabilísticos ......................................................................................... 49
3.7.2 Métodos não probabilísticos .................................................................................. 54
3.8 Tabelas e gráficos .......................................................................................................... 55
3.8.1 Tabelas ................................................................................................................... 56
3.8.1.1 Séries estatísticas ............................................................................................ 60
3.8.1.2 Tabela de frequências ..................................................................................... 61
3.8.1.3 Classes ............................................................................................................ 71
3.8.2 Gráficos. ................................................................................................................. 76
3.8.2.1 Histograma ..................................................................................................... 77
3.8.2.2 Gráfico de colunas e gráfico de barras ........................................................... 83
3.8.2.3 Gráfico em linha ............................................................................................. 84
3.8.2.4 Gráfico de Pareto ............................................................................................ 85
3.8.2.5 Gráfico de ogiva ............................................................................................. 88
3.8.2.6 Boxplot............................................................................................................ 90
3.8.2.7 Gráfico de setores ........................................................................................... 95
3.8.2.8 Cartograma ..................................................................................................... 96
3.9 Medidas quantitativas .................................................................................................... 97
3.9.1 Medidas de posição ................................................................................................ 97
3.9.1.1 Medidas de tendência central ......................................................................... 98
3.9.1.1.1 Média aritmética ..................................................................................... 99
3.9.1.1.1.1 Média aritmética simples .............................................................. 100
3.9.1.1.1.2 Média aritmética ponderada .......................................................... 100
3.9.1.1.2 Média geométrica ................................................................................. 104
3.9.1.1.3 Moda ..................................................................................................... 106
3.9.1.1.4 Mediana ................................................................................................ 109
3.9.1.2 Medidas de ordenamento.............................................................................. 113
5
3.9.2 Assimetria e curtose ............................................................................................. 114
3.9.3 Medidas de Dispersão .......................................................................................... 118
3.9.3.1 Amplitude total ............................................................................................. 119
3.9.3.2 Desvio médio absoluto ................................................................................. 120
3.9.3.3 Variância ...................................................................................................... 122
3.9.3.4 Desvio padrão ............................................................................................... 124
3.9.3.5 Coeficiente de variação ................................................................................ 125
3.9.3.6 A importância do controle da dispersão ....................................................... 126
CONCLUSÕES E TRABALHO FUTURO ........................................................................... 127
Conclusões ......................................................................................................................... 127
Trabalho futuro .................................................................................................................. 128
REFERÊNCIAS. .................................................................................................................... 132
6
INTRODUÇÃO
A partir da promulgação da Constituição Federal de 1988, verificou-se
crescimento marcante na procura pelo Poder Judiciário, o que acarretou problemas de demora
na prestação jurisdicional. Tem-se uma quantidade espantosa de processos novos, muito
acima da capacidade de julgamento dos órgãos judiciais, com tendência de agravamento do
quadro, se mantidos a mesma estrutura e os mesmos procedimentos. O custo do serviço
judicial, por sua vez, é considerável, situando-se entre os mais altos das nações ocidentais.
As causas da morosidade são bem conhecidas, mas só algumas, as que
dizem com o modo de prestação do serviço, podem ser enfrentadas internamente. Como
perspectiva imediata, resta ao Poder Judiciário tornar-se mais eficiente, fazendo aumentar o
seu rendimento apenas com o aperfeiçoamento da administração judiciária.
A boa gestão pressupõe que o planejamento, a avaliação e o monitoramento
estejam baseados em informação de qualidade, o que torna a Estatística uma ferramenta
imprescindível no processo de modernização do Judiciário.
A Estatística vem assumindo lugar de destaque no cenário judicial
brasileiro, especialmente em função da atuação do Conselho Nacional de Justiça, criado pela
Emenda Constitucional n° 45. Os relatórios dos tribunais, que antes se limitavam a informar
dados relacionados com a carga processual, agora apresentam sofisticados indicadores de
desempenho, cuja análise facilita a tomada de decisão no processo de planejamento
estratégico, além de servirem para a mensuração do desempenho e da produtividade dos
órgãos judiciais.
O propósito deste trabalho é demonstrar a importância da Estatística para a
Administração Judiciária, sugerindo a adequação do sistema de informações como meio de
monitoramento de desempenho e a capacitação dos juízes na adoção de ferramentas
estatísticas, a fim de que tais providências possam contribuir com a tarefa de melhoria da
prestação jurisdicional.
A pesquisa utilizou dados da Justiça Estadual do Rio Grande do Sul.
Redigiu-se um texto de fácil leitura para leigos em Matemática, com a invocação de exemplos
reais da justiça comum de primeiro grau, sendo o principal foco a aplicação prática das
técnicas apresentadas, e não a discussão dos seus aspectos matemáticos. Procurou-se
empregar o método científico, baseado na observação e na experimentação, com consulta à
bibliografia referente aos temas da administração judiciária e da estatística aplicada à
administração em geral.
7
O desenvolvimento do trabalho está dividido em três capítulos: o primeiro
trata da aplicação da Estatística à Administração Judiciária como forma de enfrentamento do
problema da morosidade. O segundo avalia o sistema de estatísticas do Poder Judiciário do
Estado do Rio Grande do Sul, com indicação dos seus pontos positivos e negativos e
sugestões específicas quanto ao aprimoramento da coleta e da análise dos dados. O terceiro
aborda algumas técnicas estatísticas, com explicação das ferramentas, apresentação das
fórmulas e demonstração de sua utilidade para a administração judiciária por meio de
exemplos, alguns deles desenvolvidos com o uso do Excel, software que facilita a obtenção
dos resultados e a construção dos gráficos. Ao final, são apresentadas as conclusões e uma
sugestão para trabalho futuro.
Considerando que no mercado não há livros de Estatística especificamente
voltados à administração judiciária, o presente estudo tem por propósito ajudar a preencher
essa lacuna, proporcionando aos magistrados o conhecimento necessário e suficiente à adoção
de algumas técnicas de análise estatística na atividade forense.
8
1 A IMPORTÂNCIA DA ESTATÍSTICA PARA O PODER JUDICIÁRIO
1.1 Crescimento da demanda
Do ponto de vista normativo, o Poder Judiciário está estruturado e
modelado, na Constituição Federal, nas Constituições Estaduais e nas leis ordinárias, de modo
suficiente e adequado para representar o papel que dele se espera no quadro da República, na
qual os Poderes se encontram separados. A violação à norma, o desrespeito aos valores e a
agressão aos direitos dos cidadãos, pessoas físicas ou jurídicas, interesses individuais,
coletivos ou difusos, essas investidas são todas submetidas ao Judiciário, que se presta para a
sua proteção.
A partir de 1988, a procura pelo Poder Judiciário cresceu
significativamente, pois a Constituição Federal assegurou o aumento da cidadania e
implementou uma série de “remédios judiciais” para dar eficácia e efetividade aos direitos e
garantias nela consagrados.
O legislador ordinário também criou uma gama de novos direitos e
obrigações, com destaque para a Lei do Bem de Família, o Estatuto da Criança e do
Adolescente, o Código de Defesa do Consumidor, a Lei da Improbidade Administrativa, a Lei
de Investigação de Paternidade, as leis referentes à união estável, o Estatuto do Idoso e os
juizados especiais cíveis estaduais e federais.
A evolução do mundo moderno, com acelerado desenvolvimento da
tecnologia de informação; a intensa judicialização das ações de massa, relacionadas, na sua
maioria, com planos econômicos; as privatizações nos setores de telefonia e energia elétrica; o
aumento da criminalidade organizada e da violência urbana - tudo isso tem contribuído para o
acréscimo da demanda judicial.
1.2 Congestionamento
As mesmas regras que garantem o livre acesso ao juiz e proíbem a exclusão
da apreciação judicial de qualquer reclamação por lesão a direito sobrecarregam o Poder
Judiciário com trabalho descomunal.
O Rio Grande do Sul aparece na extremidade do espectro, registrando o
maior grau de litigiosidade dentre todos os estados do país, com 14.272 casos novos por cem
mil habitantes no 1°
grau e 3.894 no 2° grau, no período-base. Esses dados tornam-se mais
9
significativos quando comparados com as médias nacionais, que são de 6.461 casos novos no
1° grau e 983 no 2° grau
1
, no mesmo período-base.
A explosão de litígios não encontra resposta adequada no Foro, pois a
quantidade de processos novos e a capacidade de julgamento dos órgãos judiciais crescem de
forma descompassada. Não obstante o esforço crescente dos magistrados e servidores
gaúchos, o resíduo de processos não julgados vem aumentando ano após ano, resultado da
defasagem entre o número de processos iniciados e o número de processos terminados. Veja-
se o gráfico que segue.
0
500.000
1.000.000
1.500.000
2.000.000
2.500.000
3.000.000
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
Processos iniciados Processos terminados
Figura 1: Processos iniciados e processos terminados na Justiça Estadual do Rio Grande do Sul (1999-
2008)
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Relatório Anual 2008
2
No final de 2008, o resíduo de demandas que aguardavam julgamento no
Rio Grande do Sul (incluindo o 1° e o 2° graus, os Juizados Especiais e as Turmas Recursais)
atingiu a marca de 3.299.872 feitos, muito superior à capacidade de decisão desses órgãos,
que está em 2.424.278 processos por ano. Seria necessário mais de um ano de trabalho sem o
ingresso de nenhum processo novo para que o resíduo fosse inteiramente absorvido.
De 1999 a 2008, o total de processos iniciados por ano e o total de processos
terminados por ano na Justiça de 1° grau gaúcha aumentaram, respectivamente, 129% e
142%. Nesse entretempo, tanto o número de magistrados quanto o de varas cresceu apenas
14%. A diferença de ritmos acarretou um aumento de 261% no resíduo de processos em
tramitação. O número de processos iniciados por magistrado cresceu 101%, passando de
1.160 em 1999 para 2.335 em 2008. A evolução pode ser acompanhada nas tabelas 1, 2 e 3, a
seguir.
1
BRASIL. Conselho Nacional de Justiça. Justiça em Números 2008. Variáveis e indicadores do Poder
Judiciário. Disponível em: <http://www.cnj.jus.br/images/imprensa/justica_em_numeros_2008.pdf>. Acesso em:
09 jul. 2009.
2
RIO GRANDE DO SUL. Tribunal de Justiça do Estado. Relatório Anual 2008. Relatórios Estatísticos, p. 3.
Disponível em: <http://www.tjrs.jus.br/institu/contas/r_anual/rel2008/pdf/Relatorio_2008_Relatorios_Estatisti
cos.pdf>. Acesso em: 16 jul. 2009.
10
Tabela 1 – Processos na Justiça Estadual de 1° grau do Estado do Rio Grande do Sul, por situação,
segundo o ano (1999 – 2008)
Ano
Processos na Justiça Estadual de 1° grau
Iniciados Terminados Em tramitação
1999 663.429 558.778 755.369
2000 734.199 603.855 832.681
2001 744.348 617.116 933.088
2002 920.754 678.929 1.442.236
2003 1.088.087 741.680 1.702.382
2004 915.051 685.676 1.931.757
2005 997.641 737.066 2.192.332
2006 1.218.743 1.023.787 2.387.288
2007 1.472.538 1.300.471 2.559.355
2008 1.519.910 1.354.089 2.725.176
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Relatório Anual 2008
3
Tabela 2 – Magistrados e varas na Justiça Estadual de 1° grau do Estado do Rio Grande do Sul,
segundo o ano (1999 – 2008)
Ano Magistrados Varas
1999 572 463
2000 563 467
2001 587 470
2002 606 473
2003 594 483
2004 582 495
2005 644 498
2006 640 500
2007 684 513
2008 651 527
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Relatório Anual 2008
4
Tabela 3 – Processos por magistrado na Justiça Estadual de 1° grau do Estado do Rio Grande do Sul,
por situação, segundo o ano (1999 – 2008)
Ano
Processos por magistrado
Iniciados Terminados Em tramitação
1999 1.160 977 1.321
2000 1.304 1.073 1.479
2001 1.268 1.051 1.590
2002 1.519 1.120 2.380
2003 1.832 1.249 2.866
2004 1.572 1.178 3.319
2005 1.549 1.145 3.404
2006 1.904 1.600 3.730
2007 2.153 1.901 3.742
2008 2.335 2.080 4.186
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Relatório Anual 2008
5
3
Ibid., p. 20.
4
Ibid., loc. cit.
5
Ibid., loc. cit.
11
Fazendo-se uma projeção
6
a partir desses dados, nos próximos cinco anos, o
número de juízes aumentará em índice inferior a 12%; a demanda no 1° grau crescerá 25% no
período; o resíduo terá aumentado em pelo menos 47%; com isso, o Judiciário gaúcho estará
prestando um serviço absolutamente defasado, em condições piores que as atuais, sofrendo a
crítica que já hoje é difícil de suportar, quanto à sua morosidade e ineficiência. As tendências
estão retratadas nos três gráficos que seguem.
0
100
200
300
400
500
600
700
800
1997 1999 2001 2003 2005 2007 2009 2011 2013 2015
Figura 2: Linha de tendência do total de juízes na Justiça Comum de 1° grau do Rio Grande do Sul
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Relatório Anual 2008
7
0
500.000
1.000.000
1.500.000
2.000.000
2.500.000
1997 1999 2001 2003 2005 2007 2009 2011 2013 2015
Figura 3: Linha de tendência dos processos iniciados na Justiça Comum de 1° grau do Rio Grande do
Sul
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Relatório Anual 2008
8
0
500.000
1.000.000
1.500.000
2.000.000
2.500.000
3.000.000
3.500.000
4.000.000
4.500.000
1997 1999 2001 2003 2005 2007 2009 2011 2013 2015
Figura 4: Linha de tendência dos processos em tramitação (resíduo) na Justiça Comum de 1° grau do
Rio Grande do Sul
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Relatório Anual 2008
9
6
Projeção realizada utilizando-se Regressão Linear.
7
RIO GRANDE DO SUL. Tribunal de Justiça do Estado. Relatório Anual 2008. Relatórios Estatísticos, p. 20.
Disponível em: <
http://www.tjrs.jus.br/institu/contas/r_anual/rel2008/pdf/Relatorio_2008_Relatorios_Estatisti
cos.pdf >. Acesso em: 16 jul. 2009.
8
Ibid., loc. cit.
9
Ibid., loc. cit.
12
A permanecerem os padrões atuais de crescimento na Justiça Comum de 1°
grau, haverá um distanciamento cada vez maior entre a quantidade de processos terminados e
o número de processos pendentes de julgamento. Estima-se
10
que o resíduo da primeira
instância, que hoje já é duas vezes maior que a capacidade de julgamento dos seus juízes, em
2013 esteja correspondendo a 2,4 vezes o total de processos terminados. O gráfico a seguir
proporciona a visualização desses cenários.
0
1.000.000
2.000.000
3.000.000
4.000.000
5.000.000
1997 1999 2001 2003 2005 2007 2009 2011 2013 2015
Terminados Resíduo
Figura 5: Comparação das tendências dos processos terminados e dos processos em tramitação
(resíduo) na Justiça Comum de 1° grau do Rio Grande do Sul
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Relatório Anual 2008
11
1.3 Morosidade
Levantamento estatístico da realidade do Judiciário nacional, encomendado
pelo Supremo Tribunal Federal ao Centro de Pesquisas de Opinião Pública da Universidade
de Brasília (DATAUnB), revelou cenário que há muito já era conhecido, embora sem a
mesma abrangência. Na primeira onda da amostra nacional de pesquisa, ocorrida em março de
2005, foram ouvidas, em todo o país, 1.987 pessoas. Dentre aquelas que litigaram em juízo e
tiveram os seus processos encerrados, 29,2% avaliaram o tempo de tramitação como lento,
sendo que 28,0% dos entrevistados disseram não saber como avaliar o tempo de tramitação
dos seus processos, percentual considerado expressivo pelos pesquisadores. Os dados estão
retratados no gráfico que segue.
10
Estimativa realizada utilizando-se Regressão Linear.
11
RIO GRANDE DO SUL. Tribunal de Justiça do Estado. Relatório Anual 2008. Relatórios Estatísticos, p. 20.
Disponível em: <http://www.tjrs.jus.br/institu/contas/r_anual/rel2008/pdf/Relatorio_2008_Relatorios_Estatisti
cos.pdf>. Acesso em: 16 jul. 2009.
13
Rápido 26,4%
Normal 16,5%
Lento 29,2%
Não sabe
28,0%
Figura 6: Avaliação do tempo de tramitação dos processos encerrados na Justiça
Fonte: Centro de Pesquisas de Opinião Pública da Universidade de Brasília - DATAUnB
12
Dos entrevistados, 323 afirmaram que não vale a pena procurar a Justiça,
sendo que, desses, 137 justificaram a afirmativa alegando que a Justiça é demorada.
A Justiça é
demorada -
6,9%
A Justiça é cara
- 1,6%
A Justiça não
funciona - 3,1%
A Justiça não é
confiável - 3,9%
Não justificou
-
0,7%
Sim - 79,8%
Não - 16,2%
Não sabe - 4%
Figura 7: Vale a pena procurar a Justiça?
Fonte: Centro de Pesquisas de Opinião Pública da Universidade de Brasília - DATAUnB
13
Ainda na mesma pesquisa, 1.403 pessoas afirmaram que o sistema judiciário
não atende bem às necessidades do povo, e 1.682 disseram que o sistema judiciário tem
problemas e deveria ser mudado
14
.
12
CENTRO DE PESQUISAS DE OPINIÃO DA UNIVERSIDADE DE BRASÍLIA (DATAUnB). Consultoria
para construção do Sistema Integrado de Informações do Poder Judiciário. 8° Relatório de Atividades, p.
62. Disponível em: <http://cedes.iuperj.br/PDF/05maio/stf%20justica%20em%20numeros.pdf>. Acesso em: 09
jul. 2009.
13
Ibid., p. 61.
14
O cenário apurado pelo DATAUnB em março de 2005 parece estar mudando para melhor. Pesquisa de
opinião pública executada pelo Instituto de Pesquisas Sociais, Políticas e Econômicas (Ipespe) no período de 9 a
11 de fevereiro de 2009 apurou que 44% dos 1.200 entrevistados acreditam que a Justiça, nos últimos cinco
anos, evoluiu para melhor. No mais, 33% responderam que ela continua igual, 19% afirmaram que ela está pior e
3% não souberam avaliar a evolução ou não responderam. De acordo com a análise de Joaquim Falcão, “os
brasileiros estão percebendo a existência de maior acesso à Justiça e que está havendo um maior controle das
14
Sim - 23,2%
Não sabe
-
6,2%
Não - 70,6%
Figura 8: O sistema judiciário atende bem às necessidades do povo?
Fonte: Centro de Pesquisas de Opinião Pública da Universidade de Brasília - DATAUnB
15
Sim - 84,7%
Não sabe
-
6,9%
Não - 8,4%
Figura 9: O sistema judiciário tem problemas e deveria ser mudado?
Fonte: Centro de Pesquisas de Opinião Pública da Universidade de Brasília - DATAUnB
16
De acordo com a pesquisa, portanto, a maior deficiência do Poder Judiciário
brasileiro não são os custos, nem a falta de acesso e tampouco a corrupção. O grande
problema é a demora na resposta. O sentimento comum é de que a Justiça não atende bem às
necessidades do povo, é vagarosa, favorece a impunidade e precisa de reformulações.
Conforme analisa Maria Tereza Sadek:
O sistema judicial brasileiro nos moldes atuais estimula um paradoxo:
demandas de menos e demandas de mais. Ou seja, de um lado,
expressivos setores da população acham-se marginalizados dos serviços
judiciais, utilizando-se, cada vez mais, da justiça paralela, governada pela lei
do mais forte, certamente muito menos justa e com altíssima potencialidade
de desfazer todo o tecido social. De outro, há os que usufruem em excesso
da Justiça oficial, gozando das vantagens de uma máquina lenta, atravancada
irregularidades e corrupção [...]. A visibilidade midiática, a expansão dos Juizados Especiais e a atuação
moralizadora do CNJ no combate ao nepotismo, limitação de vencimentos e inspeções correcionais nos estados,
com certeza, contribuem para esta opinião.” FALCÃO, Joaquim. O brasileiro e o Judiciário. Conjuntura
Econômica, Rio de Janeiro, v. 63, n. 4, abril 2009, p. 46.
15
CENTRO DE PESQUISAS DE OPINIÃO DA UNIVERSIDADE DE BRASÍLIA (DATAUnB). Op. cit., p.
56.
16
Ibid., loc. cit.
15
e burocratizada. As deficiências do aparelho judicial somadas aos ritos
processuais criam situações de vantagem e/ou privilégios, portanto de
desigualdade. Assim, a ampla possibilidade de recursos facultada pela
legislação favorece o ‘réu’, o ‘devedor’, adiando uma decisão por anos.
17
1.3.1 Causas
As causas da morosidade na prestação jurisdicional são muitas:
a) A atividade judicial é emperrada por um processo formalista ao extremo,
com excesso nulidades formais, tolerância a práticas dilatórias, demasiada restrição à penhora
de bens e significativo aumento dos pedidos de tutela antecipada, cautelares, liminares e
outras medidas de urgência, que exigem do juiz resposta imediata.
b) No Brasil, todo litígio é judicializado. Quando surge uma situação nova, a
primeira providência do nosso legislador é criar uma ação e instituir um novo processo.
c) Somos formalistas por tradição cultural: as faculdades de Direito foram
criadas para formar uma categoria de funcionários burocratas. Quando a norma suprime uma
formalidade, alguns continuam a exigi-la, como acontece com o reconhecimento de firma e a
autenticação de peças.
d) A facilidade com que se pode interpor recursos, a multiplicidade de
recursos que podem ser interpostos em uma mesma relação processual e a necessidade de um
pronunciamento fundamentado sobre cada petição abarrotam os tribunais com uma
quantidade colossal de processos.
e) O funcionamento dos tribunais superiores como instâncias revisoras, com
a preocupação de fazer a justiça do caso concreto, aumenta o número de recursos conhecidos
e o tempo necessário para a solução dos litígios. Também concorre para o acúmulo do serviço
(e a consequente demora no resultado) a falta de um filtro eficaz para a admissibilidade desses
recursos. A solução estaria em limitar o acesso apenas para as causas de interesse geral
18
,
como está agora sendo implantado com as novas disposições sobre recursos ao Supremo
17
SADEK, Maria Tereza. Apostila O Judiciário e a Sociedade. Projeto de Mestrado Profissional em Poder
Judiciário. Rio de Janeiro: Fundação Getúlio Vargas, 2006, p. 17, grifo da autora.
18
Nos Estados Unidos – esclarece Eugênio Facchini Neto –, a Suprema Corte escolhe os casos sobre os quais
irá proferir julgamentos completos, selecionando apenas cerca de 3% dos aproximadamente seis mil pedidos que
lá aportam anualmente através do writ of certiorari. A sua jurisdição obrigatória, provocada através do writ of
appeal, é limitada a casos específicos. A concessão de certiorari é feita de acordo com a importância do caso,
pela repercussão que a decisão possa ter sobre casos futuros ou sobre a evolução do direito. FACCHINI NETO,
Eugênio. Estrutura e funcionamento da justiça norte-americana. Revista da AJURIS – Associação dos Juízes
do Rio Grande do Sul, Porto Alegre, a. 36, v. 113, mar. 2009, p. 169-173.
16
Tribunal Federal e ao Superior Tribunal de Justiça, tais como a súmula vinculante e o
julgamento único para as causas repetitivas.
f) As partes não têm a cultura de buscar um acordo judicial que ponha fim
ao conflito de interesses, preferindo recorrer enquanto houver recurso cabível e esperar pela
decisão final da autoridade judiciária.
g) A Administração Pública insiste em descumprir as decisões judiciais e
transfere para o Judiciário a responsabilidade pela cobrança dos tributos.
h) As agências reguladoras não exercem função fiscalizadora e
normatizadora de uma série de atividades vitais, nem atuam sobre as relações massivas, o que
gera uma quantidade infinita de reclamações em juízo; essas ações repetitivas, de objeto
homogêneo ou coletivo, continuam sendo tratadas de forma artesanal, com processamento
individualizado das medidas, importando em maior congestionamento: “Não obstante
encerrem pretensão idêntica, milhares de ações são tratadas uma a uma, gerando tempo e
custo exacerbados.”
19
i) As concessionárias de serviços públicos, os bancos e algumas empresas
tiram vantagem da morosidade que eles próprios costumam criticar, pois o atraso na prestação
jurisdicional lhes permite retardar pagamentos ou celebrar acordos em melhores condições,
além de retrair a incidência de reclamações em juízo.
Segundo Maria Tereza Sadek:
Pesquisa conduzida pelo IDESP junto a empresários, em 1996, mostrava
que, embora a principal crítica dirigida ao Judiciário fosse a sua falta de
agilidade, esta situação nem sempre era avaliada como prejudicial para as
empresas. Muitos empresários chegaram a admitir que a morosidade é por
vezes benéfica, principalmente na área trabalhista.
20
j) O número de advogados é excessivo, e suas petições, de um modo geral,
são demasiadamente extensas.
k) O recrutamento dos magistrados é inadequado, voltado muito para a
avaliação do conhecimento jurídico do candidato e pouco para a medição da sua capacidade
19
BORDASCH, Rosane Wanner da Silva. Gestão cartorária: controle e melhoria para a razoável duração dos
processos. Coleção Administração Judiciária, v. 4. Porto Alegre: Tribunal de Justiça do Estado do Rio Grande do
Sul, Departamento de Artes Gráficas, 2009, p. 104 e 105.
20
SADEK, Maria Tereza. Op. cit., p. 17.
17
de trabalho e de gestão. José Renato Nalini critica essa metodologia de seleção, afirmando
que, em uma Nação sedenta por justiça, vencem os mais capazes de memorização
21
.
l) Faltam aos juízes conhecimentos de administração, conforme observado
por Paulo Roberto Saraiva da Costa Leite:
O Poder Judiciário brasileiro, entre outros problemas, ressente-se de uma
melhor gestão administrativa. Creio que isso se deva, basicamente, à
circunstância de que nós, juízes – não importa se em 1° grau de jurisdição, se
nos tribunais de apelação, se nos tribunais superiores -, não nos preparamos
para a atividade administrativa e, de repente, vemo-nos diretores de foro ou
presidentes de tribunais, sendo que os nossos conhecimentos na área são
rudimentares [...] Por essa falta de preparo, algumas situações acontecem à
nossa revelia, e todo o Poder acaba ficando desgastado.
22
m) Existe déficit de infraestrutura administrativa.
n) Nossos serviços estão eivados de rotinas anacrônicas, que geram tempo
de tramitação e custo sem agregar valor
23
, como é o caso da escrituração nos autos em papel
de termos processuais que já são lançados no sistema informatizado
24
.
Em suma, o funcionamento da estrutura orgânica do Judiciário e o
desempenho de sua função sofrem hoje dificuldades de toda ordem, que o afastam da sua
finalidade de prestar uma jurisdição de qualidade em tempo útil.
Juliano da Costa Stumpf separa as causas da morosidade do Judiciário em
dois grupos, considerados sob a perspectiva da solução do problema:
1) as causas externas, que dependem da ação e do exercício de competências
atribuídas aos demais Poderes, ou de uma mudança cultural no âmbito da comunidade: a nova
realidade social – a exigir cada vez mais a intervenção judicial para a solução de conflitos –, a
cultura da litigiosidade, a legislação processual, o excesso de formalismo das atividades
judiciárias e as dificuldades orçamentárias; e
2) as causas internas, cujo enfrentamento está ao alcance do próprio
Judiciário: omissão do juiz na gestão da unidade jurisdicional, desorganização administrativa
21
NALINI, José Renato. O juiz e o acesso à justiça. 2. ed. São Paulo: Revista dos Tribunais, 2000, p. 152 e
153.
22
LEITE, Paulo Roberto Saraiva da Costa. Revista CEJ, Brasília, v. 6, n. 17, abr./jun. 2002, p. 8.
23
BORDASCH, Rosane Wanner da Silva. Op. cit., p. 103.
24
Com o Provimento n° 18/06-CGJ, a Corregedoria-Geral da Justiça institucionalizou, no âmbito do Poder
Judiciário do Estado do Rio Grande do Sul, prática experimental adotada de forma pioneira na Comarca de
Alvorada, que dispensava a aposição de registros nos autos através de carimbo. Embora o provimento esteja em
vigor desde 27 de junho de 2006 (Diário da Justiça n°
3.380), com ciência a todos os serventuários da justiça, é
muito comum encontrarmos processos com marcas de carimbo recentes, o que evidencia perda de tempo. RIO
GRANDE DO SUL. Tribunal de Justiça do Estado. Provimento n° 18/06-CGJ. Disponível em:
<http://www.tjrs.jus.br/legisla/ publ_adm_xml/index.php>. Acesso em: 09 jul. 2009.
18
– fomentada pela insuficiência de indicadores confiáveis – e carência estrutural, em matéria
de informática, recursos humanos e espaço físico
25
.
Existem, assim, duas ordens principais de dificuldades: o problema do
processo e o problema da gestão. A questão do processo está fora da alçada dos juízes,
competindo ao Legislativo encontrar a solução legal. A administração judiciária, no entanto,
pode ser modernizada por iniciativa do próprio Poder Judiciário, independentemente de
alterações legislativas.
1.4 Aperfeiçoamento da administração judiciária
A Emenda Constitucional n° 19, de 04 de junho de 1998, modificou a
redação do Art. 37 da Constituição Federal para estabelecer que a administração pública deve
obedecer também ao princípio da eficiência.
A partir da Emenda Constitucional n° 45, de 30 de dezembro de 2004, a
eficiência passou a ser considerada também condição para a promoção do juiz por
merecimento, que agora deve ser aferido conforme o desempenho e pelos critérios objetivos
de produtividade e presteza no exercício da jurisdição, além da exigência de frequência e
aproveitamento em cursos oficiais ou reconhecidos de aperfeiçoamento
26
.
Para Hely Lopes Meirelles, o princípio da eficiência exige que a atividade
administrativa seja exercida com presteza, perfeição e rendimento funcional, com resultados
positivos para o serviço público e satisfatório atendimento das necessidades da comunidade e
de seus membros
27
. Essa interpretação em sentido amplo confunde eficiência com eficácia e
efetividade. Eficiência é a relação entre os produtos – sejam eles bens ou serviços – e os
recursos. A administração será mais eficiente se conseguir produzir mais produtos com os
mesmos ou com menos recursos. Eficácia é a relação entre os produtos e a meta projetada. A
administração será eficaz se conseguir alcançar o resultado esperado. Efetividade é a relação
entre os produtos e o ambiente. A administração será efetiva se os seus produtos causarem
impacto positivo nos beneficiários.
25
STUMPF, Juliano da Costa. Poder Judiciário: morosidade e inovação. Coleção Administração Judiciária, v.
2. Porto Alegre: Tribunal de Justiça do Estado do Rio Grande do Sul, Departamento de Artes Gráficas, 2009, p.
15-82.
26
BRASIL. Constituição Federal (1988). Art. 93, inc. II, letra ‘c’, com redação dada pela Emenda
Constitucional n. 45, de 30 de dezembro de 2004. Disponível em: <
http://www.planalto.gov.br/ccivil_03/consti
tuicao/contitui%C3%A7ao.htm>. Acesso em: 20 jul. 2009.
27
MEIRELLES, Hely Lopes. Direito administrativo brasileiro. Atualizada por Eurico de Andrade Azevedo,
Délcio Balestero Aleixo e José Emmanuel Burle Filho. 33. ed. São Paulo: Malheiros, 2007, p. 96.
19
O Poder Judiciário precisa tornar-se mais eficiente, e o seu desafio é
conseguir produzir mais com os mesmos recursos
28
.
No Rio Grande do Sul, o Judiciário não pode contar com aumento de apoio
orçamentário para ampliar a sua estrutura, pois ele já está no limite do permitido pela Lei de
Responsabilidade Fiscal
29
, gastando a fatia de 6% do orçamento do Estado. Em 2009, a
despesa do orçamento público do Estado do Rio Grande do Sul com o Poder Judiciário, aí
incluída a Justiça Militar, será de R$ 1.718.707.113,00, o que representa, efetivamente, 6% de
toda a receita consolidada do Estado, orçada em R$ 28.611.343.923,00
30
.
No âmbito nacional, o Judiciário responde por cerca de 2% na despesa da
União, 6% na despesa dos Estados e 3% no conjunto da União com os Estados. De acordo
com levantamento citado pelo Ministério da Justiça no “Diagnóstico do Poder Judiciário”,
publicado em dezembro de 2004, no ano 2000, na comparação com outros países, o Brasil foi
o país que mais gastou com o seu sistema de justiça, consumindo um percentual de 3,66% do
total da despesa do setor público, muito acima da média internacional, que foi de 0,97%
31
.
Ainda que os parâmetros adotados na pesquisa sejam contestáveis, tendo em vista a variação
de critérios adotados pelos diferentes países no cálculo dos seus orçamentos, a verdade é que
a morosidade do Poder Judiciário, no Brasil, não pode ser atribuída ao aspecto financeiro.
Assim, a única saída para o Judiciário é tornar-se mais produtivo, agilizando
o trabalho de prestação jurisdicional. Não se cuida apenas de incorporação de novas
tecnologias e de capacitação do pessoal, mas muito especialmente do aperfeiçoamento da
administração judiciária. Para o alcance desse objetivo, é indispensável o prévio
conhecimento da carga processual, das principais fases de congestionamento, do tempo de
duração dos feitos até o encerramento e do custo de cada processo. É preciso saber com que
velocidade se dá o crescimento da demanda, quais são as maiores fontes de litígio e onde
28
Na análise de Guilherme Leite Gonçalves, o ‘juiz eficiente’ buscado pela Reforma do Judiciário, na verdade,
é “o resultado da forma como a reorganização do sistema econômico observa os tribunais. Ele deve estar menos
preocupado com a promoção de igualdade e mais atento ao equilíbrio dos gastos públicos [...] Um juiz que seja
moderno e ágil para responder rapidamente às demandas econômicas e que não requeira da economia senão
aquilo que ela pode dar.” GONÇALVES, Guilherme Leite. Apostila Poder Judiciário II: estrutura política e
administrativa. Projeto de Mestrado Profissional em Poder Judiciário. Rio de Janeiro: Fundação Getúlio
Vargas, 2006, p. 3-9.
29
BRASIL. Lei Complementar n. 101, de 04 de maio de 2000. Art. 20, inc. II, letra ‘b’. Disponível em: <http:
//www.planalto.gov.br/CCIVIL/Leis/LCP/Lcp101.htm>. Acesso em: 22 jul. 2009.
30
RIO GRANDE DO SUL. Secretaria do Planejamento e Gestão. Orçamento Estadual 2009. Porto Alegre:
2008. Disponível em: <
http://www.seplag.rs.gov.br/uploads/volume12.pdf>. Acesso em: 09 jul. 2009.
31
BRASIL. Ministério da Justiça. Diagnóstico do Poder Judiciário. Brasília: 2004, p. 73. Disponível em:
<http://www.mj.gov.br/main.asp?View={597BC4FE-7844-402D-BC4B-06C93AF009F0}>. Acesso em: 12 jul.
2009.
20
ocorrem os piores impactos, a fim de que se possam formular políticas adequadas de resposta.
Em resumo, o Poder Judiciário necessita aprimorar o seu sistema de informações estatísticas.
1.5 Aplicação da Estatística à administração judiciária
Na administração privada, qualquer empresa minimamente organizada que
preze pela excelência dos seus produtos pratica habitualmente o controle da qualidade total
com a utilização de técnicas estatísticas. Para solucionar problemas com decisões confiáveis,
o gestor precisa ter à sua disposição dados que retratem a real situação da organização.
Mauriti Maranhão e Maria Elisa Bastos Macieiras narram a evolução da
importância da estatística no controle da qualidade:
No modelo de gestão japonês, consolidado a partir da década de 50, a
estatística era uma das ferramentas prioritárias dos gestores, tendo sido
bastante difundida na base operacional das organizações, mediante a prática
dos grupos conhecidos como Círculos de Controle da Qualidade. Hoje, se
admite que o conhecimento estatístico foi uma das bases da evolução da
qualidade japonesa, posteriormente copiada pelas indústrias de vários outros
países.
32
No sistema de gestão da qualidade, a adoção de técnicas de estatística é
considerada fundamental pela Norma NBR ISO 9001:
A organização deve planejar e implementar os processos necessários de
monitoramento, medição, análise e melhoria para: a) demonstrar a
conformidade do produto; b) assegurar a conformidade do sistema de gestão
da qualidade; e c) melhorar continuamente a eficácia do sistema de gestão da
qualidade. Isso deve incluir a determinação dos métodos aplicáveis,
incluindo técnicas estatísticas e a extensão de seu uso (8.1. Generalidades).
Paulo Roberto Motta explica que as opções estratégicas são feitas em
ambientes de incerteza, risco e ignorância:
Incerteza refere-se à não confiabilidade da informação, isto é, pode-se
estimar alguma probabilidade, mas o grau de confiança é baixo. Na situação
de risco, existem informações confiáveis, mas incompletas; conhecem-se
apenas algumas probabilidades. A ignorância refere-se à insuficiência de
informações para se estimar qualquer probabilidade. Toda atividade
32
MARANHÃO, Mauriti; MACIEIRA, Maria Elisa Bastos. O processo nosso de cada dia: modelagem de
processos de trabalho. Rio de Janeiro: Qualitymark, 2004, p. 124.
21
gerencial envolve risco, não só por causa do desconhecimento humano sobre
o futuro, mas também pela interdependência e desequilíbrio entre os diversos
fatores de produção. Gerenciar o risco é reconhecer constantes no futuro e
saber que nele existem alguma previsibilidade e defesa contra imprevistos.
Por exemplo, são razoavelmente previsíveis a evolução demográfica de curto
e médio prazos, sazonalidade de alimentos, valores culturais, hábitos
arraigados, composição de gastos familiares, comportamentos de
determinados grupos religiosos, bem como alguns comportamentos e rotinas
administrativas. Em grande parte, a reflexão e o planejamento estratégicos se
justificam pela previsibilidade de muitos eventos. Se são previsíveis, podem
ser submetidos a cálculo de risco, e vale o esforço de analisá-los. Se o risco é
calculável, o mesmo não se dá com a incerteza. A inexistência ou a
fragilidade de referências sobre o futuro, aliadas à atual incomparabilidade
com o passado, fazem de cada decisão estratégica um processo único.
Incerteza se enfrenta, e não se reprime. Riscos se calcula, e não se ignora sua
existência. Ignorância se corrige com mais informações e referências para
decisão. A reflexão estratégica é necessária porque a incerteza sempre supera
as constâncias. Se o mundo da incerteza é de uma imensidão infinita,
planejar estrategicamente é a forma de selecionar as variáveis que realmente
podem ter maior impacto na empresa. É uma tarefa de grande escopo
altamente seletiva: é saber identificar o que de fato faz diferença.
33
A Estatística não fornece certezas, mas confere uma metodologia para a
diminuição das incertezas, possibilitando a tomada de melhores decisões administrativas. Os
resultados estatísticos auxiliam o administrador a tomar decisões com base em poucos dados.
O processo estatístico organiza e descreve esses dados, gerando informações que auxiliam na
realização de diagnósticos e projeções.
Na administração judiciária, a Estatística deve receber a mesma atenção que
recebe na administração particular. Assim como nos demais ramos da Administração, o
planejamento na área da Justiça não pode ser apoiado em impressões pessoais dos
administradores do momento, mais ou menos sintonizadas com a realidade da instituição. A
experiência mostra que decisões administrativas fundamentadas no “achismo” costumam
acarretar desperdício de recursos e levar a resultados contraproducentes.
Conforme ensina Paulo Roberto Motta, a ausência de informações válidas e
utilizáveis no processo decisório comprometem a sistematização e a continuidade do
planejamento, concorrendo para que as decisões sejam baseadas exclusivamente na
experiência e na história organizacional. Os dirigentes tendem a ressaltar o seu próprio
esquema de análise, desviados de considerações objetivas, definição clara de problemas e
hierarquização de possíveis alternativas para a decisão. Essa não utilização de informações no
33
MOTTA, Paulo Roberto. Apostila Planejamento Estratégico. Projeto de Mestrado Profissional em Poder
Judiciário. Rio de Janeiro: Fundação Getúlio Vargas, 2006, p. 36.
22
planejamento termina produzindo em outros níveis organizacionais acomodação à situação
existente.
34
A aplicação da Estatística à administração judiciária propicia vantagens
dentro e fora do Judiciário:
a) Para a Presidência do Tribunal, as estatísticas funcionam como suporte no
monitoramento do desempenho organizacional e na identificação de problemas e soluções. Os
indicadores fornecem uma visão de conjunto da estrutura judiciária, o que facilita o
equacionamento de ações em todo o Estado, especialmente em um contexto de escassez de
recursos. Conforme observado por Luis Umpierre de Mello Serra:
As estatísticas de desempenho são de fundamental importância para que a
administração possa, apesar das limitações impostas pela Lei de
Responsabilidade Fiscal, alocar a quantidade de pessoal e de investimento
capaz de manter a prestação jurisdicional, em todas as Comarcas do Estado,
de forma eficiente e isonômica.
35
Além disso, administração fica mais bem preparada para retificar estratégias
equivocadas e reforçar políticas corretas. Torna-se mais fácil a identificação de práticas
inovadoras em determinadas unidades jurisdicionais, objetivando a multiplicação para as
demais serventias do Estado. Por fim, as estatísticas podem fundamentar propostas de criação
de leis.
b) Para a Corregedoria-Geral da Justiça, as ferramentas estatísticas
significam eficiente instrumento de inspeção correicional, a ser utilizado na medição da
produtividade individual e coletiva dos magistrados e servidores.
c) O juiz passa a conhecer a capacidade estrutural da sua unidade
jurisdicional, o que lhe propicia a tomada de melhores decisões administrativas. Surgem
subsídios para a definição dos planos de trabalho da equipe
36
, a racionalização dos
procedimentos, a avaliação de rotinas e a correção de erros. No que se refere à jurisdição, o
magistrado passa a contar com informação detalhada, atualizada e permanentemente
34
Ibid., p. 60 e 61.
35
SERRA, Luiz Umpierre de Mello. Apostila Gestão de Serventias Judiciais. Projeto de Mestrado
Profissional em Poder Judiciário. Rio de Janeiro: Fundação Getúlio Vargas, 2006, p. 10.
36
José Luiz Leal Vieira observa que a qualidade da prestação jurisdicional depende da gestão imprimida pelo
juiz na sua unidade, a exigir dele o exercício de liderança servidora em meio aos funcionários: “O juiz como
líder servidor forma uma equipe comprometida com o jurisdicionado, ou seja, constantemente preocupada em
atendê-lo da melhor forma possível. Consequentemente, a liderança servidora transformará a unidade
jurisdicional em um órgão de alto desempenho. O envolvimento de toda a equipe, ao natural, proporcionará uma
unidade que busca melhoria contínua, perfeccionista.” VIEIRA, José Luiz Leal. Um novo desafio para o
Judiciário: o juiz líder. Coleção Administração Judiciária, v. 3. Porto Alegre: Tribunal de Justiça do Estado do
Rio Grande do Sul, Departamento de Artes Gráficas, 2009, p. 86.
23
disponível. Com base no histórico e na linha de tendência, ele pode fazer prognósticos sobre o
crescimento da demanda, antecipando futuros entraves no aparelho judicial e possibilitando a
tomada de decisão em tempo útil.
Ricardo Pippi Schmidt observa que:
Em um país como o Brasil, onde o Poder Público não atua como deveria na
regulamentação e fiscalização dos serviços que envolvem relações de massa,
a previsibilidade é menor e, portanto, a capacidade de antever e planejar se
reduz. O que interessa, todavia, quando se reflete sobre o futuro, é a
tendência, cuja apuração demanda aperfeiçoamento dos bancos de dados e
geração de estatísticas confiáveis.
37
d) Quando as estatísticas forenses são disponibilizadas através da Internet, o
Poder Judiciário torna-se mais transparente à comunidade, que também passa a exercer certo
controle da instituição. Essa ampla publicação de informações oficiais contribui para o
aumento no grau de accountability dos magistrados, assim entendido o dever que tem o juiz
de render contas à sociedade sobre a função de julgar
38
.
Denis Galligan define a accountability com as seguintes palavras:
What we mean by accountability is that one official or organization is
required to explain and justify its actions to another body or authority,
according to specified criteria, where the body or authority, to which account
is given, normally has power to take remedial action when the criteria are
not met. The main point of accountability is to ensure that the primary
institutions of government perform their functions properly according to
legal and other relevant standards.
39
37
SCHMIDT, Ricardo Pippi. Administração judiciária e os Juizados Especiais Cíveis: o caso do Rio Grande
do Sul. Coleção Administração Judiciária, v. 1. Porto Alegre: Tribunal de Justiça do Estado do Rio Grande do
Sul, Departamento de Artes Gráficas, 2008, p. 149 e 150.
38
CANDEAS, Ana Paula Lucena Silva. Valores e os Judiciários: Os valores recomendados pelo Banco Mundial
para os judiciários nacionais. Revista da AMB – Cidadania e Justiça, Brasília, ano 7, n. 13, 1. sem. 2004, p.
29.
39
Em tradução livre: “O que entendemos por accountability é que um funcionário ou organização está obrigado
a explicar e justificar suas ações a outro organismo ou autoridade, de acordo com critérios específicos, tendo o
organismo ou a autoridade a quem as contas são prestadas geralmente poder para tomar medidas corretivas
quando os critérios não são cumpridos. O principal ponto da accountability é garantir que as principais
instituições do governo executem suas funções corretamente, de acordo com as leis e outras normas relevantes.”
GALLIGAN, Denis. Principal institutions and mechanisms of accountability. In Banco Mundial.
Comprehensive legal and judicial development: toward an agenda for a just and equitable society in the 21st
century. Report n. 22539. Washington, 2001, p. 31. Disponível em: <
http://siteresources.worldbank.org/BRAZI
LINPOREXTN/Resources/3817166-1185895645304/4044168-1186409169154/02ConferenceProceedings.pdf >.
Acesso em: 20 jul. 2009.
24
O “Justiça Aberta”
40
, desenvolvido pela Corregedoria Nacional da Justiça, é
um mecanismo de informação que desempenha essa função de prestação de contas à
sociedade, pois possibilita a qualquer pessoa do povo acessar os dados estatísticos do 1° grau
de jurisdição da Justiça Estadual. Essa transparência facilita a vigilância do desempenho
judicial e repercute sobre a reputação dos juízes
41
, incentivando o aumento da produtividade.
e) Aos pesquisadores, as estatísticas servem como fonte de estudos sobre o
Poder Judiciário.
1.6 Evolução da Estatística Judiciária no Brasil
A coleta de dados estatísticos no âmbito da Justiça já vem sendo feita no
Brasil há bastante tempo, cumprindo destacar algumas iniciativas.
Na época do Império, em função do disposto no Decreto n° 3.572, de 30 de
dezembro de 1865
42
, os juízes eram obrigados a elaborar, até junho de cada ano, mapas
parciais com as estatísticas criminais, civis, comerciais e penitenciárias, dados que seriam
reunidos em mapas gerais e remetidos ao Governo Imperial. Os mapas gerais eram
acompanhados de um relatório especial, no qual os Chefes de Polícia, os Presidentes das
Províncias e o Diretor Geral da Secretaria da Justiça, comparando as cifras constantes dos
mapas, deveriam fazer as considerações que julgassem convenientes a respeito da
administração da justiça.
Em 1943, foi publicada em Porto Alegre uma obra de estatística forense
com o título “Estatística Judiciária do Rio Grande do Sul”
43
. O trabalho, realizado pelo
Departamento Estadual de Estatística, órgão regional do Instituto Brasileiro de Geografia e
Estatística (IBGE), continha informações sobre organização judiciária, movimento judiciário,
propriedade imobiliária e Registros Públicos gaúchos, relativas aos anos de 1939 a 1941.
Em 1989, o Supremo Tribunal Federal, sob a Presidência do Ministro José
Néri da Silveira, criou o Banco Nacional de Dados do Poder Judiciário (BNDPJ), instrumento
destinado a proporcionar estudos aprofundados dos problemas do Poder Judiciário em sua
40
BRASIL. Conselho Nacional de Justiça. Justiça Aberta. Disponível em: <http://www.monoceros.cnj.jus.br/
portalcnj/index.php?option=com_content&view=article&id=7707&Itemid=934>. Acesso em: 15 jul. 2009.
41
CANDEAS, Ana Paula Lucena Silva. Op. cit., p. 29.
42
BRASIL. Decreto n. 3.572, de 30 de dezembro de 1865. Disponível em: <http://www6.senado.gov.br/legis
lacao/ListaPublicacoes.action?id=79370>. Acesso em: 10 jul. 2009.
43
RIO GRANDE DO SUL. Departamento Estadual de Estatística. Estatística Judiciária do Rio Grande do
Sul. Porto Alegre: Livraria do Globo, 1943.
25
visão nacional. A partir daí, informações provenientes de todos os tribunais do País passaram
a ser armazenadas em uma única base de dados.
Em 1995, o Plano de Gestão pela Qualidade do Judiciário
44
estabeleceu que
o Poder Judiciário do Estado do Rio Grande do Sul deveria ter como base, dentre outros
princípios, o da gestão baseada em fatos e dados, conforme se observa no excerto abaixo:
4. Objetivos do Plano.
[...]
4.2. Informação e Análise.
Sendo o Poder Judiciário responsável pela prestação de um serviço, deverá
desenvolver uma cultura de medição adequada que permita avaliar a
satisfação dos seus clientes.
A coleta e a análise de dados deverão constituir-se em um sistema de apoio à
decisão, caracterizando uma gestão de fatos e dados, de modo a assegurar
coerência nas ações necessárias para uma eficaz melhoria dos serviços da
Justiça.
Para tanto, deverão ser criados indicadores de medição de tempo, validade e
utilidade dos serviços prestados.
[...]
5. Ações Fundamentais para a Consolidação dos Objetivos do Plano.
[...]
5.2.Informação e Análise.
A fim de propiciar uma avaliação dos resultados e de garantir que as
decisões estejam calcadas em fatos e dados, são necessárias medidas sólidas
relacionadas com os processos produtivos, que monitorem o essencial.
Para tanto, estão prescritas a seguintes ações:
5.2.1. criação de um sistema de gerenciamento do desempenho em toda a
organização:
a. estruturar grupo de facilitadores.
b. identificar clientes e fornecedores em cada setor.
c. levantar processos e produtos de cada setor.
d. identificar as entradas e saídas de cada processo produtivo.
e. estabelecer para cada entrada e saída as dimensões críticas do
desempenho, a fim de determinar as necessidades dos clientes interno e
externo e de propiciar a comunicação dos requisitos necessários a serem
fornecidos.
f. traduzir as dimensões de desempenho em indicadores quantificáveis.
g. desenvolver para cada medida padrões de desempenho de acordo com os
objetivos do setor.
h. divulgar a todos que compõem a unidade de trabalho as medidas de
desempenho e o padrão de expectativa.
i. monitorar constantemente os índices de desempenho e estabelecer ações
corretivas, quando necessário.
5.2.2. revisão de avaliação das medidas existentes:
a. comparar as medidas existentes com os índices-medidas de desempenho
estabelecidos.
b. avaliar, mantendo, adequando ou suprimindo, as medidas existentes.
44
RIO GRANDE DO SUL. Tribunal de Justiça do Estado. Plano de Gestão pela Qualidade do Judiciário.
Disponível em: <http://www.tjrs.jus.br/institu/qualidade/menu.php?PHPSESSID=2c90dde66328fa146eef9a578
188ad98>. Acesso em: 17 jul. 2009.
26
c. avaliar se as informações necessárias aos clientes (partes) e aos
fornecedores (advogados) estão sendo repassadas e sugerir alterações,
quando verificado o desacordo.
d. encaminhar as sugestões à Alta Direção e/ou ao órgão competente.
5.2.3. garantia de um sistema de informações gerenciais baseado em medidas
de desempenho, com adequação do sistema de coleta e análise de dados.
Em 2003, foi instituído, por iniciativa do Ministro Nelson Jobim, do
Supremo Tribunal Federal, o programa “Justiça em Números”
45
, estudo que elevou as
diretrizes e os métodos do BNDPJ, tendo por propósito ampliar o processo de conhecimento
do Poder Judiciário, não apenas por meio de dados estatísticos, mas, principalmente, mediante
indicadores capazes de retratar o desempenho dos tribunais
46
.
Mas foi somente com o movimento da Reforma do Poder Judiciário que a
Estatística passou a receber a devida atenção das autoridades judiciárias. Operadores do
direito e observadores externos salientavam que a melhoria do desempenho do Judiciário
passava, necessariamente, pelo conhecimento da realidade do Poder.
Egas Moniz de Aragão publicou artigo sustentando que as autoridades
deveriam promover pesquisas estatísticas confiáveis a respeito do funcionamento do Poder
Judiciário, para que se pudessem cogitar remédios para o mal da morosidade:
Somente com investigação estatística profissionalmente planejada e
conduzida poder-se-á chegar a resultado satisfatório. Sem isso
continuaremos tateando, sempre às voltas com o problema, pois não será
possível resolvê-lo com paliativos concebidos em gabinetes sem consulta à
realidade viva que a investigação estatística poderá fotografar [...] Não é
recomendável reformar a lei com base em dados concebidos apenas
teoricamente, ou apoiados em meras experiências pessoais, empiricamente
avaliadas. O que propomos é a imediata adoção de métodos confiáveis – a
investigação estatística, por exemplo – para diagnosticar adequadamente o
mal a remediar, e só então, com amparo em dados objetivamente confiáveis,
proceder à reformulação por todos aguardada.
47
Joaquim Falcão, defendendo a implantação de um sistema de informações
judiciais de âmbito nacional, invocou estudo realizado pela Escola de Direito de São Paulo da
Fundação Getúlio Vargas para descortinar a gravidade do quadro:
45
A primeira edição do “Justiça em Números”, com dados relativos ao ano de 2003, está disponível em:
<
http://www.cnj.jus.br/ images/stories/docs_cnj/relatorios/justica_numeros_2003.pdf>. Acesso em: 18 jul. 2009.
46
BRASIL. Conselho Nacional de Justiça. Relatório Anual 2008, p. 170 e 171. Disponível em: <http://www.
cnj.jus.br/images/conteudo2008/relatorios_anuais/relatorio_anual_cnj_2008.pdf>. Acesso em: 12 jul. 2009.
47
ARAGÃO, Egas Moniz. Estatística Judiciária. Revista Forense, Rio de Janeiro, v. 365, 2003, p. 14.
27
a) a maioria das informações disponíveis é subutilizada ou mesmo
desperdiçada. Apesar de a maioria dos tribunais já possuir algum tipo de
sistema de informática e de produção de dados estatísticos, são poucos os
que os utilizam para a gestão e o planejamento interno;
b) com exceção da Justiça Trabalhista e da Justiça Federal, não existe no
Brasil um sistema integrado de informações judiciais;
c) dentro dos tribunais de Justiça raramente existe comunicação de dados
entre a primeira e a segunda instâncias, nem entre o tribunal e o Ministério
Público e as procuradorias do estado e do município;
d) não existe uniformidade na escolha dos critérios utilizados para classificar
os dados, o que dificulta tanto as análises comparativas quanto a formulação
de índices de desempenho;
e) apesar de a maioria dos tribunais possuir sistemas informatizados de
acompanhamento processual, esses sistemas não produzem dados,
informações ou estatísticas. Sua finalidade principal é permitir o
acompanhamento do andamento do processo, mais especificamente da
última movimentação do processo.
[...]
Dentro desse quadro, qualquer reforma do Poder Judiciário tem o risco de
não dar certo. Não se conhece com um mínimo de rigor a realidade com que
se está lidando. A reforma passa a ser muito mais uma disputa abstrata entre
visões ideologicamente antagônicas sobre o dever-ser do Judiciário do que
um exercício plausível de controle e mudança da realidade.
48
O Banco Mundial, no Relatório n° 32789, de 30 de dezembro de 2004, fez
extensa análise dos sistemas de estatísticas do judiciário brasileiro, revelando a sua
precariedade:
O sentido geral das nossas conclusões é que as estatísticas de gestão
existentes no Brasil, o terceiro nível, exigem melhorias consideráveis para
que possam atender à sua função de auxiliar as chefias na identificação de
problemas e das suas causas, na análise de mudanças de padrões na
demanda, na adequação da resposta da organização e no desenvolvimento de
propostas de reformas. Esses sistemas com frequência representam pouco
mais do que a agregação das estatísticas referentes à produtividade
individual, sem oferecerem uma visão suficientemente detalhada sobre o
desempenho geral, mesmo para a identificação de variações entre os tipos de
processos, de litígios ou de reclamantes. Sempre que tentam fazer mais, os
esquemas inconsistentes de classificação, as falhas na verificação da
exatidão dos lançamentos e a falta de informação fornecida reduzem a sua
confiabilidade.
49
48
FALCÃO, Joaquim. Justiça e informação. Informativo ADV – Advocacia Dinâmica, boletim n. 21, 2005, p.
349.
49
BANCO MUNDIAL. Fazendo com que a Justiça conte: medindo e aprimorando o desempenho do
Judiciário no Brasil. Relatório n. 32789. [Washington], 2004, p. 4. Disponível em: < http://siteressources.world
bank.org/BRAZILINPOREXTN/Resources/3817166-1185895645304/4044168-1186404259243/29Justica.pdf >.
Acesso em: 12 jul. 2009.
28
A Emenda Constitucional n° 45, de 30 de dezembro de 2004
50
, criou o
Conselho Nacional de Justiça (CNJ), atribuindo-lhe, entre outras responsabilidades, a de
elaborar relatório estatístico semestral sobre processos e sentenças prolatadas, por unidade da
Federação, nos diferentes órgãos do Poder Judiciário, bem como relatório anual sobre a
situação do Poder Judiciário no país, com propostas de providências julgadas necessárias,
para remessa ao Congresso Nacional
51
.
Em 16 de agosto de 2005, com a edição da Resolução n° 4, o Conselho
instituiu o Sistema de Estatística do Poder Judiciário (SIESPJ), com o objetivo de concentrar,
analisar e consolidar os dados a serem obrigatoriamente encaminhados por todos os órgãos do
Poder Judiciário do país
52
.
A Resolução n° 15, de 20 de abril de 2006, regulamentou o SIESPJ,
estabelecendo prazos para os tribunais informarem os dados ao CNJ e fixando indicadores
estatísticos básicos
53
.
A Resolução n° 49, de 18 de dezembro de 2007, determinou aos Tribunais
Regionais Federais, Tribunais do Trabalho, Tribunais Eleitorais, Tribunais Militares e
Tribunais dos Estados e do Distrito Federal e Territórios que cada um organizasse em sua
estrutura um Núcleo de Estatística e Gestão Estratégica. Essa unidade administrativa,
composta por pelo menos um servidor com formação em estatística, pode ficar subordinada
tanto ao Presidente quanto ao Corregedor-Geral, tem caráter permanente e deve auxiliar o
Tribunal na racionalização do processo de modernização institucional
54
.
Tendo em vista a necessidade de aperfeiçoar o Sistema de Estatística do
Poder Judiciário (SIESPJ), a Presidência do CNJ editou a Resolução n° 76, de 12 de maio de
50
BRASIL. Emenda Constitucional n. 45, de 30 de dezembro de 2004. Disponível em: <http://www.planalto.
gov.br/ccivil_03/constituicao/Emendas/Emc/emc45.htm>. Acesso em: 23 jul. 2009.
51
Nos Estados Unidos, essas funções são exercidas pelo Escritório Administrativo dos Tribunais Federais –
conhecido pelas iniciais A.O. (Administrative Office) –, órgão da Justiça Federal que emprega mais de 900
funcionários e dispõe de orçamento anual de aproximadamente US$ 66 milhões. Entre outras atribuições, o A.O.
é responsável por compilar estatísticas e atuar na sua análise, bem como por preparar e submeter relatórios
especiais e anuais ao Congresso. Sua organização inclui um Escritório de Recursos Humanos e Estatísticas.
MESSITE, Peter J. A administração da Justiça Federal nos Estados Unidos da América. Revista CEJ, Brasília,
v. 8, n. 24, jan./mar. 2004, p. 8.
No mesmo sentido, Eugênio Facchini Neto explica que o Administrative Office of the United States Courts,
criado em 1939, tem “uma enorme variedade de funções, entre as quais sobressai a elaboração do orçamento
anual para o sistema judiciário federal e a organização das estatísticas judiciárias.” FACCHINI NETO, Eugênio.
Texto inédito sobre o judiciário norte-americano, gentilmente cedido pelo autor.
52
BRASIL. Conselho Nacional de Justiça. Resolução n. 4, de 16 de agosto de 2005. Disponível em: < http://
ww.cnj.jus.br/index.php?option=com_content&view=category&layout=blog&id=57&limitstart=80 >. Acesso
em: 12 jul. 2009.
53
Id., Resolução n. 15, de 20 de abril de 2006. Disponível em: <http://www.cnj.jus.br/index.php?option=com_
content&view=category&layout=blog&id=57&limitstart=65>. Acesso em: 12 jul. 2009.
54
Id., Resolução n. 49, de 18 de dezembro de 2007. Disponível em: <http://www.cnj.jus.br/images/stories/
docs_cnj/resolucao/rescnj_49.pdf>. Acesso em: 20 jul. 2009.
29
2009
55
, revogando a Resolução n° 15. Foram definidas quatro categorias de indicadores
estatísticos fundamentais, algumas com subdivisões:
I) Insumos, dotações e graus de utilização: (a) Receitas e despesas; (b)
Estrutura;
II) Litigiosidade: (a) Carga de trabalho; (b) Taxa de congestionamento; (c)
Recorribilidade e reforma de decisões;
III) Acesso à Justiça;
IV) Perfil das demandas.
Os indicadores que interessam à Justiça Estadual, suas respectivas fórmulas
e a completa descrição das variáveis estão no anexo “Indicadores do Sistema de Estatística do
Poder Judiciário – Justiça Estadual”
56
da Resolução n° 76. Ao todo, os tribunais estaduais
deverão transmitir ao CNJ, para instrução do “Justiça em Números 2009”, setenta e nove
indicadores
57
, que vão muito além das tradicionais contagens de processos, divididas entre
“vindos”, “iniciados”, “extintos” e “passam”. Os novos indicadores permitem não só a
avaliação da carga de trabalho e da eficiência dos diversos tribunais, mas também a
identificação de empecilhos estruturais ao trânsito processual fluente e de uma variedade de
soluções viáveis, com menores custos e maiores benefícios. Afora isso, a adoção desses
indicadores alinha a Justiça brasileira com os propósitos centrais do Plano Ibero-americano de
Estatística Judicial (PLIEJ)
58
, projeto que tem por enfoque estratégico contribuir para a
configuração do espaço judicial ibero-americano mediante o estabelecimento de uma
ferramenta estatística homogênea que permita a definição de políticas públicas judiciais,
assim como a análise e o estudo comparativo dos diferentes sistemas:
Específicamente en el ámbito judicial, se pueden identificar por lo menos
tres propósitos centrales, que son contar com información para la gestión del
Poder Judicial, para el diseño y monitoreo de políticas públicas judiciales
que podrían involucrar el trabajo tanto de los órganos judiciales como de
55
Id., Resolução n. 76, de 12 de maio de 2009. Disponível em: <http://www.cnj.jus.br/images/stories/docs_
cnj/resolucao/rescnj_76.pdf>. Acesso em: 20 jul. 2009.
56
Ibid., Anexo dos Indicadores da Justiça Estadual. Disponível em: <http://www.cnj.jus.br/images/stories/docs_
cnj/resolucao/indicadoresje.pdf>. Acesso em: 20 jul. 2009.
57
Os dados estatísticos devem ser informados pela Presidência dos Tribunais ao CNJ anualmente, entre 10 de
janeiro e 28 de fevereiro do ano seguinte ao ano de referência, com exceção dos dados referentes à litigiosidade
(itens 27 a 73), que devem ser informados a cada seis meses, no período de 10 de julho a 31 de agosto (primeiro
semestre) e no período de 10 de janeiro a 28 de fevereiro (segundo semestre).
58
BRASIL. Conselho Nacional de Justiça. Relatório Anual 2008, p. 172. Disponível em: <http://www.cnj.
jus.br/images/conteudo2008/relatorios_anuais/relatorio_anual_cnj_2008.pdf>. Acesso em: 12 jul. 2009.
30
otras instituciones, y finalmente para la rendición de cuentas a la
ciudadanía.
59
Por fim, em 26 de maio de 2009, o Conselho Nacional de Justiça instituiu,
por meio da Resolução n° 78, o Prêmio Nacional de Estatísticas Judiciárias, concurso público
de periodicidade anual para a divulgação das informações do Sistema de Estatísticas do Poder
Judiciário
60
. O prêmio tem por objetivo:
a) contribuir para a utilização das estatísticas e indicadores no
aprimoramento da gestão e na transparência das instituições judiciárias;
b) estimular, reconhecer e premiar instituições judiciárias que tenham
utilizado dados e indicadores estatísticos como instrumento de apoio ao planejamento e à
previsão de tendências, para a identificação de eventuais problemas a médio e longo prazo, de
forma a facilitar a tomada de decisões em tempo hábil; e
c) estimular, reconhecer e premiar pesquisadores, jornalistas e outros
profissionais de comunicação que, por meio da utilização de dados e indicadores estatísticos
das instituições da Justiça, tenham contribuído para o entendimento do funcionamento do
sistema judiciário.
As iniciativas ocorridas depois da Emenda Constitucional n° 45 revelam
uma tendência da cúpula administrativa do Poder Judiciário no sentido de cada vez mais
fomentar a aplicação da Estatística na administração judiciária. Existe uma preocupação
manifesta com a padronização dos critérios de apuração dos dados estatísticos, com o
fornecimento de indicadores para a tomada de decisão no processo de planejamento
estratégico, com o acesso público às informações e com a mensuração do desempenho dos
órgãos judiciários.
Juliano da Costa Stumpf observa que todas essas ações voltadas à
sistematização da investigação estatística “demonstram que já se percebeu que a
desorganização administrativa, fomentada pela falta de manutenção e de valorização de
bancos de dados, está por trás de muitos dos problemas do Judiciário, inclusive e em especial
da morosidade.”
61
59
CUMBRE JUDICIAL IBEROAMERICANA, XIV, 2008, Brasília. Plan Iberoamericano de Estadística
Judicial: Informe final. Disponível em: <http://www.cejamericas.org/doc/proyectos/planiberoamericanoestjudi
cial.pdf
>. Acesso em: 15 jul. 2009.
60
BRASIL. Conselho Nacional de Justiça. Resolução n. 78, de 26 de maio de 2009. Disponível em: <http://
www.cnj.jus.br/images/stories/docs_cnj/resolucao/rescnj_78.pdf>. Acesso em: 23 jul. 2009.
61
STUMPF, Juliano da Costa. Op. cit., p. 34.
31
2 O SISTEMA DE ESTATÍSTICAS DO JUDICIÁRIO GAÚCHO
Na pesquisa que conduziu no Brasil entre 2003 e 2004, o Banco Mundial
examinou diversas instituições envolvidas na solução de demandas judiciais, focalizando o
modo como cada uma delas monitorava o próprio desempenho e suas consequências para o
entendimento e a solução dos respectivos problemas.
Em Porto Alegre, Recife, Rio de Janeiro, São Paulo, Brasília, Fortaleza e
Belém, foram pesquisados tribunais federais, estaduais e trabalhistas, ministérios públicos
estaduais e federais e procuradorias-gerais dos estados.
O sistema de administração de informações gaúcho foi considerado como
um dos mais avançados, mas com potencial de análise pouco explorado:
Existem algumas exceções dignas de nota, todas no judiciário, nelas
incluídos os sistemas relativamente avançados dos Estados do Rio Grande
do Sul e do Rio de Janeiro e os dos tribunais trabalhistas. Entretanto, até
mesmo aqui, onde as estatísticas e as bases de dados das organizações
oferecem o potencial para vários tipos de análises, pouco é feito.
62
Tomando-se em conta essa avaliação, que nos parece correta, surgem dois
tipos de providências para a melhoria da qualidade da informação judiciária:
a) estudo dos pontos positivos e dos pontos negativos do modelo de
informações existente. Além de expor a realidade do sistema, esse exame permite a
apresentação de sugestões no sentido do aprimoramento da sua estrutura;
b) otimização das funcionalidades que já estão disponíveis, de modo a
propiciar uma quantidade de análises maior do que a que é feita atualmente. Essa providência
exige o conhecimento de técnicas de estatística que tenham aplicação na administração
forense.
2.1 Pontos positivos
O sistema de informações estatísticas do Poder Judiciário do Estado do Rio
Grande do Sul apresenta as seguintes qualidades:
62
BANCO MUNDIAL. Fazendo com que a Justiça conte: medindo e aprimorando o desempenho do
Judiciário no Brasil. Relatório n. 32789. [Washington], 2004, p. 4. Disponível em: < http://siteressources.world
bank.org/BRAZILINPOREXTN/Resources/3817166-1185895645304/4044168-1186404259243/29Justica.pdf >.
Acesso em: 12 jul. 2009.
32
a) todos os dados de administração das ações judiciais estão em um sistema
único, baseado na Internet;
b) o procedimento de alimentação do banco de dados é automatizado e
padronizado;
c) cada unidade jurisdicional informa os seus dados, sem necessidade de
consolidação prévia em uma instância superior, o que proporciona maior agilidade ao
processo;
d) as informações são atualizadas a todo momento, sempre que o feito é
movimentado;
e) o sistema armazena todas as movimentações do processo, permitindo o
rastreamento do seu histórico;
f) a maior parte das informações necessárias ao cálculo dos indicadores já
consta do banco de dados.
2.2 Pontos negativos
Dentre as imperfeições do sistema de estatísticas da Justiça Estadual do Rio
Grande do Sul, cumpre destacar o que segue:
a) os sistemas Themis e SAV (Sistema de Acompanhamento Virtual) foram
concebidos sem a incorporação de juízes no processo de transformação de dados brutos em
indicadores. O Departamento de Informática, que gerencia a coleta e o processamento dos
dados, é constituído por técnicos que não têm formação específica em estatística e tampouco
conhecimento da atividade fim do Poder Judiciário. O resultado é a produção de relatórios
tradicionais, com nível de informação reduzido e utilidade limitada ao rastreamento da
produtividade individual de cada juizado, para fins de fiscalização pela Corregedoria-Geral da
Justiça. Não há preocupação com a geração de estatísticas que possam orientar outros níveis
diretivos, seja no que diz com o gerenciamento da instituição – de responsabilidade da
Presidência do Tribunal, vinculado à política orçamentária e de pessoal –, seja no que diz com
o gerenciamento do foro ou da vara – de atribuição dos juízes, voltado para a atividade
cartorária;
b) o acesso aos dados se dá por meio de um conjunto pré-definido de
tabelas, não sendo possível o cruzamento de variáveis nem a elaboração de gráficos;
c) o sistema não informa a idade dos processos pendentes de julgamento e
nem registra o momento em que eles mudam de fase, o que permitiria calcular o tempo de
33
tramitação em cada uma delas (postulatória/saneadora, instrutória, decisória, recursal e
executória), para a posterior identificação de gargalos;
d) o teor do trabalho acumulado e o tempo necessário para o seu julgamento
são ignorados;
e) não se sabe a quantidade de ações relacionadas com a competência
federal delegada, informação que poderia acusar a necessidade de instalação de varas federais
em determinadas localidades do interior;
f) não há um controle de qualidade dos dados para verificar a consistência
dos lançamentos;
g) as estatísticas não são disponibilizadas ao público através da Internet.
2.3 Proposta de melhoria
A coleta de dados que interessa ao Poder Judiciário pode ser vista em três
níveis, dos quais só dois são considerados níveis de estatísticas:
1) O primeiro nível de coleta de dados é o da administração dos processos e
da carga processual. Ele não constitui propriamente um nível de estatísticas, pois inclui
apenas os dados brutos – ainda não agregados – referentes aos processos. A função desses
dados é auxiliar o juiz ou as autoridades do tribunal a garantir que os processos estejam
tramitando de forma adequada;
2) O segundo nível de coleta de dados, e que equivale ao primeiro nível de
estatísticas, é o das estatísticas de produtividade individual. Ele contém os dados agregados –
e não apenas dados brutos – recebidos da unidade jurisdicional, os quais servem para
avaliação do desempenho do juiz responsável;
3) O terceiro e último nível de coleta de dados, que coincide com o segundo
nível de estatísticas, é o das estatísticas de desempenho da organização. Ele consolida os
dados agregados recebidos de todas as unidades jurisdicionais, com o intuito de apurar até que
ponto a instituição responde bem à demanda, identificar áreas problemáticas e preparar
correções.
Essa classificação dos dados em três níveis consta do Relatório n° 32789 do
Banco Mundial, com o seguinte esclarecimento:
Normalmente os tribunais e outras instituições do setor geram e capturam
dados em quantidade considerável sobre os casos processados e sobre outras
34
atividades correlatas, ainda que a maior parte deles tradicionalmente
permaneça na primeira instância [...]. À medida que as organizações forem
adquirindo maior interesse no acompanhamento do desempenho dos
funcionários, deverão começar a utilizar partes desses dados para a geração
de todo um conjunto de estatísticas relacionadas à produtividade, quer seja
manual ou automaticamente. Um terceiro nível de coleta de dados e um
segundo nível de estatísticas é aquele empregado pelos órgãos diretivos na
avaliação do desempenho da organização. Em termos ideais, ter-se-iam aqui
tipos adicionais de indicadores, e assim extrações diferentes da base de
dados da unidade de trabalho. A estruturação desse sistema de estatísticas de
administração é menos intuitiva do que os outros dois níveis, exigindo
decisões quanto a quais informações sejam de interesse, além de um
processo de coordenação e padronização da sua captura e da sua
apresentação. Em geral, os dados das unidades de trabalho priorizam
detalhes sobre cada processo; as estatísticas de produtividade mostram o
número de processos ou ações iniciados ou terminados, enquanto que os
órgãos diretivos monitoram a produtividade da organização tanto quanto a
individual, as mudanças na sua composição e na demanda a que precisa
responder, além de fatores que afetem a ambas.
63
O Tribunal de Justiça do Estado do Rio Grande do Sul conta com um ótimo
sistema de acompanhamento processual, que desempenha adequadamente a função do
primeiro nível de coleta de dados, referente à administração dos processos e da carga
processual. Mas o sistema de medição da produtividade individual é apenas razoável
64
e o de
avaliação do desempenho da instituição praticamente inexiste
65
. Uma vez que o sistema de
coleta inicial de dados é a principal fonte de informação para os dois níveis diretivos que lhe
sucedem, ele também deve ser aprimorado.
Nesse contexto, poderíamos trabalhar no sentido das seguintes mudanças:
63
Ibid., p. 3 e 4.
64
Como bem observado no Relatório do Banco Mundial, o sistema deve fornecer também informação sobre o
tamanho, o teor e a idade do trabalho acumulado em todos os órgãos. “Contrariamente à lógica dos padrões de
produtividade – que focaliza apenas processos que entram e processos que saem –, saber o que não foi decidido é
tão importante quanto saber quanto da carga de trabalho consegue passar pelo sistema.” Ibid., p. 18.
65
Por exemplo, para que as estatísticas do Relatório Anual 2008 pudessem ser apresentadas, foi necessário
transferir informações de diversos sistemas (TJP, no que diz com os dados do 2° grau, e JUS-MICRO, APJ e
Themis, no que se refere aos dados do 1° grau, dos Juizados Especiais e das Turmas Recursais) para um único
arquivo eletrônico, que, então, gerou o relatório agregado. RIO GRANDE DO SUL. Tribunal de Justiça do
Estado. Relatório Anual 2008. Relatórios Estatísticos, p. 2. Disponível em: <http://www.tjrs.jus.br/institu/
contas/r_anual/rel2008/pdf/Relatorio_2008_Relatorios_Estatisticos.pdf>. Acesso em: 16 jul. 2009.
Na elaboração deste trabalho, enfrentou-se dificuldade na obtenção de alguns dados singelos, como é o caso
do número de varas existentes no Estado, que não é informado pelo Sistema Themis, nem pelo Sistema SAV e
tampouco pelo sítio do Tribunal de Justiça na Internet. Isso porque o sistema não foi desenhado para fornecer
estatísticas, mas apenas para possibilitar o acompanhamento processual.
35
a) o Núcleo de Estatística e Gestão Estratégica de que trata a Resolução n°
49 do CNJ, instituído no âmbito do Tribunal de Justiça por meio da Portaria n° 34/2008-P
66
,
deve trabalhar em conjunto com juízes, que conhecem a atividade fim do Poder Judiciário;
b) redesenho da coleta inicial dos dados, para além da contagem numérica
de processos distribuídos e processos julgados. É preciso não apenas satisfazer as
necessidades da administração processual, mas também propiciar a medição adequada da
produtividade individual e a avaliação macroestrutural da Justiça Estadual. A equipe deve
escolher as variáveis a serem capturadas já pensando em como elas terão de ser
posteriormente agregadas. Uma vez feita a escolha dos indicadores, é necessário identificar
quais informações adicionais deverão ser inseridas no banco de dados e quais ajustes de
programação terão que ser feitos no sistema informatizado para que ele possa gerar as
estatísticas desejadas;
c) o sistema deve possibilitar a definição de pesquisa específica de dados,
com geração de relatórios de acordo com o interesse do usuário, permitindo, por exemplo, nas
Comarcas formadas por mais de uma cidade, a escolha do município em relação ao qual se
pretende obter a informação;
d) a análise precisa ser multidimensional, com possibilidade de cruzamento
de informações de modo a permitir a realização de análises mais aprofundadas;
e) os indicadores que instruem o “Justiça em Números” devem ser
calculados também no âmbito das comarcas, no que forem aplicáveis. Assim como o CNJ
traça o perfil da justiça brasileira com base nos indicadores de cada tribunal do país, o
Tribunal de Justiça do Estado do Rio Grande do Sul pode traçar o perfil da justiça gaúcha
com base nos indicadores de cada comarca do Estado. Trata-se de detalhar, no interesse do
próprio Tribunal, informações que regularmente são agregadas para transmissão ao CNJ. Esse
trabalho, em função da abrangência dos indicadores, retornaria informações de gestão de cada
unidade jurisdicional do Estado, permitindo comparações entre os juizados, favorecendo a
realização de diagnósticos e incentivando a divulgação das melhores soluções. Note-se que
nem todos os indicadores estatísticos previstos na Resolução n° 76 do CNJ podem ser
calculados no âmbito das comarcas, pois alguns envolvem variáveis cujo valor individual não
é conhecido. É o caso, por exemplo, da despesa da Justiça Estadual, que não é identificada
comarca por comarca, mas sim de forma totalizada;
66
RIO GRANDE DO SUL. Tribunal de Justiça do Estado. Portaria n° 34/08-P. Disponível em:
<http://www.tjrs.jus.br/legisla/publ_adm_xml/index.php>. Acesso em: 09 jul. 2009.
36
f) criação de dois indicadores capazes de espelhar o impacto da competência
federal delegada na Justiça Estadual: 1) casos novos por magistrado no 1° grau, com a
finalidade de indicar o número de casos novos da competência federal delegada que
ingressaram para cada magistrado com a referida competência no semestre; e 2) percentual de
processos da competência federal delegada em tramitação, com a finalidade de indicar o
percentual de processos da competência federal delegada em tramitação em relação ao total de
processos em tramitação no juizado. Essas informações podem elucidar até que ponto a
demanda relacionada com a competência prevista no § 3° do Art. 109 da Constituição Federal
contribui para o congestionamento da Justiça Comum em comarcas que não são sede de vara
da Justiça Federal;
g) os números devem ser disponibilizados em função do tempo, pois a
informação estatística tem mais utilidade quando se refere a períodos temporais estendidos;
h) os dados devem dar origem a gráficos, que são de compreensão mais
simples que as tabelas;
i) o Núcleo de Estatística e Gestão Estratégica do Tribunal deve fazer
periodicamente avaliações críticas sobre a necessidade de melhoria do sistema;
j) as estatísticas devem ser disponibilizadas na Internet, a fim de que elas
possam ser acessadas por qualquer pessoa e de qualquer lugar. De acordo com o § 3° do Art.
8° da Resolução n° 76 do CNJ, os tribunais devem manter em seus sítios eletrônicos na rede
mundial de computadores “espaço permanente e de fácil acesso para divulgação dos dados
estatísticos alusivos à sua atuação administrativa e jurisdicional, inclusive produtividade dos
magistrados”.
Enquanto, porém, não são implementadas as mudanças necessárias à
melhoria do sistema, cumpre explorar o potencial do modelo existente, extraindo mais
informações dos dados que já estão disponíveis. Para tanto, é indispensável o conhecimento
de algumas técnicas estatísticas.
37
3 NOÇÕES DE ESTATÍSTICA PARA A ADMINISTRAÇÃO JUDICIÁRIA
3.1 Fundamentos históricos
A Estatística possui uma origem muito remota, tendo nascido da
necessidade do homem de realizar trocas e contagens de caráter prático, utilitário e
empírico
67
. Ela teria sido empregada inicialmente como aritmética estatal
68
, para designar
dados relativos a assuntos do Estado, com finalidade de segurança nacional e de controle
fiscal
69
.
Os primeiros registros estatísticos surgiram por volta do ano 4.000 antes de
Cristo, no Egito (presos de guerra), na Babilônia e na China (censos para tributação de
impostos). Alguns recenseamentos antigos retratavam anotações militares sobre baixas de
soldados, armas e cavalos, com o objetivo de reorganização dos exércitos para novas batalhas.
No Livro Quarto do Velho Testamento, há uma instrução do Senhor a Moisés para a
realização de um levantamento dos filhos de Israel em condições de guerrear
70
. No Evangelho
escrito por Lucas (2:1-5), consta que César Augusto teria ordenado a realização de um censo
em todo o Império Romano, o que teria levado José e Maria a seguirem para Belém
71
. Os
governos mais esclarecidos registravam o número de habitantes, nascimentos e óbitos,
estimavam suas riquezas, distribuíam terras e cobravam impostos utilizando processos que
hoje chamaríamos de estatísticas
72
.
O termo “estatística” vem do latim status, que significa estado. Foi Gottfried
Achenwall, acadêmico alemão, o primeiro a utilizar a palavra Statistik, na metade do século
XVIII, para designar a análise de dados sobre o Estado. Em 1797, o verbete em inglês,
statistics, apareceu pela primeira vez na Enciclopédia Britânica
73
.
67
SILVA, Andréa Diniz da. Apostila Estatística. Projeto de Mestrado Profissional em Poder Judiciário. Rio
de Janeiro: Fundação Getúlio Vargas, 2008, p. 9.
68
BISQUERRA, Rafael; SARRIERA, Jorge Castellá; MARTINEZ, Francesc. Introdução à Estatística:
enfoque informático com o pacote estatístico SPSS. Tradução: Fátima Murad. Reimp., 2007. Porto Alegre:
Artmed, 2004, p. 16.
69
BRUNI, Adriano Leal. Estatística aplicada à gestão empresarial. São Paulo: Atlas, 2007, p. 2.
70
“Tomai a soma de toda a congregação dos filhos de Israel, segundo as suas famílias, segundo as casas de seus
pais, conforme o número dos nomes de todo homem, cabeça por cabeça; os da idade de vinte anos para cima,
isto é, todos os que em Israel podem sair à guerra, a esses contareis segundo os seus exércitos, tu e Arão.”
71
“Naqueles dias, apareceu um edito de César Augusto, ordenando o recenseamento de todo o mundo habitado.
Esse recenseamento foi o primeiro enquanto Quirino era governador da Síria. E todos iam se alistar, cada um na
própria cidade. Também José subiu da cidade de Nazaré, na Galiléia, para a Judéia, na cidade de Davi, chamada
Belém, por ser da casa e da família de Davi, para se inscrever com Maria, sua mulher, que estava grávida.”
72
CRESPO, Antônio Arnot. Estatística fácil. 18. ed., 7. tir., 2008. São Paulo: Saraiva, 2002, p. 11.
73
BRUNI, Adriano Leal. Op. cit., loc. cit.
38
No início do século XIX, a Estatística passou a ser aplicada na pesquisa em
ciências sociais e na educação
74
. Nessa época, foram desenvolvidos os princípios da lei
normal e introduzidos os conceitos de correlação e regressão. Depois de 1880, iniciou-se a
aplicação da Estatística à psicologia e à pesquisa educativa, com generalização do ensino da
disciplina nas universidades americanas.
No século XX, foram introduzidas novas técnicas, como a análise da
variabilidade, e difundidos métodos multivariados, para análise simultânea de diversas
variáveis. A partir do final dos anos 70, a análise de dados, que antes era realizada com
procedimentos mecânicos rudimentares, passou a ser feita com o auxílio de computadores
75
.
Hoje, máquinas e pacotes de programas estatísticos cuidam dos cálculos
76
, ficando o usuário
liberado para se concentrar na interpretação dos resultados gerados.
A história formal da Estatística divide-se em três grandes etapas, assim
como apresentadas por Eliana Zandonade
77
:
a) o período mais antigo data aproximadamente de 4.000 antes de Cristo até
meados do século XVII, caracterizado pela mera organização de informações de interesse
estatal, com finalidade guerreira ou social;
b) o segundo período estende-se da metade do século XVII até 1853,
marcado pela preparação das teorias e pela investigação de fenômenos coletivos; e
c) o terceiro período vem desde o Congresso Internacional de Estatística de
1853 até nossos dias, caracterizado pelos avanços tecnológicos da Estatística e pelas múltiplas
aplicações que ela vem angariando.
3.2 Conceito atual de Estatística
Atualmente, a palavra “estatística” tem dois significados, um popular e
outro científico.
Em sua conotação usual, estatística significa um conjunto de dados
numéricos reunidos com a finalidade de fornecer informações sobre um determinado objeto.
74
BISQUERRA, Rafael; SARRIERA, Jorge Castellá; MARTINEZ, Francesc. Op. cit., p. 16.
75
Ibid., p. 29.
76
O software Excel é a planilha de cálculo mais usada em microcomputadores e tem grande utilidade nos
estudos estatísticos. Dentre os pacotes de programas estatísticos aplicados às ciências sociais, destaca-se o
Statistical Package for Social Sciences (SPSS).
77
ZANDONADE, Eliana. Estatística Judiciária, importância e meios. Revista CEJ, Brasília, v. 6, n. 17,
abr./jun. 2002, p. 41.
39
É o caso dos índices de violência, das taxas de produção industrial, das estatísticas judiciárias,
etc.
Como ciência, Estatística significa o ramo da matemática aplicada que se
preocupa com a coleta, a organização, a descrição, a análise e a interpretação dos dados
experimentais, visando à tomada de decisões.
Miguel Angel Escotet – citado por Rafael Bisquerra, Jorge Castellá Sarriera
e Francesc Martinez – define a Estatística como “a técnica que computa e numera os fatos e
os indivíduos suscetíveis de serem enumerados ou medidos; coordena e classifica os dados
obtidos com o objetivo de determinar suas causas, consequências e tendências.”
78
Andréa Diniz da Silva explica que:
A Estatística tem se constituído, cada vez mais, em base para a tomada de
decisão, desde que esta é fundada no princípio da racionalidade. A partir de
dados empíricos, a Estatística transforma a aleatoriedade e a incerteza em
probabilidade de ocorrência de eventos, possibilitando, assim, conhecer,
focar e reduzir os riscos na tomada de decisão.
79
De dados brutos, são extraídas informações, que, por sua vez, facilitam a
tomada de decisões.
Pedro Luiz de Oliveira Costa Neto ressalta que a Estatística é uma ciência
meio, daí por que “não deve ser considerada como um fim em si própria, mas como um
instrumento fornecedor de informações que subsidiarão a tomada de melhores decisões,
baseadas em fatos e dados.”
80
Como ciência de apoio, a Estatística pode ser aplicada a qualquer ramo do
conhecimento que envolva dados experimentais: Engenharia, Economia, Medicina, Ciências
Sociais, Ciências Administrativas, etc. Todas essas atividades frequentemente utilizam
ferramentas estatísticas para organizar, descrever e analisar dados qualitativos ou
quantitativos a respeito de fenômenos coletivos ou de massa. Isso porque a Estatística é parte
essencial do processo de pesquisa científica de caráter empírico.
Devido à crescente necessidade de profissionalização da administração
judiciária, a atividade jurisdicional também tende a fazer uso cada vez maior dos métodos
estatísticos como ferramenta de trabalho. Um magistrado treinado em Estatística terá,
78
ESCOTET, Miguel Angel apud BISQUERRA, Rafael; SARRIERA, Jorge Castellá; MARTINEZ, Francesc.
Op. cit., p. 17.
79
Ibid., p. 10.
80
COSTA NETO, Pedro Luiz de Oliveira. Estatística. 2. ed. São Paulo: Blücher, 2002, p. 1.
40
conforme se extrai da lição de Cristina Werkema, “maior facilidade em identificar um
problema em sua área de atuação, determinar os tipos de dados que irão contribuir para a sua
análise, coletar estes dados e a seguir estabelecer conclusões e determinar um plano de ação
para a solução do problema detectado.”
81
3.3 Etapas do método estatístico
A Estatística envolve análise e interpretação de dados. Em grandes
quantidades, os números tendem a confundir ao invés de esclarecer
82
, daí a importância de se
observar o método estatístico, a fim de que os dados obtenham um tratamento adequado.
Antônio Arnot Crespo explica que o método experimental, de larga
utilização nos ramos da Física e da Química, consiste em “manter constantes todas as causas,
menos uma, e variar esta causa de modo que o pesquisador possa descobrir seus efeitos, caso
existam.”
83
De outro lado, quando não é possível manter constantes as demais causas que
afetam o fenômeno durante a variação da causa de interesse, o método experimental deve ser
substituído pelo método estatístico, que “admite todas essas causas presentes, variando-as,
registrando essas variações e procurando determinar, no resultado final, que influências
cabem a cada uma delas.”
84
O método estatístico divide-se, basicamente, em cinco etapas: coleta,
depuração, organização, apresentação e análise:
a) Coleta – depois de identificado o conjunto a ser estudado e as
características mensuráveis do fenômeno que se quer pesquisar, dá-se início à recolha dos
dados numéricos necessários à sua descrição. Esse processo pode dar-se por meio de diversos
instrumentos de medição, como questionários, inventários, testes, etc. Se quisermos saber, por
exemplo, o número de casos novos que ingressaram na Justiça Estadual de 1° grau no último
semestre, o primeiro passo que devemos dar é coletar esses dados mediante uma consulta ao
sistema de acompanhamento processual.
b) Depuração – os dados obtidos devem ser filtrados, a fim de que
eventuais falhas capazes de influir sensivelmente nos resultados possam ser identificadas e, se
possível, corrigidas.
81
WERKEMA, Maria Cristina Catarino. Ferramentas estatísticas básicas para o gerenciamento de
processos. Belo Horizonte: Werkema, 2006, p. 2.
82
STEVENSON, William J.. Estatística aplicada à Administração. Tradução: Alfredo Alves de Farias. São
Paulo: Harbra, 2001, p. 11.
83
CRESPO, Antônio Arnot. Op. cit., p. 12.
84
Ibid., p. 13.
41
As falhas podem ser externas, quando envolvem erros cometidos pelo
informante (por exemplo, um equívoco do advogado na atribuição do valor da causa), ou
internas, quando retratam erros cometidos na digitação dos dados (por exemplo, um equívoco
do servidor encarregado da distribuição no momento da digitação do valor da causa
informado na petição inicial).
Em algumas situações, identificamos valores ausentes, também chamados
de missing, atributos que não foram coletados para determinadas variáveis. Dependendo da
importância do valor ausente, há que se decidir pela manutenção ou exclusão do registro do
conjunto de dados a ser utilizado na análise.
Também pode ocorrer de encontrarmos valores extremos, denominados de
outliers, que destoam dos demais dados apurados e que interferem de modo negativo na
obtenção de medidas sobre as variáveis estudadas. Os valores extremos não são considerados
falhas, mas características do seu conjunto de dados.
c) Organização – os dados, em um primeiro momento, são anotados de
forma desordenada, na disposição em que são coletados. É preciso, pois, organizá-los,
arrolando os dados brutos em ordem crescente ou decrescente.
d) Apresentação – em seguida, as informações são dispostas em tabelas ou
gráficos, que facilitam a sistematização dos dados experimentais e a obtenção de medidas.
e) Análise – por fim, a observação acurada dos resultados obtidos permite a
extração de conclusões e previsões, que auxiliarão no processo decisório. Esta é a fase de
confirmação ou rejeição das hipóteses e de generalização dos resultados. As conclusões
devem ser relatadas de modo que possam ser facilmente entendidas por aqueles que as forem
utilizar na tomada de decisões
85
. O sucesso da decisão, por sua vez, dependerá da habilidade
do analista para compreender os resultados das informações contidas nos dados
86
.
3.4 Estatística Descritiva e Estatística Inferencial
A Ciência Estatística pode ser dividida, basicamente, em duas
87
partes:
Estatística Descritiva e Estatística Inferencial
88
.
85
STEVENSON, William J.. Op. cit., p. 3.
86
LAPPONI, Juan Carlos. Estatística usando Excel. 4. ed., 5. tir. Rio de Janeiro: Elsevier, 2005, p. 5.
87
Alguns autores preferem a divisão tripartite. Para William J. Stevenson, “há três ramos principais da
estatística: a estatística descritiva, que envolve a organização e a sumarização dos dados; a teoria da
probabilidade, que proporciona uma base racional para lidar com situações influenciadas por fatores
relacionados com o acaso; e a teoria da inferência, que envolve análise e interpretação de amostras.”
STEVENSON, William J.. Op. cit., p. 6.
42
A Estatística Descritiva cuida de descrever o fenômeno estudado a partir
dos dados coletados. Ela ocupa-se com a coleta, a depuração, a organização e a descrição dos
dados, visando à análise dos resultados. Sua função principal é sintetizar os dados numéricos
apurados, expondo-os da maneira mais clara possível. Dados coletados em grande quantidade
são resumidos em tabelas e gráficos ou em um conjunto de medidas, a fim de que possam ser
mais facilmente interpretados.
Andréa Diniz da Silva explica que “a Estatística Descritiva se ocupa da
interpretação de fenômenos por meio da coleta de dados, da organização e classificação
desses dados e a sua apresentação gráfica, tabular ou sob a forma de medidas resumo.”
89
A Estatística Descritiva emprega o processo de dedução, raciocínio em que,
partindo-se do conhecimento do todo, procura-se tirar conclusões sobre determinada parte.
Por isso ela também é chamada de Estatística Dedutiva: a partir de dados estatísticos, tenta-se
obter conclusões sobre determinado fenômeno.
Já a Estatística Inferencial, conhecida também por Estatística Indutiva, tem
por objetivo tirar conclusões sobre a população com base nos resultados observados em uma
amostra extraída do seu universo. Como o nome esclarece, a Estatística Indutiva emprega o
processo de indução, ou seja, a partir do conhecimento de dados singulares, procura-se
estabelecer uma proposição geral sobre o todo.
Toda e qualquer generalização está sempre associada a um erro, que pode
ser maior ou menor, dependendo do tamanho e da qualidade da amostra que serve de base
para a inferência das conclusões. Esse erro é chamado de erro inferencial.
A Estatística Indutiva utiliza-se de técnicas que permitem a apuração do
tamanho e da probabilidade do erro, ou seja, qual a precisão do resultado e o grau de
confiabilidade da conclusão obtida.
Adriano Leal Bruni, na mesma linha, divide a Ciência Estatística em três grandes grupos, fazendo igualmente
referência à estatística das probabilidades. BRUNI, Adriano Leal. Op. cit., p. 4.
88
Jack Levin e James Alan Fox adotam a divisão bipartite, mas utilizam outra nomenclatura: Descrição e
Tomada de Decisão. O “conjunto de técnicas para a redução de dados quantitativos a um pequeno número de
termos descritivos mais convenientes e facilmente transmissíveis” constituiria a Estatística de Descrição, ao
passo que o “conjunto de técnicas que ajudam o pesquisador a fazer inferências de amostras para as populações
e, assim, testar hipóteses sobre a natureza da realidade social” seria a Estatística de Tomada de Decisão. LEVIN,
Jack; FOX, James Alan. Estatística para Ciências Humanas. Tradução: Alfredo Alves de Farias. 9. ed., 3.
reimp., 2008. São Paulo: Prentice Hall, 2004, p. 15 e 18.
89
SILVA, Andréa Diniz da. Op. cit., p. 10.
43
3.5 População, amostra, casos, variáveis e dados
O estudo estatístico sempre tem por objeto o exame de uma ou mais
características comuns de elementos integrantes de um conjunto. Ele não faz um tratamento
matemático dos elementos do conjunto observado, mas sim de uma ou mais características de
interesse desses elementos.
Assim, depois de estabelecido o conjunto a analisar, a primeira providência
a ser tomada é a identificação de qual ou quais características serão observadas nos elementos
que compõem o conjunto. Por exemplo, se quisermos fazer uma pesquisa envolvendo os
magistrados estaduais, teremos que definir quais deles devem formar o universo estatístico: só
os desembargadores, os magistrados de primeiro grau, apenas os pretores, etc.
Ao conjunto total de elementos portadores de, pelo menos, uma
característica comum denominamos população estatística ou universo estatístico
90
. O termo
população, portanto, refere-se a todos os indivíduos do grupo em que estamos interessados
91
.
É o conjunto do qual desejamos extrair a informação, e cujos elementos têm, no mínimo, uma
característica comum, a qual está inserida no contexto daquilo que queremos analisar
92
. Se
quisermos, por exemplo, obter informação sobre o número de processos ajuizados por
determinada parte em uma vara ou comarca, teremos que fazer uma consulta de “processo por
parte” no sistema informatizado. A população de interesse será o conjunto total dos processos
ajuizados por aquela parte.
Quando selecionamos um subconjunto de unidades elementares de uma
população, temos uma amostra
93
. Por exemplo: três processos escolhidos aleatoriamente
dentre os trinta processos mais antigos em tramitação. A amostra, portanto, é uma porção de
elementos extraída da população.
Os elementos sobre os quais são pesquisadas informações são também
chamados de casos ou indivíduos. A unidade elementar pode ser qualquer pessoa, objeto ou
coisa que faça parte de uma população
94
.
A característica comum a ser observada, também chamada de fenômeno,
pode assumir valores diferentes para indivíduos distintos. Quando se fazem mensurações
90
CRESPO, Antônio Arnot. Op. cit., p. 19.
91
DOWNING, Douglas; CLARK, Jeffrey. Estatística aplicada. Tradução: Alfredo Alves de Farias. 2. ed. São
Paulo: Saraiva, 2006, p. 2.
92
CARVALHO, Sérgio; CAMPOS, Weber. Estatística básica simplificada. Rio de Janeiro: Elsevier, 2008, p.
4.
93
LAPPONI, Juan Carlos. Op. cit., p. 9.
94
Ibid., p. 6.
44
sucessivas, os valores tendem a exibir certo grau de variabilidade
95
. Por isso, esta
característica é chamada de variável. Opõe-se ao conceito de constante, que se refere àquilo
que só pode ter um valor
96
. No âmbito da administração judiciária, são exemplos de variáveis
o tempo de tramitação e o valor da causa.
Rafael Bisquerra, Jorge Castellá Sarriera e Francesc Martinez classificam as
variáveis segundo quatro diferentes critérios: metodológico, técnico-explicativo, medição e
controle
97
.
De acordo com o sistema de medição, que é a classificação que nos
interessa, as variáveis pode ser qualitativas ou quantitativas.
As qualitativas, também chamadas de categóricas, têm seus valores
expressos por atributos, por exemplo: personalidade jurídica do litigante (pessoa física ou
pessoa jurídica), grau de instrução (analfabeto, 1° grau incompleto, 1° grau completo, 2° grau
incompleto, 2° grau completo, superior incompleto, superior completo), etc. Logo, não podem
ser operadas matematicamente. Para cada modalidade da variável, são estabelecidas diferentes
categorias.
As variáveis qualitativas subdividem-se em dicotômicas e politômicas.
Aquelas apresentam apenas duas categorias (por exemplo: o sexo dos candidatos aprovados
no concurso para a magistratura), enquanto que estas apresentam mais de duas categorias (por
exemplo: o tipo de ação de usucapião, que pode ser extraordinário, ordinário ou especial). As
categorias das variáveis qualitativas devem estar bem definidas e ser mutuamente excludentes
e exaustivas
98
.
As variáveis qualitativas também se subdividem em nominais e ordinais. As
primeiras não têm hierarquia e, portanto, não permitem comparações (por exemplo: o nome
da parte). As últimas classificam os elementos segundo a ordem que ocupam, permitindo
comparações (por exemplo: escala de intensidade em pesquisa de satisfação do usuário do
serviço judiciário: muito satisfeito, um pouco satisfeito, um pouco insatisfeito, muito
insatisfeito).
95
STEVENSON, William J.. Op. cit., p. 11.
96
BISQUERRA, Rafael; SARRIERA, Jorge Castellá; MARTINEZ, Francesc. Op. cit., p. 20.
97
Ibid., p. 21 e 22.
98
As categorias escolhidas devem ser abrangentes de modo que toda resposta possa ser incluída. Além disso,
devem ser distintas e não ser ambíguas, para evitar incertezas em relação a onde se colocar uma observação. Cf.
SMAILES, Joanne; MCGRANE, Angela. Estatística aplicada à Administração com Excel. Tradução: Bazán
Tecnologia e Linguística, Christiane Brito. 1. ed., 5. reimp, 2007. São Paulo: Atlas, 2002, p. 45.
45
Já as variáveis quantitativas têm os seus valores expressos em números.
Logo, podem ser operadas algebricamente. Exemplos: a quantidade de servidores lotados no
cartório, o tempo de tramitação do processo, o valor da causa e a renda da parte demandante.
Em função da sua natureza intrínseca, as variáveis quantitativas podem ser
discretas ou contínuas. As variáveis discretas só podem assumir valores inteiros, como é o
caso do número de audiências designadas, do número de réus absolvidos, etc. Já as variáveis
contínuas podem assumir qualquer valor entre dois limites, como ocorre com o tempo para a
localização dos processos.
Note-se que nem toda variável expressa sob a forma de números é
necessariamente quantitativa. Por exemplo, o CPF e o CNPJ informado pelas partes, embora
sejam apresentados sob a forma de número, são variáveis qualitativas, pois retratam os dados
daqueles indivíduos no cadastro nacional da Receita Federal.
A depender do número de variáveis associadas a cada unidade elementar, a
análise estatística pode ser classificada em univariada (quando se tem uma única característica
de interesse associada a cada elemento do conjunto), bivariada (quando se estabelece uma
relação entre duas variáveis) e multivariada (quando há análise simultânea de três ou mais
variáveis)
99
.
Os dados, por sua vez, representam as observações pesquisadas. Eles são o
resultado da investigação. Num primeiro momento, eles são dispostos da mesma forma como
foram coletados, sem nenhuma ordenação crescente ou decrescente
100
. Posteriormente, na
etapa da organização do processo, os dados são arranjados em um rol, em ordem crescente ou
decrescente, a fim de que possam deles ser extraídas informações. Segundo Antônio Arnot
Crespo, “os dados estatísticos resultantes da coleta direta da fonte, sem outra manipulação
senão a contagem ou medida, são chamados dados absolutos.”
101
A figura que segue deve contribuir para a compreensão desses conteúdos.
99
BISQUERRA, Rafael; SARRIERA, Jorge Castellá; MARTINEZ, Francesc. Op. cit., p. 17 e 18.
100
CARVALHO, Sérgio; CAMPOS, Weber. Op. cit., p. 11.
101
CRESPO, Antônio Arnot. Op. cit., p. 31.
46
Figura 10: Esquema de um estudo estatístico
3.6 Censo e amostragem
Quando o exame envolve todos os elementos da população, tem-se um
censo, também chamado de recenseamento. Nesse caso, não há necessidade de se fazer
qualquer inferência, pois todos os indivíduos são conhecidos. O censo, portanto, evita o erro
da generalização.
Por outro lado, quando não é possível ou conveniente examinar todos os
indivíduos do universo estatístico, opta-se pela amostragem: examinam-se alguns indivíduos
e estendem-se as conclusões obtidas para os elementos não examinados, com alguma
probabilidade de erro.
Adriano Leal Bruni resume:
As conclusões extraídas do censo são, imediatamente, válidas para a
população – todo o universo foi estudado e as estatísticas descritivas obtidas
se referem ao universo dos dados. As conclusões da amostragem, por outro
lado, devem ser válidas para a população. Neste caso, já que nem todos os
elementos foram estudados, existe a possibilidade de erros.
102
Para que se possa chegar a conclusões que sejam generalizáveis, é
necessário que a amostra seja representativa da população, de modo que ela contenha as
características básicas do universo de onde foi retirada. Isso exige que a escolha da amostra se
102
BRUNI, Adriano Leal. Op. cit., p. 169.
47
dê por meio de processos capazes de garantir tal representatividade, conhecidos por
amostragem.
Pedro Luiz de Oliveira Costa Neto observa que a realização de um censo,
em vez de uma amostragem, nem sempre é garantia de melhores resultados
103
. Quando a
população é muito grande, o censo precisa ser feito por uma equipe maior, às vezes nem tão
qualificada, o que pode diminuir a confiabilidade dos dados colhidos. Além disso, o
recenseamento tem um custo muito superior, envolve mais tempo
104
e pode ficar
comprometido pela inacessibilidade de todos os dados
105
.
Andréa Diniz da Silva detalha as vantagens dos levantamentos amostrais
sobre os censitários:
· menor custo, pois ao invés de observar todas as unidades da população é
observada apenas uma parte; as reduções de custo alcançadas com o uso da
amostragem estão relacionadas, principalmente, com os itens de pessoal,
material, transporte e ainda aqueles relacionados com o processamento e a
análise dos dados;
· maior rapidez, uma vez que se trata de coletar e analisar informações
sobre um grupo mais reduzido; esta vantagem é especialmente lembrada
quando há pressa para a obtenção da informação ou quando se deseja
analisar uma situação conjuntural, como em véspera de eleição ou
lançamento de um novo produto no mercado; nestes casos, não interessa
obter a informação depois que os votos já estiverem nas urnas ou mesmo
quando o produto já foi fabricado em grande quantidade e não obteve boa
aceitação;
· melhor qualidade, em razão de ser possível realizar todo o trabalho com
uma equipe mais reduzida, o que permite selecionar pessoas mais
qualificadas e treiná-las mais intensivamente; também o trabalho de
supervisão torna-se mais qualificado quanto se trata de aplicá-lo a um grupo
reduzido; um outro aspecto envolve o processamento das informações, pois
processar uma quantidade menor de informações apresenta um menor risco
de erros do tipo operacional.
106
Na administração judiciária, ora tem lugar o censo, ora a amostragem.
Como o sistema informatizado contém informações de todos os processos, dependendo da
103
COSTA NETO, Pedro Luiz de Oliveira. Op. cit., p. 3.
104
William J. Stevenson observa que “o valor da informação em geral dura pouco. Para ser útil, a informação
deve ser obtida e usada rapidamente.” STEVENSON, William J.. Op. cit., p. 3.
105
Sérgio Carvalho e Weber Campos arrolam quatro razões para a adoção da amostragem: a) quando a
população é muito grande; b) quando se deseja o resultado da pesquisa em curto espaço de tempo; c) quando se
deseja gastar menos; d) quando o objeto da pesquisa é destrutivo. Como exemplo da última hipótese, os autores
citam o teste de segurança do air bag dos veículos. Se a montadora testasse toda a população de air bags, não
restaria nenhum veículo para ser vendido. CARVALHO, Sérgio; CAMPOS, Weber. Op. cit., p. 7.
106
SILVA, Andréa Diniz da. Fatores que influenciam a medida sócio-educativa aplicada ao adolescente
autor de ato infracional na Comarca da Capital do Rio de Janeiro. Dissertação (Mestrado) – Escola
Nacional de Ciências Estatísticas, Instituto Brasileiro de Geografia e Estatística, Rio de Janeiro, 2001, p. 35 e 36,
grifo da autora.
48
característica de interesse podemos tratar não apenas com amostras, mas com toda a
população de processos. A data de distribuição de cada ação, por exemplo, é uma informação
que consta do banco de dados para todos os feitos. Se quisermos saber o tempo médio de
tramitação das ações em uma determinada vara, podemos somar todas as idades dos processos
e dividir o resultado pela quantidade de ações em andamento, sem necessidade de realização
de nenhuma inferência. Por outro lado, quando a pesquisa envolve o manuseio dos processos,
deve-se utilizar a amostragem, pois a população de ações é muito numerosa, e a demora
natural de um censo pode terminar inviabilizando o estudo. Além disso, existem casos em que
não há como acessar todos os processos, como ocorre com os feitos que se encontram em
carga com os advogados. As características desses processos inacessíveis precisam ser
inferidas a partir das características observadas em uma amostra de feitos efetivamente
examinada.
Uma amostragem bem conduzida pode fornecer resultados confiáveis, muito
próximos daqueles que seriam fornecidos com o exame completo de toda a população, a um
custo muito menor e em menos tempo.
Para que a inferência estatística seja correta, o pesquisador deve seguir
rigorosamente um método de amostragem, pois falhas na seleção da amostra podem levar a
conclusões falsas.
3.7 Métodos de amostragem
Os métodos de amostragem dividem-se em probabilísticos e não
probabilísticos. Naqueles, todos os elementos têm probabilidade conhecida de serem
escolhidos para compor o subconjunto que será estudado. Nestes, não há como controlar a
chance que os componentes da população têm de ser selecionados para participar da amostra.
Pedro Luiz de Oliveira Costa Neto fornece a distinção fundamental entre os
dois métodos: “A amostragem será probabilística se todos os elementos da população tiverem
probabilidade conhecida, e diferente de zero, de pertencer à amostra. Caso contrário, a
amostragem será não probabilística.”
107
Na amostragem probabilística, a probabilidade de se encontrar indivíduos
com determinadas características na amostra é calculada com base na sua distribuição na
população. Aqui é possível determinar a variabilidade da amostra e calcular o erro inferencial.
107
COSTA NETO, Pedro Luiz de Oliveira. Op. cit., p. 38.
49
A propósito, William J. Stevenson pontua:
Embora nenhum plano de amostragem possa garantir que a amostra seja
exatamente semelhante à população da qual foi extraída, uma amostra
aleatória permite estimar o valor do erro possível, isto é, dizer ‘quão
próxima’ está a amostra da população, em termos de representatividade.
108
Já na amostragem não probabilística, as características da amostra e da
população não se equivalem necessariamente. Trata-se de uma amostragem subjetiva, em que
a variabilidade dos resultados da amostra não pode ser obtida com precisão. A mensuração do
erro inferencial, consequentemente, fica comprometida. Por outro lado, esse tipo de
amostragem tem as suas vantagens: via de regra, a coleta de dados é mais rápida e o custo é
ainda mais baixo.
Sempre que possível, devemos utilizar métodos probabilísticos, pois eles
garantem maior representatividade da amostra
109
.
3.7.1 Métodos probabilísticos
Adriano Leal Bruni faz referência a quatro métodos probabilísticos de
amostragem: aleatório simples, aleatório sistemático, aleatório estratificado e por
conglomerados.
a) No método aleatório simples, atribui-se um número a cada indivíduo da
população e, mediante a adoção de algum sistema de escolha aleatória, sorteiam-se os
elementos que formarão a amostra.
Esse tipo de amostragem pode ser utilizado pela Corregedoria-Geral da
Justiça, nas inspeções de cartório e de judicância, conforme se vê do Exemplo 1, a seguir.
Exemplo 1: No Sistema Themis, escolhe-se a consulta de interesse – por
exemplo, processos conclusos para despacho (clica-se em “Consultas” → “Processos por
situação” → “Concluso” → “OK”).
Seleciona-se o resultado, copia-se e cola-se no editor de texto.
A seguir, seleciona-se a coluna com os números dos processos, copia-se e
cola-se na planilha do Excel – por exemplo, a partir da célula A1. Digamos que a população
108
STEVENSON, William J.. Op. cit., p. 158.
109
BISQUERRA, Rafael; SARRIERA, Jorge Castellá; MARTINEZ, Francesc. Op. cit., p. 19.
50
de conclusos para despacho seja constituída por 200 processos. Nesse caso, os números
ficarão registrados no intervalo A1:A200.
Em outra célula (na E1, por exemplo), registra-se a fórmula
=ÍNDICE($A$1:$A$200;ALEATÓRIOENTRE(1;200)), que a seguir é copiada até a célula
correspondente ao tamanho da amostra desejada. Se quisermos obter uma amostra com cinco
processos, teremos que copiar a fórmula da célula E1 até a célula E5.
Para que a planilha seja recalculada, pressiona-se a tecla F9.
Toda vez que a planilha é recalculada, a função ALEATÓRIOENTRE
110
sorteia cinco dos 200 números do conjunto {1, 2, 3, 4, ..., 199, 200}. Com essa informação, a
função ÍNDICE
111
seleciona os cinco números de processos correspondentes aos cinco
números sorteados no intervalo A1:A200.
Os números dos processos selecionados são apresentados no intervalo
E1:E5.
Como a técnica utilizada retorna uma amostra com reposição
112
, há sempre
a possibilidade de um ou mais processos serem selecionados mais de uma vez para a mesma
amostra. Em casos tais, a planilha deve ser recalculada, até que se consiga uma amostra com
cinco processos diferentes
113
.
b) No método aleatório sistemático, ordenam-se os indivíduos da
população em ordem crescente. Em seguida, calcula-se c =
n
N
, onde
N
é o número de
indivíduos da população e
n
, o tamanho da amostra. Escolhe-se ao acaso um número
k
entre 1
e
c
. O número
k
será o primeiro indivíduo selecionado. Os demais serão
k + c, k + 2c, k + 3c
,
e assim sucessivamente, até que a amostra selecionada tenha
n
unidades.
Veja-se o Exemplo 2, a seguir.
110
A função matemática =ALEATÓRIOENTRE(inferior;superior) retorna um número aleatório dentre os
números especificados.
111
A função =ÍNDICE(matriz;num_linha;num_coluna) retorna um valor ou a referência a um valor do
argumento matriz, tabela ou intervalo.
112
A amostragem pode ser com ou sem reposição, conforme a unidade selecionada retorne ou não para a
população depois de cada seleção. Como exemplo de amostragem com reposição, pode-se citar o lançamento de
uma moeda, em que as faces cara ou coroa podem ser sorteadas novamente nos arremessos seguintes. Como
exemplo de amostragem sem reposição, menciona-se o sorteio das dezenas de um jogo de bingo. Na medida em
que são sorteadas, as dezenas não voltam para a urna, inexistindo possibilidade de repetição.
113
A construção de um modelo de amostragem sem reposição é mais complexa e pode ser consultada em
LAPPONI, Juan Carlos. Op. cit., p. 33.
51
Exemplo 2: Tomemos o estudo estatístico do exemplo anterior, com
população de 200 processos e amostra de cinco.
Depois de ordenarmos os 200 processos em ordem crescente de número,
calculamos
c
=
5
200
= 40. Escolhemos o valor de k ao acaso, por exemplo, 4, que está situado
entre 1 e 40. Os cinco processos que formarão a amostra, portanto, serão os correspondentes
às posições 4 (k), 44 (k + c), 84 (k + 2c), 124 (k + 3c) e 164 (k + 4c), periodicamente
retirados de 40 em 40.
c) No método
aleatório estratificado
, divide-se a população em subgrupos
de elementos parecidos, homogêneos entre si. Dentro de cada estrato, realiza-se uma
amostragem aleatória simples ou sistemática. É de se esperar que a variável em estudo
apresente um comportamento heterogêneo de estrato em estrato e um comportamento
homogêneo dentro de cada estrato
114
.
A definição do número de indivíduos de cada estrato que deve compor a
amostra pode ser feita de três formas:
1) por afixação simples, quando a amostra total é dividida em partes iguais,
com seleção de igual número de elementos em cada estrato;
2) por afixação proporcional, quando se leva em consideração a proporção
de indivíduos de cada estrato, o que implica a seleção de mais elementos nos estratos maiores;
ou
3) por afixação ótima, quando se considera, além do tamanho do estrato,
também a dispersão de dados.
O Exemplo 3, a seguir, retrata uma amostragem estratificada proporcional.
Exemplo 3: Atualmente, o Rio Grande do Sul conta com cento e sessenta e
quatro comarcas. Após a promulgação das leis estaduais n° 13.181 e 13.182, de 22 de junho
de 2009, que elevaram as comarcas de Caxias do Sul, Passo Fundo, Pelotas e Santa Maria
para entrância final
115
e as comarcas de Capão da Canoa, Farroupilha, Lagoa Vermelha,
114
CRESPO, Antônio Arnot. Op. cit., p. 21.
115
RIO GRANDE DO SUL. Lei n. 13.181, de 22 de junho de 2009. Disponível em: < http://www.al.rs.gov.br/
Legis/M010/M0100099.ASP?Hid_Tipo=Texto&Hid_TodasNormas=52824&hTexto=&Hid_IDNorma=52824 >.
Acesso em: 25 jul. 2009.
52
Santiago, Sapiranga, Taquara, Torres e Tramandaí para entrância intermediária
116
, as 164
comarcas ficaram assim divididas: cinco de entrância final, 48 de entrância intermediária e
111 de entrância inicial.
Das 111 comarcas de entrância inicial, 90 têm vara única, 20 têm duas varas
e uma tem três varas.
Portanto, podemos dizer que existem três estratos de comarcas na entrância
inicial: um estrato de comarcas com uma vara, um estrato de comarcas com duas varas e um
estrato de comarca com três varas.
Se quisermos inferir o ingresso de processos novos por vara na entrância
inicial com base em uma amostra de 5% da população de varas, podemos examinar o ingresso
em 5% de cada estrato.
A Tabela 4, a seguir, mostra a frequência de comarcas em cada estrato, os
respectivos percentuais em relação à população de comarcas e o tamanho de cada amostra.
Tabela 4 – Distribuições de frequências absolutas e relativas das comarcas de entrância inicial do
Estado do Rio Grande do Sul, segundo o número de varas, e cálculo de amostras de 5%
Varas
Comarcas
f fr
Amostras de 5%
1 90 81,08%
100
590×
= 4,50
2 20 18,01%
100
520×
= 1,00
3 1 0,90%
100
51×
= 0,05
Total 111 100,00% 5,55
Fonte: Corregedoria-Geral da Justiça – Serviço de Estatística e Registro da Atividade de Juízes
A quantidade de unidades de cada estrato que comporão a amostra deve ser
arredondada, pois não temos como examinar 4,5, 0,05 ou 5,55 comarcas. No caso,
escolheremos para comporem a amostra cinco comarcas de vara única e uma comarca de duas
varas. A comarca de três varas, que representa menos de 1% da população de varas, deve ser
desconsiderada, portanto.
d) Na amostragem
por conglomerados
, divide-se a população em
subgrupos de elementos não parecidos, heterogêneos entre si. Entre os conglomerados,
116
Id., Lei n. 13.182, de 22 de junho de 2009. Disponível em: < http://www.al.rs.gov.br/Legis/M010/
M0100099.ASP?Hid_Tipo=Texto&Hid_TodasNormas=52825&hTexto=&Hid_IDNorma=52825 >. Acesso em:
25 jul. 2009.
53
realiza-se uma amostragem aleatória simples ou sistemática, até que se consiga atingir o
tamanho da amostra desejado. Este método é útil para dados muito espalhados
geograficamente
117
.
Veja-se o Exemplo 4.
Exemplo 4: O Regimento Interno da Corregedoria-Geral da Justiça, editado
pela Resolução n° 531/2005 do Conselho da Magistratura, prevê, no seu Art. 5°, que o Estado
do Rio Grande do Sul, para efeito de delegação de competência aos juízes-corregedores, é
dividido em dez regiões, formadas pelas seguintes comarcas e/ou varas:
1ª Região - Vara da Direção do Foro, Turmas Recursais dos Juizados
Especiais, Varas Cíveis e Varas Criminais do Foro Central, Vara dos Registros Públicos, Vara
das Execuções Criminais, Vara de Execuções de Penas e Medidas Alternativas e Serviços
Notariais e Registrais da Comarca de Porto Alegre;
2ª Região - Varas de Família e Sucessões do Foro Central, Varas de
Fazenda Pública, Varas do Juizado Regional da Infância e Juventude, Vara de Falências e
Concordatas, Vara de Acidentes do Trabalho, Varas do Júri, Varas de Delitos de Trânsito,
Juizados Especiais Cíveis e Criminais e Varas dos Foros Regionais da Comarca de Porto
Alegre;
3ª Região - Alvorada, Barra do Ribeiro, Cachoeirinha, Capão da Canoa,
Gravataí, Guaíba, Mostardas, Osório, Palmares do Sul, Santo Antônio da Patrulha, Torres,
Tramandaí e Viamão;
4ª Região - Arroio Grande, Butiá, Camaquã, Canguçu, Charqueadas,
General Câmara, Herval, Jaguarão, Pedro Osório, Pelotas, Pinheiro Machado, Piratini, Rio
Grande, Santa Vitória do Palmar, São Jerônimo, São José do Norte, São Lourenço do Sul,
Tapes e Triunfo;
5ª Região - Alegrete, Bagé, Caçapava do Sul, Cacequi, Cachoeira do Sul,
Dom Pedrito, Encruzilhada do Sul, Itaqui, Jaguari, Lavras do Sul, Quaraí, Rio Pardo, Rosário
do Sul, Santana do Livramento, Santiago, São Borja, São Francisco de Assis, São Gabriel,
São Sepé, São Vicente do Sul e Uruguaiana;
6ª Região - Agudo, Arroio do Meio, Arroio do Tigre, Arvorezinha,
Candelária, Cruz Alta, Encantado, Estrela, Faxinal do Soturno, Júlio de Castilhos, Lajeado,
117
SMAILES, Joanne; MCGRANE, Angela. Op. cit., p. 28.
54
Montenegro, Restinga Seca, Salto do Jacuí, Santa Cruz do Sul, Santa Maria, São Pedro do
Sul, Sobradinho, Taquari, Teutônia, Tupanciretã, Venâncio Aires e Vera Cruz;
7ª Região - Augusto Pestana, Campina das Missões, Campo Novo, Catuípe,
Cerro Largo, Coronel Bicaco, Criciumal, Frederico Westphalen, Giruá, Guarani das Missões,
Horizontina, Ijuí, Palmeira das Missões, Panambi, Porto Xavier, Rodeio Bonito, Santa Rosa,
Santo Ângelo, Santo Antônio das Missões, Santo Augusto, Santo Cristo, São Luiz Gonzaga,
Seberi, Tenente Portela, Três de Maio, Três Passos e Tucunduva;
8ª Região - Carazinho, Casca, Constantina, Erechim, Espumoso, Gaurama,
Getúlio Vargas, Guaporé, Ibirubá, Iraí, Lagoa Vermelha, Marau, Marcelino Ramos, Não-Me-
Toque, Nonoai, Passo Fundo, Planalto, Ronda Alta, Sananduva, Santa Bárbara do Sul, São
José do Ouro, São Valentim, Sarandi, Soledade, Tapejara e Tapera;
9ª Região - Antônio Prado, Bom Jesus, Bento Gonçalves, Canela, Carlos
Barbosa, Caxias do Sul, Dois Irmãos, Farroupilha, Feliz, Flores da Cunha, Garibaldi,
Gramado, Igrejinha, Nova Prata, Nova Petrópolis, Parobé, Portão, São Francisco de Paula,
São Marcos, São Sebastião do Caí, Taquara, Três Coroas, Vacaria e Veranópolis;
10ª Região - Campo Bom, Canoas, Estância Velha, Esteio, Novo
Hamburgo, Sapiranga, Sapucaia do Sul e São Leopoldo.
Considerando que as regiões (com exceção da 1ª e da 2ª, que são formadas
por varas da Comarca de Porto Alegre) são constituídas por comarcas de tamanhos variados, é
correto afirmar que, na população de comarcas do Estado do Rio Grande do Sul, as regiões da
Corregedoria-Geral da Justiça formam conglomerados de comarcas.
Para realizarmos uma amostragem de comarcas por conglomerados nesse
universo, devemos, em um primeiro estágio, sortear alguns conglomerados, ou seja, algumas
regiões de comarcas. Em seguida, fazemos novo sorteio, tomando comarcas das regiões
selecionadas até a formação da amostra pretendida.
3.7.2 Métodos não probabilísticos
As amostras não probabilísticas também devem ser escolhidas de acordo
com determinados critérios, assim classificados por Adriano Leal Bruni: amostragem
acidental, amostragem por julgamento, amostragem intencional e amostragem por cotas
118
.
118
BRUNI, Adriano Leal. Op. cit., p. 176.
55
Na amostragem
acidental
, ou por conveniência, os indivíduos da amostra
são escolhidos em função da facilidade de acesso. Seria o caso, por exemplo, da avaliação da
qualidade da jurisdição de um magistrado unicamente pelos processos já sentenciados, em
função da rapidez com que se podem acessar as sentenças no sistema de administração das
informações processuais.
Na amostragem
por julgamento
, os elementos da amostra são selecionados
de acordo com o parecer de um especialista no assunto.
No método de amostragem
intencional
, o pesquisador seleciona os
elementos que farão parte da amostra de modo proposital, por entender que tais elementos
representam bem a população.
Por fim, na amostragem
por cotas
, método não probabilístico mais
empregado, especialmente em pesquisas de opinião, os elementos selecionados devem
corresponder a proporções previamente determinadas, as quais são definidas de acordo com as
características que influenciam o fenômeno estudado.
3.8 Tabelas e gráficos
Quando os dados coletados são muitos, ao invés de esclarecer, eles tendem a
confundir, porque a diversidade de detalhes existente em um grande conjunto de números
dificulta a identificação dos seus aspectos mais importantes. Se o número de elementos
estudados é maior do que 15 ou 20, a simples depuração das observações não é suficiente para
levar às conclusões desejadas
119
.
Para termos uma visão global da variável ou das variáveis estudadas,
precisamos sintetizar os resultados das observações pesquisadas, reduzindo a quantidade de
detalhes de modo a transformar os dados em informações. Assim, depois de inspecionados, os
dados coletados devem ser organizados ou resumidos, para que a tarefa de análise se torne
mais fácil.
Essa síntese pode ser feita com a apresentação dos dados em tabelas ou
gráficos, que sintetizam os valores que uma ou mais variáveis podem assumir. Andréa Diniz
da Silva pontua que “a representação gráfica e tabular é uma maneira de descrever o
fenômeno estudado com informações sumarizadas, sem, contudo, prescindir de informações
importantes para que o fenômeno seja entendido.”
120
119
LAPPONI, Juan Carlos. Op. cit., p. 35.
120
SILVA, Andréa Diniz da. Op. cit., p. 23.
56
As mesmas informações estatísticas podem ser fornecidas tanto por tabelas
quanto por gráficos. Conforme esclarece William J. Stevenson, os gráficos são
particularmente atraentes porque proporcionam uma visualização das características
importantes dos dados. Já as tabelas, conquanto careçam do atrativo visual dos gráficos,
oferecem certas vantagens em termos de análise matemática
121
.
3.8.1 Tabelas
Segundo a definição de Sérgio Carvalho e Weber Campos, tabela é “um
quadro que sintetiza um conjunto de observações com o objetivo de uniformizá-las e
racionalizá-las, de forma a tornar mais simples e fácil a sua percepção.”
122
A tabela contém elementos fundamentais e elementos complementares. Os
elementos fundamentais
são cinco:
a) Título: situado no topo da tabela, deve retratar o seu conteúdo, de forma
completa e concisa, definindo o fato observado, bem como a época e o local da observação. O
título torna a tabela auto-explicativa, transmitindo ao leitor o que está sendo apresentado e
onde e quando foram coletados os dados
123
.
b) Cabeçalho: situado na parte de cima da tabela, apresenta o conteúdo das
colunas. Convencionalmente, as colunas expõem as variáveis da base de dados
124
.
c) Coluna indicadora: situada no canto esquerdo da tabela, fornece o
conteúdo das linhas. Em regra, as linhas costumam apresentar os casos, também chamados de
indivíduos ou unidades elementares
125
.
d) Corpo: conjunto de linhas e colunas onde são registradas as observações.
Dados específicos são encontrados com o cruzamento visual de uma linha com uma coluna.
e) Células: espaços destinados aos números.
Os
elementos complementares
, localizados preferencialmente no rodapé
da tabela, são três:
a) Fonte: indica a origem dos dados estatísticos apresentados, a fim de
facilitar o acesso às informações originais.
b) Nota: fornece esclarecimento de natureza geral.
121
STEVENSON, William J.. Op. cit., p. 11.
122
CARVALHO, Sérgio; CAMPOS, Weber. Op. cit., p. 16.
123
BARBETTA, Pedro Alberto. Estatística aplicada às Ciências Sociais. 7. ed. Florianópolis: Editora da
UFSC, 2007, p. 67.
124
BRUNI, Adriano Leal. Op. cit., p. 4.
125
Ibid., loc. cit.
57
c) Chamada: fornece esclarecimento de natureza específica.
A Tabela 5 é um exemplo com os elementos essenciais e dois elementos
complementares.
Tabela 5 – Processos terminados nos Juizados Especiais Cíveis do Rio Grande do Sul, segundo o ano
(1999 – 2008)
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Relatório Anual 2008
126
Nota: O dado de 2008 refere-se ao período de 01.11.07 a 31.10.08
A tabela deve ser construída de acordo com o disposto na Resolução n° 886,
de 26 de outubro de 1966, do Conselho Nacional de Estatística. Ela não deve ser fechada nas
laterais, não pode conter linhas tracejadas em seu corpo e tampouco deve apresentar células
em branco. Sua estrutura deve ter, no mínimo, três linhas horizontais, sendo duas que
delimitam o cabeçalho e uma que faz o fechamento. Qualquer outra linha vertical ou
horizontal poderá ser traçada, desde que venha contribuir para melhor leitura dos dados e não
implique o fechamento lateral da tabela. Quando o valor da variável for zero, a célula deve ser
preenchida com um traço horizontal (-). Se o dado existe, mas não está disponível, preenche-
se a célula com três pontos (...). Quando há dúvida a respeito da exatidão de determinado
valor, a célula deve ser preenchida com um ponto de interrogação (?). Quando o valor da
variável for pequeno demais para ser expresso na unidade adotada, deve-se colocar na célula o
número zero (0). Por fim, a inserção de uma tabela em um relatório somente deve ser feita
após ela ser referenciada no texto
127
.
Além das normas de representação tabular, recomenda-se a observância de
algumas regras de boa prática, assim elencadas por Joanne Smailes e Angela McGrane: a) seja
126
RIO GRANDE DO SUL. Tribunal de Justiça do Estado. Relatório Anual 2008. Relatórios Estatísticos, p.
25. Disponível em: <http://www.tjrs.jus.br/institu/contas/r_anual/rel2008/pdf/Relatorio_2008_Relatorios_Estatis
ticos.pdf>. Acesso em: 16 jul. 2009.
127
BARBETTA, Pedro Alberto. Op. cit., p. 66
Ano Processos terminados
1999 143.144
2000 152.225
2001 166.320
2002 171.874
2003 180.359
2004 205.189
2005 209.921
2006 242.950
2007 252.878
2008 269.724
58
claro sobre o que você deseja que a tabela mostre; b) dê proeminência à variável de interesse,
listando-a primeiro; e c) sempre que útil, inclua os totais das linhas e das colunas
128
.
A depender do número de variáveis apresentadas, a tabela pode ser
classificada em unidimensional, bidimensional ou multidimensional.
A tabela
unidimensional
, também chamada de tabela simples, apresenta
dados relativos a uma única variável. A Tabela 6 é um exemplo de tabela simples que
descreve diferentes valores da variável “processos pendentes de julgamento”, discriminada no
intervalo de tempo de janeiro a dezembro de 2008.
Tabela 6 – Processos pendentes de julgamento nas cinco varas cíveis da Comarca de Canoas no ano
de 2008, segundo o mês
Mês Processos pendentes de julgamento
Janeiro 28.426
Fevereiro 28.199
Março 28.133
Abril 28.266
Maio 28.301
Junho 28.428
Julho 28.438
Agosto 28.599
Setembro 28.526
Outubro 28.806
Novembro 29.098
Dezembro 29.910
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema Themis
A tabela
bidimensional
, conhecida por tabela de dupla entrada, apresenta
dados referentes a duas séries de variáveis. A Tabela 7 ilustra um exemplo desse tipo de
apresentação.
Tabela 7 – Sentenças de mérito proferidas nas cinco varas cíveis da Comarca de Canoas no ano de
2008, por situação de contestação, segundo o mês
Mês
Sentenças de mérito proferidas
Ações contestadas Ações não contestadas Total
Janeiro 268 34 302
Fevereiro 509 68 577
Março 352 53 405
Abril 471 55 526
Maio 398 67 465
Junho 414 68 482
Julho 416 67 483
Agosto 353 97 450
Setembro 381 107 488
128
SMAILES, Joanne; MCGRANE, Ângela. Op. cit., p. 46.
59
Outubro 430 97 527
Novembro 345 52 397
Dezembro 249 137 386
Total 4.586 902 5.488
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema Themis
A tabela
multidimensional
é menos frequente, em razão da dificuldade de
representação de séries compostas por três ou mais variáveis. À medida que aumentamos a
quantidade de informações inseridas na tabela, ela vai-se tornando cada vez mais complicada
e difícil de ser compreendida. Como bem observam Joanne Smailes e Angela McGrane, “se
você possui grandes quantidades de dados, duas ou três tabelas simples são melhores do que
uma grande e complicada.”
129
A Tabela 8, a seguir, retrata a distribuição de processos novos nas cinco
varas cíveis da Comarca de Canoas no ano de 2008 através de uma tabulação cruzada de três
variáveis: vara, juizado (ou judicância) e ação por classe.
Tabela 8 – Processos cíveis ingressados na Comarca de Canoas no ano de 2008, por vara e por juizado
(ou judicância), segundo a classe de ação
Classe de ação
Processos cíveis
Vara cível
Total
Juizado (ou judicância)
1 2 3 4 5
1 2 1 2 1 2 1 2 1 2
Processos de
conhecimento
1.250 1.247 1.208 1.233 1.303
6.241
240 1.010 579 668 247 961 256 977 241 1.062
Processos cautelares
165 164 194 186 176
855
21 144 87 77 29 165 29 157 24 152
Embargos de devedor
43 68 61 118 82
372
37 6 44 24 42 19 86 32 47 35
Procedimentos especiais
de jurisdição contenciosa
572 547 524 588 605
2.836
204 368 255 292 189 335 205 383 211 394
Ações coletivas
2 1 - 2 -
5
2 - - 1 - - 2 - - -
Processos de execução
287 241 270 294 343
1.435
119 168 100 141 109 161 101 193 169 174
Processos de execução
fiscal
189 190 196 219 201
995
189 - 92 98 196 - 219 - 200 1
Inventários e
arrolamentos
91 103 117 102 107
520
3 88 41 62 36 81 2 100 14 93
Falências e recuperações
judiciais
3 1 3 3 4
14
3 - 1 - 3 - 3 - 4 -
Procedimentos especiais
de jurisdição voluntária
83 79 110 115 101
488
65 18 40 39 67 43 59 56 82 19
Processos em fase de
execução de sentença
227 99 145 295 249
1.015
62 165 28 71 37 108 93 202 44 205
Incidentes processuais
304 138 302 189 376
1.309
33 271 46 92 30 272 97 92 24 352
129
Ibid., loc. cit.
60
Precatórias cíveis
423 338 459 428 516
2.164
151 272 178 160 174 285 166 262 195 321
Total
3.639 3.216 3.589 3.772 4.063
18.279
1.129 2.510 1.491 1.725 1.159 2.430 1.318 2.454 1.255 2.808
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema Themis
Como se vê, o acúmulo de muitas informações em uma mesma tabela
termina dificultando a sua leitura.
3.8.1.1 Séries estatísticas
Série estatística, explica Antônio Arnot Crespo, é “toda tabela que apresenta
a distribuição de um conjunto de dados estatísticos em função da época, do local ou da
espécie.”
130
Assim, três são os elementos da série estatística: o tempo, o espaço e a
especificação. Dependendo do elemento que varia e dos elementos que permanecem fixos, as
séries estatísticas podem ser classificadas em históricas, geográficas e específicas.
Nas
séries históricas
, também chamadas de séries cronológicas ou
temporais, o elemento que varia é o tempo da pesquisa, permanecendo fixos o local e o objeto
do estudo.
A Tabela 5 (p. 57), referente aos processos terminados nos Juizados
Especiais Cíveis entre 1999 e 2008, é um exemplo de série estatística histórica.
Nas
séries geográficas
, igualmente conhecidas por séries espaciais,
territoriais ou de localização, permanecem fixos a época e o objeto do estudo, variando o local
da pesquisa.
Um exemplo de série estatística geográfica pode ser extraído do acórdão
Themis Admin n° 0146-09/000014-0, no qual o Conselho da Magistratura decidiu elevar, de
entrância intermediária para entrância final, as comarcas de Caxias do Sul, Pelotas, Passo
Fundo e Santa Maria. Um dos requisitos objetivos considerados para a elevação foi o volume
da movimentação processual, que não poderia ser inferior a 50.000 processos. Na Tabela 9,
consta a movimentação das comarcas que preenchiam esse requisito. Eis aí um exemplo de
série estatística geográfica.
130
CRESPO, Antônio Arnot. Op. cit., p. 26.
61
Tabela 9 – Processos em tramitação em 31 de dezembro de 2008 nas comarcas do Estado do Rio
Grande do Sul com mais de 50.000 processos
Comarca Processos em tramitação
Caxias do Sul 101.560
Novo Hamburgo 95.777
Pelotas 76.676
São Leopoldo 69.143
Canoas 64.086
Passo Fundo 62.069
Santa Maria 55.200
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema SAV
Nas
séries específicas
, também denominadas de categóricas, a descrição do
fenômeno sofre variação, permanecendo fixos o local e o tempo.
A Tabela 10 ilustra um exemplo de série estatística categórica, em que o
fenômeno “processos sem julgamento” varia de acordo com a classe de ação, em vara e
momento determinados.
Tabela 10 – Processos sem julgamento na 3ª Vara Cível da Comarca de Canoas em 31 de maio de
2009, segundo a classe de ação
Classe de ação Processos sem julgamento
Processos de conhecimento 2.119
Processos cautelares 297
Embargos de devedor 133
Procedimentos especiais de jurisdição contenciosa
971
Ações coletivas 3
Processos de execução 1.043
Processos de execução fiscal 1.426
Inventários e arrolamentos 244
Falências e recuperações judiciais 15
Procedimentos especiais de jurisdição voluntária 84
Processos em fase de execução de sentença 169
Incidentes processuais 421
Precatórias cíveis -
Total 6.925
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema Themis
3.8.1.2 Tabela de frequências
A tabela de frequências compreende a organização dos dados de acordo com
as ocorrências dos diferentes resultados observados.
62
Tomemos como exemplo a distribuição das 521 varas existentes em 31 de
julho de 2009 no Estado do Rio Grande do Sul
131
, conforme disposto na Tabela 11.
Tabela 11 – Comarcas do Estado do Rio Grande do Sul, em ordem alfabética, com o respectivo
número de varas
Comarca Varas
Agudo 1
Alegrete 4
Alvorada 6
Antônio Prado 1
Arroio do Meio 1
Arroio do Tigre 1
Arroio Grande 1
Arvorezinha 1
Augusto Pestana 1
Bagé 7
Barra do Ribeiro 1
Bento Gonçalves 4
Bom Jesus 1
Butiá 1
Caçapava do Sul 2
Cacequi 1
Cachoeira do Sul 5
Cachoeirinha 6
Camaquã 4
Campina das Missões 1
Campo Bom 2
Campo Novo 1
Candelária 1
Canela 1
Canguçu 2
Canoas 13
Capão da Canoa 3
Carazinho 6
Carlos Barbosa 1
Casca 1
Catuípe 1
Caxias do Sul 14
Cerro Largo 1
Charqueadas 2
Constantina 1
Coronel Bicaco 1
Criciumal 1
Cruz Alta 6
Dois Irmãos 1
Dom Pedrito 2
Eldorado do Sul 1
Encantado 2
Encruzilhada do Sul 1
Erechim 6
131
Levantamento feito com base em informações prestadas pelo Serviço de Estatística e Registro de Atividade
de Juízes da Corregedoria-Geral da Justiça (SERAJ).
63
Espumoso 1
Estância Velha 1
Esteio 5
Estrela 2
Farroupilha 3
Faxinal do Soturno 1
Feliz 1
Flores da Cunha 1
Frederico Westphalen 2
Garibaldi 1
Gaurama 1
General Câmara 1
Getúlio Vargas 2
Giruá 2
Gramado 2
Gravataí 7
Guaíba 6
Guaporé 2
Guarani das Missões 1
Herval 1
Horizontina 2
Ibirubá 1
Igrejinha 1
Ijuí 6
Irai 1
Itaqui 2
Ivoti 1
Jaguarão 2
Jaguari 1
Júlio de Castilhos 1
Lagoa Vermelha 3
Lajeado 5
Lavras do Sul 1
Marau 1
Marcelino Ramos 1
Montenegro 3
Mostardas 1
Não-Me-Toque 1
Nonoai 1
Nova Petrópolis 1
Nova Prata 1
Novo Hamburgo 13
Osório 4
Palmares do Sul 1
Palmeira das Missões 3
Panambi 2
Parobé 1
Passo Fundo 11
Pedro Osório 1
Pelotas 14
Pinheiro Machado 1
Piratini 1
Planalto 1
Portão 1
Porto Alegre 96
64
Porto Xavier 1
Quaraí 1
Restinga Seca 1
Rio Grande 10
Rio Pardo 2
Rodeio Bonito 1
Ronda Alta 1
Rosário do Sul 2
Salto do Jacuí 1
Sananduva 1
Santa Bárbara do Sul 1
Santa Cruz do Sul 7
Santa Maria 12
Santa Rosa 6
Santa Vitória do Palmar 3
Santana do Livramento 5
Santiago 3
Santo Ângelo 7
Santo Antônio da Patrulha 2
Santo Antônio das Missões 1
Santo Augusto 1
Santo Cristo 1
São Borja 5
São Francisco de Assis 1
São Francisco de Paula 1
São Gabriel 4
São Jerônimo 2
São José do Norte 1
São José do Ouro 1
São Leopoldo 9
São Lourenço do Sul 2
São Luiz Gonzaga 3
São Marcos 1
São Pedro do Sul 1
São Sebastião do Caí 2
São Sepé 1
São Valentim 1
São Vicente do Sul 1
Sapiranga 5
Sapucaia do Sul 4
Sarandi 1
Seberi 1
Sobradinho 1
Soledade 3
Tapejara 1
Tapera 1
Tapes 1
Taquara 3
Taquari 2
Tenente Portela 1
Teutônia 1
Torres 3
Tramandaí 5
Três Coroas 1
Três de Maio 2
65
Três Passos 2
Triunfo 1
Tucunduva 1
Tupanciretã 1
Uruguaiana 7
Vacaria 4
Venâncio Aires 3
Vera Cruz 1
Veranópolis 1
Viamão 7
Total 521
Fonte: Corregedoria-Geral da Justiça – Serviço de Estatística e Registro da Atividade de Juízes
Nota: Os dados incluem os Juizados Especiais Cíveis não adjuntos e excluem as Varas da Direção do
Foro não adjuntas e o Cartório Judicial de Terra de Areia, que é integrado à Comarca de Osório
O número de varas foi coletado de acordo com a ordem alfabética das 164
comarcas, conforme segue:
1 4 6 1 1 1 1 1 1 7 1 4 1 1
2 1 5 6 4 1 2 1 1 1 2 13 3 6
1 1 1 14 1 2 1 1 1 6 1 2 1 2
1 6 1 1 5 2 3 1 1 1 2 1 1 1
2 2 2 7 6 2 1 1 2 1 1 6 1 2
1 2 1 1 3 5 1 1 1 3 1 1 1 1
1 13 4 1 3 2 1 11 1 14 1 1 1 1
96 1 1 1 10 2 1 1 2 1 1 1 7 12
6 3 5 3 7 2 1 1 1 5 1 1 4 2
1 1 9 2 3 1 1 2 1 1 1 5 4 1
1 1 3 1 1 1 3 2 1 1 3 5 1 2
2 1 1 1 7 4 3 1 1 7
Como se vê, a apresentação de muitos dados na ordem da coleta não fornece
informação esclarecedora. Há dificuldade de identificação do maior número de varas, do
número em torno do qual as varas tendem a se concentrar, da quantidade que mais se repete e
do número de comarcas que se encontram acima ou abaixo de determinada quantidade de
varas. Em suma, a desorganização dos dados não permite que se tenha uma ideia do
comportamento geral do grupo de comarcas estudado.
De acordo com o método estatístico, o passo seguinte envolve a depuração
dos dados, à procura de eventuais falhas de digitação. Se houver erros na matriz de dados e
eles não forem corrigidos nesta fase, tudo o que se fizer a partir daqui não terá qualquer
utilidade.
Em seguida, as observações devem ser organizadas em um rol, em ordem
crescente ou decrescente:
66
{1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3,
3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 9, 10, 11, 12, 13,
13, 14, 14, 96}
Essa organização fornece-nos algumas informações com nitidez, tais como
o número de varas da maior comarca (96)
132
e a quantidade que mais se repete (1 vara), mas
não nos permite obter outras conclusões úteis, por envolver a mesma quantidade de dados.
Devemos, então, agrupar as observações de acordo com a repetição de cada
dado, contando o número de comarcas com a mesma quantidade de varas e resumindo o
resultado em uma tabela de frequências absolutas. Para que possamos fazer a análise, os
dados devem estar ordenados pela variável de interesse.
Na Tabela 12, a primeira coluna mostra todas as categorias previamente
estabelecidas da variável “Varas”. A segunda coluna resulta da contagem
133
de quantas
observações correspondem a cada categoria. As quantidades de resultados são as frequências
observadas.
Tabela 12 – Distribuição absoluta das comarcas do Estado do Rio Grande do Sul, segundo o número
de varas
Varas
Comarcas
f
1 90
2 25
3 12
4 7
5 7
6 8
7 6
9 1
10 1
11 1
12 1
13 2
14 2
96 1
Total 164
Fonte: Corregedoria-Geral da Justiça – Serviço de Estatística e Registro da Atividade de Juízes
132
No Excel, a maior e a menor quantidade de varas podem ser obtidas, respectivamente, com as fórmulas
=MÁXIMO(A1:A164) e =MÍNIMO(A1:A164), desde que os dados estejam registrados nas células A1:A164.
133
No Excel, a contagem pode ser feita com a adoção da função =CONT.SE.
67
Percebe-se que a disposição dos valores da variável de forma ordenada em
uma coluna {1, 2, 3, ..., 14, 96} e a colocação do número de repetições ao lado de cada valor
{90, 25, 12, ..., 2, 1} facilita o estudo das comarcas existentes no Estado.
A
frequência absoluta
do valor de uma variável, aqui simbolizada pela
letra f, é o número de vezes que esse valor foi observado, ou seja, o número de vezes que o
fenômeno se repetiu. No exemplo em estudo, a frequência de uma vara é 90.
A tabela de frequências absolutas de uma variável é uma função formada
pelos valores da variável {1, 2, 3, ..., 14, 96} e suas respectivas frequências {90, 25, 12, ..., 2,
1}
134
. O somatório das frequências de cada quantidade de varas deve ser igual ao número total
de comarcas:
164
96
1
=
∑
f
Além disso, as frequências também podem ser expressas como porcentagem
do tamanho da população de comarcas, conforme se vê da Tabela 13.
Tabela 13 – Distribuições de frequências absolutas e relativas das comarcas do Estado do Rio Grande
do Sul, segundo o número de varas
Varas
Comarcas
f fr
1 90 54,9%
2 25 15,2%
3 12 7,3%
4 7 4,3%
5 7 4,3%
6 8 4,9%
7 6 3,7%
9 1 0,6%
10 1 0,6%
11 1 0,6%
12 1 0,6%
13 2 1,2%
14 2 1,2%
96 1 0,6%
Total 164 100,00%
Fonte: Corregedoria-Geral da Justiça – Serviço de Estatística e Registro da Atividade de Juízes
A
frequência relativa
do valor de uma variável, aqui simbolizada pela
notação fr, é a proporção do valor absoluto de cada quantidade observada no total dos valores
observados, ou seja, é o resultado da divisão da sua frequência absoluta pela soma das
134
LAPPONI, Juan Carlos. Op. cit., p. 36.
68
observações estudadas, multiplicado por 100. No exemplo citado, a frequência relativa de
uma vara é 0,549, resultado da divisão de 90 por 164.
A tabela de frequências relativas de uma variável é uma função formada
pelos valores da variável e suas respectivas frequências relativas
135
. O somatório das
frequências relativas de cada nota deve ser igual a 100%:
%100
96
1
=
∑
fr
Com a tabela de frequências relativas, passamos a dispor de informações
mais detalhadas, que nos possibilitam estabelecer comparações entre as distribuições de
frequências. Podemos afirmar, por exemplo, que:
a) mais da metade das comarcas têm apenas uma vara;
b) comarcas com seis varas são mais frequentes do que comarcas com
quatro ou cinco varas;
c) comarcas com sete varas representam 3,7% da população de comarcas.
Além da frequência absoluta e da frequência relativa, também podemos
calcular a
frequência absoluta acumulada
, simbolizada pela letra F, que auxilia na apuração
do número de elementos situados abaixo ou acima de um determinado valor. Veja-se a Tabela
14.
Tabela 14 – Distribuições de frequências absolutas, absolutas acumuladas e relativas das comarcas do
Estado do Rio Grande do Sul, segundo o número de varas
Varas
Comarcas
f
F
fr
1 90 90 54,9%
2 25 115 15,2%
3 12 127 7,3%
4 7 134 4,3%
5 7 141 4,3%
6 8 149 4,9%
7 6 155 3,7%
9 1 156 0,6%
10 1 157 0,6%
11 1 158 0,6%
12 1 159 0,6%
13 2 161 1,2%
14 2 163 1,2%
96 1 164 0,6%
Total 164 100,00%
Fonte: Corregedoria-Geral da Justiça – Serviço de Estatística e Registro da Atividade de Juízes
135
Ibid., p. 37.
69
A frequência absoluta acumulada é o resultado da soma de todas as
frequências absolutas, desde o valor inicial da variável até o elemento analisado. Ou seja, é a
resultante da soma das frequências absolutas correspondentes a todos os valores anteriores.
Algebricamente, ela pode ser representada por meio da equação F
i
=
∑
=
i
j
i
f
1
.
A frequência absoluta acumulada de quatro varas, por exemplo, é o
resultado da soma das frequências absolutas das varas 1, 2, 3 e 4, ou seja, 90 + 25 + 12 + 7 =
134. Nesse caso, podemos dizer que apenas 30 comarcas têm número de varas superior a
quatro.
A tabela de frequências absolutas acumuladas é uma função formada pelos
valores da variável e suas respectivas frequências absolutas acumuladas.
Por fim, existe a
frequência relativa acumulada
, simbolizada pela notação
Fr, que se presta à identificação do percentual de observações situadas abaixo ou acima de
determinado valor. Observe-se a Tabela 15.
Tabela 15 – Distribuições de frequências absolutas, absolutas acumuladas, relativas e relativas
acumuladas das comarcas do Estado do Rio Grande do Sul, segundo o número de varas
Varas
Comarcas
f
F
fr
Fr
1 90 90 54,9% 54,9%
2 25 115 15,2% 70,1%
3 12 127 7,3% 77,4%
4 7 134 4,3% 81,7%
5 7 141 4,3% 86,0%
6 8 149 4,9% 90,9%
7 6 155 3,7% 94,5%
9 1 156 0,6% 95,1%
10 1 157 0,6% 95,7%
11 1 158 0,6% 96,3%
12 1 159 0,6% 97,0%
13 2 161 1,2% 98,2%
14 2 163 1,2% 99,4%
96 1 164 0,6% 100,0%
Total 164 100,00%
Fonte: Corregedoria-Geral da Justiça – Serviço de Estatística e Registro da Atividade de Juízes
A frequência relativa acumulada é o resultado da soma de todas as
frequências relativas, até a observação de interesse. É a resultante da soma de todos os
percentuais anteriores a um valor dado. Algebricamente, ela pode ser representada por meio
70
da equação Fr
i
=
∑
=
i
j
i
fr
1
. Por exemplo, a frequência acumulada de seis varas, equivalente a
90,9%, significa que mais de 90% das comarcas do Estado têm seis varas ou menos.
A tabela de frequências relativas acumuladas é uma função formada pelos
valores da variável e suas respectivas frequências relativas acumuladas.
O Excel dispõe de uma função estatística que facilita a construção de tabelas
de frequências. Trata-se da função =FREQUÊNCIA(matriz_dados;matriz_bin), que calcula a
frequência de ocorrência de valores em um determinado intervalo e retorna uma matriz
vertical de números contendo a distribuição de frequências das observações registradas na
matriz_dados, de acordo com a seleção de observações definida no argumento matriz_bin
136
.
A figura que segue, construída no Excel, apresenta a mesma distribuição de
frequências da Tabela 15 (p. 69), porém em ordem decrescente de número de varas.
A B C D E F G H
1
2 Varas coletadas Tabela de frequências
3
1
Varas
f
F
fr
Fr
4 4 96
1
1
0,6%
0,6%
5 6 14
2
3
1,2%
1,8%
6 1 13
2
5
1,2%
3,0%
7 1 12
1
6
0,6%
3,7%
8 1 11
1
7
0,6%
4,3%
9 1 10
1
8
0,6%
4,9%
10
1 9
1
9
0,6%
5,5%
11
1 7
6
15
3,7%
9,1%
12
7 6
8
23
4,9%
14,0%
13
1 5
7
30
4,3%
18,3%
14
4 4
7
37
4,3%
22,6%
15
1 3
12
49
7,3%
29,9%
16
1 2
25
74
15,2%
45,1%
17
2 1
90
164
54,9%
100,0%
18
1 Total 164
100,00%
19
5
20
6
21
4
22
1
Figura 11: Distribuições de frequências absolutas, absolutas acumuladas, relativas e relativas
acumuladas das comarcas do Estado do Rio Grande do Sul, segundo o número de varas,
construídas no Excel
136
Ibid., p. 40.
71
No intervalo A3:A166, foram registradas as 164 quantidades de varas, na
ordem da coleta. No intervalo C4:C17, as quantidades de varas foram organizadas em ordem
decrescente. Na célula D4, foi registrada a fórmula =FREQUÊNCIA($A$3:$A$166;C4:C17),
que, em seguida, foi copiada até a célula D17 com o arrasto do mouse
137
. Na célula D18, foi
registrada a fórmula =SOMA(D4:D17). Na célula E4, foi repetido o valor da célula D4. Na
célula E5, foi inserida a fórmula =E4+D5, que, a seguir, foi copiada até a célula E17. Na
célula F4, foi registrada a fórmula =D4/$D$18, que, depois, foi copiada até a célula F17. Na
célula G4, foi repetido o valor da célula F4. Na célula G5, foi inserida a fórmula =G4+F5,
que, após, foi copiada até a célula G17.
3.8.1.3 Classes
Quando a variável de interesse apresenta muita dispersão, ocasionada pela
presença de muitos valores diferentes, a elaboração da tabela de frequências pode não ajudar
muito no processo de síntese dos dados.
Tomemos, a título de exemplo, o ingresso de processos novos por vara no
ano de 2008 nas 48 comarcas que hoje formam a entrância intermediária, conforme retratado
na Tabela 16.
Tabela 16 – Processos novos ingressados no ano de 2008 nas comarcas do Estado do Rio Grande do
Sul que hoje integram a entrância intermediária
Item
Comarca Processos novos por comarca
N° de varas
Processos novos por vara
1 Alegrete 15.724 4 3.931
2 Alvorada 33.757 6 5.626
3 Bagé 28.979 7 4.140
4 Bento Gonçalves 23.590 4 5.898
5 Cachoeira do Sul 13.618 5 2.724
6 Cachoeirinha 27.749 6 4.625
7 Camaquã 15.089 4 3.772
8 Canoas 58.673 13 4.513
9 Capão da Canoa 18.577 3 6.192
10 Carazinho 19.710 6 3.285
137
A inserção do cifrão na fórmula transforma a linha ou a coluna de relativa em absoluta. A3 significa que a
coluna A e a linha 3 são relativas. Se a fórmula que contém essa referência for arrastada com o mouse para
outras células da planilha, as duas coordenadas serão alteradas. $A3 significa que a coluna A é absoluta e que a
linha 3 é relativa. Se a fórmula que contém essa referência for arrastada com o mouse para outras células da
planilha, o endereço será modificado mantendo a coluna inalterada e adotando a linha da nova célula. A$3 quer
dizer que a coluna A é relativa e que a linha 3 é absoluta. Se a fórmula que contém essa referência for arrastada
com o mouse para outras células da planilha, o endereço será alterado mantendo a linha inalterada e adotando a
coluna da nova célula. Por fim, $A$3 significa que tanto a coluna A quanto a linha 3 são absolutas. Se a fórmula
que contém essa referência for arrastada com o mouse para outras células da planilha, o endereço permanecerá
inalterado. O cifrão pode ser facilmente inserido na fórmula com a utilização da tecla F4 (A3 → $A$3 → A$3
→ $A3 → A3).
72
11 Cruz Alta 19.725 6 3.288
12 Dom Pedrito 5.133 2 2.567
13 Erechim 40.811 6 6.802
14 Esteio 21.924 5 4.385
15 Estrela 7.982 2 3.991
16 Farroupilha 13.048 3 4.349
17 Frederico Westphalen 10.962 2 5.481
18 Gravataí 39.969 7 5.710
19 Guaíba 14.846 6 2.474
20 Ijuí 19.473 6 3.246
21 Lagoa Vermelha 11.337 3 3.779
22 Lajeado 18.731 5 3.746
23 Montenegro 12.919 3 4.306
24 Novo Hamburgo 60.009 13 4.616
25 Osório 16.011 4 4.003
26 Palmeira das Missões 15.968 3 5.323
27 Rio Grande 36.522 10 3.652
28 Rio Pardo 6.923 2 3.462
29 Santa Cruz do Sul 22.698 7 3.243
30 Santa Rosa 16.300 6 2.717
31 Santana do Livramento
17.843 5 3.569
32 Santiago 12.506 3 4.169
33 Santo Ângelo 32.266 7 4.609
34 São Borja 16.919 5 3.384
35 São Gabriel 8.532 4 2.133
36 São Jerônimo 9.420 2 4.710
37 São Leopoldo 43.943 9 4.883
38 São Luiz Gonzaga 12.553 3 4.184
39 Sapiranga 21.084 5 4.217
40 Sapucaia do Sul 19.359 4 4.840
41 Soledade 17.103 3 5.701
42 Taquara 13.995 3 4.665
43 Torres 28.223 3 9.408
44 Tramandaí 51.531 5 10.306
45 Uruguaiana 24.871 7 3.553
46 Vacaria 15.547 4 3.887
47 Venâncio Aires 14.832 3 4.944
48 Viamão 36.979 7 5.283
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema SAV
A tabulação das frequências da variável “processos novos por vara”
forneceria o resultado exposto na Tabela 17.
Tabela 17 – Distribuição absoluta das comarcas do Estado do Rio Grande do Sul que hoje integram a
entrância intermediária, segundo o ingresso de processos novos por vara no ano de 2008
Processos novos por vara
Comarcas
f
2.133 1
2.474 1
2.567 1
2.717 1
73
2.724 1
3.243 1
3.246 1
3.285 1
3.288 1
3.384 1
3.462 1
3.553 1
3.569 1
3.652 1
3.746 1
3.772 1
3.779 1
3.887 1
3.931 1
3.991 1
4.003 1
4.140 1
4.169 1
4.184 1
4.217 1
4.306 1
4.349 1
4.385 1
4.513 1
4.609 1
4.616 1
4.625 1
4.665 1
4.710 1
4.840 1
4.883 1
4.944 1
5.283 1
5.323 1
5.481 1
5.626 1
5.701 1
5.710 1
5.898 1
6.192 1
6.802 1
9.408 1
10.306 1
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema SAV
A tabela não propiciou qualquer síntese, pois todas as comarcas tiveram
ingressos distintos de processos novos por vara. Os 48 casos originais continuaram separados
em 48 categorias, o que equivale a nenhuma redução.
Nesse caso, devemos agrupar as observações em intervalos de variação da
variável, também chamados de
intervalos de classe
. Esse método de agrupamento de dados
74
em intervalos denomina-se distribuição de frequência por intervalo de classe. Sua utilidade
está em proporcionar a visualização de uma grande quantidade de dados sem a necessidade de
se levar em conta os números individuais
138
.
Em lugar de afirmarmos que em uma vara ingressaram 2.133 processos, que
em outra vara ingressaram 2.474 processos, e assim por diante, diremos que em nove varas
ingressaram de 2.133 a 3.301 processos, que em 19 varas ingressaram de 3.301 a 4.469
processos, e assim sucessivamente.
Em casos como esse, há certa perda de qualidade da informação, pois os
valores individuais perdem a sua identidade quando são agrupados em classes
139
.
No que diz com o modo de criação das classes de frequência, Adriano Leal
Bruni esclarece:
Embora a criação de classes de frequência seja muito mais uma questão de
bom senso do que de matemática, a estatística apresenta uma série de
procedimentos sugeridos para a construção de classes de frequência. Após
construído o rol, os passos para elaborar classes de frequência consistem em
determinar o número de classes a serem criadas, estimar o intervalo de cada
classe e reagrupar os dados nestas classes.
140
Segundo o procedimento formal, quando o número de elementos estudados
é menor ou igual a 25, cinco classes de frequências devem ser criadas. Se o número de valores
da variável de interesse é maior que 25, então o número de classes de frequência pode ser
obtido com a fórmula K = n , onde K é o número de classes e n é o número de elementos
estudados. No Excel, a raiz quadrada de um número pode ser facilmente obtida com a
inserção da fórmula =RAIZ(Núm) em qualquer célula da planilha
141
. No exemplo das
comarcas de entrância intermediária, o número de classes seria sete, uma vez que 48 =
6,928.
O tamanho dos intervalos de classe são fixados de acordo com a relação
entre a amplitude total dos dados (diferença entre o maior e o menor dado) e o número de
classes a serem criadas. No exemplo citado, os sete intervalos devem ter 1.168 processos cada
um, resultado obtido com a seguinte equação: 57,167.1
7
173.8
7
133.2306.10
==
−
.
138
STEVENSON, William J.. Op. cit., p. 32.
139
Ibid., p. 36.
140
BRUNI, Adriano Leal. Op. cit., 13.
141
A função =RAIZ(Núm) do Excel retorna a raiz quadrada do número inserido nos parênteses.
75
Definidos o número de classes e o tamanho do intervalo, o próximo passo
consiste na montagem das classes e na tabulação dos dados. Parte-se do menor para o maior
valor, somando-se o intervalo obtido, até a formação da última classe.
A tabela de frequências do ingresso de processos novos por vara nas
comarcas que hoje formam a entrância intermediária, no ano de 2008, poderia ser resumida na
forma da Tabela 18.
Tabela 18 – Distribuições de frequências absolutas, absolutas acumuladas, relativas e relativas
acumuladas das comarcas do Estado do Rio Grande do Sul que hoje integram a entrância
intermediária, segundo as classes de ingresso de processos novos por vara no ano de 2008
Classes de ingresso de processos novos por vara
Comarcas
f
F
fr (%)
Fr(%)
2.133 | - 3.301 9 9 18,8 18,8
3.301 | - 4.469 19 28 39,6 58,3
4.469 | - 5.637 13 41 27,1 85,4
5.637 | - 6.805 5 46 10,4 95,8
6.805 | - 7.973 0 46 0,0 95,8
7.973 | - 9.141 0 46 0,0 95,8
9.141 | - 10.309 2 48 4,2 100,0
Total 48 100,0
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema SAV
Os dois pontos extremos de um intervalo chamam-se
limites de classe
. Os
limites inferior e superior podem ser do tipo inclusive ou exclusive, conforme incluam ou não
o valor representado, podendo ser expressos pelas seguintes convenções:
| - |
,
| -
,
- |
,
-
. A barra
vertical próxima ao número indica que se trata de um limite do tipo inclusive. A ausência da
barra denota um limite do tipo exclusive. A notação 1000 |-| 2000 significa que tanto o limite
inferior quanto o limite superior da classe estão nela incluídos. A notação 1000 |- 2000 indica
que o elemento 1000 faz parte da classe e que o elemento 2000 não a integra. A notação 1000
-| 2000 informa que o elemento 1000, ao contrário do elemento 2000, não está inserido na
classe. Por fim, a notação 1000 - 2000 caracteriza a exclusão de ambos os limites.
O
ponto médio
de uma classe (x
i
) é o valor que divide o intervalo de classe
em duas partes iguais. É o ponto a meio caminho entre o limite inferior e o limite superior da
classe. Algebricamente, o ponto médio pode ser representado pela fórmula x
i
=
2
ii
Ll
+
, onde
l
i
é o limite inferior e L
i
é o limite superior da classe i. No exemplo do ingresso de processos
novos por vara de entrância intermediária, o ponto médio da terceira classe é igual a:
x
3
=
2
33
Ll
+
=
2
637.5469.4
+
= 5.053
76
As tabelas de frequência, como se vê, ajudam a transformar grandes
quantidades de dados em informações úteis, revelando a intensidade de concentração de
determinados atributos. Pelo exame das frequências, percebemos, por exemplo, que cerca de
40% das varas de entrância intermediária tiveram ingresso entre 3.301 e 4.469 processos em
2008 e que menos de 15% tiveram distribuição superior a 5.637 processos.
3.8.2 Gráficos
Jack Levin e James Alan Fox afirmam que:
As colunas de números costumam evocar temor, ansiedade, tédio, apatia e
desentendimento. Embora algumas pessoas pareçam desconfiar de
informações estatísticas apresentadas em forma de tabela, elas dão toda a
atenção aos mesmos dados quando apresentados em forma gráfica.
142
Os gráficos, de fato, propiciam uma visualização mais sugestiva do que as
tabelas, facilitando a compreensão das relações numéricas. Eles estabelecem uma
correspondência proporcional entre as frequências dos valores da variável e uma determinada
figura geométrica, possibilitando, ao mesmo tempo, uma visão ampla e alguma caracterização
particular de um conjunto de dados
143
.
Adriano Leal Bruni compara as desvantagens e os benefícios da
representação gráfica:
Embora todo gráfico resulte em processo de perda parcial de informações, já
que os valores originais são geralmente omitidos, sendo, muitas vezes,
apenas o gráfico apresentado, a concisão e a facilidade de interpretação dos
gráficos costumam compensar a informação perdida.
144
Antônio Arnot Crespo define o gráfico como “uma forma de apresentação
dos dados estatísticos, cujo objetivo é o de produzir, no investigador ou no público em geral,
uma impressão mais rápida e viva do fenômeno em estudo.”
145
Diante de um gráfico, devemos procurar enxergar suas características
importantes, observando o padrão geral assumido pelos dados e tentando detectar os possíveis
142
LEVIN, Jack; FOX, James Alan. Op. cit., p. 56.
143
BRUNI, Adriano Leal. Op. cit., 24.
144
Ibid., loc. cit.
145
CRESPO, Antônio Arnot. Op. cit., p. 38.
77
desvios marcantes desse padrão
146
. Por isso, é fundamental que o gráfico seja claro, a fim de
que o observador possa interpretar corretamente os valores representativos do fenômeno, e
simples, sem detalhes de importância secundária que tornem a sua análise morosa
147
. Ele deve
ter dimensões que o tornem agradável à vista e exibir divisões de escalas em quantidade não
excessiva.
Os elementos do gráfico são o título (com definição do fato observado, da
época e do local da observação), as escalas e unidades de medida, a legenda (com as
convenções adotadas) e a fonte de informação dos dados.
Existem diversos tipos de gráficos, cada um compatível com uma espécie de
dado. Certos gráficos prestam-se mais para retratar sequências ordenadas no tempo, alguns
servem para descrever características, outros são próprios para enfatizar proporções e ainda
outros são utilizados na representação de dados georreferenciados
148
.
3.8.2.1 Histograma
O
histograma
é um gráfico de barras verticais que representa as frequências
absolutas ou relativas dos valores de uma variável quantitativa, permitindo a comparação
entre as categorias da variável.
A construção do histograma é feita a partir da respectiva tabela de
frequências, que necessariamente já deve estar construída. A largura de todas as barras deve
ser a mesma, variando apenas o comprimento delas, o qual é proporcional à frequência de
cada valor ou classe representada
149
.
Segundo David S. Moore et al, “é possível descrever o padrão geral de um
histograma por meio de sua forma, centro e dispersão.”
150
Quando um valor individual se
afasta bastante desse padrão geral, tem-se um outlier, que discrepa dos demais valores.
No Excel, a elaboração de histogramas é feita com a utilização do assistente
de gráfico.
146
MOORE, David S. et al. A prática da estatística empresarial: como usar dados para tomar decisões.
Tradução: Luís Antônio Fajardo. Rio de Janeiro: LTC, 2006, p. 12.
147
Conforme enfatizado por David S. Moore et al, “fazer um gráfico estatístico não é um fim em si mesmo. O
propósito do gráfico é ajudar-nos a compreender os dados.” MOORE, David S. et al. Op. cit., p. 12.
148
SILVA, Andréa Diniz da. Op. cit., p. 25 e 26.
149
LAPPONI, Juan Carlos. Op. cit., p. 47.
150
MOORE, David S. et al. Op. cit., p. 12.
78
Consideremos a Tabela 15 (p. 69), correspondente às distribuições das
comarcas do Estado do Rio Grande do Sul, segundo o número de varas. Para construirmos o
histograma das frequências absolutas, devemos copiá-la e colá-la em uma planilha do Excel.
A B C D E F G H
1
2
3
Varas
f
F
fr
Fr
4 1
90
90
54,90%
54,90%
5 2
25
115
15,20%
70,10%
6 3
12
127
7,30%
77,40%
7 4
7
134
4,30%
81,70%
8 5
7
141
4,30%
86,00%
9 6
8
149
4,90%
90,90%
10 7
6
155
3,70%
94,50%
11 9
1
156
0,60%
95,10%
12 10
1
157
0,60%
95,70%
13 11
1
158
0,60%
96,30%
14 12
1
159
0,60%
97,00%
15 13
2
161
1,20%
98,20%
16 14
2
163
1,20%
99,40%
17 96
1
164
0,60%
100,00%
18 Total 164
100,00%
19
20
21
22
Figura 12: Distribuições de frequências absolutas, relativas, absolutas acumuladas e relativas
acumuladas das comarcas do Estado do Rio Grande do Sul, segundo o número de varas,
construídas no Excel
Selecionamos o intervalo D4:D17, clicamos no menu “Inserir” e, em
seguida, em “Gráfico”. Na etapa 1 de 4, escolhemos um gráfico do tipo “Colunas” e do
subtipo “Colunas agrupadas” e pressionamos “Avançar”.
79
Figura 13: Assistente de gráfico do Excel (etapa 1 de 4)
Na etapa 2 de 4, na lacuna “Intervalo de dados”, aparecerá o intervalo
inicialmente selecionado (D4:D17). Também deve estar marcada a opção “Séries em:
Colunas”.
Figura 14: Assistente de gráfico do Excel (etapa 2 de 4)
Na guia “Série”, a lacuna “Rótulos do eixo das categorias (X)” deve ser
preenchida com a seleção das células C4:C17, mediante o arrasto do mouse. Em seguida,
clicamos em “Avançar”.
80
Figura 15: Assistente de gráfico do Excel (etapa 2 de 4)
Na etapa 3 de 4, podemos realizar mudanças na apresentação do gráfico,
como a identificação do eixo das categorias (X) e do eixo dos valores (Y), a colocação ou não
de linhas de grade e a apresentação ou não de legenda.
Figura 16: Assistente de gráfico do Excel (etapa 3 de 4)
Por fim, na etapa 4 de 4, escolhemos onde o gráfico será construído, se em
nova planilha ou na planilha que está em uso.
81
Figura 17: Assistente de gráfico do Excel (etapa 4 de 4)
Pressionando-se “Concluir”, obtém-se o gráfico desejado.
0
10
20
30
40
50
60
70
80
90
100
1 2 3 4 5 6 7 9 10 11 12 13 14 96
Varas
Comarcas
Figura 18: Histograma de frequências absolutas das comarcas do Estado do Rio Grande do Sul,
segundo o número de varas, construído no Excel
Seguindo o mesmo procedimento, podemos construir os demais
histogramas, de frequências absolutas acumuladas, frequências relativas e frequências
relativas acumuladas.
0
20
40
60
80
100
120
140
160
180
1 2 3 4 5 6 7 9 10 11 12 13 14 96
Varas
Comarcas
Figura 19: Histograma de frequências absolutas acumuladas das comarcas do Estado do Rio Grande
do Sul, segundo o número de varas, construído no Excel
82
0%
10%
20%
30%
40%
50%
60%
1 2 3 4 5 6 7 9 10 11 12 13 14 96
Varas
Comarcas
Figura 20: Histograma de frequências relativas das comarcas do Estado do Rio Grande do Sul,
segundo o número de varas, construído no Excel
0%
20%
40%
60%
80%
100%
120%
1 2 3 4 5 6 7 9 10 11 12 13 14 96
Varas
Comarcas
Figura 21: Histograma de frequências relativas acumuladas das comarcas do Estado do Rio Grande do
Sul, segundo o número de varas, construído no Excel
O histograma pode ser empregado tanto para dados individualmente
considerados quanto para dados agrupados em classe.
Quando os dados estão agrupados na tabela de frequências em classes, o
histograma não pode apresentar espaço entre as colunas, a menos que haja uma ou mais
classes vazias
151
. Além disso, todas as colunas devem ter bases de mesma largura.
A construção de um histograma para dados quantitativos agrupados em
classes, como é o caso do exemplo que segue, é um pouco mais complexa e pode ser
consultada em Juan Carlos Lapponi
152
. A Figura 22 retrata os dados agrupados em classe da
Tabela 18 (p. 75), referentes à distribuição de frequências absolutas das comarcas que hoje
são de entrância intermediária, segundo o ingresso de processos novos por vara no ano de
2008.
151
Ibid., p. 10.
152
LAPPONI, Juan Carlos. Op. cit., p. 56.
83
0
2
4
6
8
10
12
14
16
18
20
2.133 a
3.301
3.301 a
4.469
4.469 a
5.637
5.637 a
6.805
6.805 a
7.973
7.973 a
9.141
9.141 a
10.309
Ingresso de processos novos por vara em 2008
Comarcas
Figura 22: Histograma de frequências absolutas das comarcas que hoje são de entrância intermediária
segundo o ingresso de processos novos por vara no ano de 2008
3.8.2.2 Gráfico de colunas e gráfico de barras
O
gráfico de colunas
e o
gráfico de barras
são similares ao histograma,
porém servem para retratar frequências de categorias de variáveis qualitativas.
Os exemplos que seguem foram construídos com os dados da Tabela 10 (p.
61).
0
500
1000
1500
2000
2500
Conhecimento
Cautelares
Embargos de
devedor
Procedimentos
especiais
Ações
coletivas
Execução
Execução
fiscal
Inventários e
arrolamentos
Falências e
recuperações
Jurisdição
voluntária
Cumprimento
de sentença
Incidentes
Precatórias
Figura 23: Gráfico de colunas do total de processos pendentes de julgamento na 3ª Vara Cível da
Comarca de Canoas em 31 de maio de 2009, segundo a classe de ação
0 500 1000 1500 2000 2500
Conhecimento
Cautelares
Embargos de devedor
Procedimentos especiais
Ações coletivas
Execução
Execução fiscal
Inventários e arrolamentos
Falências e recuperações
Jurisdição voluntária
Cumprimento de sentença
Incidentes
Precatórias
Figura 24: Gráfico de barras do total de processos pendentes de julgamento na 3ª Vara Cível da
Comarca de Canoas em 31 de maio de 2009, segundo a classe de ação
84
3.8.2.3 Gráfico em linha
O
gráfico em linha
é uma linha poligonal (que tem muitos ângulos)
disposta em um sistema de eixos cartesianos (duas retas perpendiculares entre si). Ele é
utilizado, em regra, na representação de observações em função do tempo. O gráfico em linha
mostra “modificações em uma variável ou variáveis entre grupos ou ao longo do tempo.”
153
A
variável de interesse deve ser registrada no eixo das ordenadas (vertical), e o tempo, no eixo
das abscissas (horizontal).
As medidas de uma variável tomadas em intervalos regulares ao longo do
tempo formam uma série temporal. Uma subida ou descida da variável de maneira persistente
e a longo prazo fornece uma tendência. Já um padrão que se repete em intervalos regulares de
tempo é chamado de variação sazonal
154
.
O exemplo que segue mostra um gráfico temporal do ingresso de processos
novos por magistrado na Justiça de 1° grau do Estado do Rio Grande do Sul, no período entre
1999 e 2008, de acordo com os dados registrados na Tabela 3 (p. 10). O gráfico mostra que o
ingresso vem aumentando desde 2005, com leve desaceleração a partir de 2006.
0
500
1.000
1.500
2.000
2.500
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
Anos
N° de processos
Figura 25: Processos iniciados por magistrado na Justiça Estadual de 1° grau do Estado do Rio Grande
do Sul, nos anos de 1999 a 2008
Para inserirmos uma linha de tendência em um gráfico construído no Excel,
devemos clicar com o botão direito do mouse sobre a linha, selecionar “Adicionar linha de
tendência” e escolher o tipo “Linear”. Em “Opções”, inserimos os períodos de previsão
prospectiva (dois anos, no caso) e pressionamos “OK”.
153
LEVIN, Jack; FOX, James Alan. Op. cit., p. 65.
154
MOORE, David S. et al. Op. cit., p. 18.
85
0
500
1.000
1.500
2.000
2.500
3.000
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Anos
N° de processos
Figura 26: Linha de tendência dos processos iniciados por magistrado na Justiça Estadual de 1° grau
do Estado do Rio Grande do Sul
A linha de tendência fornece uma previsão aproximada do comportamento
da variável no futuro próximo, com base no histórico anterior.
3.8.2.4 Gráfico de Pareto
No final do século XIX, mais precisamente em 1897, um economista
chamado Vilfredo Pareto publicou um estudo sobre a distribuição de renda demonstrando que
80% da riqueza italiana se concentrava nas mãos de apenas 20% da população. Anos depois,
já no século 20, Joseph Moses Juran, um dos maiores especialistas em gestão de qualidade,
observou que, para muitos fenômenos, 80% das consequências advêm de 20% das causas, o
que permitiria a classificação dos problemas relacionados à qualidade em duas categorias: os
“poucos vitais” e os “muitos triviais”
155
. Juran percebeu que a figura que ele havia desenhado
para demonstrar esse princípio 80-20 tinha aspecto muito similar ao gráfico da distribuição de
renda de Pareto, e então deu a ela o nome de “Diagrama de Pareto”
156
, em homenagem ao
economista italiano.
O
gráfico de Pareto
assemelha-se ao gráfico de colunas, pois também
apresenta as frequências absolutas ou relativas das categorias das variáveis analisadas. A
diferença está em que, no diagrama de Pareto, as frequências são apresentadas de forma
ordenada, da categoria de maior frequência para a de menor frequência, de modo a facilitar a
155
Maria Cristina Catarino Werkema explica que “os ‘poucos vitais’ representam um pequeno número de
problemas, mas que, no entanto, resultam em grandes perdas para a empresa. Já os ‘muitos triviais’ são uma
extensa lista de problemas, mas que, apesar de seu grande número, convertem-se em perdas pouco significativas
[...] Logo, se forem identificadas as poucas causas vitais dos poucos problemas vitais enfrentados pela empresa,
será possível eliminar quase todas as perdas por meio de um pequeno número de ações.” WERKEMA, Maria
Cristina Catarino. Op. cit., p. 72.
156
VIEIRA, Sônia. Estatística para a qualidade: como avaliar com precisão a qualidade em produtos e
serviços. 14. tir. Rio de Janeiro: Elsevier, 1999, p. 13.
86
visualização das categorias ou das classes mais relevantes da variável estudada. A sua
utilidade está em dispor a informação de modo a tornar evidente e visual a priorização de
temas
157
. Esse tipo de gráfico pode ser empregado tanto para dados quantitativos, agrupados
em classes ou não, como para dados qualitativos
158
.
No Excel, o gráfico de Pareto pode ser construído com o uso da ferramenta
de análise “Histograma”. No menu “Ferramentas”, clica-se em “Análise de dados”, seleciona-
se a ferramenta “Histograma” e pressiona-se “OK”. Na janela “Histograma”, posiciona-se o
cursor no “Intervalo de entrada” e, com o mouse, selecionam-se os dados. No exemplo que
segue, foram considerados os dados referentes às 521 varas das 164 comarcas do Estado do
Rio Grande do Sul (“A3:A166”), conforme consta da Figura 11 (p. 70). Posiciona-se o cursor
na lacuna “Intervalo do bloco” e, com o mouse, selecionam-se as categorias da variável do
intervalo “$C$4:$C$17”. Na lacuna “Intervalo de saída”, insere-se a célula onde a tabela de
frequências deve ser registrada (D23, por exemplo). Por fim, marcam-se as opções “Pareto
(histograma classificado)” e “Resultado do gráfico” e pressiona-se “OK”.
Figura 27: Ferramenta de análise Histograma do Excel
A ferramenta retornará um gráfico e duas tabelas de frequências, a primeira
delas organizada em ordem crescente de quantidades de varas e a segunda organizada em
ordem decrescente de frequências. O gráfico de Pareto construído retrata as duas últimas
colunas da tabela.
157
WERKEMA, Maria Cristina Catarino. Op. cit., p. 71.
158
BRUNI, Adriano Leal. Op. cit., p. 28.
87
Varas
Frequência
Varas
Frequência
1
90
1
90
2
25
2
25
3
12
3
12
4
7
6
8
5
7
4
7
6
8
5
7
7
6
7
6
9
1
13
2
10
1
14
2
11
1
9
1
12
1
10
1
13
2
11
1
14
2
12
1
96
1
96
1
Figura 28: Tabelas de frequência construídas com a ferramenta de análise Histograma do Excel
0
20
40
60
80
100
1 2 3 6 4 5 7 13 14 9 10 11 12 96
Varas
Frequência
Figura 29: Gráfico de Pareto das comarcas do Estado do Rio Grande do Sul, segundo o número de
varas
Rosane Wanner da Silva Bordasch refere dois exemplos de aplicação do
diagrama de Pareto no âmbito da gestão cartorária
159
, conforme figuras que seguem. O
primeiro gráfico retrata o tempo que cada cliente esperou no balcão para começar a ser
atendido em um dia de 42 atendimentos. Trinta e quatro pessoas esperaram até cinco minutos
para que se iniciasse o atendimento, seis pessoas aguardaram de seis a dez minutos, e duas
pessoas esperaram de 11 a 20 minutos. O segundo gráfico registra o tempo de duração de
cada um daqueles 42 atendimentos. Trinta e sete pessoas foram atendidas em até cinco
minutos, duas levaram de seis a dez minutos sendo atendidas, outras duas receberam
atendimentos que duraram de 11 a 20 minutos, e uma pessoa foi atendida em mais de 21
minutos. As medições realizadas permitem a avaliação da conveniência da realocação de
servidores (do cumprimento dos processos para o atendimento do balcão) e/ou sua
distribuição na escala, com priorização de ações.
159
BORDASCH, Rosane Wanner da Silva. Op. cit., p. 69 e 70.
88
34
2
6
80,95%
95,24%
100,00%
0
10
20
30
40
0 a 5 6 a 10 11 a 20
Tempo em minutos
Atendimentos
0%
20%
40%
60%
80%
100%
120%
Figura 30: Gráfico de Pareto do tempo de espera para início de cada atendimento
37
2 2
1
88,10%
92,86%
97,62%
100,00%
0
10
20
30
40
5 a 10 6 a 10 11 a 20 mais de
21
Tempo em minutos
Atendimentos
0%
20%
40%
60%
80%
100%
120%
Figura 31: Gráfico de Pareto do tempo de duração de cada atendimento
3.8.2.5 Gráfico de ogiva
O
gráfico de ogiva
(também chamado de polígono de frequência ou
diagrama de frequência), assim como o histograma, serve para representar frequências,
absolutas ou relativas. A diferença está na forma de representação das frequências: no lugar
de colunas, pontos unidos por uma linha retratam as frequências dos valores ou das classes da
variável observada. Além disso, o gráfico sempre começa e termina no eixo horizontal.
A figura que segue mostra o polígono de frequências absolutas das
comarcas do Estado do Rio Grande do Sul, segundo o número de varas.
89
0
2
4
6
8
10
12
2 3 4 5 6 7 8 9 10 11 12 13
Varas
Comarcas
Figura 32: Gráfico de ogiva das comarcas do Estado do Rio Grande do Sul, segundo o número de
varas
Quando o histograma representa dados agrupados em classes, os pontos
assinalados correspondem aos pontos médios de cada classe de frequência. O polígono de
frequências que segue retrata o histograma da Figura 22 (p. 83).
0
2
4
6
8
10
12
14
16
18
20
2.133 a
3.301
3.301 a
4.469
4.469 a
5.637
5.637 a
6.805
6.805 a
7.973
7.973 a
9.141
9.141 a
10.309
Ingresso de processos novos por vara em 2008
Comarcas
Figura 33: Gráfico de ogiva das comarcas que hoje são de entrância intermediária, segundo o ingresso
de processos novos por vara no ano de 2008
Quando as frequências retratadas são as acumuladas, o gráfico não termina
no eixo das abscissas e assume a denominação de Ogiva de Galton. A ogiva que segue
representa as frequências acumuladas do gráfico anterior.
90
0
10
20
30
40
50
60
2.133 a
3.301
3.301 a
4.469
4.469 a
5.637
5.637 a
6.805
6.805 a
7.973
7.973 a
9.141
9.141 a
10.309
Ingresso de processos novos por vara em 2008
Comarcas
Figura 34: Ogiva de Galton das comarcas que hoje são de entrância intermediária, segundo o ingresso
de processos novos por vara, no ano de 2008
3.8.2.6 Boxplot
O
boxplot
(também chamado de caixa de dados) é um gráfico muito usado
em Estatística, por ser capaz de fornecer, ao mesmo tempo, uma medida de posição central (a
mediana), duas medidas de ordenamento (o primeiro quartil e o terceiro quartil), duas
medidas de dispersão (o intervalo e o IEQ, que equivalem, respectivamente, à diferença entre
os valores máximo e mínimo e à diferença entre o terceiro quartil e o primeiro quartil), o tipo
de inclinação (por comparação da mediana em relação aos valores extremos) e os possíveis
dados suspeitos. Trataremos desses assuntos de forma mais demorada na seção 3.9.
Embora sua representação seja simples, composta de um retângulo e dois
segmentos de reta na vertical, o gráfico boxplot não é de compreensão intuitiva. Adriano Leal
Bruni assim explica a apresentação de dados estatísticos através de boxplot:
A base do retângulo central é representada pelo primeiro quartil. Abaixo
deste ponto estão situadas 25% das observações na série ordenada. A caixa
costuma ser dividida por um segmento de reta, que representa exatamente a
mediana – separatriz ou medida de ordenamento, que deixa 50% das
observações da série ordenada abaixo, e 50% acima. O topo da caixa
corresponde ao terceiro quartil – abaixo deste ponto situam-se 75% das
observações e acima 25%.
160
Os extremos dos dois segmentos de reta na vertical representam os valores
máximos e mínimos da série ordenada. O comprimento dos segmentos de reta inferior e
superior e o comprimento da caixa abaixo e acima da mediana fornecem uma noção da
160
BRUNI, Adriano Leal. Op. cit., p. 29.
91
dispersão dos dados. Por exemplo, quando temos um segmento de reta inferior menor que o
superior, isso significa que os primeiros 25% dos dados estão mais concentrados do que os
últimos 25%.
Adriano Leal Bruni acrescenta que, “quando alguns dados se apresentam de
forma irregular em relação aos demais, com valores muito altos ou muito baixos, também
denominados valores extremos, ou outliers, estes pontos específicos são destacados dos
demais.”
161
A planilha eletrônica Excel não disponibiliza um gráfico do tipo boxplot,
mas permite a criação de uma representação equivalente bem razoável, conforme será
mostrado a seguir.
Tomemos os dados relativos ao total de varas das comarcas que hoje
integram a entrância intermediária, segundo consta da Tabela 19.
Tabela 19 – Comarcas de entrância intermediária do Estado do Rio Grande do Sul, em ordem
alfabética, com o respectivo número de varas
Item Comarca N° de varas
1 Alegrete 4
2 Alvorada 6
3 Bagé 7
4 Bento Gonçalves 4
5 Cachoeira do Sul 5
6 Cachoeirinha 6
7 Camaquã 4
8 Canoas 13
9 Capão da Canoa 3
10 Carazinho 6
11 Cruz Alta 6
12 Dom Pedrito 2
13 Erechim 6
14 Esteio 5
15 Estrela 2
16 Farroupilha 3
17 Frederico Westphalen 2
18 Gravataí 7
19 Guaíba 6
20 Ijuí 6
21 Lagoa Vermelha 3
22 Lajeado 5
23 Montenegro 3
24 Novo Hamburgo 13
25 Osório 4
26 Palmeira das Missões 3
27 Rio Grande 10
28 Rio Pardo 2
161
Ibid., loc. cit.
92
29 Santa Cruz do Sul 7
30 Santa Rosa 6
31 Santana do Livramento 5
32 Santiago 3
33 Santo Ângelo 7
34 São Borja 5
35 São Gabriel 4
36 São Jerônimo 2
37 São Leopoldo 9
38 São Luiz Gonzaga 3
39 Sapiranga 5
40 Sapucaia do Sul 4
41 Soledade 3
42 Taquara 3
43 Torres 3
44 Tramandaí 5
45 Uruguaiana 7
46 Vacaria 4
47 Venâncio Aires 3
48 Viamão 7
Total 241
Fonte: Corregedoria-Geral da Justiça – Serviço de Estatística e Registro da Atividade de Juízes
Em uma planilha do Excel, digitamos as seguintes medidas de interesse:
A B
1 Medidas Intermediária
2 Mediana 5
3 1° quartil 3
4 Mínimo 2
5 Máximo 13
6 3° quartil 6
Figura 35: Medidas para a construção do
boxplot
das varas das comarcas do Estado do Rio Grande do
Sul que hoje integram a entrância intermediária
Selecionamos as células A1:B6 com o mouse e, no menu “Inserir”, clicamos
em “Gráfico”. Na etapa 1 de 4, selecionamos o tipo de gráfico “Ações” e o subtipo “Volume-
Abertura-Alta-Baixa-Fechamento” e clicamos em “Avançar”.
93
Figura 36: Assistente de gráfico do Excel (etapa 1 de 4)
Na guia “Intervalo de dados”, clicamos em “Linhas” e em “Avançar”.
Figura 37: Assistente de gráfico do Excel (etapa 2 de 4)
Na etapa 3 de 4, na guia “Eixos”, desmarcamos a opção “Eixo dos valores
(Y)” do “Eixo secundário”. Na guia “Legenda”, desmarcamos a opção “Mostrar legenda”. Em
seguida, clicamos em “Concluir”.
94
Figura 38: Assistente de gráfico do Excel (etapa 3 de 4)
Com o botão esquerdo do mouse, clicamos na coluna colorida. Com o botão
direito, selecionamos “Tipo de gráfico” e clicamos em “Linha”. Pressionamos “OK” e
obtemos o gráfico desejado.
0
2
4
6
8
10
12
14
Figura 39:
Boxplot
das varas das comarcas do Estado do Rio Grande do Sul que hoje integram a
entrância intermediária
O sinal dentro do retângulo branco representa a mediana.
Note-se que a parte da caixa que está abaixo da mediana é maior que a parte
que está acima dela. Os dados que se encontram entre o primeiro quartil e a mediana,
portanto, estão mais dispersos que os dados que estão entre a mediana e o terceiro quartil. No
caso, isso significa uma dispersão de 25% das comarcas entre três e cinco varas, e uma
concentração de outros 25% das comarcas entre cinco e seis varas.
O defeito dessa representação gráfica fornecida pelo Excel é que ela não
destaca os outliers.
A rigor, os traços verticais que correspondem às caudas inferior e superior
do boxplot não podem ser maiores que 1,5 vezes a distância interquartílica (IEQ), que é a
95
diferença entre o terceiro quartil e o primeiro quartil (Q3 – Q1). Valores que fiquem abaixo ou
acima desses limites são considerados suspeitos ou possíveis suspeitos, devendo ser
destacados com pontos específicos fora das caudas.
Um valor deve ser considerado suspeito se ele for menor que a diferença
entre o primeiro quartil e três vezes o intervalo interquartílico (x < Q1 – 3IEQ) ou se ele for
maior que a soma do terceiro quartil com três vezes o intervalo interquartílico (x > Q3 +
3IEQ). De outro lado, um valor deve ser considerado possível suspeito se ele estiver entre Q1
– 3IEQ e Q1 – 1,5IEQ ou entre Q3 + 1,5IEQ e Q3 + 3IEQ.
No gráfico da figura 39, a cauda superior tem tamanho equivalente a 7 varas
(13 – 6 = 7), o que supera 1,5IEQ (1,5
×
(6 – 3) = 4,5 varas). Se o boxplot estivesse
corretamente desenhado, as comarcas de Canoas e Novo Hamburgo – que têm 13 varas, mais
que o limite superior de 10,5 varas (6 + 4,5 = 10,5 varas) – deveriam aparecer destacadas da
cauda superior com pontos específicos, como possíveis outliers.
3.8.2.7 Gráfico de setores
O
gráfico de setores
, também chamado de gráfico de pizza, retrata
frequências absolutas ou relativas e deve ser usado para exibir a contribuição de cada
categoria no total da variável, evidenciando o respectivo grau de representatividade; ele não
se presta para representar dados ao longo do tempo.
O gráfico de setores pode ser construído no Excel com o uso do assistente
de gráfico, devendo ser escolhido o gráfico do tipo “Pizza” na etapa 1 de 4.
A Figura 40, construída com os dados da Tabela 10 (p. 61), representa o
total de processos pendentes de julgamento na 3ª Vara Cível da Comarca de Canoas em 31 de
maio de 2009, por classe de ação.
96
Processos cautelares
Embargos de devedor
Procedimentos especiais
de jurisdição
contenciosa
Falências e
recuperações judiciais
Procedimentos especiais
de jurisdição voluntária
Processos em fase de
execução de sentença
Incidentes processuais
Inventários e
arrolamentos
Processos de execução
fiscal
Processos de execução
Ações coletivas
Processos de
conhecimento
Figura 40: Gráfico de setores do total de processos pendentes de julgamento na 3ª Vara Cível de
Canoas em 31 de maio de 2009, segundo a classe de ação
3.8.2.8 Cartograma
O
cartograma
é uma representação sobre uma carta geográfica, que se
presta para representar dados estatísticos segundo sua distribuição geográfica.
O exemplo da Figura 41, confeccionado com ferramenta de mapas
interativos do IBGE, retrata a distribuição das 521 varas do Estado do Rio Grande do Sul,
segundo os municípios que são sedes de comarcas.
Figura 41: Cartograma da distribuição das varas do Estado do Rio Grande do Sul, segundo os
municípios
97
3.9 Medidas quantitativas
Além de poderem ser apresentadas por meio de tabelas e gráficos, as
distribuições de frequências de variáveis quantitativas também podem ser descritas por meio
de medidas quantitativas. Essas medidas são números que procuram quantificar alguns
aspectos de interesse das distribuições de frequências.
As medidas quantitativas ressaltam as tendências características de cada
distribuição, descrevendo e resumindo o conjunto de valores por meio de informações
específicas. Por isso, também são chamadas de medidas descritivas ou medidas de síntese.
Quando os dados se referem a toda uma população, as medidas descritivas
são designadas por parâmetros. Por outro lado, quando os dados dizem respeito a uma
amostra, as medidas de síntese são chamadas de estatísticas
162
. Os parâmetros costumam ser
simbolizados por meio de letras gregas, enquanto as estatísticas são indicadas por letras
latinas
163
.
Existem quatro espécies de medidas descritivas: medidas de posição,
medidas de dispersão (ou variabilidade), medidas de assimetria e medidas de curtose (ou
achatamento). Pedro Luiz de Oliveira Costa Neto explica que “as medidas de posição e de
dispersão servem para localizar as distribuições e caracterizar sua variabilidade. As medidas
de assimetria e de achatamento ajudam a caracterizar a forma das distribuições.”
164
3.9.1 Medidas de posição
As
medidas de posição
são “estatísticas que representam uma série de
dados orientando-nos quanto à posição da distribuição em relação ao eixo horizontal (eixo das
abscissas).”
165
Como se vê da figura que segue, elas servem para posicionar a distribuição de
frequências sobre o eixo de variação da variável de interesse:
162
OLIVEIRA, Francisco Estevam Martins de. SPSS básico para análise de dados. Rio de Janeiro: Ciência
Moderna, 2007, p. 79.
163
BISQUERRA, Rafael; SARRIERA, Jorge Castellá; MARTINEZ, Francesc. Op. cit., p. 18.
164
COSTA NETO, Pedro Luiz de Oliveira. Op. cit., loc. cit.
165
CRESPO, Antônio Arnot. Op. cit., p. 79.
98
Mediana Média
Figura 42: Distribuição de frequências sobre o eixo de variação da variável, com indicação da posição
da mediana e da média
Existem duas classes de medidas de posição: as medidas de tendência
central e as medidas de ordenamento (ou separatrizes)
166
.
3.9.1.1 Medidas de tendência central
Jack Levin e James Alan Fox afirmam que:
Uma maneira conveniente de descrever um grupo como um todo é achar um
número único que represente o que é médio, ou típico, daquele conjunto de
dados. Esse valor é chamado de tendência central, porque em geral ele está
localizado mais para o meio, ou centro, de uma distribuição, onde a maior
parte dos dados tende a concentrar-se.
167
Assim, as
medidas de tendência central
são valores numéricos que
representam o centro de um conjunto de dados ou uma sequência numérica
168
. Elas resumem
o comportamento central dos dados, retratando os fenômenos pelos seus valores médios, em
torno dos quais os dados tendem a se concentrar
169
.
As principais medidas de tendência central são a média aritmética, a moda e
a mediana. Conforme esclarece Pedro Luiz de Oliveira Costa Neto, “a média e a mediana
indicam, por critérios diferentes, o centro da distribuição das frequências. A moda, por sua
vez, indica a região de maior concentração de frequências na distribuição.”
170
As três medidas
podem, ou não, apresentar valores coincidentes.
Dependendo da análise desejada, utiliza-se uma ou outra medida. Antônio
Arnot Crespo indica as hipóteses de emprego de cada uma
171
, conforme quadro a seguir:
166
Ibid., loc. cit.
167
LEVIN, Jack; FOX, James Alan. Op. cit., p. 79.
168
FARHAT, Cecília Aparecida Vaiano. Introdução à estatística aplicada. São Paulo: FTD, 1998, p. 38.
169
BRUNI, Adriano Leal. Op. cit., p. 43.
170
COSTA NETO, Pedro Luiz de Oliveira. Op. cit., p. 20.
171
CRESPO, Antônio Arnot. Op. cit., p. 89, 92 e 100.
99
Medida Deve ser utilizada quando:
Média
a) desejamos obter a medida de posição que possui a maior estabilidade;
b) há necessidade de um tratamento algébrico ulterior.
Moda
a) desejamos obter uma medida rápida e aproximada de posição;
b) a medida de posição deve ser o valor mais típico da distribuição.
Mediana
a) desejamos obter o ponto que divide a distribuição em partes iguais;
b) há valores extremos que afetam de uma maneira acentuada a média.
3.9.1.1.1 Média aritmética
A
média aritmética
, ou simplesmente média, corresponde a um valor
representativo do centro geométrico do conjunto de dados
172
. Ela é o resultado da divisão da
soma de todos os valores da variável pela quantidade de dados. Trata-se da medida estatística
mais conhecida e utilizada
173
.
Assim como as demais medidas típicas, a média apresenta vantagens e
desvantagens. Como vantagens da média, podemos dizer que ela é de fácil compreensão e
aplicação, pode ser calculada com precisão matemática, considera todos os dados da amostra
ou da população e pode ser usada quando dispomos apenas do valor total e do número de
elementos. Dentre as suas desvantagens, cumpre referir que a média não pode ser aplicada a
dados qualitativos, nem sempre aparece entre os dados originais, depende do conhecimento de
todos os valores da distribuição e é muito sensível a valores extremos, podendo, em alguns
casos, não representar a série de forma satisfatória.
Existem dois tipos de média aritmética: a média aritmética simples, que
deve ser adotada quando não existem dados repetidos ou quando os dados repetidos não estão
agrupados em uma tabela de frequências, e a média aritmética ponderada, que deve ser
utilizada nos casos em que existem dados repetidos e eles estão agrupados.
172
BRUNI, Adriano Leal. Op. cit., loc. cit.
173
O que faz da média a medida de posição mais utilizada são as suas quatro importantes propriedades: 1) a
soma dos desvios de uma amostra ou população em relação à média amostral ou populacional é sempre igual a
zero (
)(
1
µ
−
∑
=
n
i
i
x
= 0); 2) a soma dos quadrados dos desvios em relação à média representa um valor mínimo
(
2
1
)(
µ
−
∑
=
n
i
i
x
⇒
mínimo); 3) somando-se ou subtraindo-se uma constante a todos ou de todos os valores da
série de dados, a média também é acrescida ou diminuída da mesma constante; 4) multiplicando-se ou dividindo-
se por uma constante todos os valores da série de dados, a média também é multiplicada ou dividida pelo mesmo
valor.
100
3.9.1.1.1.1 Média aritmética simples
Quando consideramos no cálculo toda a população, obtemos o parâmetro
média populacional, representada pela letra grega
µ
(lê-se “mi”):
n
x
i
∑
=
µ
, onde
∑
i
x
é o somatório
174
dos valores assumidos pela variável
de interesse na população, e n é o número de elementos da população.
Quando consideramos no cálculo apenas os dados da amostra, obtemos a
estatística média amostral, convencionalmente representada pelo símbolo
x
(lê-se “x barra”):
x
=
n
x
i
∑
, onde
∑
i
x
significa o somatório dos valores assumidos pela
variável de interesse na amostra, e n representa o número de observações da amostra.
Sabendo-se, por exemplo, que o ingresso de ações na 3ª Vara Cível de
Canoas, nos meses de janeiro a dezembro de 2008, foi, respectivamente, de 222, 201, 270,
239, 285, 270, 478, 245, 368, 366, 263 e 382, tem-se a seguinte média de ingresso mensal:
=
+
+
+
+
+
+
+
+
+
+
+
=
12
382263366368245478270285239270201222
µ
=
12
3589
= 299 processos por mês
Embora o número 299 não apareça entre os dados originais, é ele quem
representa a série de valores, como uma medida de tendência central de distribuição das
frequências.
No Excel, a média de uma amostra ou população registrada em uma planilha
pode ser obtida com a inserção da fórmula =MÉDIA(núm1;núm2;...) em qualquer célula da
planilha
175
.
3.9.1.1.1.2 Média aritmética ponderada
Quando existem observações repetidas e elas estão devidamente agrupadas
em uma tabela de frequências, é possível ponderar os valores da variável de interesse por suas
174
A letra grega sigma maiúscula (Σ) representa a notação de somatório.
175
A fórmula =MÉDIA(núm1;núm2;...) do Excel retorna a média aritmética dos números inseridos nos
parênteses.
101
frequências
176
, e assim calcular a média aritmética, que, neste caso, é chamada de média
aritmética ponderada
177
.
O procedimento varia conforme os dados estejam ou não reunidos em
intervalos de classe.
Se os dados agrupados não estão reunidos em intervalos de classe, a média
ponderada pode ser obtida por meio da soma do produto dos valores da variável pelas suas
respectivas frequências, posteriormente dividido pela soma das frequências. Algebricamente,
ela pode ser obtida pela seguinte equação:
µ
=
∑
∑
=
=
⋅
n
i
i
n
i
ii
f
fx
1
1
)(
Consideremos o exemplo da distribuição de frequências absolutas das
comarcas do Estado do Rio Grande do Sul, segundo o número de varas, conforme consta da
Tabela 20.
Tabela 20 – Distribuição absoluta das comarcas do Estado do Rio Grande do Sul, segundo o número
de varas
Varas
)(
i
x
Comarcas
i
f
)(
ii
fx
⋅
1 90 90
2 25 50
3 12 36
4 7 28
5 7 35
6 8 48
7 6 42
9 1 9
10 1 10
11 1 11
12 1 12
13 2 26
14 2 28
96 1 96
Total 164 521
Fonte: Corregedoria-Geral da Justiça – Serviço de Estatística e Registro da Atividade de Juízes
176
Nos casos em que não existem observações repetidas, não há ponderação a fazer, pois a frequência de cada
observação é sempre 1, ou seja, todos os dados têm a mesma importância ou o mesmo peso.
177
Juan Carlos Lapponi afirma que “o cálculo da média ponderada é um caso particular do cálculo da média
aritmética.” LAPPONI, Juan Carlos. Op. cit., p. 91.
102
Para calcularmos a média de varas por comarca no Estado, basta aplicarmos
a fórmula da média ponderada, multiplicando as quantidades de varas por suas respectivas
frequências e dividindo pela soma das frequências:
µ
=
164
)91()76()68()57()47()312()225()190(
+
×
+
×
+
×
+
×
+
×
+
×
+
×
+
×
164
)961()142()132()121()111()101(
×
+
×
+
×
+
×
+
×
+
×
+
=
164
521
= 3,17 varas por comarca
Portanto, no Estado do Rio Grande do Sul, existem, em média, 3,17 varas
por comarca.
Quando os dados agrupados estão reunidos em intervalos de classe, utiliza-
se a mesma fórmula da média ponderada, porém com uma alteração: cada classe de
frequência deve ser representada pelo seu respectivo ponto médio
178
.
A média aritmética ponderada para dados agrupados e reunidos em
intervalos de classe costuma ser utilizada quando a variável de interesse apresenta muita
dispersão, ocasionada pela presença de muitos valores diferentes. A fórmula é a mesma:
µ
=
∑
∑
=
=
⋅
n
i
i
n
i
ii
f
fx
1
1
)(
, sendo
i
x o ponto médio de cada classe.
Consideremos a publicação de notas de expediente pela 3ª Vara Cível de
Canoas no mês de março de 2009, conforme consta da Tabela 21.
Tabela 21 – Notas de expediente publicadas pela 3ª Vara Cível de Canoas em março de 2009, segundo
o número de processos incluídos em cada nota
N° de processos em cada nota
)(
i
x
N° de notas publicadas
)(
i
f
9 2
11 2
12 2
13 1
14 1
15 2
16 3
17 3
19 1
20 2
21 2
22 1
23 5
24 1
25 2
178
A adoção do ponto médio no cálculo da média acarreta uma perda parcial de informação.
103
26 5
27 2
28 1
29 3
30 1
31 1
32 2
34 1
35 1
36 2
37 1
38 1
40 2
50 1
Σ 54
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema Themis
Uma vez que a Tabela 21 tem muitas categorias, precisamos agrupar os
dados em classes, utilizando a fórmula K = n , já apresentada. Com isso, construímos a
Tabela 22, que é bem mais sintética que a anterior.
Tabela 22 – Distribuição absoluta das notas de expediente publicadas pela 3ª Vara Cível de Canoas
em março de 2009, segundo as classes do número de processos incluídos em cada nota
Classes do n° de processos
Notas de expediente publicadas
Ponto médio
)(
i
x
)(
i
f
)(
ii
fx
⋅
9 | - 15 12 8 96
15 | - 21 18 11 198
21 | - 27 24 16 384
27 | - 33 30 10 300
33 | - 39 36 6 216
39 | - 45 42 2 84
45 | - 51 48 1 48
Total 54 1.326
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema Themis
Para calcular a média de processos publicados em cada nota no mês de
março de 2009, basta dividir o somatório de )(
ii
fx
⋅
pelo somatório das notas publicadas no
período:
µ
=
54
1326
= 24,55 processos por nota
No caso, as 54 notas de expediente publicadas tinham, em média, 24,55
processos.
104
3.9.1.1.2 Média geométrica
A
média geométrica
de um conjunto de números é o resultado do produto
de todos os dados do conjunto, elevado ao inverso do número de dados. Ela é sempre menor
ou igual à média aritmética, pode ser utilizada tanto para dados não agrupados quanto para
dados agrupados, reunidos ou não em intervalos de classe, e tem aplicação na análise de razão
de crescimento, quando estamos diante de dados que crescem exponencialmente, como é o
caso do número de processos novos.
Algebricamente, a média geométrica pode ser representada por
µ
g
e
calculada através da seguinte equação:
µ
g
=
n
n
x
1
)(Π =
n
n
xxx
1
21
)...( ⋅⋅⋅ , sendo
n
xΠ o produtório
179
dos valores
da variável de interesse e n, a quantidade de valores.
No Excel, a média geométrica pode ser obtida com a fórmula
=POTÊNCIA( nnúmnúmnúm
n
/1;...21 ∗∗∗ )
180
.
Consideremos os seguintes dados da Justiça de 1° grau do Estado do Rio
Grande do Sul, do período entre 1999 e 2008, como consta da Tabela 23.
Tabela 23 – Processos na Justiça Estadual de 1° grau do Estado do Rio Grande do Sul, por situação,
segundo o ano (1999 – 2008)
Ano
Processos na Justiça Estadual de 1° grau
Iniciados Terminados Em tramitação
1999 663.429 558.778 755.369
2000 734.199 603.855 832.681
2001 744.348 617.116 933.088
2002 920.754 678.929 1.442.236
2003 1.088.087 741.680 1.702.382
2004 915.051 685.676 1.931.757
2005 997.641 737.066 2.192.332
2006 1.218.743 1.023.787 2.387.288
2007 1.472.538 1.300.471 2.559.355
2008 1.519.910 1.354.089 2.725.176
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Relatório Anual 2008
181
179
A letra grega pi maiúscula (Π) representa a notação de produtório.
180
A função matemática =POTÊNCIA(núm;potência) do Excel retorna o resultado de um número elevado a
uma potência.
181
RIO GRANDE DO SUL. Tribunal de Justiça do Estado. Relatório Anual 2008. Relatórios Estatísticos, p.
20. Disponível em: <http://www.tjrs.jus.br/institu/contas/r_anual/rel2008/pdf/Relatorio_2008_Relatorios_Estatis
ticos.pdf>. Acesso em: 16 jul. 2009.
105
Utilizando-se a função POTÊNCIA do Excel, obtêm-se as seguintes médias
geométricas:
µ
g
de processos iniciados = 990.013;
µ
g
de processos terminados = 790.708;
µ
g
de processos em tramitação = 1.587.429.
A Tabela 24 apresenta a razão de crescimento anual de cada variável, obtida
com a divisão do valor de um ano pelo valor do ano anterior.
Tabela 24 – Processos na Justiça Estadual de 1° grau do Estado do Rio Grande do Sul, por situação,
segundo o ano (1999 – 2008), com as respectivas razões de crescimento
Ano
Processos na Justiça Estadual de 1° grau
Iniciados Razão Terminados Razão Em tramitação Razão
1999 663.429 - 558.778 - 755.369 -
2000 734.199 1,11 603.855 1,08 832.681 1,10
2001 744.348 1,01 617.116 1,02 933.088 1,12
2002 920.754 1,24 678.929 1,10 1.442.236 1,55
2003 1.088.087 1,18 741.680 1,09 1.702.382 1,18
2004 915.051 0,84 685.676 0,92 1.931.757 1,13
2005 997.641 1,09 737.066 1,07 2.192.332 1,13
2006 1.218.743 1,22 1.023.787 1,39 2.387.288 1,09
2007 1.472.538 1,21 1.300.471 1,27 2.559.355 1,07
2008 1.519.910 1,03 1.354.089 1,04 2.725.176 1,06
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Relatório Anual 2008
182
Calculando-se as médias geométricas das razões de crescimento, pode-se
fazer uma estimativa futura do comportamento das variáveis.
Utilizando, novamente, a função POTÊNCIA do Excel, obtemos as
seguintes médias geométricas das razões:
µ
g
da razão de crescimento de processos iniciados
= 1,0965;
µ
g
da razão de crescimento de processos terminados = 1,1033;
µ
g
da razão de
crescimento de processos em tramitação = 1,1532.
Esses números significam que, a cada ano, a quantidade de processos
iniciados, de processos terminados e de processos em tramitação cresce, respectivamente,
9,65%, 10,33% e 15,32%.
Se quisermos estimar quantos processos iniciarão em 2010 na Justiça de 1°
grau do Rio Grande do Sul, devemos multiplicar o ingresso apurado em 2008 (1.519.910)
pela média geométrica da razão de crescimento de processos iniciados (1,0965) elevada à
potência 2, onde é 2 a diferença de anos entre 2010 e 2008:
1.519.910 x (1,0965)
2
= 1.827.356
182
RIO GRANDE DO SUL. Tribunal de Justiça do Estado. Relatório Anual 2008. Relatórios Estatísticos, p.
20. Disponível em: <http://www.tjrs.jus.br/institu/contas/r_anual/rel2008/pdf/Relatorio_2008_Relatorios_Estatis
ticos.pdf>. Acesso em: 16 jul. 2009.
106
A estimativa para o ano de 2010, portanto, segundo a média geométrica, é
de 1.827.356 processos novos.
3.9.1.1.3 Moda
A
moda
, representada pelo símbolo Mo, é o valor da amostra ou da
população que mais se repete. “É o valor mais frequente, mais típico ou mais comum em uma
distribuição.”
183
Uma distribuição pode ser unimodal, quando tem uma única moda; bimodal,
quando tem duas modas; multimodal, quando tem mais de duas modas; ou amodal, quando
não tem nenhuma moda.
A moda é a menos útil das medidas de tendência central, porque, ao
contrário do que ocorre com a média e a mediana, ela não se presta à análise matemática.
Além disso, William J. Stevenson observa que:
A utilidade da moda se acentua quando um ou dois valores, ou um grupo de
valores, ocorrem com muito maior frequência que outros. Inversamente,
quando todos ou quase todos os valores ocorrem aproximadamente com a
mesma frequência, a moda nada acrescenta em termos de descrição dos
dados.
184
Ainda dentre as suas desvantagens, cumpre citar que a moda pode estar
afastada do centro dos dados e que ela não utiliza todos os dados da amostra. Por outro lado,
ela pode ser calculada com facilidade, não é afetada por dados extremos e é a única medida de
tendência central que pode ser aplicada tanto para dados quantitativos quanto para dados
qualitativos
185
.
Vejamos um exemplo de aplicação da moda com dados qualitativos.
Exemplo: Entre 16 de fevereiro e 06 de março de 2009, a Presidência do
Tribunal de Justiça do Estado do Rio Grande do Sul consultou os magistrados estaduais da
Justiça Comum sobre a Justiça Militar Estadual, solicitando manifestação quanto às seguintes
definições:
183
LEVIN, Jack; FOX, James Alan. Op. cit., 79.
184
STEVENSON, William J.. Op. cit., p. 23.
185
BRUNI, Adriano Leal. Op. cit., p. 51.
107
Opção 1: extinção da Justiça Militar Estadual tanto no primeiro grau quanto
no segundo grau;
Opção 2: extinção apenas do Tribunal Militar, mantida a Justiça Militar
Estadual de primeiro grau;
Opção 3: manutenção da situação atual.
De acordo com a apuração feita em 06 de março de 2009
186
, dos 596
votantes, que representam 75,9% da magistratura gaúcha da Justiça Comum, 490 votaram na
opção 1; 67, na opção 2; e 39, na opção 3.
Nesse caso, pode-se dizer que a moda é a extinção da Justiça Militar
Estadual tanto no primeiro grau quanto no segundo grau.
Quando estamos tratando com dados quantitativos não agrupados,
encontramos a moda mediante inspeção da série de dados, com a procura do valor da variável
que ocorre com maior frequência.
No exemplo já citado das 521 varas das 164 comarcas do Estado do Rio
Grande do Sul, a contagem das observações do rol extraído da Tabela 11 (p. 62) evidencia
que a moda é 1, pois o número mais frequente de varas por comarca, registrado 90 vezes, é 1
(uma vara).
{1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3,
3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 7, 7, 7, 7, 7, 8, 9, 10, 11, 12, 13,
13, 14, 14, 96}
Observe-se que a moda não é a frequência do valor mais frequente (f = 90),
mas sim o valor da observação mais frequente (Mo = 1).
No Excel, a moda de uma amostra ou população registrada em uma planilha
pode ser obtida com a inserção da fórmula =MODO(núm1;núm2;...;núm30) em qualquer
célula da planilha
187
.
186
Disponível em: <http://www.tjrs.jus.br/site_php/noticias/mostranoticia.php?assunto=1&categoria=1&item=
77356&voltar=S>. Acesso em: 30 maio 2009.
187
A função =MODO(núm1;núm2;...;núm30) do Excel retorna a moda dos números ou dos intervalos de células
contendo valores numéricos inseridos nos parênteses.
108
Já quando estamos tratando com dados agrupados, porém não reunidos em
intervalos de classe, basta identificarmos o valor da variável de maior frequência na tabela.
Na Tabela 25, à maior frequência (90) corresponde o valor 1 da variável “Varas”.
Tabela 25 – Comarcas do Estado do Rio Grande do Sul, segundo o número de varas
Varas
Comarcas
f
1 90
2 25
3 12
4 7
5 7
6 8
7 6
9 1
10 1
11 1
12 1
13 2
14 2
96 1
Total 164
Fonte: Corregedoria-Geral da Justiça – Serviço de Estatística e Registro da Atividade de Juízes
Por fim, quando os dados estão agrupados em uma distribuição de
frequências por intervalos de classe, devemos, em primeiro lugar, identificar a classe que
apresenta a maior frequência, chamada de classe modal.
Tomemos o exemplo do ingresso de processos novos registrado em 2008
nas comarcas que hoje integram a entrância intermediária, conforme consta na Tabela 26. A
classe modal está indicada com a seta.
Tabela 26 – Distribuição absoluta das comarcas do Estado do Rio Grande do Sul que hoje integram a
entrância intermediária, segundo as classes do ingresso de processos novos por vara no
ano de 2008
Classes do ingresso de processos novos por vara
Comarcas
f
2.133 | - 3.301 9
3.301 | - 4.469 19
4.469 | - 5.637 13
5.637 | - 6.805 5
6.805 | - 7.973 0
7.973 | - 9.141 0
9.141 | - 10.309 2
Total 48
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema SAV
109
Uma vez identificada a classe modal, a moda é calculada com o emprego da
fórmula que segue
188
:
Mo = l + h
DD
D
×
+
21
1
, onde l é o limite inferior da classe modal;
1
D é a
diferença entre a frequência da classe modal e a frequência da classe anterior
(
anteriormo
ffD −=
1
);
2
D é a diferença entre a frequência da classe modal e a frequência da
classe posterior (
posteriormo
ffD −=
2
); e
h
é a amplitude da classe modal.
Assim, para a distribuição da Tabela 26, temos:
Mo = 3301 +
×
−+−
−
1168
)1319()919(
919
= 3301 + 730 = 4031
A moda, no exemplo considerado, é 4.031 processos novos por vara.
3.9.1.1.4 Mediana
A
mediana
é o ponto do meio de uma distribuição, estando os dados
dispostos em ordem crescente ou decrescente. Ela separa o conjunto de valores em dois
subconjuntos com o mesmo número de elementos. Metade das observações deve estar abaixo
da mediana, e a outra metade, acima.
Como as demais medidas de tendência central, ela apresenta vantagens e
desvantagens. A mediana é fácil de calcular e não é afetada por valores extremos. Por outro
lado, ela não é de fácil inclusão em equações matemáticas e não utiliza todos os dados da
amostra.
Quando os dados não estão agrupados em uma tabela de frequências, a
localização da mediana depende da verificação do número de observações (
n
) existentes na
série de dados. Se
n
for ímpar, a mediana será igual à observação central, obtida com a
fórmula Md =
2
1
+n
x
. Se o número de observações (
n
) for par, a mediana será igual à média
aritmética das duas observações centrais, encontradas com a fórmula Md =
2
1
22
+
+
nn
xx
. Nesse
último caso, o valor da mediana não coincide com uma observação da série.
188
Essa fórmula é conhecida como fórmula de Czuber.
110
No exemplo do ingresso de processos novos por vara nas comarcas que hoje
integram a entrância intermediária registrado no ano de 2008, temos
n
= 48. Logo, a mediana
estará entre o vigésimo quarto e o vigésimo quinto ingressos da série ordenada de dados.
Ordenando-se os 48 ingressos de processos novos por vara da Tabela 16 (p.
71) em ordem crescente, obtém-se o seguinte rol:
{2.133, 2.474, 2.567, 2.717, 2.724, 3.243, 3.246, 3.285, 3.288, 3.384, 3.462, 3.553, 3.569, 3.652,
3.746, 3.772, 3.779, 3.887, 3.931, 3.991, 4.003, 4.140, 4.169, 4.184, 4.217, 4.306, 4.349, 4.385, 4.513,
4.609, 4.616, 4.625, 4.665, 4.710, 4.840, 4.883, 4.944, 5.283, 5.323, 5.481, 5.626, 5.701, 5.710, 5.898,
6.192, 6.802, 9.408, 10.306}
Contando-se 24 e 25 ingressos a partir do início do rol, chega-se aos dois
elementos centrais da série de 48 observações, equivalentes aos ingressos de 4.184 e 4.217
processos novos.
A mediana, no caso, é fornecida pelo cálculo que segue:
Md =
5,4200
2
42174184
2
2
2524
1
2
48
2
48
=
+
=
+
=
+
+
xx
xx
Podemos afirmar, portanto, que, no ano de 2008, 50% das comarcas de
entrância intermediária tiveram ingresso anual entre 2.133 e 4.200 processos novos por vara, e
que os outros 50% tiveram ingresso anual entre 4.201 e 10.306 processos novos por vara.
O
boxplot
dessa distribuição, de acordo com a representação do Excel, teria
o seguinte formato:
0
2.000
4.000
6.000
8.000
10.000
12.000
Figura 43: Boxplot do ingresso anual de processos novos por vara nas comarcas de entrância
intermediária do Estado do Rio Grande do Sul, no ano de 2008
111
No Excel, a mediana de uma amostra ou população registrada em uma
planilha pode ser obtida com a inserção da fórmula =MED(núm1;núm2;...;núm30) em
qualquer célula da planilha
189
.
Quando os dados estão agrupados, mas não estão reunidos em intervalos de
classe, devemos utilizar a tabela de frequências relativas acumuladas, a fim de localizarmos o
elemento cuja frequência relativa acumulada supera pela primeira vez 50% do número de
elementos analisados.
Consideremos as comarcas que hoje integram a entrância intermediária do
Estado do Rio Grande do Sul, conforme consta da Tabela 16 (p. 71). Ordenando-se aqueles
dados em ordem crescente pelo número de varas, obtém-se o seguinte rol:
{2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 7, 7,
7, 7, 7, 7, 9, 10, 13, 13}
A Tabela 27 retrata as distribuições de frequências absolutas, relativas e
relativas acumuladas das comarcas, segundo o número de varas.
Tabela 27 – Distribuições de frequências absolutas, relativas e relativas acumuladas das comarcas de
entrância intermediária do Estado do Rio Grande do Sul, segundo o número de varas
Varas
Comarcas
f fr
Fr
2 5 10,4% 10,4%
3 11 22,9% 33,3%
4 7 14,6% 47,9%
5 7 14,6% 62,5%
6 8 16,7% 79,2%
7 6 12,5% 91,7%
9 1 2,1% 93,8%
10 1 2,1% 95,8%
13 2 4,2% 100,0%
Total 48 100,0%
Fonte: Corregedoria-Geral da Justiça – Serviço de Estatística e Registro da Atividade de Juízes
A mediana é o elemento que apresenta, pela primeira vez, frequência
relativa acumulada superior a 50%. No caso, portanto, a mediana é cinco varas.
Quando os dados estão agrupados em uma distribuição de frequências e
aparecem reunidos em intervalos de classe, devemos, primeiramente, identificar em que
189
A função =MED(núm1;núm2;...;núm30) do Excel retorna a mediana dos números ou dos intervalos de
células contendo valores numéricos inseridos nos parênteses.
112
classe se localiza a mediana. A classe que contém essa medida de tendência central, chamada
de classe mediana, é aquela cuja frequência absoluta acumulada supera imediatamente a soma
de todas as frequências, dividida por dois
∑
2
i
f
.
Consideremos a distribuição das comarcas de entrância intermediária do
Estado do Rio Grande do Sul, segundo o número de varas. A Tabela 28 apresenta cinco
classes de frequências, das quais a segunda é a classe mediana, por apresentar, pela primeira
vez, frequência absoluta acumulada superior a 24
==
∑
24
2
48
2
i
f
.
Tabela 28 – Distribuições de frequências absolutas e absolutas acumuladas das comarcas de entrância
intermediária do Estado do Rio Grande do Sul, segundo as classes do número de varas
Varas
Comarcas
f
F
2 | - | 3 16 16
4 | - | 5 14 30
6 | - | 7 14 44
8 | - | 9 1 45
10 | - | 13 3 48
Total 48
Fonte: Corregedoria-Geral da Justiça – Serviço de Estatística e Registro da Atividade de Juízes
Uma vez identificada a classe mediana, a mediana propriamente dita é
obtida com o uso da fórmula que segue:
Md = l +
med
anterior
i
f
hF
f
×
−
∑
2
, onde l é o limite inferior da classe mediana;
∑
i
f
é a soma das frequências absolutas;
anterior
F é a frequência absoluta acumulada até a
classe que antecede a classe mediana;
med
f é a frequência da classe mediana; e h é a
amplitude da classe mediana.
Assim, para a distribuição da Tabela 28, temos:
Md = 4 +
14
216
2
48
×
−
= 4 +
14
16
= 4 + 1,1 = 5,1
≅
5
A mediana, no caso de dados agrupados com intervalos de classe, é 5 (cinco
varas).
113
Lembre-se que a mediana depende da posição e não dos valores dos
elementos na série ordenada. Essa é uma diferença fundamental entre a mediana – que, por
essa razão, não é influenciada por valores extremos – e a média, cujo resultado sofre a
interferência desses mesmos valores.
3.9.1.2 Medidas de ordenamento
Existem alguns pontos em uma distribuição de valores cujos postos são tão
importantes e tão utilizados que recebem nomes especiais:
a) os três pontos que dividem a distribuição em quatro partes iguais, cada
uma delas contendo 25% dos dados, são denominados de quartis. O primeiro quartil,
representado pelo símbolo Q
1
, é o valor situado de tal modo na série que 25% dos dados estão
abaixo dele e 75%, acima. O segundo quartil (Q
2
), que coincide com a mediana, é o valor que
tem 50% dos dados abaixo dele e 50% acima. O terceiro quartil (Q
3
) é o valor da série
situado em posição tal que 75% dos dados ficam abaixo dele e 25%, acima;
b) os nove pontos que dividem a distribuição em dez partes iguais, cada uma
com 10% das observações, são chamados de decis. Se um escore está situado no terceiro decil
(D
3
), sabemos que 30% dos casos se localizam abaixo dele e que 70% estão acima;
c) por fim, os noventa e nove pontos que dividem a distribuição em cem
partes iguais são chamados de percentis. Quando afirmamos que um indivíduo está
localizado no posto percentil 90 (P
90
), isso quer dizer que 90% das unidades elementares
estão abaixo dele e que apenas 10% estão acima.
Na determinação dos quartis, dos decis e dos percentis, utilizam-se as
mesmas técnicas do cálculo da mediana, que variam conforme se trate de dados não
agrupados, de dados agrupados porém não reunidos em intervalos de classe, ou de dados
agrupados e reunidos em intervalos de classe
190
.
No Excel, os quartis e os percentis podem ser obtidos com as funções
estatísticas =QUARTIL(matriz;quarto) e =PERCENTIL(matriz;k), respectivamente. A
primeira função retorna o primeiro, o segundo ou o terceiro quartil do conjunto de dados,
conforme seja informado o número 1, 2 ou 3 no argumento “quarto”. A segunda função, por
sua vez, retorna o valor que divide a matriz em duas partes, uma menor que o argumento k
190
Aos leitores interessados nas fórmulas matemáticas para cálculo das medidas de ordenamento, recomenda-se
a leitura de CARVALHO, Sérgio; CAMPOS, Weber. Op. cit., p. 274 a 301.
114
informado e outra maior do que k, sendo k o valor do percentil em que a matriz será dividida.
Ambas as funções ordenam os valores da matriz de forma crescente antes de calcular.
Os quartis, os decis e os percentis constituem medidas de ordenamento,
também chamadas de medidas separatrizes
191
. Assim como as medidas de tendência central
(média, moda e mediana), as medidas de ordenamento são medidas de posição, pois
igualmente posicionam a distribuição de frequências sobre o eixo de variação da variável de
interesse, conforme demonstra a figura que segue.
2° Quartil3° Percentil 3° Quartil1° Decil
Figura 44: Distribuição de frequências sobre o eixo de variação da variável, com indicação da posição
do terceiro percentil, do primeiro decil, e do segundo e do terceiro quartis
O esquema a seguir resume a classificação das medidas de posição:
Média
Medidas de tendência central Moda
Mediana
Medidas de posição
Percentil
Medidas de ordenamento Decil
Quartil
A vantagem das medidas de ordenamento em relação às medidas de
tendência central – excetuada a mediana – é que elas não são afetadas pela forma de
distribuição dos dados e nem por valores extremos
192
.
3.9.2 Assimetria e curtose
As medidas de assimetria e curtose analisam a proximidade ou o
afastamento de um conjunto de dados em relação a um modelo teórico de frequências em
forma de sino, conhecido como distribuição Normal ou curva de Gauss.
A figura que segue retrata uma distribuição Normal. À medida que nos
aproximamos da média aritmética do conjunto de dados, que no caso é 80, as frequências
191
Ibid., p. 201.
192
BRUNI, Adriano Leal. Op. cit., p. 77.
115
crescem. Por outro lado, à medida que nos afastamos da média, observamos uma diminuição
nas frequências.
0
1
0
20
30
40
50
60
70
8
0
90
10
0
110
120
13
0
14
0
150
1
60
Figura 45: Gráfico de uma distribuição Normal com média 80
Quando avaliamos o comportamento dos dados em relação ao eixo central
da curva, fazemos uma análise de assimetria. Já quando a avaliação toma em consideração o
comportamento dos dados em relação à altura da curva, tem-se uma análise de curtose. Essas
análises são feitas, respectivamente, com base em medidas de assimetria e medidas de
curtose.
O foco deste capítulo não é a discussão das expressões matemáticas das
medidas de assimetria e curtose, mas sim a demonstração gráfica do comportamento das
diferentes distribuições
193
.
A utilidade da representação gráfica do formato da distribuição de uma
população ou de uma amostra está no fato de que ela fornece uma ideia das medidas de
tendência central, ou seja, da média, da moda e da mediana.
Curvas perfeitamente simétricas apresentam grau de assimetria nulo e têm a
média, a moda e a mediana coincidentes, conforme a Figura 46.
193
Aos leitores interessados nas fórmulas para cálculo do grau de assimetria e do grau de curtose, recomenda-se
a leitura de BRUNI, Adriano Leal. Op. cit., p. 82 a 85.
116
Figura 46: Gráfico de curva simétrica
Curvas assimétricas positivas, ou assimétricas à direita, apresentam média
maior que a mediana e mediana maior que a moda. Nesse caso, observam-se poucos valores
altos e muitos valores baixos, conforme a Figura 47.
Figura 47: Gráfico de curva assimétrica à direita
Por fim, curvas assimétricas negativas, ou assimétricas à esquerda,
apresentam média menor que a mediana e mediana menor que a moda. Nesse caso, observam-
se poucos valores baixos e muitos valores altos, conforme a Figura 48.
Figura 48: Gráfico de curva assimétrica à esquerda
117
No que se refere à curtose, curvas achatadas, chamadas de platicúrticas,
retratam distribuições formadas unicamente por frequências baixas, conforme a Figura 49.
Figura 49: Gráfico de curva platicúrtica
Curvas que não são achatadas nem alongadas são chamadas de
mesocúrticas e retratam distribuições perfeitamente equilibradas, conforme a Figura 50.
Figura 50: Gráfico de curva mesocúrtica
Finalmente, curvas alongadas, chamadas de leptocúrticas, representam
distribuições formadas predominantemente por frequências altas, conforme a Figura 51.
118
Figura 51: Gráfico de curva leptocúrtica
3.9.3 Medidas de Dispersão
As medidas de dispersão complementam a informação contida nas
medidas de posição central, revelando o afastamento absoluto ou relativo dos dados
194
. Elas
servem para indicar o quanto os dados se apresentam dispersos em torno da região central
195
.
Quanto maiores os valores encontrados para as medidas de dispersão, maior o afastamento
dos dados e menos precisa a informação contida nas medidas de posição central
196
.
Consideremos a quantidade de processos incluídos em nota de expediente
por duas varas cíveis de entrância intermediária, no mês de setembro de 2008, como consta da
Tabela 29.
Tabela 29 – Processos incluídos em nota de expediente em setembro de 2008 pela Vara Cível de
Alvorada e pela 3ª Vara Cível de Canoas, segundo o dia
Dia do mês Dia da semana
Processos incluídos em nota
Vara Cível de Alvorada
3ª Vara Cível de Canoas
1 segunda-feira 99 79
2 terça-feira 102 54
3 quarta-feira 53 81
4 quinta-feira 63 -
5 sexta-feira - 175
6 sábado - -
7 domingo - -
8 segunda-feira 93 63
9 terça-feira 63 105
10 quarta-feira 49 43
11 quinta-feira 37 64
12 sexta-feira - 55
13 sábado - -
14 domingo - -
194
Ibid., p. 61.
195
COSTA NETO, Pedro Luiz de Oliveira. Op. cit., p. 24.
196
BRUNI, Adriano Leal. Op. cit., p. 62.
119
15 segunda-feira 112 45
16 terça-feira - 106
17 quarta-feira - 80
18 quinta-feira 150 -
19 sexta-feira - 166
20 sábado - -
21 domingo - -
22 segunda-feira 103 57
23 terça-feira - 50
24 quarta-feira 112 79
25 quinta-feira 33 -
26 sexta-feira 107 -
27 sábado - -
28 domingo - -
29 segunda-feira - 123
30 terça-feira 87 90
Σ 1.263 1.515
µ
84,2 84,2
Md 93 79
Mo 63 79
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema Themis
Embora as duas varas tenham médias iguais, existe uma diferença na rotina
de trabalho das serventias. Enquanto a vara de Alvorada apresentou uma variação
compreendida entre 33 e 150 processos por dia, a vara de Canoas variou entre 43 e 175. A
variabilidade maior da vara de Canoas significa que a sua rotina de disponibilização de notas
de expediente é menos uniforme que a de Alvorada.
As medidas de dispersão que nos interessam são a amplitude total, o desvio
médio absoluto, a variância, o desvio padrão e o coeficiente de variação.
3.9.3.1 Amplitude total
A amplitude total, ou intervalo, corresponde à diferença entre o maior e o
menor valor numérico do conjunto de dados analisados. Ela costuma ser representada pela
letra R (do inglês range) ou pelas letras AT (amplitude total):
AT = R = maior - menor
A vantagem da amplitude é que ela pode ser facilmente obtida. Todavia,
pelo fato de analisar apenas os extremos, ela pode não representar a série de forma
satisfatória, já que valores extremos, muito grandes ou muito pequenos, afetam o seu cálculo.
No exemplo das notas de expediente, os intervalos das varas de Alvorada e
Canoas são 117 e 132, respectivamente.
120
R
Alvorada
= 150 - 33 = 117
R
Canoas
= 175 - 43 = 132
No Excel, a amplitude pode ser obtida com a inserção da fórmula
=MÁXIMO(núm1;núm2;...)-MÍNIMO(núm1;núm2;...) em qualquer célula da planilha
197
.
3.9.3.2 Desvio médio absoluto
O desvio médio absoluto fornece o afastamento médio dos dados em
relação à média aritmética da série. Ele corresponde ao somatório do módulo
198
da diferença
entre cada valor do conjunto e a média do conjunto, posteriormente dividido pela quantidade
de valores do conjunto.
Algebricamente, o desvio médio absoluto (DMA) é representado pela
seguinte fórmula:
DMA =
n
x
n
i
i
∑
=
−
1
µ
, onde n é o número de elementos do conjunto; x
i
é o
elemento de ordem i do conjunto de dados;
µ
é a média aritmética do conjunto; e
µ
−
i
x
é o
módulo da diferença entre x
i
e
µ
.
Quando os dados estão agrupados e reunidos em intervalos de classe, x
i
deve corresponder ao ponto médio de cada intervalo de classe.
No exemplo das notas de expediente da Vara Cível de Alvorada e da 3ª
Vara Cível de Canoas, o desvio médio absoluto seria obtido com auxílio da Tabela 30, como
segue.
Tabela 30 – Processos incluídos em nota de expediente em setembro de 2008 pela Vara Cível de
Alvorada e pela 3ª Vara Cível de Canoas, segundo o dia do mês
Dia do mês
Processos incluídos em nota
Vara Cível de Alvorada
µ
−
i
x
3ª Vara Cível de Canoas
µ
−
i
x
1 99 14,8 79 5,2
2 102 17,8 54 30,2
3 53 31,2 81 3,2
4 63 21,2 - -
5 - - 175 90,8
6 - - - -
197
As funções =MÁXIMO(núm1;núm2;...) e =MÍNIMO(núm1;núm2;...) retornam, respectivamente, o valor
máximo e o valor mínimo contidos em um conjunto de valores.
198
Módulo é o valor absoluto de uma grandeza, sem o sinal de menos.
121
7 - - - -
8 93 8,8 63 21,2
9 63 21,2 105 20,8
10 49 35,2 43 41,2
11 37 47,2 64 20,2
12 - - 55 29,2
13 - - - -
14 - - - -
15 112 27,8 45 39,2
16 - - 106 21,8
17 - - 80 4,2
18 150 65,8 - -
19 - - 166 81,8
20 - - - -
21 - - - -
22 103 18,8 57 27,2
23 - - 50 34,2
24 112 27,8 79 5,2
25 33 51,2 - -
26 107 22,8 - -
27 - - - -
28 - - - -
29 - - 123 38,8
30 87 2,8 90 5,8
Σ 1.263 414,4 1.515 520,2
N 15 15 18 18
µ
84,2 84,2
DMA 27,6 28,9
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema Themis
Os valores encontrados para o desvio médio absoluto da Vara Cível de
Alvorada e da 3ª Vara Cível de Canoas foram, respectivamente, 27,6 e 28,9. Isso significa que
em Alvorada as publicações afastam-se, em média, 27,6 processos da média de publicações.
Em Canoas, de outro lado, as publicações afastam-se da média 28,9 processos, em média. A
variabilidade das publicações de Alvorada, portanto, é inferior à variabilidade das publicações
de Canoas.
Embora também seja sensível a valores extremos aberrantes, o desvio médio
absoluto fornece informação mais completa que a amplitude total, pois toma em consideração
todos os dados da série. Por outro lado, ele apresenta uma metodologia de cálculo mais
complexa, que envolve a extração do módulo.
No Excel, o desvio médio absoluto pode ser obtido com a inserção da
fórmula =DESV.MÉDIO(núm1;núm2;...) em qualquer célula da planilha
199
.
199
A função =DESV.MÉDIO(núm1;núm2;...) retorna a média aritmética dos desvios absolutos dos pontos de
dados a partir de sua média.
122
3.9.3.3 Variância
A variância corresponde ao somatório do quadrado da diferença entre cada
valor do conjunto e a média do conjunto, posteriormente dividido pela quantidade de valores
do conjunto. A elevação das diferenças ao quadrado evita o inconveniente da extração do
módulo das mesmas diferenças, pois um número real, mesmo que negativo, quando elevado
ao quadrado, sempre resulta em um número positivo.
Algebricamente, a variância populacional (
2
σ
) é representada pela seguinte
fórmula:
2
σ
=
( )
n
x
n
i
i
∑
=
−
1
2
µ
, onde n é o número de elementos do conjunto de dados;
x
i
é o elemento de ordem i do conjunto; e
µ
é a média aritmética do conjunto.
Quando consideramos no cálculo apenas os dados da amostra, obtemos a
variância amostral (S
2
):
S
2
=
(
)
1
1
2
−
−
∑
=
n
xx
n
i
i
, onde n é o número de elementos da amostra; x
i
é o
elemento de ordem i da amostra; e
x
é a média amostral.
No exemplo das notas de expediente da Vara Cível de Alvorada e da 3ª
Vara Cível de Canoas, a variância populacional seria obtida com o auxílio da Tabela 31.
Tabela 31 – Processos incluídos em nota de expediente em setembro de 2008 pela Vara Cível de
Alvorada e pela 3ª Vara Cível de Canoas, segundo o dia do mês
Dia do mês
Processos incluídos em nota
Vara Cível de Alvorada
(
)
2
µ
−
i
x
3ª Vara Cível de Canoas
(
)
2
µ
−
i
x
1 99 219,0 79 26,7
2 102 316,8 54 910,0
3 53 973,4 81 10,0
4 63 449,4 - -
5 - - 175 8.250,7
6 - - - -
7 - - - -
8 93 77,4 63 448,0
9 63 449,4 105 434,0
10 49 1.239,0 43 1.694,7
11 37 2.227,8 64 406,7
12 - - 55 850,7
13 - - - -
14 - - - -
123
15 112 772,8 45 1.534,0
16 - - 106 476,7
17 - - 80 17,4
18 150 4.329,6 - -
19 - - 166 6.696,7
20 - - - -
21 - - - -
22 103 353,4 57 738,0
23 - - 50 1.167,4
24 112 772,8 79 26,7
25 33 2.621,4 - -
26 107 519,8 - -
27 - - - -
28 - - - -
29 - - 123 1.508,0
30 87 7,8 90 34,0
Σ 1.263 15.330,4 1.515 25.230,5
N 15 15 18 18
µ
84,2 84,2
2
σ
1.022,0 1.401,7
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema Themis
Essa medida também evidencia que a dispersão das publicações da vara de
Alvorada é inferior à da vara de Canoas.
A variância, assim como o desvio médio absoluto, fornece informação mais
completa que a amplitude, porém com a vantagem de não depender da extração do módulo. A
desvantagem, por outro lado, reside na impossibilidade de comparação da variância com a
média, uma vez que a variância corresponde à grandeza da média elevada ao quadrado.
No exemplo citado, enquanto a média retrata a quantidade central de
processos publicados por nota, a variância está relacionada com a quantidade de processos por
nota ao quadrado.
No Excel, a variância da população e a variância da amostra podem ser
obtidas com a inserção das fórmulas =VARP(núm1;núm2;...)
200
e =VAR(núm1;núm2;...)
201
,
respectivamente, em qualquer célula da planilha.
200
A função =VARP(núm1;núm2;...) retorna a variância da população dos valores numéricos núm1; núm2; ...;
núm30.
201
A função =VAR(núm1;núm2;...) retorna a variância da amostra dos valores numéricos núm1; núm2; ...;
núm30.
124
3.9.3.4 Desvio padrão
O desvio padrão é a medida mais utilizada na avaliação do grau de
variabilidade de uma distribuição ou na comparação da variabilidade de diferentes
distribuições. Afora isso, ele também se presta para ajustar a posição relativa de escores
individuais dentro de uma distribuição
202
. Nesse sentido, ele é um padrão contra o qual
avaliamos a colocação de um escore (por exemplo: a quantidade de sentenças publicadas por
um determinado juiz) dentro de toda a distribuição (por exemplo: o número de sentenças
proferidas por todos os juízes com o mesmo tipo de jurisdição).
A medida do desvio padrão fornece informação de variabilidade assim
como o desvio médio absoluto e a variância, porém sem a necessidade de extração do módulo
e sem o problema da impossibilidade de comparação dos resultados. Isso porque a raiz
quadrada de um número elevado ao quadrado equivale ao próprio número, com sinal positivo.
Algebricamente, o desvio padrão populacional (
σ
) é representado pela
seguinte fórmula:
σ
=
2
σ
=
( )
n
x
n
i
i
∑
=
−
1
2
µ
, onde n é o número de elementos do conjunto de
dados; x
i
é o elemento de ordem i do conjunto; e
µ
é a média aritmética do conjunto.
Quando consideramos no cálculo apenas os dados da amostra, obtemos o
desvio padrão amostral (S):
S =
2
S
=
1
)(
1
2
−
−
∑
=
n
xx
n
i
i
, onde n é o número de elementos da amostra; x
i
é
o elemento de ordem i da amostra; e
x
é a média amostral.
No exemplo da comparação das notas de expediente da Vara Cível de
Alvorada e da 3ª Vara Cível de Canoas, o desvio padrão populacional de cada série é obtido
com a extração da raiz quadrada da variância, conforme consta na Tabela 32.
202
LEVIN, Jack; FOX, James Alan. Op. cit., p. 118.
125
Tabela 32 – Variância e desvio padrão dos processos incluídos em nota de expediente em setembro de
2008 pela Vara Cível de Alvorada e pela 3ª Vara Cível de Canoas
Vara
Processos incluídos em nota
Variância (
2
σ
)
Desvio Padrão (
σ
)
Vara Cível de Alvorada 1.022,0 32,0
3ª Vara Cível de Canoas 1.401,7 37,4
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema Themis
No Excel, o desvio padrão da população e o desvio padrão da amostra
podem ser obtidos com a inserção das fórmulas =DESVPADP(núm1;núm2;...)
203
e
=DESVPAD(núm1;núm2;...)
204
, respectivamente, em qualquer célula da planilha.
3.9.3.5 Coeficiente de variação
O coeficiente de variação é uma medida de dispersão relativa, que analisa a
dispersão dos dados em relação a seu valor médio. Ele é definido como o quociente entre o
desvio padrão e a média, sendo normalmente expresso em porcentagem.
Algebricamente, o coeficiente de variação da população (CV
pop
) é
representado pela seguinte fórmula:
CV
pop
=
µ
σ
, onde
σ
é o desvio padrão do conjunto de dados e
µ
é a
média aritmética do conjunto.
Quando consideramos no cálculo apenas os dados da amostra, obtemos o
coeficiente de variação amostral (CV
amo
):
CV
amo
=
x
S
, onde S é o desvio padrão da amostra e
x
é a média amostral.
No exemplo da comparação das notas de expediente da Vara Cível de
Alvorada e da 3ª Vara Cível de Canoas, os coeficientes de variação populacional seriam os
que constam da Tabela 33.
203
A função =DESVPADP(núm1;núm2;...) retorna o desvio padrão da população dos valores numéricos núm1;
núm2; ...; núm30.
204
A função =DESVPAD(núm1;núm2;...) retorna o desvio padrão da amostra dos valores numéricos núm1;
núm2; ...; núm30.
126
Tabela 33 – Coeficiente de variação dos processos incluídos em nota de expediente em setembro de
2008 pela Vara Cível de Alvorada e pela 3ª Vara Cível de Canoas
Vara
Processos incluídos em nota
Desvio Padrão (
σ
)
Média (
µ
)
Coeficiente de
Variação (CV
pop
)
Vara Cível de Alvorada 32,0 84,2 38,0%
3ª Vara Cível de Canoas 37,4 84,2 44,5%
Fonte: Tribunal de Justiça do Estado do Rio Grande do Sul – Sistema Themis
Pela leitura dos coeficientes de variação das duas varas, vê-se que as notas
de expediente da 3ª Vara Cível de Canoas apresentaram maior dispersão relativa que as notas
disponibilizadas pela Vara Cível de Alvorada.
3.9.3.6 A importância do controle da dispersão
O fato de ocorrer alguma variabilidade na publicação das notas de
expediente (ou em qualquer outra rotina da serventia) não é razão para preocupação, mas é
importante que essa variabilidade seja controlada, para que não ocorra a desestabilização do
restante do processo de trabalho.
Uma avalanche de notas publicadas em um determinado dia acarreta um
pico de demanda de balcão e um acúmulo de juntada e certificação de prazo.
Consequentemente, ocorre um aumento repentino na conclusão, o que obriga o juiz a produzir
uma quantidade maior de despachos e sentenças, aumentando a necessidade de cumprimento
das decisões. Uma rotina cartorária nessas condições prejudica todo o trabalho, não só do
cartório, mas também do gabinete, resultando em gargalos, perda de produção, baixa
qualidade e, de um modo geral, insatisfação do jurisdicionado.
É recomendável que todas as rotinas fundamentais do processo de trabalho
do cartório e do gabinete, vistos como uma só unidade, estejam sob controle, apresentando
um comportamento estável e previsível
205
.
205
WERKEMA, Maria Cristina Catarino. Op. cit., p. 182.
127
CONCLUSÕES E TRABALHO FUTURO
Conclusões
A maior deficiência do Poder Judiciário brasileiro é a demora na prestação
jurisdicional, causada por entraves processuais e carências estruturais e de gestão. A
simplificação das regras de processo compete ao Poder Legislativo, restando ao Poder
Judiciário o caminho do aperfeiçoamento dos serviços judiciais, com providências de ordem
administrativa.
Para se tornar mais eficiente, o Judiciário brasileiro precisa conhecer
profundamente a sua própria realidade, o que depende do aprimoramento dos sistemas de
informações estatísticas dos tribunais.
Desde o advento da Emenda Constitucional n° 45, e especialmente em
função da atuação do Conselho Nacional de Justiça, percebe-se um significativo aumento da
consciência sobre a importância da aplicação da Estatística à administração judiciária.
A presente pesquisa revelou que o sistema de coleta inicial de dados da
Justiça Estadual do Rio Grande do Sul necessita ser aperfeiçoado, a fim de que sejam
capturadas variáveis que permitam a realização de análises voltadas à avaliação do
desempenho da instituição e à adequada medição da produtividade individual, o que será útil
para os administradores, para os juízes e para a sociedade em geral.
Além de aperfeiçoar o sistema de administração das informações, o Tribunal
deve capacitar os juízes nas técnicas básicas de Estatística, proporcionando-lhes noções para a
correta interpretação de indicadores, tabelas e gráficos, a fim de que tais elementos
possibilitem análises mais aprofundadas a respeito do modo como tramitam os feitos e
possam servir de instrumento para a introdução de medidas corretivas.
Não se espera que juízes aprendam a construir tabelas, desenhar gráficos ou
calcular medidas descritivas. Esse trabalho técnico deve ser reservado ao estatístico,
profissional de que todo tribunal deve se assessorar. O que se pretende é incentivar os
magistrados a adquirir conhecimento suficiente para ler tabelas, interpretar gráficos e
compreender informações contidas em medidas descritivas, de sorte que eles possam melhor
entender o funcionamento das suas unidades jurisdicionais e do Judiciário, como um todo.
No cenário atual, de crise decorrente da morosidade, o magistrado não pode
ignorar a utilidade e a importância da abordagem estatística dos dados. Além de conhecer o
128
sistema jurídico e aplicá-lo aos casos concretos, o juiz também tem o dever de exercer o papel
de gestor da sua unidade jurisdicional, o que exige constante avaliação de desempenho.
Trabalho futuro
A emenda Constitucional n° 45, de 30 de dezembro de 2004, alterou a
redação da letra ‘c’ do inc. II do Art. 93 da Constituição Federal, estabelecendo que a aferição
do merecimento se dê “conforme o desempenho e pelos critérios objetivos de produtividade e
presteza no exercício da jurisdição e pela frequência e aproveitamento em cursos oficiais ou
reconhecidos de aperfeiçoamento.”
206
O Conselho Nacional de Justiça, através da Resolução n° 6, de 13 de
setembro de 2005, fixou prazo para que os Tribunais editassem atos administrativos
disciplinando a valoração objetiva de desempenho, produtividade e presteza no exercício da
jurisdição, para efeito de promoção por mérito (Art. 4°, inc. I).
No Estado do Rio Grande do Sul, ainda se encontra pendente de aprovação
o projeto de resolução que trata da aferição dos critérios objetivos de merecimento
207
. À falta
de critérios objetivos, o Tribunal de Justiça – embora faça criterioso levantamento, em relação
a cada candidato, das sentenças de mérito publicadas por mês trabalhado, das audiências
realizadas, dos processos conclusos para sentença, dos registros meritórios, dos cursos e da
média de processos iniciados – tem formado as listas de merecimento considerando o estrito
critério da antiguidade
208
. Uma vez que todos os magistrados integrantes da primeira quinta
parte da lista de antiguidade, ressalvadas exceções pontuais, costumam apresentar bons dados
estatísticos nas suas respectivas áreas de atuação, o Órgão Especial termina aplicando o
critério subsidiário previsto no parágrafo único do Art. 5° da Resolução n° 6 do CNJ, segundo
o qual, “na ausência de especificação de critérios valorativos, que permitam diferenciar os
magistrados inscritos, deverão ser indicados os de maior antiguidade na entrância ou no
cargo.”
206
BRASIL. Constituição Federal (1988). Art. 93, inc. II, letra ‘c’, com redação dada pela Emenda
Constitucional n. 45, de 30 de dezembro de 2004. Disponível em: <http://www.planalto.gov.br/ccivil_03/consti
tuicao/contitui%C3%A7ao.htm>. Acesso em: 20 jul. 2009.
207
BRASIL. Tribunal de Justiça do Estado do Rio Grande do Sul. Processo Themis Admin n° 0174-
08/000076-2, julgado no Conselho da Magistratura em 25 de novembro de 2008. Disponível em:
<
http://www.tjrs.jus.br/ site_php/jurisp_adm/index.php>. Acesso em: 18 jul. 2009.
208
BRASIL. Tribunal de Justiça do Estado do Rio Grande do Sul. Processo Themis Admin n° 0174-
09/000064-1, julgado no Conselho da Magistratura em 05 de maio de 2009. Disponível em:
<http://www.tjrs.jus.br/ site_php/jurisp_adm/index.php>. Acesso em: 18 jul. 2009.
129
A maior dificuldade de se construir um critério exclusivamente objetivo de
apuração da produtividade reside na impossibilidade de se compararem dados brutos de juízes
afetos a jurisdições distintas. Isso porque cada jurisdição tem as suas peculiaridades, que
definem a maior ou menor produtividade dos respectivos juízes.
Ricardo Pippi Schmidt observa que:
Não há como desconsiderar [...] a heterogeneidade do exercício da atividade
jurisdicional, em face da variedade de entrâncias (inicial, intermediária e
final), competências (criminal, cível, eleitoral, delegada federal),
especializações (família, Fazenda Pública, Vara de Execuções Criminais,
Juizados Especiais Cíveis, Juizados Especiais Criminais, Juizados da
Infância e Juventude, etc.) e atribuições (Juiz-Corregedor, Diretor do Foro,
Supervisor de Foros Regionais, Funções Delegadas, Designações), do
número de processos assumidos quando da posse na unidade jurisdicional e
distribuídos no exercício da mesma jurisdição, e, por fim, a específica
situação de Juízes de Direito Substitutos e Juízes de entrância final
convocados para atuação nos Tribunais.
209
Segundo Cláudio Luís Martinewski, essa heterogeneidade da atividade de
prestação jurisdicional “diminui o grau de eficácia da avaliação, na medida em que dois ou
mais magistrados avaliados estarão submetidos aos mesmos critérios, mas com realidades
completamente diversas.”
210
Com efeito, não há como estabelecer uma comparação direta entre a
produtividade de um juiz de uma vara do júri – que costuma ficar um dia inteiro em plenário
para publicar uma única sentença de mérito – com a produtividade de um juiz de uma vara
cível – que profere sentenças de ações revisionais bancárias às dezenas.
O escore padronizado, resultado da relação entre o desvio do dado da
variável e o desvio padrão da variável, pode contribuir para a superação dessa dificuldade,
fornecendo um critério de comparação da produtividade de magistrados afetos a jurisdições
distintas.
Conforme esclarecem David S. Moore et al:
Todas as distribuições Normais [...] são idênticas se as medirmos em
unidades de
σ
em relação ao centro localizado em
µ
. O processo de passar
a distribuição para essas unidades chama-se padronização. Para
209
SCHMIDT, Ricardo Pippi. Op. cit., p. 137.
210
MARTINEWSKI, Cláudio Luís. Definição dos critérios de promoção e remoção por merecimento dos
magistrados como instrumento de gestão e de desenvolvimento institucional. Coleção Administração
Judiciária, v. 6. Porto Alegre: Tribunal de Justiça do Estado do Rio Grande do Sul, Departamento de Artes
Gráficas, 2009, p. 36.
130
padronizarmos um valor, temos que subtrair dele a média da distribuição,
dividindo então este resultado pelo desvio padrão.
211
Algebricamente, o escore padronizado (z) é representado por meio da
seguinte fórmula:
z =
σ
µ
−
i
x
, onde
i
x é o elemento de ordem i do conjunto de dados;
µ
é a
média aritmética do conjunto; e
σ
é o desvio padrão do conjunto.
Ainda segundo David S. Moore et al, um escore z “informa-nos quantos
desvios padrões separam uma observação original da média da distribuição, e em que lado da
média esta observação se localiza. Quando padronizadas, as observações maiores do que a
média ficam positivas e as menores do que a média, negativas.”
212
Para que o escore padronizado possa ser aplicado à promoção por
merecimento, inicialmente, a população de juízes deve ser dividida em agrupamentos,
também chamados de clusters
213
, de forma que os juízes de um determinado grupo sejam
similares entre si, no que se refere às características da jurisdição prestada (especialização e
ingresso de processos novos), e heterogêneos em relação aos juízes dos outros grupos, no que
diz com as mesmas características. Dentro de cada agrupamento, apura-se a média aritmética
de sentenças de mérito por mês trabalhado (
µ
) e o desvio padrão (
σ
). Em seguida, compara-
se a produtividade do magistrado interessado na promoção (
i
x ) com a média do seu
agrupamento (
µ
), subtraindo-se esta daquela (
µ
−
i
x ). O resultado obtido é o desvio da
produtividade do magistrado interessado na promoção, que pode ser positivo ou negativo,
conforme a sua produtividade seja, respectivamente, superior ou inferior à média do
agrupamento. Por fim, divide-se o desvio da produtividade do magistrado interessado na
promoção (
µ
−
i
x ) pelo desvio padrão do seu cluster (
σ
), obtendo-se o escore padronizado
da produtividade do magistrado (z).
Nessa primeira fase, portanto, calcula-se o desempenho do interessado na
promoção no exercício da sua jurisdição em relação ao desempenho dos demais magistrados
com jurisdição semelhante à dele, candidatos à promoção ou não. Ao invés de se cotejarem
apenas os escores brutos dos juízes interessados na promoção, comparam-se os escores brutos
211
MOORE, David S. et al. Op. cit., p. 51.
212
Ibid., loc. cit.
213
A formação desses agrupamentos deve ser feita com análise de cluster, técnica exploratória de sintetização da
estrutura de variabilidade dos dados capaz de identificar até que ponto dois elementos do conjunto podem ser
considerados semelhantes ou não. MINGOTI, Sueli Aparecida. Análise de dados através de métodos de
estatística multivariada: uma abordagem aplicada. Minas Gerais: UFMG, 2005, p. 21, 155 e 156.
131
dos interessados na promoção com os escores dos demais juízes do seu próprio agrupamento,
que tenham jurisdições iguais ou muito parecidas e que estejam sujeitos a condições
semelhantes de trabalho. Isso permite a identificação do quanto o magistrado interessado na
promoção se destaca no seu meio, esforçando-se para superar as dificuldades da sua
especialização e produzir além da média que lhe serve de referência.
Depois de feita essa identificação com todos os interessados na promoção,
pode-se comparar juízes de especializações diferentes, utilizando-se para todos a mesma
medida de esforço, uma vez que o escore padronizado transforma os escores brutos em
unidades de desvio padrão. O magistrado inscrito que apresentar o maior escore padronizado
positivo será considerado o mais produtivo e esforçado dentre todos os inscritos.
Retomemos o exemplo da comparação entre a produtividade do juiz da vara
do júri com a produtividade do juiz da vara cível, ambos interessados na vaga de
merecimento. Digamos que estas sejam as medidas de interesse de cada um:
Interessado
na promoção
Cluster
Sentenças
proferidas pelo
juiz (
i
x )
Média de
sentenças do
cluster (
µ
)
Desvio padrão
do cluster (
σ
)
Escore padronizado
−
=
σ
µ
i
x
z
Juiz X Júri 60 30 10 3
Juiz Y Cível 500 300 100 2
No exemplo hipotético fornecido, o juiz merecedor da promoção seria o da
vara do júri, muito embora ele tenha proferido menos sentenças que o juiz do cível em
números absolutos. Os escores padronizados evidenciam que o esforço feito pelo juiz X para
se destacar dos demais juízes do júri foi maior que o esforço feito pelo juiz Y na competição
com os demais juízes do cível.
O escore padronizado, assim aplicado, deve fornecer uma medida
comparável do merecimento dos magistrados. Essa sugestão fica como possível trabalho
futuro, motivado a partir da presente dissertação.
132
REFERÊNCIAS
ARAGÃO, Egas Moniz. Estatística Judiciária. Revista Forense, Rio de Janeiro, v. 365, 2003,
p. 7-15.
BANCO MUNDIAL. Fazendo com que a Justiça conte: medindo e aprimorando o
desempenho do Judiciário no Brasil. Relatório n. 32789. [Washington], 2004. Disponível em:
< http://siteressources.worldbank.org/BRAZILINPOREXTN/Resources/3817166-118589564
5304/4044168-1186404259243/29Justica.pdf >. Acesso em: 12 jul. 2009.
BARBETTA, Pedro Alberto. Estatística aplicada às Ciências Sociais. 7. ed. Florianópolis:
Editora da UFSC, 2007.
BISQUERRA, Rafael; SARRIERA, Jorge Castellá; MARTINEZ, Francesc. Introdução à
Estatística: enfoque informático com o pacote estatístico SPSS. Tradução: Fátima Murad.
Reimp., 2007. Porto Alegre: Artmed, 2004.
BORDASCH, Rosane Wanner da Silva. Gestão cartorária: controle e melhoria para a
razoável duração dos processos. Coleção Administração Judiciária, v. 4. Porto Alegre:
Tribunal de Justiça do Estado do Rio Grande do Sul, Departamento de Artes Gráficas, 2009.
BRASIL. Conselho Nacional de Justiça. Justiça Aberta. Disponível em: < http://www.
monoceros.cnj.jus.br/portalcnj/index.php?option=com_content&view=article&id=7707&Item
id=934 >. Acesso em: 15 jul. 2009.
______. Justiça em Números 2008: variáveis e indicadores do Poder Judiciário. Disponível
em: <http://www.cnj.jus.br/images/imprensa/justica_em_numeros_2008.pdf>. Acesso em: 09
jul. 2009.
______. Relatório Anual 2008. Disponível em: <http://www.cnj.jus.br/images/conteudo
2008/relatorios_anuais/relatorio_anual_cnj_2008.pdf>. Acesso em: 12 jul. 2009.
______. Resolução n. 15, de 20 de abril de 2006. Disponível em: < http://www.cnj.jus.
br/index.php?option=com_content&view=category&layout=blog&id=57&limitstart=65 >.
Acesso em: 12 jul. 2009.
______. Resolução n. 4, de 16 de agosto de 2005. Disponível em: < http://www.cnj.jus.
br/index.php?option=com_content&view=category&layout=blog&id=57&limitstart=80 >.
Acesso em: 12 jul. 2009.
______. Resolução n. 49, de 18 de dezembro de 2007. Disponível em: < http://www.cnj.jus.
br/images/stories/docs_cnj/resolucao/rescnj_49.pdf >. Acesso em: 20 jul. 2009.
______. Resolução n. 76, de 12 de maio de 2009. Disponível em: < http://www.cnj.jus.
br/images/stories/docs_cnj/resolucao/rescnj_76.pdf >. Acesso em: 20 jul. 2009.
______.
Resolução n. 78, de 26 de maio de 2009. Disponível em: < http://www.cnj.jus.
br/images/stories/docs_cnj/resolucao/rescnj_78.pdf >. Acesso em: 23 jul. 2009.
133
BRASIL. Constituição Federal (1988). Art. 93, inc. II, letra ‘c’, com redação dada pela
Emenda Constitucional n. 45, de 30 de dezembro de 2004. Disponível em: <http://www.
planalto.gov.br/ccivil_03/constituicao/contitui%C3%A7ao.htm>. Acesso em: 20 jul. 2009.
______. Decreto n. 3.572, de 30 de dezembro de 1865. Disponível em: <http://www6.
senado.gov.br/legislacao/ListaPublicacoes.action?id=79370>. Acesso em: 10 jul. 2009.
______. Emenda Constitucional n. 45, de 30 de dezembro de 2004. Disponível em: <
http://www.planalto.gov.br/ccivil_03/constituicao/Emendas/Emc/emc45.htm >. Acesso em:
23 jul. 2009.
______. Lei Complementar n. 101, de 04 de maio de 2000. Art. 20, inc. II, letra ‘b’.
Disponível em: < http://www.planalto.gov.br/CCIVIL/Leis/LCP/Lcp101.htm >. Acesso em:
22 jul. 2009.
BRASIL. Ministério da Justiça. Diagnóstico do Poder Judiciário. Brasília: 2004, p. 73.
Disponível em: <http://www.mj.gov.br/main.asp?View={597BC4FE-7844-402D-BC4B-
06C93AF009F0}>. Acesso em: 12 jul. 2009.
BRASIL. Tribunal de Justiça do Estado do Rio Grande do Sul. Processo Themis Admin n°
0174-08/000076-2, julgado no Conselho da Magistratura em 25 de novembro de 2008.
Disponível em: <http://www.tjrs.jus.br/site_php/jurisp_adm/index.php>. Acesso em: 18 jul.
2009.
______. Processo Themis Admin n° 0174-09/000064-1, julgado no Conselho da
Magistratura em 05 de maio de 2009. Disponível em: < http://www.tjrs.jus.br/
site_php/jurisp_adm/index.php >. Acesso em: 18 jul. 2009.
BRUNI, Adriano Leal. Estatística aplicada à gestão empresarial. São Paulo: Atlas, 2007.
CANDEAS, Ana Paula Lucena Silva. Valores e os Judiciários: Os valores recomendados pelo
Banco Mundial para os judiciários nacionais. Revista da AMB – Cidadania e Justiça,
Brasília, ano 7, n. 13, 1. sem. 2004, p. 17-39.
CARVALHO, Sérgio; CAMPOS, Weber. Estatística Básica Simplificada. Rio de Janeiro:
Elsevier, 2008.
CENTRO DE PESQUISAS DE OPINIÃO DA UNIVERSIDADE DE BRASÍLIA
(DATAUnB). Consultoria para construção do Sistema Integrado de Informações do
Poder Judiciário. 8° Relatório de Atividades, p. 62. Disponível em: <
http://cedes.iuperj.br/PDF/05maio/stf%20justica%20em%20numeros.pdf >. Acesso em: 09
jul. 2009.
SMAILES, Joanne; MCGRANE, Angela. Estatística aplicada à Administração com Excel.
Tradução: Bazán Tecnologia e Linguística, Christiane Brito. 1. ed., 5. reimp, 2007. São Paulo:
Atlas, 2002.
COSTA NETO, Pedro Luiz de Oliveira.
Estatística. 2. ed. São Paulo: Blücher, 2002.
CRESPO, Antônio Arnot. Estatística fácil. 18. ed., 7. tir., 2008. São Paulo: Saraiva, 2002.
134
CUMBRE JUDICIAL IBEROAMERICANA, XIV, 2008, Brasília. Plan Iberoamericano de
Estadística Judicial: Informe final. Disponível em: < http://www.cejamericas.org/doc/
proyectos/planiberoamericanoestjudicial.pdf >. Acesso em: 15 jul. 2009.
DOWNING, Douglas; CLARK, Jeffrey. Estatística Aplicada. Tradução: Alfredo Alves de
Farias. 2. ed. São Paulo: Saraiva, 2006.
FACCHINI NETO, Eugênio. Estrutura e funcionamento da justiça norte-americana. Revista
da AJURIS – Associação dos Juízes do Rio Grande do Sul, Porto Alegre, a. 36, v. 113,
mar. 2009, p. 147-179.
______. Texto inédito sobre o judiciário norte-americano, gentilmente cedido pelo autor.
FALCÃO, Joaquim. Justiça e informação. Informativo ADV – Advocacia Dinâmica,
boletim n. 21, 2005, p. 349-348.
______. O brasileiro e o Judiciário. Conjuntura Econômica, Rio de Janeiro, v. 63, n. 4, abril
2009, p. 43-49.
FARHAT, Cecília Aparecida Vaiano. Introdução à estatística aplicada. São Paulo: FTD,
1998.
GALLIGAN, Denis. Principal institutions and mechanisms of accountability. In Banco
Mundial. Comprehensive legal and judicial development: toward an agenda for a just and
equitable society in the 21st century. Report n. 22539. Washington, 2001, p. 31-42.
Disponível em: < http://siteresources.worldbank.org/BRAZILINPOREXTN/Resources/38171
66-1185895645304/4044168-1186409169154/02ConferenceProceedings.pdf >. Acesso em:
20 jul. 2009.
GONÇALVES, Guilherme Leite. Apostila Poder Judiciário II: estrutura política e
administrativa. Projeto de Mestrado Profissional em Poder Judiciário. Rio de Janeiro:
Fundação Getúlio Vargas, 2006.
LAPPONI, Juan Carlos. Estatística usando Excel. 4. ed., 5. tir. Rio de Janeiro: Elsevier,
2005.
LEITE, Paulo Roberto Saraiva da Costa. Revista CEJ, Brasília, v. 6, n. 17, abr./jun. 2002, p.
8-9.
LEVIN, Jack; FOX, James Alan. Estatística para Ciências Humanas. Tradução: Alfredo
Alves de Farias. 9. ed., 3. reimp., 2008. São Paulo: Prentice Hall, 2004.
MARANHÃO, Mauriti; MACIEIRA, Maria Elisa Bastos. O processo nosso de cada dia:
modelagem de processos de trabalho. Rio de Janeiro: Qualitymark, 2004.
MARTINEWSKI, Cláudio Luís. Definição dos critérios de promoção e remoção por
merecimento dos magistrados como instrumento de gestão e de desenvolvimento
institucional
. Coleção Administração Judiciária, v. 6. Porto Alegre: Tribunal de Justiça do
Estado do Rio Grande do Sul, Departamento de Artes Gráficas, 2009.
135
MEIRELLES, Hely Lopes. Direito administrativo brasileiro. Atualizada por Eurico de
Andrade Azevedo, Délcio Balestero Aleixo e José Emmanuel Burle Filho. 33. ed. São Paulo:
Malheiros, 2007.
MESSITE, Peter J. A administração da Justiça Federal nos Estados Unidos da América.
Revista CEJ, Brasília, v. 8, n. 24, jan./mar. 2004, p. 5-8.
MINGOTI, Sueli Aparecida. Análise de dados através de métodos de estatística
multivariada: uma abordagem aplicada. Minas Gerais: UFMG, 2005.
MOORE, David S. et al. A prática da estatística empresarial: como usar dados para tomar
decisões. Tradução: Luís Antônio Fajardo. Rio de Janeiro: LTC, 2006.
MOTTA, Paulo Roberto. Apostila Planejamento Estratégico. Projeto de Mestrado
Profissional em Poder Judiciário. Rio de Janeiro: Fundação Getúlio Vargas, 2006.
NALINI, José Renato. O juiz e o acesso à justiça. 2. ed. São Paulo: Revista dos Tribunais,
2000.
OLIVEIRA, Francisco Estevam Martins de. SPSS básico para análise de dados. Rio de
Janeiro: Ciência Moderna, 2007.
RIO GRANDE DO SUL. Departamento Estadual de Estatística. Estatística Judiciária do
Rio Grande do Sul. Porto Alegre: Livraria do Globo, 1943.
RIO GRANDE DO SUL. Lei n. 13.181, de 22 de junho de 2009. Disponível em: < http://
www.al.rs.gov.br/Legis/M010/M0100099.ASP?Hid_Tipo=Texto&Hid_TodasNormas=52824
&hTexto=&Hid_IDNorma=52824 >. Acesso em: 25 jul. 2009.
______. Lei n. 13.182, de 22 de junho de 2009. Disponível em: < http://www.al.rs.gov.br/
Legis/M010/M0100099.ASP?Hid_Tipo=Texto&Hid_TodasNormas=52825&hTexto=&Hid_I
DNorma=52825 >. Acesso em: 25 jul. 2009.
RIO GRANDE DO SUL. Secretaria do Planejamento e Gestão. Orçamento Estadual 2009.
Porto Alegre: 2008. Disponível em: < http://www.seplag.rs.gov.br/uploads/volume12.pdf >.
Acesso em: 09 jul. 2009.
RIO GRANDE DO SUL. Tribunal de Justiça do Estado. Plano de Gestão pela Qualidade do
Judiciário. Disponível em: <http://www.tjrs.jus.br/institu/qualidade/menu.php?PHPSESSID=
2c90dde66328fa146eef9a578188ad98>. Acesso em: 17 jul. 2009.
______. Portaria n° 34/08-P. Disponível em: <http://www.tjrs.jus.br/legisla/publ_
adm_xml/index.php>. Acesso em: 09 jul. 2009.
______. Provimento n° 18/06-CGJ. Disponível em: <http://www.tjrs.jus.br/legisla/publ_
adm_xml/index.php>. Acesso em: 09 jul. 2009.
______.
Relatório Anual 2008. Relatórios Estatísticos. Disponível em: <http://www.tjrs.
jus.br/institu/contas/r_anual/rel2008/pdf/Relatorio_2008_Relatorios_Estatisticos.pdf>. Acesso
em: 16 jul. 2009.
136
SADEK, Maria Tereza. Apostila O Judiciário e a Sociedade. Projeto de Mestrado
Profissional em Poder Judiciário. Rio de Janeiro: Fundação Getúlio Vargas, 2006.
SCHMIDT, Ricardo Pippi. Administração judiciária e os Juizados Especiais Cíveis: o caso
do Rio Grande do Sul. Coleção Administração Judiciária, v. 1. Porto Alegre: Tribunal de
Justiça do Estado do Rio Grande do Sul, Departamento de Artes Gráficas, 2008.
SERRA, Luiz Umpierre de Mello. Apostila Gestão de Serventias Judiciais. Projeto de
Mestrado Profissional em Poder Judiciário. Rio de Janeiro: Fundação Getúlio Vargas,
2006.
SILVA, Andréa Diniz da. Apostila Estatística. Projeto de Mestrado Profissional em Poder
Judiciário. Rio de Janeiro: Fundação Getúlio Vargas, 2008.
______. Fatores que influenciam a medida sócio-educativa aplicada ao adolescente autor
de ato infracional na Comarca da Capital do Rio de Janeiro. Dissertação (Mestrado) –
Escola Nacional de Ciências Estatísticas, Instituto Brasileiro de Geografia e Estatística, Rio
de Janeiro, 2001.
STEVENSON, William J. Estatística aplicada à administração. Tradução: Alfredo Alves
de Farias. São Paulo: Harbra, 2001.
STUMPF, Juliano da Costa. Poder Judiciário: morosidade e inovação. Coleção
Administração Judiciária, v. 2. Porto Alegre: Tribunal de Justiça do Estado do Rio Grande do
Sul, Departamento de Artes Gráficas, 2009.
VIEIRA, Sônia. Estatística para a qualidade: como avaliar com precisão a qualidade em
produtos e serviços. 14. tir. Rio de Janeiro: Elsevier, 1999.
WERKEMA, Maria Cristina Catarino. Ferramentas estatísticas básicas para o
gerenciamento de processos. Belo Horizonte: Werkema, 2006.
ZANDONADE, Eliana. Estatística Judiciária, importância e meios. Revista CEJ, Brasília, v.
6, n. 17, abr./jun. 2002.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
