Impresso por Paula, CPF 080.617.118-93 para uso pessoal e privado.

Este material pode ser protegido por direitos autorais e não pode
ser reproduzido ou repassado para terceiros. 15/12/2020 19:08:57

PROBABILIDADE E ESTATÍSTICA

Analisando o Diagrama de Venn, verificamos que o número de elementos da união de X com Y pode
ser obtido pela soma dos integrantes de cada subconjunto, subtraindo-se, porém, a quantidade presente
na região de intersecção, ou seja:

n ( X ∪ Y ) = n (X ) +n (Y ) − n (X ∩ Y )

Dividindo-se ambos os termos da igualdade pelo número de elementos do espaço amostral n(A), temos:

n ( X ∪ Y ) n (X ) n (Y ) n ( X ∩ Y )
= + −
n(A ) n ( A ) n (A ) n( A)

Relembrando a definição clássica de probabilidade, encontramos:

P ( X ∪ Y ) = P ( X ) + P ( Y) − P ( X ∩ Y) , que é o Teorema da Adição de Probabilidades . Um caso

particular ocorre quando:

( X ∩ Y ) = ∅ ⇒ P ( X ∩ Y ) = 0 , o que leva a:
P ( X ∪ Y) = P ( X ) + P ( Y)

Quando os subconjuntos relacionados aos eventos X e Y comportam-se dessa maneira, dizemos que
se tratam de eventos mutuamente exclusivos, ou seja, a ocorrência de um elimina a possibilidade de
ocorrência do outro.

Dessa forma, agora estamos em condições de responder a nossa questão inicial: qual a probabilidade
de ocorrência da face 2 ou face 5 ao lançarmos um dado (não viciado)? Evidentemente, os eventos de
face 2 e face 5 são mutuamente exclusivos. Assim,

P ( X ∪ Y) = P ( X ) + P ( Y)
P ( " face2 " ou " face5 ") = P (2 ) + P (5 )

Ou seja, podemos calcular essa probabilidade tipo ou somando as probabilidades correspondentes às

ocorrências individuais de cada resultado. Então,
1
P ( 2) =
6
1 1 1
⇒ P ( 2 ou 5) = + ⇒ P ( 2 ou 5) =
6 6 3
1
P ( 5) =
6
51
Impresso por Paula, CPF 080.617.118-93 para uso pessoal e privado. Este material pode ser protegido por direitos autorais e não pode
ser reproduzido ou repassado para terceiros. 15/12/2020 19:08:57

Unidade I

Exemplos de Aplicação

1. Uma urna contém 5 bolas vermelhas, 3 azuis e 4 brancas. Retira-se, ao acaso, uma bola da urna.
Qual é a probabilidade desta ser vermelha ou azul?

Solução:

Como a retirada de uma bola elimina a possibilidade da retirada de outra, os eventos de retirada
da bola são mutuamente exclusivos. Logo, recorrendo ao Teorema da Adição de Probabilidades,
temos:

P(“bola vermelha” ou “bola azul”) = P(vermelha) + P(azul), ou seja:

5 2
P(“bola vermelha” ou “bola azul”) = +
12 3
Observe que as bolas brancas são levadas em conta quando calculamos o número de elementos do
espaço amostral (12 bolas no total).

Assim,
8 2
P(“bola vermelha” ou “bola azul”) = =
12 3
Resposta: a probabilidade de retiramos, ao acaso, uma bola vermelha ou uma bola azul é de 2/3.

2. Seja um baralho composto de 52 cartas divididas em 4 naipes distintos (ouros, espadas, copas e
paus), sendo que cada naipe possui 13 tipos distintos de cartas (ás, dois, três, quatro, cinco, seis, sete, oito,
nove, dez, valete, dama e rei). Considerando o maço de cartas bem embaralhado, qual a probabilidade de
retirarmos, ao acaso, um valete (V) ou uma carta de ouros?

Solução:

Nesse caso, os eventos não são mutuamente exclusivos, pois a retirada de um valete não elimina
a possibilidade de retirada de uma carta de ouros. Logo, devemos considerar o Teorema da Adição de
Probabilidades, em sua forma completa:

P( X ∪ Y) = P( X) + P( Y) − P( X ∩ Y)
P( " V " ou " ouros ") = P( V) + P (ouros ) − P (" V "∩ " ouros ")

Levando em conta que o número de elementos (cartas) do espaço amostral é de 52 e que existe
apenas 1 elemento comum (o valete de ouro) ao conjunto dos valetes e ao conjunto das cartas de
ouro, temos:
52
Impresso por Paula, CPF 080.617.118-93 para uso pessoal e privado. Este material pode ser protegido por direitos autorais e não pode
ser reproduzido ou repassado para terceiros. 15/12/2020 19:08:57

PROBABILIDADE E ESTATÍSTICA

n ( A ) = 52
4
P( V) =
52 4 13 1
13 ⇒ P ( " V " ou "ou ros ") = + −
P ( ouros) = 52 52 52
52
1
P ( " V "∩ " ouros ") =
52
ou seja:

4
P ( " V " ou " ouros ") =
13

Resposta: a probabilidade de retirarmos, ao acaso, um valete ou uma carta de ouros é de 4/13.

3.2 Probabilidade Condicional, Eventos independentes e o produto de

probabilidades

Denomina-se como Condicional a probabilidade do acontecimento de um dado evento que depende

da ocorrência de um outro. Vamos considerar o exemplo: seja um baralho composto de 52 cartas divididas
em 4 naipes distintos (ouros, espadas, copas, paus), sendo que cada naipe possui 13 tipos distintos de
cartas (ás, dois, três, quatro, cinco, seis, sete, oito, nove, dez, valete, dama e rei). Considerando o maço de
cartas bem embaralhado, qual a probabilidade de ser escolhida, ao acaso, uma dama de ouros? Observe
que o evento dama de ouros depende da ocorrência do evento retirar uma dama. Casos assim são
cenários típicos de Probabilidade Condicional.

Vamos recorrer, mais uma vez, aos diagramas de Venn para assimilarmos o conceito:

Espaço amostral (A)

Y
*
X

X ∩Y

Figura 7

A probabilidade de ocorrer o evento Y, dada a ocorrência de X, reduz o espaço amostral ao próprio

subconjunto X. Assim, o evento Y só poderá ocorrer na região de intersecção entre X e Y.
53
Impresso por Paula, CPF 080.617.118-93 para uso pessoal e privado. Este material pode ser protegido por direitos autorais e não pode
ser reproduzido ou repassado para terceiros. 15/12/2020 19:08:57

Unidade I

X ∩Y

X *

Figura 8

Assim, recorrendo à definição clássica, a probabilidade de ocorrência de Y, dada a ocorrência de X, é:

n( X ∩ Y)
P ( Y / X) =
n( X)

Dessa forma, retornando ao nosso exemplo de saída, temos:

Espaço Amostral (A)

Cartas de
ouros
Damas

Novo Espaço Amostral

n(A) = n(Damas)
Dama
Damas de ouros

Figura 9
ou seja:

 Dama   n(Damas ∩ Cartas de ouros)

P   / ( Dama) =
  de ouros   n(Damas )

n (Damas ∩ Cartas de ouros ) = 1

 Dama   1
onde : ⇒ P   / (Dama) =
n( Damas) = 4  de ouros  4
54
Impresso por Paula, CPF 080.617.118-93 para uso pessoal e privado. Este material pode ser protegido por direitos autorais e não pode
ser reproduzido ou repassado para terceiros. 15/12/2020 19:08:57

PROBABILIDADE E ESTATÍSTICA

Exemplos de Aplicação

1. Dentre 50 homens e 30 mulheres, com apenas uma de nome Jussara, foi sorteada uma pessoa.
Sabendo-se que o sorteado foi uma mulher, qual a probabilidade de Jussara ter sido a contemplada
no sorteio?

Solução:

Recorrendo à definição de Probabilidade Condicional temos:

n( X ∩ Y ) n(mulher ∩ Jussara)
P ( Y / X) = ⇒ P (Jussara / mulher ) =
n( X ) n (mulh er)
1
P ( Jussara / mulher) =
30

Resposta: a probabilidade de ser sorteada, uma vez que o sorteado foi uma mulher, é de 1/30.

2. No lançamento de 2 dados, obteve-se, ao somar o valor das faces voltadas para cima, o resultado
6. Qual a probabilidade das faces obtidas serem iguais?

Solução:

Sejam X o conjunto dos pares que somados dão 6 e Y o conjunto dos resultados com faces iguais:

X = {( 5,1) ;( 4, 2) ;( 3, 3) ;( 2, 4) ;(15
, )}
Y = {( 11
, ) ;( 2, 2) ;( 3, 3) ;( 4, 4) ;( 5, 5); (6, 6 )}

Assim, recorrendo à definição de Probabilidade Condicional, temos:

n( X ∩ Y ) 1
P ( Y / X) = =
n( X ) 5

Resposta: a probabilidade de obtermos faces iguais nos dados, uma vez que o resultado da soma das
faces resulta em 6, é de 1/5

Definem-se como eventos independentes aqueles cuja ocorrência não depende da ocorrência de
nenhum outro evento, ou seja, sejam X e Y eventos de um espaço amostral A, e temos:

P ( Y / X ) = P (Y )
P ( X / Y) = P (X )
55
Impresso por Paula, CPF 080.617.118-93 para uso pessoal e privado. Este material pode ser protegido por direitos autorais e não pode
ser reproduzido ou repassado para terceiros. 15/12/2020 19:08:57

Unidade I

Um exemplo simples e instrutivo é o caso do duplo lançamento de uma moeda: o resultado do

segundo lançamento não depende do resultado obtido no primeiro lançamento. Isso os torna eventos
independentes.

Lembrete

Dois eventos são independentes quando a probabilidade de um ocorrer

não é condicionada à ocorrência de outro.

Tais probabilidades ocorrem em cenários do tipo e, isto é, quando estamos interessados no cálculo
da probabilidade de ocorrência de um dado evento X e um dado evento Y.

Inspecionando a definição de Probabilidade Condicional, encontramos o Teorema de Multiplicação

de Probabilidades. Vejamos:

n( X ∩ Y) n( X ∩ Y)
P ( Y / X) = P ( Y) =
n( X) P ( Y / X ) = P (Y ) n (X )
mas ⇒
n( X ∩ Y ) P ( X / Y ) = P (X ) n( X ∩ Y)
P (X / Y ) = P ( X) =
n( Y) n( Y )

Então, tomando o produto das probabilidades, temos:

n( X ∩ Y)
= P (X ∩ Y )
n( X )
 n (X ∩ Y ) n ( X ∩ Y ) 
P ( X )P ( Y) =    como :
 n( X )   n( Y )  n( X ∩ Y) = n( Y)

Note que, ao utilizarmos a Probabilidade Condicional, reduzimos o número de elementos do espaço

amostral para n(X), e, consequentemente, n(Y) acaba por coincidir com a região de intersecção. Assim,
chegamos ao Teorema do Produto de Probabilidades (válido apenas para eventos independentes ):

P( X ∩ Y) = P( X) P( Y)

Daí a interpretação de que: dados dois eventos independentes, a probabilidade de ocorrência

do evento X e o do evento Y é igual ao produto das probabilidades correspondentes a cada evento
separadamente.
56
Impresso por Paula, CPF 080.617.118-93 para uso pessoal e privado. Este material pode ser protegido por direitos autorais e não pode
ser reproduzido ou repassado para terceiros. 15/12/2020 19:08:57

PROBABILIDADE E ESTATÍSTICA

Saiba mais

Uma das aplicações importantes da Probabilidade é a conhecida Teoria

da Informação, do cientista americano Claude Shannon (1916-2001). Na
verdade, o ponto alto dessa teoria consta mesmo da publicação deste artigo
de Shannon: A mathematical theory of communication, pela Bell system
technical journal, em 1984.

Exemplos de Aplicação

1. Uma caixa contém 7, e somente 7 bolas coloridas: 4 azuis e 3 vermelhas. Realiza-se, então, o
seguinte experimento: retira-se, ao acaso, uma bola da caixa, anota-se sua cor e a devolve à caixa. Em
seguida, o mesmo experimento é realizado. Qual a probabilidade de ter sido retirada uma bola azul e
depois uma vermelha?

Solução:

Como se trata de eventos independentes (a retirada de uma dada cor na primeira retirada
não interfere no resultado da segunda retirada), podemos utilizar o Teorema do Produto de
Probabilidades:
4 3
P ( Azul e Vermelha) = P ( Azul)P (Vermelha ) = ×
7 7
12
P ( Azul e Vermelh a) =
49

Resposta: a probabilidade de retirarmos uma bola azul e outra vermelha é de 12/49.

2. Um casal pretende ter 3 filhos. Qual a probabilidade do 1º nascer menino, o 2º, menina e o
3º, menino?

Solução:

Podemos tratar cada uma das gestações como eventos independentes, e não havendo privilégio de
sexo na fecundação, temos:
P (Menino e Menina e Menino) = P (Menino) P (Menina)P (Menino)
1 1 1 1
P (Menino e Menina e Menino) = × × =
2 2 2 8

Resposta: a probabilidade da sequência menino-menina-menino ocorrer é de 1/8.

57
Impresso por Paula, CPF 080.617.118-93 para uso pessoal e privado. Este material pode ser protegido por direitos autorais e não pode
ser reproduzido ou repassado para terceiros. 15/12/2020 19:08:57

Unidade I

4 ESTATÍSTICA DESCRITIVA E GRÁFICOS

4.1 Estatística descritiva

A estatística pode ser considerada como uma ciência, no sentido do estudo de uma população, e
como um método, quando utilizada como um instrumento por outra ciência.

A palavra “estatística” não é recente e originalmente foi utilizada para denominar levantamentos. Na
Antiguidade e Idade Média, nascimentos, número de habitantes e óbitos eram registrados e tabulados
com finalidades bélicas e/ou tributárias.

Atualmente, é considerada como um conjunto de métodos e técnicas para coleta, organização,

apresentação e interpretação de dados, a fim de que conclusões, que vão além dos dados iniciais,
possam ser obtidas para a tomada de decisões. Sob este aspecto, pode ser subdividida em duas grandes
áreas: aquela responsável pela coleta, organização e descrição dos dados, a Estatística Descritiva, e
a responsável pela análise e interpretação de dados, a Estatística Indutiva (ou Inferencial), que é
fundamentada na teoria da probabilidade e compreende dois grandes tópicos: a estimação de parâmetros
e os testes de hipótese.

Considerando método um conjunto eficaz de meios para atingir uma determinada meta, é possível
definir método estatístico como aquele constituído das seguintes fases:

1. Definição do problema: consiste em determinar corretamente o que se deseja pesquisar, ou seja,

definir o problema em estudo da forma mais correta possível.

2. Planejamento: definição de quais são as informações relevantes a serem obtidas, como isso será
realizado, qual o custo envolvido etc. É nesta fase que um cronograma de atividades é elaborado.

3. Coleta de dados: registro sistemático de dados, conforme o objetivo definido nas fases anteriores.
A coleta normalmente é realizada de uma forma direta, em que a informação é obtida diretamente da
fonte por meio de um questionário ou de uma observação.

4. Crítica e apuração dos dados: consiste em uma avaliação rigorosa dos dados em busca de
erros que possam influir nas análises e conclusões e, posteriormente, no processamento desses dados
por meio de contagem e agrupamento.

5. Apresentação ou exposição dos dados: é a determinação de uma forma adequada de

apresentação dos dados para facilitar o tratamento e a análise estatística. Basicamente, existem duas
formas de exposição: em uma tabela, que é a apresentação numérica dos dados distribuídos de um
modo ordenado entre linhas e colunas, segundo regras fixadas pelo Conselho Nacional de Estatística,
ou em gráficos, que são uma representação visual dos dados numéricos com a finalidade de facilitar a
compreensão dos mesmos e/ou apresentar conclusões e análises de resultados.
58
Impresso por Paula, CPF 080.617.118-93 para uso pessoal e privado. Este material pode ser protegido por direitos autorais e não pode
ser reproduzido ou repassado para terceiros. 15/12/2020 19:08:57

PROBABILIDADE E ESTATÍSTICA

4.1.1 População e amostra

O significado mais comum da palavra população é o conjunto de habitantes de certo país, estado,
cidade etc. Entretanto, em estatística, o seu significado é mais amplo. Considera-se população o
conjunto de todos os elementos (objetos, indivíduos, animais) que representam a totalidade dos que
possuem as mesmas características definidas para um estudo.

O estudo de todos os elementos de uma população é denominado censo. Geralmente, o estudo de uma
população é inviável pelo seu custo ou tempo de execução e análise. Sendo assim, a pesquisa é feita com uma
parte representativa da população denominada “amostra” e não com a totalidade dos indivíduos.

Lembrete
Portanto, amostra é uma parte representativa da população,
selecionada segundo uma técnica de amostragem que garante sua
veracidade e representatividade.

As técnicas de amostragem usadas para a obtenção de uma amostra podem ser classificadas como:

• Amostragens probabilísticas: todos os elementos da população possuem probabilidade

conhecida e não zero de pertencer à amostra (selecionada ao acaso).
• Amostragens não probabilísticas: não permitem a retirada de uma amostra de forma aleatória,
pois, em algumas situações, a amostragem se torna obrigatória, por exemplo: ensaios de drogas,
vacinas, técnicas cirúrgicas, pesquisa de opinião.

Entre as técnicas de amostragem probabilística, a mais usada é a Amostragem Aleatória Simples

(ou Amostragem Simples ao Acaso), empregada quando todos os elementos de uma população têm a
mesma chance (probabilidade) de serem selecionados. É um procedimento que pode se tornar trabalhoso
quando a população é muito grande. É aplicado quando a população é considerada homogênea, ou seja,
possui pouca variabilidade. Para manter essa propriedade, todos os elementos da população devem ser
enumerados e, por meio de um sorteio ou do auxílio de uma tabela de números aleatórios, devem-se
selecionar os elementos que comporão a amostra desejada.

Observação
Portanto, a definição de uma população depende do objetivo da
pesquisa que será realizada e, a partir dela, será definida a amostra e como
serão a coleta e a apuração de dados.
59
Impresso por Paula, CPF 080.617.118-93 para uso pessoal e privado. Este material pode ser protegido por direitos autorais e não pode
ser reproduzido ou repassado para terceiros. 15/12/2020 19:08:57

Unidade I

4.1.2 Tabelas de Frequência

4.1.2.1 Variáveis

Cada característica definida como de interesse do estudo na população representa um

fenômeno estatístico que se pretende analisar. Esta análise se inicia com o conceito e definição
de variável.

Entende-se por variável o conjunto de resultados possíveis de um fenômeno. Pode ser classificada
como:

• Qualitativa: seus valores representam atributos (qualidades) dos elementos em estudo. Exemplos:
sexo (masculino, feminino); cor dos olhos (azuis, verdes, castanhos etc.).

• Quantitativa: seus valores são resultantes de uma contagem ou mensuração e essa variável pode
ser:

— Contínua: assume qualquer valor dentro de dois limites. Exemplos: peso, altura.

— Discreta: assume valores inteiros dentro de um conjunto de valores enumeráveis. Exemplos:

número de alunos na sala de aula, idades.

Exemplo:

Numa sala do curso de Matemática de certa universidade há 90 alunos. Deseja-se realizar uma
pesquisa para avaliar o perfil deles. O primeiro passo é obter uma amostra. Definindo-se que o tamanho
da amostra será 20% da população, 18 alunos serão entrevistados. A definição de quais alunos serão
entrevistados será efetuada por meio da técnica de amostragem simples: os 90 alunos serão enumerados
de 1 a 90 e, a partir de um sorteio, serão definidos os que responderão ao questionário. Esse questionário
possui perguntas como sexo, se a pessoa é fumante, idade, número de irmãos, altura (em metros), peso
(em kg) e renda familiar. Poderíamos definir estas variáveis como:

Quadro 1

Nome da variável Tipo da variável

Sexo Qualitativa
Fumante Qualitativa
Idade Quantitativa discreta
Número de irmãos Quantitativa discreta
Altura (em metros) Quantitativa contínua
Peso (em kg) Quantitativa contínua
Renda familiar (em reais) Quantitativa contínua
60