Você está na página 1de 4

EDUCAÇÃO DE QUALIDADE INTERNACIONAL

UNIFAVIP/Wyden
Medicina Veterinária
Matemática e Bioestatística.
Professor: Alessandro Bruno de Sousa Dias
Aluno(a):_____________________________________________

PROBABILIDADE – DISTRIBUIÇÕES BINOMIAL E NORMAL

Pelos capítulos já estudados, podemos concluir que, sendo n(S) = n:

a. a probabilidade do evento certo é igual a 1:


P(S) = 1

b. a probabilidade do evento impossível é igual a zero:


P() = 0

c. a probabilidade de um evento E qualquer (E  S) é um número real P(E), tal que:


0  P(E)  1

d. a probabilidade de um evento elementar E qualquer é, lembrando que n(E) = 1:

P(E) = 1/n

EVENTOS COMPLEMENTARES
Sabemos que um evento pode ocorrer ou não. Sendo p a probabilidade de que ele
ocorra (sucesso) e q a probabilidade de que ele não ocorra (insucesso), para um mesmo
evento existe sempre a relação:

p+q=1q=1–p

Assim, se a probabilidade de se realizar um evento é p = 1/5 , a probabilidade de


que ele não ocorra é:
q = 1 - p => q = 1 - 1 = 4
5 5
Sabemos que a probabilidade de tirar o 4 no lançamento de um dado é p = 1/6 .
Logo, a probabilidade de não tirar o 4 no lançamento de um dado é
q=1–1 =5
6 6

3
EVENTOS INDEPENDENTES

Dizemos que dois eventos são independentes quando a realização ou a não-


realização de um dos eventos não afeta a probabilidade da realização do outro e vice-versa.

Por exemplo, quando lançamos dois dados, o resultado obtido em um deles


independe do resultado obtido no outro.
Se dois eventos são independentes, a probabilidade de que eles se realizem
simultaneamente é igual ao produto das probabilidades de realização dos dois eventos.
Assim, sendo p1, a probabilidade de realização do primeiro evento e p2 a
probabilidade de realização do segundo evento, a probabilidade de que tais eventos se
realizam simultaneamente é dada por:

p = p1. p2

Exemplo:

Lançamos dois dados. A probabilidade de obtermos 1 no primeiro dado é:

p1 = 1/6

A probabilidade de obtermos 5 no segundo dado é:

p2 = 1/6

Logo, a probabilidade de obtermos, simultaneamente, 1 no primeiro e 5 no segundo


é:
Pt = p1.p2 = (1/6).(1/6) = 1/36

EVENTOS MUTUAMENTE EXCLUSIVOS

Dizemos que dois ou mais eventos são mutuamente exclusivos quando a


realização de um exclui a realização do(s) outro(s).
Assim, no lançamento de uma moeda, o evento "tirar cara" e o evento "tirar coroa"
são mutuamente exclusivos, já que, ao se realizar um deles, o outro não se realiza.
Se dois eventos são mutuamente exclusivos, a probabilidade de que um ou outro se
realize é igual à soma das probabilidades de que cada um deles se realize:

p = p1 + p 2

Exemplo:
Lançamos um dado. A probabilidade de se tirar o 3 ou o 5 é:

Pt = p1 + p2 = (1/6) + (1/6) = 1/3

pois, como vimos, os dois eventos são mutuamente exclusivos.

3
AGORA E SUA VEZ I

1) Em um lote de 2554 cabeças de gado Nelore (Zebu), 33 estão contaminadas por um


protozoário. Sendo retirada do rebanho uma unidade estatística, calcule:
a. a probabilidade deste lote estar contaminado
b. a probabilidade deste lote não estar contaminado

2) Uma urna A contém: 3 pintinhos brancos, 4 pretos, 2 marrons ; uma urna B contêm:
5 pintinhos brancos, 2 pretos, 1 marron; uma urna C contém: 2 pintinhos brancos, 3
pretos, 4 marrons. Um pintinho é retirado de cada urna. Qual é a probabilidade de os
três pintinhos serem retirados da primeira, segunda e terceira urnas sejam,
respectivamente, brancos, pretos e marrons?

3) Trabalha-se com dois rebanhos de 69 cabeças cada, um puro e outro mestiço.


Tiramos, ao mesmo tempo, um componente de cada rebanho. Qual é a
probabilidade de tirarmos um mestiço e um puro, não necessariamente nessa
ordem?

4) Qual a probabilidade de sair urna novilha e um bezerro quando retiramos uma


amostra deste grupo de 79 cabeças? Dados 46 novilhas e 33 bezerros.

VARIÁVEL ALEATÓRIA

Suponhamos um espaço amostral S e que a cada ponto amostral seja atribuído um


número. Fica, então, definida uma função chamada variável aleatória, indicada por uma
letra maiúscula, sendo seus valores indicados por letras minúsculas.

DISTRIBUIÇÃO BINOMIAL

1.Em cada prova deve aparecer um dos dois possíveis resultados: sucesso e insucesso.
2.No decorrer do experimento, a probabilidade p do sucesso e a probabilidade q (q = 1 - p)
do insucesso manter-se-ão constantes.
3.Suponhamos, agora, que realizemos a mesma prova n vezes sucessivas e independentes.
A probabilidade de que um evento se realize k vezes nas provas é dada pela função:
 n  k nk
f ( x)  P( x)  
k  p .q
 
na qual:

P(X = k) é a probabilidade de que o evento se realize k vezes em n provas.


p é a probabilidade de que o evento se realize em uma só prova – sucesso;

3
q é a probabilidade de que o evento não se realize no decurso dessa prova
-insucesso;
n n!

k 
. é o coeficiente binomial de n sobre k, igual a .
  k!( n  k )!

AGORA É A SUA VEZ II

1) Uma reprodução de uma espécie é realizada 5 vezes seguidas, independentes e sem


predominância de serem macho ou fêmea. Calcule a probabilidade de serem obtidas
3 fêmeas nestes 5 experimentos.

CORRELAÇÃO

Quando duas variáveis estão ligadas por uma relação estatística, dizemos que
existe correlação entre eles.

Coeficiente de correlação linear

O instrumento empregado para a medida da correlação linear é o coeficiente de


correlação. Esse coeficiente deve indicar o grau de intensidade da correlação entre duas
variáveis e, ainda, o sentido dessa correlação (positivo ou negativo).

Faremos uso do coeficiente de correlação de Pearson, que é dado por:

n xiyi  ( xi )( yi )
r 
[n  xi 2  ( xi ) 2 ][n yi 2  ( yi ) 2 ]

onde n é o número de observações.


Os valores limites de r são -1 e +1, isto é, o valor de r pertence ao intervalo [-1, +1].

Assim:

a. se a correlação entre duas variáveis é perfeita e positiva, então r = +1;


b. se a correlação é perfeita e negativa, então r = -1;
c. se não há correlação entre as variáveis, então r = 0.

Logicamente:

a. se r = +1, há uma correlação perfeita e positiva entre as variáveis;


b. se r = -1, há uma correlação perfeita e negativa entre as variáveis;
c. se r = 0, ou não há correlação entre as variáveis, ou a relação que porventura exista
não é linear.