Escolar Documentos
Profissional Documentos
Cultura Documentos
Informática
APOSTILA DE PROBABILIDADES
ENGENHARIA
INFORMÁTICA
Material Didáctico
Notas de Aula
Bennevithes M. M. Fündanga
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 1
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
PALAVRAS INICIAIS
Neste curso é apresentado uma abordagem de Probabilidades, sob o ponto de vista em
Ciências gerais, e os exemplos que resolveremos procurarão abordar casos reais das
diversas áreas da sociedade que servirão de suporte para os encontrados no dia-a-dia de
cada profissional.
Como tal, o presente texto representa uma tentativa de incluir num único local os
apontamentos teóricos essenciais a compreensão da matéria de Probabilidades, tal como
ela será ensinada nesse ano letivo. Por isso, não deve ser entendido como um texto
completo, mas sim como uma coleção de resumos teóricos que não dispensam o estudo
mais aprofundado da matéria por um dos textos referenciados na bibliografia indicada
no programa da cadeira.
Vale enfatizar que o facto de muitas coisas parecerem óbvias quando demonstradas por
outros, ficamos com a impressão de que tudo é muito fácil e que saberemos também
fazer as demonstrações com a mesma facilidade. Isto tem trazido para muitos uma
surpresa bastante desagradável na hora de verificar os conhecimentos assimilados.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 2
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
NB: O autor da presente apostila não se responsabiliza por eventuais danos mentais causados pela não perceção
dos conteúdos abordados!
Instrumental Matemático
Arredondamento de dados
Ex: 53,87 passa a 53,9 ; 44,08 passa a 44,1 ; 44,99 passa a 45,0
Ex: 2,352 passa a 2,4 ; 25,6501 passa a 25,7 ; 76,250002 passa a 76,3
Exemplos:
Obs.: Não devemos nunca fazer arredondamentos sucessivos. Exemplo: 17,3452 passa a
17,3 e não para 17,35 e depois para 17,4.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 3
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Compensação
Verificamos que houve uma pequena discordância: a soma é exatamente 84,7 quando,
pelo arredondamento, deveria ser 84,8. Entretanto, para a apresentação dos resultados, é
necessário que desapareça tal diferença, o que é possível pela prática do que
denominamos compensação, conservando o mesmo número de casas decimais.
Obs.: Se a maior parcela é igual ou maior que o dobro de qualquer outra parcela,
"descarregamos" a diferença apenas na maior parcela.
Exercícios:
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 4
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
d - Para a dezena mais próxima:
• 42,3 =
• 123,842 =
• 295 =
• 2995,000 =
• 59 =
2 – Arredonde para o centésimo mais próximo e compense, se necessário:
0,060 + 0,119 + 0,223 + 0,313 + 0,164 + 0,091 + 0,030 = 1,000
3 – Arredonde para a unidade mais próxima e compense, se necessário:
4,0 + 7,6 + 12,4 + 27,4 + 11,4 + 8,0 = 70,8
PROBABILIDADE
Introdução
Contudo, foi ADOLPHE QUÉTELET (1796 – 1874) o pioneiro na tarefa de mensurar, ou seja,
quantificar uma pequena amostra do universo de interesse da investigação, almejando
inferir sobre toda a população em estudo, baseando-se em análises probabilísticas e
embasando-se em rigorosos métodos científicos.
A teoria das probabilidades, porém, só começa a fazer sentido nas engenharias por volta
de 1930, quando surgem os primeiros trabalhos práticos destinados aos engenheiros. O
primeiro foi executado pelo matemático WILLIAM GOSSET (1876 – 1937), com a aplicação
das probabilidades no Controle de Qualidade em uma fábrica de cervejas.
𝐸𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜 𝑜𝑢 𝐸𝑥𝑝𝑒𝑟𝑖ê𝑛𝑐𝑖𝑎 − 𝛀
𝑻𝒆𝒓𝒎𝒊𝒏𝒐𝒍𝒐𝒈𝒊𝒂𝒔 { 𝐸𝑠𝑝𝑎ç𝑜 𝐴𝑚𝑜𝑠𝑡𝑟𝑎𝑙 − 𝑺
𝐸𝑣𝑒𝑛𝑡𝑜 − 𝑬
Experimenta lançar uma moeda (por exemplo de 100 Kz.) ao ar. O que pode acontecer?
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 6
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Antes do lançamento realizado não é possível determinar qual dos resultados vai sair.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 7
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Um dado tem três faces azuis, duas amarelas e uma verde, numeradas de 1 a 6, como
mostra a figura abaixo representada:
Se lançares uma vez o dado podes prever qual a face que fica voltada para cima?
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 8
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Diz-se que esta experiência tem:
6 resultados possíveis
ou
6 casos possíveis
, , .
Outros exemplos:
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 9
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Número de casos
Acontecimentos Casos favoráveis ou resultados
favoráveis
C: "sair 3" 1
E: "sair um nº natural
, , , , , 6
menor que 7.
F: "sair nº ímpar" , , 3
Olhando, atentamente, para a tabela verificamos que o acontecimento D: "sair face preta"
tem 0 (zero) casos favoráveis, diz-se que D é um "acontecimento impossível". O
acontecimento E: "sair um número natural menor que 7" é um "acontecimento certo"
porque todos os casos possíveis são favoráveis.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 10
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Também nesta situação não é possível prever com segurança qual
o resultado que vai sair.
O uso das fórmulas de análise combinatória para o cálculo do número de casos favoráveis
e o número de casos possíveis designa-se por técnicas de contagem em probabilidades.
Factorial: n!
Define-se como o fatorial de um número n (n!), sendo este número um inteiro maior do
que 1:
n! = n×(n-1)×... ×1
Assim sendo:
2! = 2×1 = 2
3! = 3×2×1 = 6
4! = 4×3×2×1 = 24
5! = 5×4×3×2×1 = 120
6! = 6×5×4×3×2×1 = 720
E assim sucessivamente.
Note que:
3! = 3×2!
4! = 4×3!
5! = 5×4!
6! = 6×5!
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 11
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Ou, generalizando:
n! = n×(n-1)! , n>2
2! = 2×1!
1! =
2! = 2
Então, convenientemente definimos:
1! =1
Se continuarmos para n=1:
1! = 1×0!
0! =1
1! = 1
Portanto, temos:
n! = n×(n-1)×... ×1 , n>1
1! = 1
0! = 1
Permutações
Quantidade de maneiras que se pode ordenar um conjunto de objetos.
Permutações simples
Quantidade de maneiras que se pode ordenar n objetos distintos: 𝒂𝟏 , 𝒂𝟐 , … , 𝒂𝒏
𝑃𝑛 = 𝑛!
EXEMPLO
Determinar a quantidade de todas as ordenações possíveis dos números 1,2 e 3.
𝑷𝟑 = 𝟑! = 𝟑 × 𝟐 × 𝟏 = 𝟔
Permutações caóticas
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 12
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Quantidade de permutações dos objetos (𝒂𝟏 , 𝒂𝟐 , … , 𝒂𝒏 ) nas quais nenhum deles ocupa sua
posição original.
𝒏
(−𝟏)𝒊 𝒏!
𝑫𝒏 = 𝒏! ∑ 𝒐𝒖 𝑫𝒏 = 𝒊𝒏𝒕𝒆𝒊𝒓𝒐 𝒎𝒂𝒊𝒔 𝒑𝒓ó𝒙𝒊𝒎𝒐 𝒅𝒆
𝒊! 𝒆
𝒊=𝟎
EXEMPLO
Determinar a quantidade de permutações caóticas dos números 1,2 e 3.
2,3,1 ;e 3,1,2
𝟑
(−𝟏)𝒊 (−𝟏)𝟎 (−𝟏)𝟏 (−𝟏)𝟐 (−𝟏)𝟑 𝟏 𝟏 𝟏 𝟏
𝑫𝟑 = 𝟑! ∑ = 𝟔×[ + + + ]=𝟔×[ − + − ]
𝒊! 𝟎! 𝟏! 𝟐! 𝟑! 𝟏 𝟏 𝟐 𝟔
𝒊=𝟎
𝟐
= 𝟔× =𝟐
𝟔
𝟑!
Ou 𝑫𝟑 = = 𝟐. 𝟐 … ⇒ 𝑫𝟑 = 𝟐
𝒆
𝒏 ,𝒏𝟐 ,…,𝒏𝒌 𝒏!
𝑷𝒏𝟏 =
𝒏𝟏 ! 𝒏𝟐 ! … 𝒏𝒌 !
EXEMPLO
Determinar a quantidade de anagramas que podem ser formados com a palavra ANA:
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 13
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
AROM MOAR OMAR RMAO
AOMR MRAO ORAM ROAM
AORM MROA ORMA ROMA
Portanto, são possíveis 24 anagramas. Os anagramas são as permutações (“trocas de
lugar”) das letras da palavra. Temos então, no caso P4 (lê-se permutações de 4 elementos)
anagramas.
Se a palavra fosse “castelo”, o exercício acima seria muito mais trabalhoso. Como fazer,
então? Na palavra “amor” temos 4 “espaços” onde podemos colocar as 4 letras.
No 1º espaço podemos colocar qualquer uma das 4 letras. Para cada letra colocada no 1º
espaço, sobram 3 letras para preencher o 2º espaço; uma vez preenchido este espaço,
sobram apenas 2 para o 3º; finalmente, sobrará uma última letra no 4º espaço. Assim para
estes casos como não temos repetição de letras, tomamos 𝑛𝑘 = 0; logo temos:
4! 4 × 3 × 2 × 1
𝑃40 = = = 24
0! 1
Generalizando, quando 𝑛𝑘 = 0:
𝒏!
𝑷𝟎𝒏 = = 𝒏!
𝟎!
Portanto, o total de anagramas da palavra “castelo” é:
𝑃7 = 7! = 7 × 6 × 5 × 4 × 3 × 2 × 1 = 5040
Permutações circulares
Quantidade de maneiras que se pode colocar n objetos distintos, 𝒂𝟏 , 𝒂𝟐 , … , 𝒂𝒏 , em n
lugares (equiespaçados) em torno de um círculo, considerando-se equivalentes as
disposições que possam coincidir por rotação.
𝑃𝐶𝑛 = (𝑛 − 1)!
EXEMPLO
Determinar a quantidade de maneiras que se pode dispor 4 pessoas em uma mesa
redonda.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 14
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
𝑃𝐶4 = (4 − 1)! = 3! = 6
Arranjos
Quantidade de subgrupos ORDENADOS, com k elementos, que podem ser formados a
partir de um grupo com n elementos distintos.
𝐴5,3 = 5 × 4 × 3 = 60
Seriam 60 chapas possíveis, portanto. Faltaria, para completar o 5!, multiplicar por 2 e por
1.
5 × 4 × 3 × 2 × 1 5!
𝐴5,3 = =
2×1 2!
Generalizando, temos:
𝑛!
𝐴𝑛,𝑘 =
(𝑛 − 𝑘)!
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 15
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Quantidade de subgrupos ORDENADOS, com k elementos, podendo ser repetidos, que
podem ser formados a partir de um grupo com n elementos distintos.
𝐴∗𝑛,𝑘 = 𝑛𝑘
EXEMPLO
𝑛(𝑆) = 𝐴∗3,2 = 32 = 9
Combinações
Quantidade de subgrupos NÃO ORDENADOS, com k elementos, que podem ser formados
a partir de um grupo com n elementos distintos.
Suponhamos que, no exemplo anterior, a chapa não tenha cargos (é uma chapa para um
conselho, por exemplo), então não importa quem é escolhido primeiro. O total de chapas
possíveis será dado pelo número de arranjos, descontando-se uma vez escolhida a chapa,
trocando-se as posições na mesma (isto é, fazendo permutações) teremos uma chapa
idêntica. Portanto, o número de chapas será dado por C5,3 (lê-se combinações de 5
elementos, 3 a 3) calculado por:
𝐴5,3 5!
𝐶5,3 = = = 10
𝑃3 2! × 3!
Generalizando:
𝑛!
𝐶𝑛,𝑘 =
𝑘! (𝑛 − 𝑘)!
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 16
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
C15,3 = 15! / (15-3)! . 3! = 15 x 14 x 13 x 12! / 12! x 3! = 15 x 14 x 13 / 3 x 2 x 1
∗
(𝑛 + 𝑘 − 1)!
𝐶𝑛,𝑘 = 𝐶𝑛+𝑘−1,𝑘 =
𝑘! (𝑛 − 1)!
EXEMPLO
∗
4! 4 × 3 × 2!
𝑛(𝑆) = 𝐶3,2 = 𝐶3+2−1,2 = = =6
2! 2! 2 × 1 × 2!
OBS: Amostra ordenada significa que a ordem de retirada das bolas é levada em
consideração, por exemplo, o resultado (b1,b2) é diferente do resultado (b2,b1) devendo,
portanto, os dois serem contados. O mesmo não acontece na amostra não ordenada,
onde apenas um deles é contado. Na amostra com reposição as bolas retiradas são
recolocadas na urna, podendo ser retiradas novamente.
𝑛(𝐴) = 𝐴∗𝑁,𝑛
EXEMPLO
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 17
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Retirar uma amostra de 2 bolas, ORDENADA COM REPOSIÇÃO, de uma urna contendo 3
bolas distinguíveis.
𝑛(𝐴) = 𝐴∗3,2 = 32 = 9
𝑛(𝐴) = 𝐴𝑁,𝑛
EXEMPLO
Retirar uma amostra de 2 bolas, ORDENADA SEM REPOSIÇÃO, de uma urna contendo 3
bolas distinguíveis.
3!
𝑛(𝐴) = 𝐴3,2 = =6
(3 − 2)!
EXEMPLO
Retirar uma amostra de 2 bolas, NÃO ORDENADA COM REPOSIÇÃO, de uma urna
contendo 3 bolas distinguíveis.
∗
4!
𝑛(𝐴) = 𝐶3,2 = 𝐶3+2−1,2 = =6
2! 2!
𝑛(𝐴) = 𝐶𝑁,𝑛
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 18
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
EXEMPLO
Retirar uma amostra de 2 bolas, NÃO ORDENADA SEM REPOSIÇÃO, de uma urna contendo
3 bolas distinguíveis.
3!
𝑛(𝐴) = 𝐶3,2 = =3
2! (3 − 2)!
EXEMPLOS DIVERSOS
Método tradicional: P(5 espadas) = 13/52 . 12/51 . 11/50 . 10/49 . 9/48 = 0,0005...
Técnica de contagem:
2- De 20 pessoas que se oferecem para doar sangue 15 possuem sangue tipo B. Qual a
probabilidade de, escolhendo-se 3 pessoas desse grupo todas as 3 escolhidas tenham
sangue tipo B?
Experimento Aleatório
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 19
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
São fenómenos que, mesmo repetido várias vezes sob condições semelhantes,
apresentam resultados imprevisíveis. O resultado depende do acaso.
Exemplo:
Da afirmação "é provável que o meu time ganhe a partida hoje" pode
resultar:
Espaço Amostral – 𝑺
É o conjunto universo ou o conjunto de resultados possíveis de um experimento aleatório.
Obs.: cada elemento do espaço amostral que corresponde a um resultado recebe o nome
de ponto amostral. No primeiro exemplo: cara pertence ao espaço amostral {cara,
coroa}.
Eventos – 𝑬
É qualquer subconjunto do espaço amostral de um experimento aleatório.
Se considerarmos S como espaço amostral e E como evento: Assim, qualquer que seja E,
se 𝑬 ⊂ 𝑺 (E está contido em S), então E é um evento de S.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 20
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Se E = Ø, E é chamado de evento impossível.
B= {as duas faces têm o mesmo valor: (1,1), (2,2), (3,3), (4,4), (5,5), (6,6)}
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
A A
B
̅ ou Ac
𝑨
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 21
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Diferença simétrica A B: Eventos mutuamente exclusivos:
ocorre apenas um dos dois eventos quando a intersecção deles é o evento
impossível
A A
EXERCÍCIOS
1- No lançamento de um dado temos S = {1,2,3,4,5,6}. Formule os eventos definidos pelas
sentenças:
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 22
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
• Obter no máximo duas caras:
Conceito de Probabilidade
Considere-se o seguinte caso prático:
A roda da sorte representada na figura está dividida em 8 sectores iguais com igual
possibilidade de saírem.
Como há 2 "casos favoráveis" à saída do vermelho em "8 casos possíveis", diz-se que, a
probabilidade de "sair vermelho" é de 2 em 8, isto é, 2/8.
Escreve-se:
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 23
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Neste caso há 6 casos favoráveis à "saída do amarelo" (pois saindo o amarelo o Asdrubal
perde) em 8 casos possíveis, isto é, 6/8.
Escreve-se:
𝑛
𝑃(𝐴) =
𝑝
Esta fórmula é conhecida por Lei de Laplace.
A probabilidade pode ser resumida como o quociente do que se “quer” pelo que se “tem”.
Na qual primeiro determina-se o que é possível “ter” e depois retira o que se “quer do que
se tem”, não podendo “querer mais do que tem”, ou seja:
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 24
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
devem ser equiprováveis e (2) deve-se ter um número finito de eventos possíveis.
OBS: Quando todos os elementos do Espaço amostral têm a mesma chance de acontecer,
o espaço amostral é chamado de conjunto equiprovável; e pode-se determinar a
probabilidade de um acontecimento:
EXEMPLOS:
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 25
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
4- No lançamento de um dado qual a probabilidade de obter um número maior que 6 em
um evento A?
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
Exemplos:
O termo "3 para 2" significa: De cada 5 corridas ele ganha 3 e perde 2. Então p = 3/5
(ganhar) e q = 2/5 (perder).
3- Um dado foi fabricado de tal forma que num lançamento a probabilidade de ocorrer
um número par é o dobro da probabilidade de ocorrer número ímpar na face superior,
sendo que os três números pares ocorrem com igual probabilidade, bem como os três
números ímpares. Determine a probabilidade de ocorrência de cada evento elementar:
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 26
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
5- As chances de um time de futebol T ganhar o campeonato que está disputando são de
"5 para 2". Determinar a probabilidade de T ganhar e a probabilidade de T perder:
Regra do Produto
Sejam A e B dois eventos quaisquer contidos em S, então:
Exemplo:
Duas bolas são retiradas de uma urna que contém 2 bolas brancas, 3 pretas e 4 verdes.
Qual a probabilidade de que ambas:
b) - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
c) - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
Eventos Independentes
Intuitivamente se A e B são independentes é porque:
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 27
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
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 realizem
simultaneamente é dada pela fórmula:
𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑨) ∙ 𝑷(𝑩)
P1 = P(4 dado1) = 1/6 P2 = P(3 dado2) = 1/6
Os dois eventos são mutuamente exclusivos então: P = 1/6 + 1/6 = 2/6 = 1/3
P(ÁS ∪ Copas) = P(ÁS) + P(Copas) - P(ÁS ∩ Copas) = 4/52 + 13/52 - 1/52 = 16/52
Importante
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 28
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
b) P (A B) = P (A). P (B)
c) P (A C) = P (A). P (C)
d) P (B C) = P (B). P (C)
Probabilidade Condicional
Seja A e B são dois eventos, tais que A S e B S, a probabilidade de B ocorrer, depois de
A ter acontecido é definida por: P (B/A), ou seja, é chamada probabilidade condicional de
B. Neste caso os eventos são dependentes e definidos pela fórmula:
Exemplo: Duas cartas são retiradas de um baralho sem haver reposição. Qual a
probabilidade de ambas serem COPAS?
P(Copas1) = 13/52
P(Copas2/Copas1) = 12/51
Carta pretas = 26
Cartas vermelhas = 26
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 29
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
P( A B) P( B A)
P( A / B) = , P (B) 0 e P( B / A) = , P (A) 0
P( B) P( A)
Exemplo 1:
P( A B)
Como P( A / B) = , devemos calcular P (AB) = P (A) + P (B) − P (A B) →
P( B)
Exemplo 2:
Curso RH EI Total
Sexo
H 40 60 100
M 70 80 150
Como o espaço amostral é composto de 250 alunos, dos quais apenas 150 satisfazem
ao evento, então: P (M) = 150/250
b) Qual a probabilidade de o aluno sorteado ser mulher, sabendo que ela estuda
Engenharia Informática (EI)?
Nesse caso o espaço amostral ficou reduzido a 140 estudantes que estudam
economia, dos quais apenas 80 são mulheres, então:
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 30
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
c) Qual a probabilidade de o aluno sorteado ser homem, sabendo que ele estuda Recursos
Humanos (RH)?
EXERCÍCIOS
5- Uma urna A contém: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B contém: 5 bolas
brancas, 2 pretas, 1 verde; uma urna C contém: 2 bolas brancas, 3 pretas, 4 verdes. Uma
bola é retirada de cada urna. Qual é a probabilidade de as três bolas retiradas da 1ª, 2ª e
3ª urnas serem, respetivamente, branca, preta e verde?
7- Qual a probabilidade de sair uma figura (rei ou dama ou valete) quando retiramos uma
carta de um baralho de 52 carta?
8- São dados dois baralhos de 52 cartas. Tiramos, ao mesmo tempo, uma carta do
primeiro baralho e uma carta do segundo. Qual a probabilidade de tirarmos uma DAMA e
um REI, não necessariamente nessa ordem?
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 31
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
9- Duas cartas são retiradas de um baralho sem haver reposição. Qual a probabilidade de
ambas serem COPAS ou ESPADAS?
10- Duas bolas são retiradas (sem reposição) de uma urna que contém 2 bolas brancas e 3
bolas pretas. Qual a probabilidade de que a 1ª seja branca e a 2ª seja preta?
11- Duas bolas são retiradas (com reposição) de uma urna que contém 2 bolas brancas e
3 bolas pretas. Qual a probabilidade de que a 1ª seja branca e a 2ª seja preta?
12- Duas bolas são retiradas (sem reposição) de uma urna que contém 2 bolas brancas e 3
bolas pretas e 5 bolas verdes. a) Qual a probabilidade de que ambas sejam verdes? b)
Qual a probabilidade de que ambas sejam da mesma cor?
DISTRIBUIÇÃO DE PROBABILIDADES
Variáveis aleatórias
Ao descrever um espaço amostral (S) associado a um experimento () não se especifica
que um resultado individual necessariamente, seja um número. Contudo, em muitas
situações experimentais, estaremos interessados na mensuração de alguma coisa e no seu
registo como um número.
Definição: Seja () um experimento aleatório e seja (S) um espaço amostral associado ao
experimento. Uma função de X, que associe a cada elemento s S um número real x(s), é
denominada variável aleatória.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 32
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Uma variável X será discreta (V.A.D.) se o número de valores de x(s) for finito ou infinito
numerável. Caso encontrarmos x(s) em forma de intervalo ou um conjunto de intervalos,
teremos uma variável aleatória contínua (V.A.C.).
Função de Probabilidade
A probabilidade de que uma variável aleatória "X" assuma o valor "x" é uma função de
probabilidade, representada por P(X = x) ou P(x).
P(X ) = 1
i =1
i
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 33
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Define-se Função de Repartição da Variável aleatória X, no ponto xi, como sendo a
probabilidade de que X assuma um valor menor ou igual a xi, isto é:
F(X) = P( X xi )
Propriedades:
㈠ F(X) = P( x )
xi x
i
㈡ F(−) = 0
㈢ F(+) = 1
lim F(X) = F( Xo )
㈦ F(X) é contínua à direita x→ x 0
Definição: Seja X uma V.A.D., com valores possíveis x1, x2, ..., xn,... ; Seja P(xi) = P(X = xi), i
= 1, 2, ..., n, ... . Então, o valor esperado de X (ou Esperança Matemática de X), denotado
por E(X) é definido como
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 34
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
E(X) = x i P(x i )
i =1
se a série E(X) = x i P(x i ) convergir absolutamente, isto é, se |x | P(x ) , este
i i
i =1 i =1
Definição: Seja X uma V.A.D.. Define-se a variância de X, denotada por V(X) ou 2x, da
seguinte maneira:
V(X) = ( x i − E(X)) .P(x i ) ou V(X) = E(X2 ) − E(X)
2 2
i =1
onde E(X 2 ) = x 2i P(x i ) e a raiz quadrada positiva de V(X) é denominada o desvio-
i =1
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 35
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
b
P(a x b) = f(x) dx
a
Pelo fato de que a área representa probabilidade, e a mesma tem valores numéricos
positivos, logo a função precisa estar inteiramente acima do eixo das abscissas (x).
Definição: A função f(x) é uma Função Densidade de Probabilidade (f.d.p.) para uma V.A.C.
X, definida nos reais quando
f (x) 0 para todo x Rx;
+
−
f(x) dx = 1 ;
b
Para quaisquer a, b, com -∞ < a < b < +∞, teremos P(a x b) = f(x) dx .
a
b
Além disso, para a < b em Rx P(a < x < b) = a
f ( x)dx
Definição: Seja X uma V.A.C. com f.d.p. f(x). O valor esperado de X é definido como:
+
E(X) = x.f(x) dx
-
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 36
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Variância de uma V.A.C.
onde
+
E(X 2 ) = x 2 f(x) dx
−
Exemplos:
a) P(0 < x < 2); b) P(0 x 1); c) P(0 < x 2); d) F(1); e) F(2)
i) Representação gráfica
0,6
0,5
0,4
0,3
0,2
0,1
0
0 1 2
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 37
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
F(x) = 0 se x<0
F(X) = 1 se x 2
iii)
Variância
1 2 2 1 6 3
E(X 2 ) = x 2i P(x i ) = 0 . 4 + 1 . 4 + 2 . 4 = 4 =
2 2
i =1 2
6 4 2
V(X) = E(X2 ) − E(X) = 4 − 4 = 4 = 0.5
2
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 38
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
1 3 1
P x P x 1
iii) Determine 4 4 e 4
Resolução;
i)
ii)
x
para x<0 F(X) = 0 dx = 0
−
x
− 0
x
para 0 x < 1 F(X) = 0 dx + 2x dx = 0 + x 2
x
0 = x2
para x 1
x
−
1
0 1
+
F(X) = 0 dx + 2x dx + 0 dx = 0 + x 2 1
0 + 0 =1
Representação gráfica
3 3
2 2
1 3 3 1 8
iii) P x = 14 2 x dx = x2 41 = − = = 0,5
4 4 4 4 16
4 4
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 39
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
1 1 1
2 31 2
iv) E(X) = x f(x) dx = x 2x dx = 2 x 2 f(x) dx = x =
0 0 0 3 0 3
1 1 1
2 41 1
E(X 2 ) = x 2 f(x) dx = x 2 2x dx = 2 x 3 f(x) dx = x =
0 0 0 4 0 2
logo,
2
1 2 9−8 1
V(X) = E(X2 ) − E(X) =
2
− = =
2 3 18 18
Exercícios
1) Admita que a variável X tome valore 1, 2 e 3 com probabilidades 1/3, 1/6 e 1/2
respectivamente.
a) Determine sua função de repartição e represente graficamente.
b) Calcule usando as propriedades:
b.1) a) P(1 < x < 3); b) P(1 x 2); c) P(1 < x 3); d) F(1); e) F(2)
c) E(X) e V(X)
2) No lançamento simultâneo de dois dados, considere as seguintes variáveis
aleatórias:
X = número de pontos obtidos no 1o dado.
Y = número de pontos obtidos no 2o dado.
a) Construir a distribuição de probabilidade através de uma tabela e gráfico das
seguinte variáveis:
i) W = X - Y
ii) A = 2 Y
iii) Z = X . Y
b) Construir a função de repartição das Variáveis W, A e Z
c) Aplicar as propriedades e determinar:
i) P (-3 < W 3) v) P (Z = 3)
P( X) =
K
x para x = 1, 3, 5 e 7
5) Seja f ( x ) = 2 (1 − x ), 0 x 1 ,
3 2
0, caso contrário
1
6) Seja f ( x ) = 2 x, 0 x 2 ,
0, caso contrário
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 41
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
x<0 f(x) = 0
0x<2 f(x) = k
x4 f(x) = 0
a) Represente graficamente f(x).
b) Determine k.
c) Determine F(X) e faça o gráfico
d) E(X) e V(X)
6x (1 − x ), 0 x 1
8) A função de probabilidade de uma V.A.C. X é f ( x ) =
0, caso contrário
1
b) Calcule P x 2
c) E(X) e V(X)
9) Uma variável aleatória X tem a seguinte f.d.p.:
f(x) = 0 x<0
f(x) = Ax 0 x < 500
f(x) = A(100 - x) 500 x < 1000
f(x) = 0 x 1000
a) Determine o valor de A.
b) P (250 x 750).
10) Dada a função de repartição:
F(X) = 0 para x < -1
x +1
F(X) = 2
para -1 x < 1
F(X) = 1 para x 1
1 1
a) Calcule: P − 2 x 2 , b) P(X = 0)
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 42
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Após termos visto as definições de V.A.D. e V.A.C., citaremos as principais distribuições de
probabilidade relacionadas a estas variáveis.
Distribuição Binomial
O termo "Binomial" é utilizado quando uma variável aleatória esta agrupada em duas
classes ou categorias. As categorias devem ser mutuamente excludentes, de modo a
deixar bem claro a qual categoria pertence determinada observação; e as classes devem
ser coletivamente exaustivas, de forma que nenhum outro resultado fora delas é possível.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 43
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
V(X) = n. p.q
Distribuição de Poisson
Quando numa distribuição binomial o tamanho "n" das observações for muito grande e a
probabilidade "p" de sucesso for muito pequena, a probabilidade x de ocorrência de um
determinado número de observações segue uma Distribuição de Poisson.
E(x) =
V(X) =
Exercícios
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 45
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
11) Suponha que haja em média 2 suicídios por ano numa população de 50.000 hab.
Em uma cidade de 100.000 habitantes, encontre a probabilidade de que um dado
ano tenha havido: a) nenhum suicídio; b) 1 suicídio; c) 2 ou mais suicídios.
12) Suponha 400 erros de impressão distribuídos aleatoriamente em um livro de 500
páginas. Encontre a probabilidade de que uma dada página contenha:
a) nenhum erro;
b) 100 erros em 200 páginas.
É uma distribuição de probabilidade usada para variáveis aleatórias contínuas, definida num
intervalo a, b , e sua função densidade de probabilidade é dada por:
1
se a x b
f(x) = b − a .
0 se x < a ou x > b
(b + a)
E(X) =
2
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 46
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
(b − a) 2
V(X) =
12
Uma variável aleatória X, que tome todos os valores reais - < x < + tem distribuição
normal quando sua função densidade de probabilidade (f.d.p.) for da forma:
2
1 x −
1 −
2
f(x) = e ,− x < +
2
Os parâmetros e seguem as seguintes condições:
− < < + e > 0 .
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 47
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
E(X) =
V(X) = ²
Tem como objetivo solucionar a complexidade da f(x) através da mudança de variável. f(z).
x−
Fazendo z = e z ~ N(0,1) temos que
z2
1 −
2
f(z) = e ,
2
com E(z) = 0 e VAR(z) = 1. onde:
z = número de desvios padrões a contar da média
x = valor arbitrário
= média da distribuição normal
= desvio padrão da distribuição normal
Estas probabilidades estão tabeladas e este caso particular é chamado de Forma Padrão
da Distribuição Normal.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 48
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Trata-se de um modelo de distribuição contínua que se assemelha à distribuição normal
padrão, N ~ (0,1). Ë utilizada para inferências estatísticas, particularmente, quando se tem
amostras com tamanhos inferiores a 30 elementos.
( )
VAR t = 2 t =
−2
, para > 2.
Exercícios
2) A duração de certo componente eletrônico tem média 850 dias e desvio padrão 45
dias. Qual a probabilidade do componente durar:
a) entre 700 e 1000 dias b) menos que 750 dias c) mais que 850 dias
d) Qual deve ser o número de dias necessários para que tenhamos de repor 5% dos
componentes. (R = 776 dias)
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 49
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
4) Em uma distribuição normal 28% dos elementos são superiores a 34 e 12%
inferiores a 19. Encontrar a média e a variância da distribuição. (R =
X = 29. 03, S2 = 73. 44 )
10) Certa máquina de empacotar determinado produto oferece variações de peso com
desvio padrão de 20 g. Em quanto deve ser regulado o peso médio do pacote para
que apenas 10% tenham menos que 400 g? Calcule a probabilidade de um pacote
sair com mais de 450 g. [R = a) = 425.6 b) 0.11123 )]
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 50
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
ESTIMAÇÃO E TESTES DE HIPÓTESES
É um processo de indução, na qual usamos dados extraídos de uma amostra para produzir
inferência sobre a população. Esta inferência só será válida se a amostra for significativa.
Estimação Pontual
É usada quando a partir da amostra procura-se obter um único valor de certo parâmetro
populacional, ou seja, obter estimativas a partir dos valores amostrais.
a) Estatísticas
Seja (X1, X2, ..., Xn) uma amostra aleatória e (x1 ,x2, ..., xn) os valores tomados pela
amostra; então y = H(x1 ,x2, ..., xn) é uma estatística.
Principais estatísticas:
✓ Média Amostral
✓ Proporção Amostral
✓ Variância Amostral
Estimação Intervalar
Uma outra maneira de se calcular uma estimativa de um parâmetro desconhecido, é
construir um intervalo de confiança para esse parâmetro com uma probabilidade de 1−
(nível de confiança) de que o intervalo contenha o verdadeiro parâmetro. Dessa maneira
será o nível de significância, isto é, o erro que se estará cometendo ao afirmar que o
parâmetro está entre o limite inferior e o superior calculado.
desconhecida
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 51
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
e (n > 30 → Z)
(
Seja X ~ N , 2 )
Como já vimos anteriormente, x (média amostral) tem distribuição normal de média e
desvio padrão ,ou seja:
n
2
X ~ N ;
n
X−
Portanto, z = tem distribuição N (0,1)
n
Então,
( )
P − z 2 z + z 2 = 1 −
x−
P − z 2 + z 2 = 1 −
n
P − z 2 − X + z 2 − X = 1 −
n n
P X − z 2 X + z 2 = 1 − (Pop. Infinita)
n n
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 52
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
N −n N −n
P X − z 2 X + z 2 = 1 − (Pop. Finita)
n N −1 n N − 1
1 − = 99% z 2 = 2,58
Ex.: Seja X a duração da vida de uma peça de equipamento tal que = 5 horas. Admita
que 100 peças foram ensaiadas fornecendo uma duração de vida média de 500 horas e
que se deseja obter um intervalo de 95% para a verdadeira média populacional. R = P
(499,02 ó ó 500,98) = 95%.
Obs.: Podemos dizer que 95% das vezes, o intervalo acima contém a verdadeira
média populacional. Isto não é o mesmo que afirmar que 95% é a probabilidade do
parâmetro cair dentro do intervalo, o que constituirá um erro, pois é um
parâmetro (número) e ele está ou não no intervalo.
desconhecida
e ( n 30)
Neste caso precisa-se calcular a estimativa S (desvio padrão amostral) a partir dos dados,
lembrando que:
n
(x − x)
2
i
S2 = i =1
onde n -1 = graus de liberdade
n −1
2
X ~ N ;
n
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 53
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
−
X−
Portanto, z = tem distribuição N (0,1)
/ n
Vamos considerar a variável aleatória:
−
X − X− z N (0,1)
t= = . = =
S n / n S S S
Esta distribuição é conhecida como distribuição "t" de Student, no caso com ( = n -
1) graus de liberdade
O gráfico da função densidade da variável "t" é simétrico e tem a forma da normal, porém
menos "achatada" sua média vale 0 e a variância em que é o grau de liberdade (
−2
2)
X−
t , 2 =
S n
Então,
( )
P − t , 2 t + t , 2 = 1 −
s s
P X − t , 2 X + t , 2 = 1 − (Pop. Infinita)
n n
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 54
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
𝑆 𝑁−𝑛 𝑆 𝑁−𝑛
𝑃 (𝑋̄ − 𝑡𝜙,𝛼/2 √ ≤ 𝜇 ≤ 𝑋̄ + 𝑡𝜙,𝛼/2 √ ) = 1 − 𝛼 (Pop. Finita)
√𝑛 𝑁−1 √𝑛 𝑁−1
Ex.: A seguinte amostra: 9, 8, 12, 7, 9, 6, 11, 6, 10, 9 foi extraída de uma população
aproximadamente normal. Construir um intervalo de confiança para com um nível de
95%.
n n
x (x − x)
2
i i
X= i =1
= 8,7 S2 = i =1
4 S2
n n −1
= 10 -1 = 9 = 5%
t , 2 = t 9 ,2.5% = 2,262
Obs. Quando n30 e for desconhecido poderemos usar S como uma boa estimativa de .
Esta estimação será melhor quanto maior for o tamanho da amostra.
p . q
p ~ N p ; (pop. infinita)
n
p . q N - n
p ~ N p ; (pop. finita)
n N -1
p̂.q̂
p − p̂ =
logo Z = onde n
p p̂ = =
X característica
n número de elementos da amostra
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 55
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
N−n N−n
P p − Z 2 p p + Z 2 p = 1 − (Pop. Finita)
N −1 N −1
S2
X 2n−1 ~ Z ,
2
logo o intervalo será:
Assim temos:
( n − 1)S2 ( n − 1)S2
P 2
2
= 1−
X sup X 2inf
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 56
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Ex.: A seguinte amostra: 9, 8, 12, 7, 9, 6, 11, 6, 10, 9 foi extraída de uma população
aproximadamente normal. Construir um intervalo de confiança para 2 com um nível de
95%.
1 − 2
X1 − X 2
a) Variâncias Conhecidas
Erro Padrão?
12 22
= +
n1 n 2
12 22
logo o erro padrão = +
n1 n 2
12 22 12 22
P ( X1 − X2 ) − Z 2 + (1 − 2 ) ( X1 − X2 ) + Z 2 + = 1−
n1 n 2 n1 n 2
1 1
Erro Padrão: +
n1 n 2
Ex.: Seja duas classes muito grande com desvios padrões 1 = 1, 21 e 2 = 2,13. Extraída
uma amostra de 25 alunos da classe 1 obteve-se uma nota média de 7,8, e da classe 2 foi
extraída uma amostra de 20 alunos obteve-se uma nota média de 6,0. Construir um
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 57
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
intervalo de 95% de confiança para a verdadeira diferença das médias populacionais. R =
(LI=0,753; LS=2,847)
b) Variâncias Desconhecidas
Como as amostras serão pequenas, introduziremos uma fonte de erro compensada pela
distribuição "t":
S2 S2 S2 S2
P ( X1 − X2 ) − t 2 1 + 2 1 − 2 ( X1 − X2 ) + t 2 1 + 2 onde = n1 + n 2 − 2
n1 n 2 n1 n 2
1 1
Erro Padrão: SC + onde Sc é o desvio padrão conjunto
n1 n2
SC =
( n1 − 1)S12 + ( n2 − 1)S22
n1 + n 2 − 2
Ex1.: De uma turma (1) foi extraída uma amostra de 6 alunos com as seguintes alturas:
150, 152, 153, 160, 161, 163. De uma segunda turma foi extraída uma amostra de 8 alunos
com as seguintes alturas: 165, 166, 167, 172, 178, 180, 182, 190. Contruir um intervalo de
95% de confiança para a verdadeira diferença entre as médias populacionais.
Ex2.: De uma máquina foi extraída uma amostra de 8 peças, com os seguintes diâmetros:
54, 56, 58, 60, 60, 62, 63, 65. De uma segunda máquina foi extraída uma amostra de 10
peças, com os seguintes diâmetros: 75, 75, 76, 77, 78, 78, 79, 80, 80, 82. Construir um
intervalo de 99% de confiança para a diferença entre as médias populacionais, supondo
que as máquinas foram construídas pelo mesmo fabricante.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 58
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Intervalo de Confiança para a Diferença entre duas Proporções
p q p q p q p q
P ( p 1 − p 2 ) − Z 2 1 1 + 2 2 1 − 2 ( p 1 − p 2 ) + Z 2 1 1 + 2 2 = 1 −
n1 n2 n1 n2
Ex.: Em uma pesquisa realizada pelo Instituto Gallup constatou que 500 estudantes
entrevistados com menos de 18 anos, 50% acreditam na possibilidade de se verificar uma
modificação na América, e que dos 100 estudantes com mais de 24 anos, 69% acreditam
nessa modificação. Construir um intervalo de confiança para a diferença entre as
proporções destas subpopulações usando =5%. R=(LI=0,0893, LS=0,2905)
Exercícios
Média Tamanho da
Amostral Amostra
a) 16,0 2,0 16
b) 37,5 3,0 36
c) 2,1 0,5 25
d) 0,6 0,1 100
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 59
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
4) Numa tentativa de melhor o esquema de atendimento, um médico procurou
estimar o tempo médio que gasta com cada paciente. Uma amostra aleatória
de 49 pacientes, colhida num período de 3 semanas, acusou uma média de 30
min., com desvio padrão de 7 min. Construa um intervalo de 95% de confiança
para o verdadeiro tempo médio de consulta.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 60
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
9) Em uma fábrica, colhida uma amostra (n = 30) de certa peça, obtiveram-se as
seguintes medidas para os diâmetros:
10 11 11 11 12 12 12 12 13 13
13 13 13 13 13 13 13 13 13 13
14 14 14 14 14 15 15 15 16 16
a) 2 3 4 5 5 6 6 7 8 8 9 n = 11
b) 12 12 15 15 16 16 17 18 20 22 22 23 n = 12
c) 25 25 27 28 30 33 34 35 36 n=9
X
2
X − n i
2
X
i
X= e S2 =
i
n n −1
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 61
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
13) O tempo de reação a uma injeção intravenosa é em média de 2.1 min., com desvio
padrão de 0.1 min., para grupos de 20 pacientes. Construa um intervalo de confiança
de 90 % para o tempo médio para toda a população dos pacientes submetidos ao
tratamento.
14) Uma firma esta convertendo as máquinas que aluga para uma versão mais moderna.
Até agora foram convertidas 40 máquinas. O tempo médio de conversão foi de 24
horas com desvio padrão de 3 horas. a) Determine um intervalo de confiança de 99
% para o tempo médio de conversão. b) Para uma amostra de 60 máquinas, como
ficaria o intervalo de confiança de 99 % para o tempo médio de conversão
15) Seis dentre 48 terminais telefônicos dão respostas de ocupado. Uma firma possui
800 terminais. Construir um intervalo de confiança de 95 % para a proporção dos
terminas da firma que apresentam sinal de ocupado. R LI = 3.4%, LS = 21.6%
16) Uma amostra de 50 bicicletas de um estoque de 400 bicicletas, acusou 7 com pneus
vazios. a) Estime o número de bicicletas com pneus vazios: b) Construa um intervalo
de 99 % confiança para a população das bicicletas com pneus vazios.
R a) 56; b) LI = 0.021 LS = 0.258
17) A média salarial semanal para uma amostra de n = 30 empregados em uma grande
firma é X = 180,00 com desvio padrão S = 14,00. Construa um intervalo de
confiança de 99 % para a média salarial dos funcionários.
18) Uma empresa de pesquisa de mercado faz contato com uma amostra de 100 homens
em uma grande comunidade e verifica que uma proporção de 0.40 na amostra
prefere lâminas de barbear fabricadas por seu cliente em vez de qualquer outra marca.
Determinar o intervalo de confiança de 95 % para a proporção de todos os homens
na comunidade que preferem a lâmina do cliente.
19) Uma pequena fábrica comprou um lote de 200 pequenas peças eletrônicas de um
saldo de estoque de uma grande firma. Para uma amostra aleatória de 50 peças,
constatou-se que 5 eram defeituosas. Estimar a proporção de todas as peças que são
defeituosas no carregamento utilizando um intervalo de confiança de 99 %.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 62
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
20) Duas amostras de plantas foram cultivadas com dois fertilizantes diferentes. A
primeira amostra oriunda de 200 sementes, acusou altura média de 10,9 cm e desvio
padrão 2,0 cm. A segunda amostra, de 100 sementes, acusou uma altura média de
10,5 cm com desvio padrão de 5,0 cm. Construir um intervalo de confiança entre as
alturas médias das populações ao nível de 95% de confiança.
21) Uma amostra aleatória de 120 trabalhadores de uma grande fábrica leva em média
22,0 min. para executar determinado serviço, com S2 de 4 min2. Em uma segunda
fábrica, para executar a mesma tarefa, uma amostra aleatória de 120 operários, gasta
em média 19,0 min com S2 de 10 min2. Construir um intervalo de 99% de confiança
entre as médias das populações.
Branco 8 18 10 10 14
Preto 9 12 5 10 14 12 6
23) Em uma amostra aleatória de cinco pessoas, foi medida a capacidade toráxica antes e
após determinado tratamento, obtendo-se os dados a seguir. Construir um intervalo
de 95% de confiança para a diferença entre as médias antes e depois do tratamento.
Capacidade Toráxica
Pessoa Antes (X) Após (Y)
A 2750 2850
B 2360 2380
C 2950 2930
D 2830 2860
E 2250 2320
Homens Mulheres
n1 = 25 n2 = 5
X1 = 16,0 X 2 = 11,0
S12 = 16 S22 = 10
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 63
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
25) Em uma pesquisa efetuada em com 1650 americanos foram consultados sobre o
seguinte tema: "A mulher grávida pode procurar um médico e interromper a gravidez,
a qualquer momento durante os três primeiros meses. É a favor ou contra esta
decisão?" Uma semana mais tarde foram consultados 1650 americanos foram
consultados sobre o mesmo assunto , exceto que a pergunta "a favor do aborto, ao
invés de "interromper a gravidez". As respostas foram as seguintes:
Resposta
Pergunta A favor Contra Sem opinião
"Interromper a gravidez" 46% 39% 15%
"A favor do aborto" 41% 49% 10%
b) Repetir a (a) para os votantes que não tiveram opinião. R = LI = 0.0275, LS = 0.0725
26) Numa pesquisa sobre intenção do comprador brasileiro. 30 famílias de uma amostra
aleatória de 150 declararam ser uma intenção comprar um carro novo dentro de um
ano. Uma outra amostra de 160 famílias 25 declararam a mesma intenção. Construir
um intervalo de 99% de confiança para as diferenças entre as proporções.
R = LI = 0.0727, LS = 0.1527
Teste de Significância
Trata-se de uma técnica para se fazer inferência estatística. Ou seja, a partir de um teste
de hipóteses, realizado com os dados amostrais, pode-se inferir sobre a população.
Principais Conceitos
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 64
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Hipótese Estatística
Teste de Hipótese
É uma regra de decisão para aceitar ou rejeitar uma hipótese estatística com base nos
elementos amostrais.
Tipos de Hipóteses
Designa-se por Ho, chamada hipótese nula, a hipóteses estatística a ser testada, e por H1
a hipótese alternativa. A hipótese nula expressa uma igualdade, enquanto que a hipótese
alternativa é dada por uma desigualdade ( , < , >).
Exemplos:
H 0 : = 0
H 1: 0 Teste Bicaudal ou Bilateral
H 0 : = 0
H 1: 0 Teste Unilateral Direito
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 65
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
H 0 : = 0
H 1: 0 Teste Unilateral Esquerdo
Tipos de erros
Há dois tipos de erro ao testar uma hipótese estatística. Pode-se rejeitar uma hipóteses
quando ela é, de fato verdadeira, ou aceitar uma hipóteses quando ela é, de fato, falsa. A
rejeição de uma hipótese verdadeira é chamada "erro tipo I". A aceitação de uma hipótese
falsa constitui um "erro tipo II".
Realidade
Ho verdadeira Ho falsa
Decisão
Observe que o erro tipo I só poderá acontecer se for rejeitado Ho e o erro tipo II quando
for aceito Ho.
Teste de significância
O teste de Significância considera somente erros do tipo , pois são os mais usados em
pesquisas educacionais, socioeconómicas. . .
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 66
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
O procedimento para realização dos testes de significância é resumido nos seguintes
passo:
0 (a)
H0 : = 0 H1: 0 (b)
(c)
0
2. Fixar . Admitindo:
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 67
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
X − 0 X − 0
Zcal = t cal =
S
n n
Ex.: Os dois registros dos últimos anos de um colégio, atestam para os calouros admitidos
uma nota média de 115 pontos (teste vocacional). Para testar a hipótese de que a média
de uma nova turma é a mesma, tirou-se, ao acaso, uma amostra de 20 notas, obtendo-se
média 118 e desvio padrão 20. Admitir = 5%, para efetuar o teste. (R = aceita-se Ho)
p 0 (a)
Ho : = po H 1: p 0 (b)
p (c)
0
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 68
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Ex.: As condições de mortalidade de uma região são tais que a proporção de nascidos que
sobrevivem até 60 anos é de 0,6. Testar essa hipótese ao nível de 2%, se em 1000
nascimentos amostrados aleatoriamente, verificou-se 530 sobreviventes até 60 anos. (R =
rejeita-se Ho)
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 69
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
3. Com o auxílio da tabela "2" determinar as regiões RA e RR;
( n − 1)S2
2cal =
20
Ex.: Para testar a hipótese de que a variância de uma população é 25, tirou-se uma
amostra de 25 elementos obtendo-se S2 = 18,3. Admitindo-se = 5%, efetuar o teste de
significância unicaudal a esquerda. (R = aceita-se Ho)
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 70
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
1o caso) Se as variâncias populacionais 2 forem conhecidas e supostamente iguais,
independentes e normais, a variável teste será "Z" (n1 + n 2 > 30) ;
1. Enunciar as hipóteses:
1 2
Ho : 1 = 2 ou 1 - 2 = d H 1:
1 − 2 d
Zcal =
(X
1 − X2 ) − d
12 22
+
n1 n 2
5. Conclusão:
Ex.: Um fabricante de pneus faz dois tipos. Para o tipo A, = 2500 Km, e para o tipo B, =
3000 Km. Um taxi testou 50 pneus do tipo A e 40 pneus do tipo B, obtendo 24000 Km e
26000 Km de duração média dos respectivos tipos. Adotando um risco de 4% e que existe
uma diferença admitida de 200 Km entre as marcas, testar a hipótese de que a vida média
dos dois tipos é a mesma.
(R = rejeita-se Ho)
a) As estimativas diferentes
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 71
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
1. Enunciar as hipóteses:
1 2
Ho : 1 = 2 ou 1 - 2 = d H 1:
1 − 2 d
t cal =
(X
1 − X2 ) − d
S12 S22
+
n1 n 2
5. Conclusões:
Ex.: Dois tipos de pneus foram testados sob as mesmas condições meteorológicas. O tipo
A fabricado pela fabrica A, registrou uma média de 80.000 km rodados com desvio padrão
de 5.000 km. em 6 carros amostradas. O tipo B fabricado pela fábrica B, registrou uma
média de 88.000 km com desvio padrão de 6.500 km em 12 carros amostradas. Adotando
= 5% testar a hipótese da igualdade das médias.
b) As estimativas iguais
1. Enunciar as hipóteses:
1 2
Ho : 1 = 2 ou 1 - 2 = d H 1:
1 − 2 d
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 72
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
4. Calcular o valor da variável:
t cal =
(X 1 − X2 )− d ( n1 − 1)S12 + ( n2 − 1)S22
onde SC =
Sc .
1
+
1 n1 + n 2 − 2
n1 n 2
5. Conclusões:
Ex.: Dois tipos de tintas foram testados sob as mesmas condições meteorológicas. O tipo A
registrou uma média de 80 min para secagem com desvio padrão de 5 min. em cinco
partes amostradas. O tipo B, uma média de 83 min com desvio padrão de 4 min. em 6
partes amostradas. Adotando = 5% testar a hipótese da igualdade das médias. (R = aceita-
se Ho)
H o : 1 = 2 H 1 : 1 2
p 1 − p 2 X1 X X + X2
Zcal = onde p 1 = , p 2 = 2 , p 1−2 = 1
p 1−2 . q 1−2 n1 n2 n1 + n 2
n
5. Conclusões:
Ex.: Deseja-se testar se são iguais as proporções de homens e mulheres que leem revista e
se lembram do determinado anúncio. São os seguintes os resultados da amostra aleatória
independente de homens e mulheres: Admita = 10%.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 73
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
Homens Mulheres
X1 = 70 X2 = 50
n1 = 200 n2 = 200
Fsup = F / 2(1 , 2 )
Fi nf = F1− / 2 (1 , 2 ) =
1
F / 2 ( 2 , 1 )
4. Calcular o valor da variável:
S12
Fcal =
S22
5. Conclusões:
Optar pela aceitação ou rejeição de Ho.
Exercícios
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 74
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
1) O crescimento da indústria da lagosta na Flórida nos últimos 20 anos tornou esse
estado americano o 2o mais lucrativo centro industrial de pesca. Espera-se que
uma recente medida tomada pelo governo das Bahamas, que proibiu os pescadores
norte americanos de jogarem suas redes na plataforma continental desse país.
Produza uma redução na quantidade de Kg de lagosta que chega aos Estados
Unidos. De acordo com índices passados, cada rede traz em média 14 Kg de
lagosta. Uma amostra de 20 barcos pesqueiros, recolhida após a vigência da nova
lei, indicou os seguintes resultados, em Kg (Use = 5%)
Estes dados são evidência para afirmar que o conteúdo de oxigênio é menor que 5
partes por milhão? Teste considerando = 5% e = 1%.
3) A Debug Company vende um repelente de insetos que alega ser eficiente pelo
prazo de 400 horas no mínimo. Uma análise de 90 itens aleatoriamente
inspecionados acusou uma média de eficiência de 380 horas.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 75
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
a) Supondo que o ganho de peso médio dessas pessoas é de 45 g, teste a hipótese para
= 5%, se esse valor é o mesmo (bilateral)
b) Supondo que a variância dessas pessoas é de 1.8 g2, teste a hipótese para = 5%,
se esse valor é o mesmo (bilateral).
5) Uma pesquisa feita alega que 15% dos pessoas de uma determinada região sofrem
de cegueira aos 70 anos. Numa amostra aleatória de 60 pessoas acima de 70 anos
constatou-se que 12 pessoas eram cegas. Teste a alegação para = 5% contra p >
15%.
Droga A Droga B
Sexo muscular intravenosa muscular Total
Masculino 21 10 22 53
Feminino 20 12 25 57
Total 41 22 47 110
8) A DeBug Company vende um repelente para insetos que alega ser eficiente pelo
prazo de 400 horas no mínimo. Uma análise de 9 itens escolhidos aleatoriamente
acusou uma média de eficiência de 380 horas. a) Teste a alegação da companhia,
contra a alternativa que a duração é inferior a 400 horas no mínimo ao nível de
1%, e o desvio padrão amostral é de 60 horas. b) Repitas o item (a) sabendo que o
desvio padrão populacional é de 90 horas.
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 76
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
impurezas entre as porções. b) Testar a hipótese de que a média de impureza é de
10.4, usando = 5%. c) Testar a hipótese de que a variância é um usando =
5%.
10) Uma experiência tem mostrado que 40% dos estudantes de uma Universidade
reprovam em pelo menos 5 disciplinas cursada na faculdade. Se 40 de 90
estudantes fossem reprovados em mais de 5 disciplinas, poderíamos concluir
quanto a proporção populacional, usando = 1%.
11) Para verificar a eficácia de uma nova droga foram injetados doses em 72 ratos,
obtendo-se a seguinte tabela:
12) Sendo
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 77
WatsApp +244 993405163
Apostila de Probabilidades – MMXXI Eng. Informática
13) Na tabela abaixo estão registrados os índices de vendas em 6 supermercados para
os produtos concorrentes da marca A e marca B. Testar a hipótese de que a
diferença das médias no índice de vendas entre as marcas é zero, usando = 5%.
a) Testar ao nível de 10% a hipótese de que a diferença entre a renda média dos
homens e das mulheres valha $ 5000.
16) Estão em teste dois processos para fechar latas de comestíveis. Numa seqüência
de 1000 latas, o processo 1 gera 50 rejeições, enquanto o processo 2 acusa 200
rejeições. Pode ao nível de 5%, concluir que os dois processos sejam diferentes?
Copy Rigth ENGAER PG. CMA Bennevithes Mariano Machado Fündanga (贝丰)
e-mail: bennevithesfu2013@yahoo.com.br; bennevithesfu2017@outlook.com 78
WatsApp +244 993405163
Notas de Probabilidades – MMXXI Eng. Informática
REGRESSÃO E CORRELAÇÃO
Introdução
Muitas vezes é de interesse estudar-se um elemento em relação a dois ou mais
atributos ou variáveis simultaneamente.
Nesses casos presume-se que pelo menos duas observações são feitas sobre cada
elemento da amostra. A amostra consistirá, então, de pares de valores, um valor para
cada uma das variáveis, designadas, X e Y. Um indivíduo “i” qualquer apresenta o par
de valores (Xi ; Yi).
Definição
Constitui uma tentativa de estabelecer uma equação matemática linear que descreva
o relacionamento entre duas variáveis (uma dependente e outra independente).
A equação de regressão tem por finalidade ESTIMAR valores de uma variável, com
base em valores conhecidos da outra.
Modelo de Regressão
ŷi = x i + + i
ŷ i valor estimado (variável dependente);
x i variável independente;
coeficiente linear;
i resíduo.
Pressuposições
Na regressão, os valores de "y" são estimados com base em valores dados ou
conhecidos de "x", logo a variável "y" é chamada variável dependente, e "x" variável
independente.
26
24
Lucro
22
20
18
16
150 250 350 450 550 650 750 850
Vendas
Pelo gráfico podemos observar que a possível reta de regressão terá um coeficiente de
regressão (coeficiente linear) positivo.
As estimativas dos parâmetros e dadas por “a” e “b”, serão obtidas a partir de uma
amostra de n pares de valores (xi, yi) que correspondem a n pontos no diagrama de
dispersão. Exemplo:
O método mais usado para ajustar uma linha reta para um conjunto de pontos
(x1 , y1 ), ..., (x n , y n ) é o Método de Mínimos Quadrados:
Características
n n n
n xy − x y
S xy
a= i=1 i =1 i =1
2
= b = y−a x
n
n S xx
n x 2 − x
i=1 i =1
e i = y i − ŷ i = y i − (a + bx i )
Vendas Lucro
Obs. Xi Yi X i2 Yi2 X i .Yi
1 201 17 40401 289 3417
2 225 20 50625 400 4500
3 305 21 93025 441 6405
4 380 23 144400 529 8740
5 560 25 313600 625 14000
6 600 24 360000 576 14400
7 685 27 469225 729 18495
8 735 27 540225 729 19845
3691 184 2011501 4318 89802
n n n
n x i yi − x i yi
8(89802) − (3691)(184)
a= i =1 i =1 i =1
= = 0,0159
8(2011501) − (3691)
2 2
n
n
n x i2 − x i
i =1 i=1
b = y − a x = 23 - (0,159)(461,38) = 15,66
ŷ = 0,0159 x + 15,66
28
26
24
y = 15,66 + 0,0159 x
Lucro
22
20
18
16
150 250 350 450 550 650 750 850
Vendas
Partindo da reta de regressão podemos afirmar que para uma venda de 400 mil
podemos obter um lucro de y = ( 0. 0159) (400.000) + 15.66 = 22 mil .
Obs.: Para qualquer tipo de equação de regressão devemos ter muito cuidado para
não extrapolar valores para fora do âmbito dos dados. O perigo da extrapolação para
fora dos dados amostrais, é que a mesma relação possa não mais ser verificada.
i =1
(y i − y ) = (ŷ i − y ) + (y i − ŷ i )
2 2 2
i =1 i =1 i =1
Essa relação mostra que a variação dos valores de Y em torno de sua média pode ser
n
Assim:
SQRegress~ao
A estatística definida por r 2 = , e denominado coeficiente de
SQTotal
determinação, indica a proporção ou percentagem da variação de Y que é “explicada”
pela regressão.
Note que 0 r2 1.
( yˆ i − y ) = a n x i y i − xi yi ,
2
SQ Regressão =
i =1 i =1 i =1 i =1
SQRegress~
a o/1 QMRegress~ ao
= ,
SQResiduo/n - 2 QMResiduo
Esse fato nos permite empregar a distribuição F de Snedecor para testar a significância
da regressão, através da chamada Análise de Variância, sintetizada no quadro abaixo:
Análise de Variância
Causas de Variação G.L. SQ QM F
Regressão 1 SQRegressão SQRegress~
ao QMRegress~
ao
1 QMResiduo
Resíduo n-2 SQResíduo SQResíduo ---
n-2
Total n-1 SQTotal --- ---
onde QM representa Quadrado Médio e é obtido pela divisão da Soma de Quadrados
pelos respectivos graus de liberdade.
H0: =0 contra H1: 0, onde representa o coeficiente de regressão paramétrico.
n n n
a o = a n x i y i − x i y i
SQRegress~
i=1 i =1 i =1
H0: = 0 e H1: 0
(y − ŷ i )
2
VÑE = i
i =1
2
n n n
n xy − x y
i =1 i =1 COVxy2
r =
2 i =1
=
n 2 n 2 n 2 n 2 S xx .S yy
n x − x n y − y
i =1 i =1 i =1 i =1
r =
2 8(89802) - (3691)(184)2 = 0.908
8(2011501) - (3691) 8(4318) - (184)
2 2
Esta é a forma mais comum de análise, envolvendo dados contínuos, conhecido como
"r de Pearson".
Características do “r”
㈠ Pode assumir valores positivos (+) como negativos (-), é semelhante ao coeficiente
de regressão de uma reta ajustada num diagrama de dispersão;
valor de r
-0,5 0 +0,5
-1 +1
Negativa Negativa Negativa Positiva Positiva Positiva
forte moderada fraca fraca moderada forte
Medidas de Correlação
Tratamento Quantitativo
O valor de "r" pode ser enganoso, na realidade, uma estatística mais significante é o r²
(coeficiente de determinação), que dá o valor percentual da variação de uma variável
explicativa em relação a outra variável.
n n n
n xy − x y
r= i =1 i =1 i =1
=
S xy
n 2 n n 2 n S xx .S yy
n x −
x n y − y
i=1 i =1 i=1 i =1
Logo podemos observar que o coeficiente de determinação nos dá uma base intuitiva
para a análise de correlação.
26
24
Lucro
22
20
18
16 Regression
150 250 350 450 550 650 750 850 95% confid.
Vendas
Exercícios
X = 1o Exame e Y = 2o Exame
Aluno 1 2 3 4 5 6 7 8 9 10
Exame 1 82 84 86 83 88 87 85 83 86 85
Exame 2 92 91 90 92 87 86 89 90 92 90
R = y = −0. 79 x +157.25; r² = 53.29%; r = -0.73
Aluno 1 2 3 4 5 6 7 8
Horas 2 4 5 5 6 8 9 10
Nota 1 3 6 6 8 7 8 10
R = y = 0. 98 x + 0.12 ; r² = 82.99%; r = +0.911
Indivíduo 1 2 3 4 5 6 7 8
Seguro 20 16 34 23 27 32 18 22
Renda 64 61 84 70 88 92 72 77
R = y = 1.50 x + 40.08 ; r² = 74.3%; r = +0.86
Indivíduo 1 2 3 4 5 6 7 8 9 10
Peso Pai 65 63 67 64 68 62 70 66 68 67
Peso Filho 68 66 68 65 69 66 68 65 71 67
R = y = 0. 48 x + 35.48; r² = 40.58%; r = +0.637
…/…
REFERÊNCIAS BIBLIOGRÁFICAS
FONSECA, J.S.; MARTINS, G.A. (1993). Curso de estatística. 4a ed. São Paulo: Atlas.
LAPONNI, Juan Carlos (1997). Estatística usando o Excel. São Paulo: Lapponi
Treinamento e Editora.
SNEDECOR, G. W.; COCHRAM, W. G. (1989). Statistical Methods. 8rd ed. Iowa: Iowa
State University Press, 1989.