Estatística - UVB

Aula 08
Probabilidade

Objetivos da Aula

Desenvolver e fixar os conceitos de probabilidade.

Introdução
A aula 7 nos apresentou as técnicas de amostragem; agora, veremos
os conceitos básicos de Probabilidade. Os fundamentos, aqui
apresentados, são inter-relacionados; para facilitar seu entendimento,
leia este material, detalhadamente, no mínimo duas vezes, antes
de ir para a aula digital. Já na web, trabalhe com a aula impressa
simultaneamente.

Bom aprendizado!

Probabilidade
A maioria dos fenômenos de que trata a estatística são de natureza
aleatória ou probabilística; dessa forma, é importante conhecer os
fundamentos dos cálculos de probabilidades para que se possa
continuar o estudo da estatística indutiva.

Alguns fenômenos são previsíveis, outros não. Em matemática, os

fenômenos previsíveis são aqueles chamados determinísticos. Por
exemplo: se uma pedra for lançada de um prédio e sua velocidade for

Faculdade On-line UVB 75

 Estatística - UVB

medida durante a queda, os resultados serão sempre iguais porque

esse fenômeno obedece às leis da física.

Entretanto, se lançarmos uma moeda comum e observarmos qual face

ficará para cima quando estiver no solo, teremos apenas a certeza de
que metade das chances é de cara e a outra metade de coroa. Aqui,
percebemos que existe a probabilidade de 50% de cara e 50% de
coroa, isso é um fenômeno probabilístico.

A definição clássica de probabilidade é:

Se forem possíveis n eventos mutuamente exclusivos e igualmente

prováveis, se nA desses eventos tem o atributo A, então a probabilidade
de A é dada pela razão nA/n.

Dessa forma, a probabilidade de um evento é o número

real P(A), tal que:

Conceitos Básicos
Experimento Aleatório (E)

Nos experimentos aleatórios, mesmo em condições iniciais sempre

idênticas, os resultados finais de cada vez que o experimento é
efetuado serão diferentes e não previsíveis.

Com exemplo temos:

O lançamento de um dado e a observação do número mostrado na

face de cima;
O lançamento de uma moeda e a observação do número de caras obtido;

Faculdade On-line UVB 76

 Estatística - UVB

Determinação da vida útil de um componente eletrônico.

Freqüência Relativa

Seja o experimento de lançar uma mesma moeda n vezes. Seja m o

número de vezes que ocorre cara, podemos então definir a freqüência
relativa como:

Logo, a definição clássica para a freqüência relativa é:

Freqüência Relativa do evento A é a razão entre o número de vezes

em que ocorreu A (nA) e o número de eventos observados (n).

Numa longa seqüência de repetições de qualquer experimento

aleatório nas mesmas condições, a freqüência relativa aproxima-se de
um número fixo. Esse número é uma estimativa de probabilidade do
evento ocorrer.

Dois axiomas devem ser verdadeiros na freqüência relativa:

A probabilidade de um evento ocorrer é um valor entre 0 e 1.
Se cada evento de um fenômeno aleatório pode ocorrer com
determinada probabilidade, a soma dessas probabilidades é
igual a 1.

Espaço Amostral (S)

Espaço Amostral de um experimento aleatório é o conjunto

dos resultados possíveis do experimento. O Espaço Amostral é
representado pela letra S.

Exemplos:

Faculdade On-line UVB 77

 Estatística - UVB

No caso de lançamento de uma moeda, S={cara, coroa}

No caso de lançamento de um dado comum, S={1, 2, 3, 4, 5, 6}
No caso de lançamento de uma moeda 4 vezes e observação do
número de caras, S={0, 1, 2, 3, 4}

Eventos

Um evento A (relativo a um espaço amostral S, associado a um

experimento E) é um subconjunto do espaço amostral S, dessa forma
o próprio S constitui um evento, assim como o conjunto vazio que
também o pode ser.

Como exemplos podemos citar:

No caso de lançamento de um dado comum, S={1, 2, 3, 4, 5, 6}, se
nos interessa somente a ocorrência de números pares, então o evento
A={2, 4, 6}

No caso de lançamento de uma moeda 4 vezes e observação do

número de caras, S={0, 1, 2, 3, 4}, se nos interessa somente quanto 2
caras ocorrem então A={2}.

Eventos Complementares

São todos os resultados do espaço amostral que não fazem parte do

evento. Se considerarmos p como a probabilidade de que um evento
ocorra (sucesso) e q que ele não ocorra (fracasso), então para um
mesmo evento:

No caso de lançamento de um dado comum, a probabilidade de tirar

o número 5 é de . Logo, a probabilidade não sair o número 5
é de

O evento complementar é representado pelas seguintes simbologias

Faculdade On-line UVB 78

 Estatística - UVB

Eventos Independentes

Dois eventos são independentes quando o resultado de um não tem

dependência do resultado do outro.

Como exemplo, temos o lançamento simultâneo de dois dados;

o resultado do primeiro não tem influência sobre o resultado do
segundo e vice-versa.

Dessa maneira, se dois eventos são independentes, a probabilidade

de que eles realizem-se, simultaneamente, é igual ao produto das
probabilidades de realização dos dois eventos.

Definindo p1 como a probabilidade de realização do primeiro evento

e p2 como a probabilidade do segundo evento, a probabilidade de
que ambos realizem-se, simultaneamente, é dada por:

Exemplo:

No lançamento de 2 dados, a probabilidade de no primeiro dado

obtermos o número 1 é

No segundo dado, a possibilidade de obtemos o número 5 é

Então:

Evento Mutuamente Exclusivo

São eventos que não têm elemento comum ou, então, são aqueles
em que a ocorrência de um deles exclui a ocorrência de outros.

Como exemplo, podemos, novamente, recorrer ao lançamento de uma

moeda, pois ao ocorrer o evento “cara” é excluída, completamente, a

Faculdade On-line UVB 79

 Estatística - UVB

possibilidade de ocorrer o evento coroa, ou vice e versa, assim sendo,

a ocorrência de um impede, completamente, a ocorrência de outro.

Se dois eventos são, mutuamente, exclusivos, a probabilidade de que

um ou outro realize-se é igual à soma da probabilidade de que cada
um deles realize-se, então, o modelo matemático é:

Se lançarmos um dado à probabilidade de obtermos um 4 ou um 6,

então é:

Probabilidade Condicional

Se A e B são dois eventos, a probabilidade de B ocorrer, depois de A

ter acontecido, é definida por: P(B/A)

Nessa probabilidade, a ocorrência de um evento está vinculada à

ocorrência de outro, daí o nome probabilidade condicionada.

Definimos Probabilidade Condicional de A dado que B ocorre (A/B),

como segue: ,se

Lembre-se representa a intersecção, neste caso de A com B.

Evento Composto

Caracteriza-sepelaocorrênciadeambososeventos(AeB),simultaneamente,
ou então pela ocorrência de um ou outro evento (A ou B).

Assim, a representação matemática é:

Lembre-se: representa a união, nesse caso de A com B.

Faculdade On-line UVB 80

 Estatística - UVB

Regras de Probabilidade

As regras da adição e da multiplicação são ,freqüentemente,

usadas na solução dos problemas de probabilidade, entretanto,
devemos notar que para cada tipo de evento há uma regra a ser
aplicada.

Regra da Adição (caso geral):

Regra da Adição para eventos, mutuamente, exclusivos:

Regra da Multiplicação (caso geral):

Regra da Multiplicação para eventos independentes:

Teorema de Bayes e Diagrama de Árvore

Vamos apresentar aqui o conceito do Teorema de Bayes, entretanto,

uma explicação detalhada que irá completar o entendimento e o
Diagrama de Árvore está na aula digital.

Imagine que os eventos A1, A2, A3, A4,... An, são mutuamente
exclusivos, ou seja, quando um ocorre, o outro não pode ocorrer
e nosso espaço amostral S é composto de todos os diversos
eventos

Seja P(A1) a probabilidade conhecida da ocorrência de cada

evento.

Seja B um evento qualquer de S, conhecendo-se todas as

probabilidades condicionais P(B/A1).

Faculdade On-line UVB 81

 Estatística - UVB

Então, o Teorema de Bayes é:

Permutações

Considerando que existam três objetos a serem dispostos sobre

uma mesa, de quantas maneiras isso pode acontecer?

Sendo os objetos a, b e c, então, nossas permutações são abc,

acb, bac, bca, cab, cba, logo, a resposta é 6. Mas como fazer
isso matematicamente? Usando o fatorial. Assim, o número de
permutações de n objetos diferentes é dado por:

Lembrando que para fazer o fatorial basta multiplicar o número

por todos seus antecessores, veja o exemplo para permutar 6
objetos.

Arranjos

E se desejarmos apenas arranjar 3 dentre 6 objetos, por exemplo,

de quantas formas podemos fazê-lo?

Em nosso exemplo n= 6 e r=3, logo:

Faculdade On-line UVB 82

 Estatística - UVB

Combinações

Se estivermos interessados em montar comissões formadas por 3

pessoas dentre um grupo inicial de 8 pessoas, quantas combinações
podem ter, desde que duas comissões sejam a mesma, se forem
constituídas pelas mesmas pessoas, não se levando em conta a ordem
em que sejam escolhidas?

Para responder situações desse tipo, podemos usar o modelo e

combinação:

Veja:

Logo:

Variáveis Aleatórias Unidimensionais

Seja E um experimento e S o espaço amostral associado ao

experimento. Uma função X, que associe a cada elemento s S um
número real, X(s), é denominada variável aleatória, ou ainda uma
variável aleatória é a função que associa a todo evento pertencente a
uma partição do espaço amostral um único número real.

Faculdade On-line UVB 83

 Estatística - UVB

O espaço Rx, que é o conjunto de todos os valores possíveis de X, é

denominado contradomínio.

Exemplo:

E: lançamento simultâneo de duas moedas;

X: número de coroas obtidas nas duas moedas;
S={(c,c), (c,k), (k,c), (k,k)};
c= cara;
k= coroa;
X=0, evento (c,c) de P(x)=1/4;
X=1, evento (c,k) e (k,c) de P(x)=2/4;
X=2, evento (k,k) de P(x)=1/4.

Podemos, então, dizer que:

Variável Aleatória Discreta possui um contradomínio finito ou infinito

numerável; em outras palavras, se o número de valores possíveis de
X (isto é, Rx, o contradomínio) podem ser postos em uma lista como
x1, x2,...,xn. No caso finito, a lista acaba; no caso infinito, continua
indefinidamente.

Variável Aleatória Contínua possui um contradomínio intervalo ou

uma coleção de intervalos, ou seja, X pode tomar todos os valores
de um determinado intervalo; por exemplo, todos os valores x no
intervalo 0 x 1.

O exemplo citado acima (lançamento de 2 moedas) é um caso de

variável aleatória discreta; perceba que o número de resultados, no
contradomínio, é numerável.

Faculdade On-line UVB 84

 Estatística - UVB

Função de Probabilidade

É a função que associa a cada valor assumido pela variável aleatória a

probabilidade do evento correspondente; isso é,

Ou seja, é a probabilidade de que a variável aleatória X assuma o valor x.

Ao conjunto {(xi, p(xi)),i=1,...,n} damos o nome de Distribuição de

Probabilidades da variável aleatória X.

É importante verificar que para que haja uma distribuição de

probabilidades de uma variável X é necessário que:

Veja no exemplo:

Lançam-se 2 dados. Seja X: soma das faces. Determinar a distribuição

de probabilidades de X.

Esperança Matemática

Os parâmetros das distribuições são características numéricas muito

importantes em uma distribuição de probabilidades. O primeiro
parâmetro é a Esperança Matemática de uma variável aleatória, que é
um número real calculado por média aritmética ponderada, conforme

Faculdade On-line UVB 85

 Estatística - UVB

exemplo abaixo.

Suas notações são E(X), (X), e ; adotaremos E(X).

Uma seguradora para $30.000,00 em caso de acidente de carro e

cobra uma taxa de $1.000,00. Sabe-se que a probabilidade de que um
carro sofra acidente é de 3%. Quanto espera a seguradora ganhar por
carro segurado?

Podemos aproximar dizendo que de 100 carros segurados 97 dão lucro

de $1.000,0 e 3 dão prejuízo de $29.000,00 ($30.000,00-1.000,00).

O lucro total = 97*1.000,00 – 3*29.000,00 = $10.000,00

E o lucro médio = $10.000,00/100 = $100,00

Neste exemplo ,a Esperança Matemática é o lucro médio por carro,

então:

Onde:
X1=1.000,00 e p(x1)=0,97
X2=29.000,00 e p(x2)=0,03

Dessa forma, o modelo matemático para a Esperança Matemática é:

Variância

Necessitamos também de uma medida que nos dê o grau de

concentração de probabilidade em torno da média; esse outro
parâmetro de distribuição importante é a Variância, pois aponta a
dispersão ou a concentração das probabilidades em torno da média.

Faculdade On-line UVB 86

 Estatística - UVB

Considerando as distribuições das variáveis aleatórias X e Y, com suas

respectivas médias, faremos a apresentação deste conceito:

Notamos que há grande concentração de probabilidade em X e uma

grande dispersão em Y com relação à média.

Definiremos, agora, variância como:

Então, pela tabela de valores:

Faculdade On-line UVB 87

 Estatística - UVB

Ao observamos novamente os gráficos e os valores de V(X) e V(Y),

concluímos que: Quanto menor a variância, menor a dispersão de
probabilidades em torno da média e vice-versa; quanto maior a
variância, maior o grau de dispersão da probabilidade em torno
da média.

Finalizando, a variância é um quadrado e muitas vezes o resultado

torna-se artificial; contornamos esse problema pelo uso do Desvio
Padrão, que conforme estudado na aula 5, é a raiz quadrada positiva
da variância.

Faculdade On-line UVB 88

 Estatística - UVB

Referência Bibliográfica
COSTA NETO, Pedro Luiz de Oliveira. Estatística. 12. ed. São Paulo: Editora
Edgard Blücher Ltda., 1992.

CRESPO, Antonio Arnot. Estatística Fácil. São Paulo: Editora Saraiva, 1998.

MAGALHÃES, Marcos Nascimento e LIMA, Antônio Carlos Pedroso de.

Noções de Probabilidade e Estatística. São Paulo: 5a. ed. Editora da
Universidade de São Paulo, 2002.

MANDIM, Daniel. Estatística Descomplicada. 10. ed. Brasília: Vestcon

Editora Ltda., 2003.

MEYER, Paul L. Probabilidade, Aplicações à Estatística. 2. ed. Rio de

Janeiro: Livros Técnicos e Científicos Editora S.A., 2003.

MORETTIN, Luiz Gonzaga. Estatística Básica - Probabilidade. 3. ed. São

Paulo: Livraria Ciência e Tecnologia Editora, 1983.

SETEVENSON, Willian J. Estatística Aplicada à Administração. São Paulo:

Ed. Harbra, 1981.

VIEIRA, Sonia. Princípios de Estatística. 1ª reimpr. da 1ª ed. São Paulo:

Editora Pioneira Thomson Learning, 2003.

Faculdade On-line UVB 89