6.

Probabilidade, inferência estatística, teoria assintótica

6.1. Probabilidade

A estatística probabilística utiliza a teoria das probabilidades para explicar a frequência

de ocorrência de determinados eventos incertos, de forma a estimar ou prever a ocorrência de
eventos futuros. Por exemplo, no lançamento de um dado, não sabemos ao certo qual
elemento será sorteado, de modo que a probabilidade pode ser utilizada para indicar a
possibilidade da ocorrência de determinado evento. Entende-se que a história da
probabilidade se iniciou, provavelmente, com o homem primitivo a fim de compreender
melhor os fenômenos incertos da natureza. Já no século XVII, surgiu a teoria das
probabilidades para explicar os eventos incertos. O estudo da probabilidade evoluiu para
planejar jogadas ou traçar estratégias voltadas a jogos de azar. Atualmente, é aplicada também
para o estudo da inferência estatística, a fim de generalizar o universo dos dados.
Para compreender a estatística probabilística, alguns conceitos e terminologias básicas
devem ser entendidos, tais como experimento, aleatório, espaço amostral, eventos, uniões,
intersecções e complementos, eventos independentes ou mutuamente excludentes. Um
experimento consiste em qualquer processo de observação ou medida, de modo que um
experimento aleatório é aquele que gera resultados imprevisíveis, sendo que se o processo for
repetido inúmeras vezes, torna-se impossível prever seu resultado (o lançamento de uma
moeda ou de um dado são exemplos de experimentos aleatórios). O espaço amostral S
consiste em todos os possíveis resultados de um experimento. Por exemplo, no lançamento de
uma moeda podemos obter cara (k) ou coroa (c), logo, S = {k,c}. Já no lançamento de um
dado o espaço amostral é representado por S = {1,2,3,4,5,6}.
O evento é qualquer subconjunto de um espaço amostral. Por exemplo, o evento A
contém apenas as ocorrências pares do lançamento de um dado. Logo, A = {2,4,6}. Dois ou
mais eventos podem formar uniões, intersecções e complementos. A união de dois eventos A e
B, representada por A U B, resulta em um novo evento contendo todos os elementos de A, B
ou ambos. A intersecção de dois eventos A e B, representada por A ∩ B, resulta em um novo
evento contendo todos os elementos que estejam, simultaneamente, em A e B. Por sua vez, o
complemento de um evento A é o evento que contém todos os pontos de S que não estejam
em A. Dois eventos A e B são independentes quando a probabilidade de ocorrência de B não
for condicional à probabilidade de ocorrência de A. Eventos mutuamente excludentes ou
exclusivos são aqueles que não têm elementos em comum, de forma que eles não podem
ocorrer simultaneamente.
A probabilidade de ocorrência de determinado evento A no espaço amostral S é dada
pela rela razão entre o número de casos favoráveis ao evento (nA) e o número total de
possíveis casos (n). Por exemplo, no lançamento de um dado, qual a probabilidade da
ocorrência de um número par? O espaço amostral é dado por S = {1,2,3,4,5,6}. O evento de
interesse é A = {número par de um dado}, de modo que A = {2,4,6}. A probabilidade de
ocorrência de A é, portanto: P(A) = 3/6 = 1/2.
Deve-se mencionar algumas regras básicas da probabilidade, a saber: i) a
probabilidade de um evento A ocorrer é um número entre 0 e 1, ou seja, 0 ≤ P(A) ≤ 1; ii) o
espaço amostral S tem probabilidade igual a 1, ou seja, P(S) = 1; a probabilidade de um
conjunto vazio (Ø) ocorrer é nula, isto é, P(Ø) = 0; a probabilidade de ocorrência do evento A,
do evento B ou de ambos pode ser calculada como P(A U B) = P(A) + P(B) – P (A ∩ B), se os
eventos A e B forem mutuamente excludentes, isto é, A ∩ B = Ø, a probabilidade de
ocorrência de um deles é igual à soma das probabilidades individuais: P(A U B) = P(A) +
P(B); Se Ac for o evento complementar de A, então P (Ac) = 1 – P(A); se A e B forem dois
eventos independentes, a probabilidade de ocorrência conjunta deles é igual ao produto de
suas probabilidades individuais, ou seja, P(A ∩ B) = P(A) – P(B).

6.3. Teoria Assintótica

Com frequência, não se consegue obter estimadores ideais com amostras finitas (as
únicas disponíveis). Assim, procura-se estimadores com propriedades desejáveis em grandes
amostras, designadas propriedades assintóticas. As propriedades assintóticas mais comuns
baseiam-se em resultados gerais, obtidos para n → ∞ (n: dimensão amostral),
designadamente, lei dos grandes números (LLN) e teorema do limite central (TLC), expostos
em seguida (MURTEIRA; CASTRO, 2018).
MURTEIRA, J.; CASTRO, V. Introdução à Econometria. 2. ed. 2018.