Você está na página 1de 9

PROBABILIDADE

CONCEITO: Na matemática, a probabilidade permite obter o cálculo das ocorrências


possíveis num experimento aleatório (fenômeno aleatório). Em outras palavras, a
probabilidade analisa as “chances” de obter determinado resultado.

Experimento Aleatório: O experimento ou evento aleatório é aquele que pode ocorrer


e resultar de diferentes maneiras cada vez que é lançado. Ou seja, não sabemos seu
resultado, porém podemos calcular quais resultados possíveis podemos obter.

Por exemplo, podemos citar um dado, com 6 faces, donde cada face é um número de 1 a
6.

Fórmula da Probabilidade

Assim, se num fenômeno aleatório as possibilidades são igualmente prováveis, a


probabilidade de ocorrer um evento é medida pela divisão entre o número de eventos
favoráveis e o número total de resultados possíveis:

O:nde

P: probabilidade
na: número de casos (eventos) favoráveis
n: número de casos (eventos) possíveis

Espaço Amostral

Representado pela letra S, o espaço amostral corresponde ao conjunto de resultados


possíveis obtidos a partir de um evento ou fenômeno aleatório.

Por exemplo num baralho de cartas, onde o espaço amostral corresponde às 52 cartas
que compõem o baralho.

Da mesma forma, o espaço amostral no lançamento de um dado, são as seis faces que o
compõem: S = {1, 2, 3, 4, 5 e 6}.

Note que os subconjuntos de um espaço amostral são denominados “eventos”, ou seja,


no conjunto de cartas, há 52 eventos possíveis, enquanto no dado há seis.

Assim, podemos concluir que a probabilidade é calculada pela divisão de eventos pelo
espaço amostral.
EXEMPLIFICANDO: Se lançarmos um dado de 6 faces, qual a probabilidade de sair o
número seis?

Segundo a teoria da probabilidade, ela é calculada pela divisão entre o número de


eventos favoráveis e o número de eventos possíveis, nesse caso:

na (casos favoráveis): 1 lado (lado seis)


n (casos possíveis) : 6 lados

Logo,

P = 1/6
P = 0,166 ou 16,6%

DISTRIBUIÇÃO BINOMIAL
Definições:
A distribuição binomial verifica as seguintes condições:1. A experiência tem um nº fixo
de provas, n.2. As provas são independentes. (O resultado de uma prova não afecta
probabilidade de ocorrência das restantes.)3. Cada prova origina um de dois resultados
possíveis: sucesso ou fracasso.4. A probabilidade de sucesso, denotada por p, é
constante em cada prova.
Notação para a Distribuição Binomial

n denota o nº de provas (valor fixo à partida).


x denota um nº específico de sucessos em n provas, logo x pode ser qualquer nº entre 0
e n, inclusive.
p denota a probabilidade de sucesso em cada uma das n provas.
q denota a probabilidade de insucesso em cada uma das n provas.
P(x) denota a probabilidade de obter exactamente xsucessos em n provas
(P(x)=P(X=x)).

Fórmulas da Probabilidade na Distribuição Binomial

P(X=x)= [n!/x!(n-x)!].p^x.q^(n-x) para x = 0, 1, 2, . . ., n ou

onde:

n = nº de provas

x = nº de sucessos nas n provas

p = probabilidade de sucesso em cada prova

q = probabilidade de insucesso em cada prova (q = 1 – p)

Média μ = n • p

Variância s^2 = n • p • (1-p)


Desvio Padrão s = n • p • (1-p) (raíz quadrada)

onde:

n = nº de provas

p = probabilidade de sucesso em cada uma das n provas

q = probabilidade de insucesso em cada uma das n provas

Utilização
A distribuição poderá ser empregada na determinação da probabilidade quando no
evento especificado se deseja calcular a probabilidade de uma acontecimento composto
estabelecido por vários eventos. Neste caso, os eventos que constituem o acontecimento
devem ser independentes e a ordem dos eventos, dentro do acontecimento, não
influencia o cálculo da probabilidade. Em muitas outra situações é necessário a
reposição dos dados, para que se possa usar a distribuição binomial ou multinomial.
Conceito

Entende-se por distribuição binomial como sendo aquela em que os termos da expansão
do binômio (ou multinômio) correspondem às probabilidades de todos os eventos
possíveis do espaço amostral. O binômio (ou multinômio) é formado pelas
probabilidades de cada acontecimento elevado ao número total de ocorrências.

Considere um experimento realizado vezes, sob as mesmas condições, com as seguintes


características:

1. Cada repetição do experimento (ou ensaio) produz um de dois resultados possíveis,


denominados tecnicamente por sucesso (S) ou fracasso (F), ie os resultados são
dicotômicos.

2. A probabilidade de sucesso, P(S)=p , é a mesma em cada repetição do experimento.


(Note que P(F)=1-p ).

3. Os ensaios são independentes, ie o resultado de um ensaio não interfere no resultado


do outro.

As quantidades n e p são os parâmetros da distribuição binomial. O número total de


sucessos é X uma variável aleatória com distribuição binomial com parâmetros n e p e é
por denotada X~B(n,p) .

A probabilidade de X=x , pode ser encontrada como:

A média de um variável aleatória binomial é np e a variância é np(1-p) .

Para melhor entendimento considere o seguinte exemplo:

Suponha que num pedigree humano envolvendo albinismo (o qual é recessivo), nós
encontremos um casamento no qual sabe-se que ambos os parceiros são heterozigotos
para o gene albino. De acordo com a teoria Mendeliana, a probabilidade de que um filho
desse casal seja albino é um quarto. (Então a probabilidade de não ser albino é 3/4)

Agora considere o mesmo casal com 2 crianças. A chance de que ambas sejam albinas
é:
Da mesma forma, a chance de ambas serem normais é :

Portanto, a probabilidade de que somente uma seja um albina deve ser:

Alternativamente, poderiamos ter usado a formula acima definindo como variável


aleatória X o número de crianças albinas, com n=2, p=1/4 e estariamos interessados em
P(X=1)

Se agora considerarmos a família com n=5 crianças, as probabilidades de existam


x=0,1,2...,5 crianças albinas, em que a probabilidade de albinismo é p=1/4 , são dadas
por

as quais ficam como segue:

O número esperado (ou média) de crianças albinas em famílias com 5 crianças para
casais heterozigotos para o gene albino é

AMOSTRAGEM

CONCEITOS:

População: É todo conjunto de elementos, finito ou infinito, definido por uma ou mais
caraterísticas, das que desfrutam todos os elementos que o compõem, e só eles.

Em amostragem entende-se por população à totalidade do universo que interessa


considerar, e que é necessário que esteja bem definido para que se saiba em todo
momento que elementos o compõem.
Não obstante, quando se realiza um trabalho pontual, convém distinguir entre população
teórica: conjunto de elementos aos quais querem ser extrapolado os resultados, e
população estudada: conjunto de elementos acessíveis em nosso estudo.

Censo: Em ocasiões resulta possível estudar a cada um dos elementos que compõem a
população, se realizando o que se denomina um censo, isto é, o estudo de todos os
elementos que compõem a população.

A realização de um censo não sempre é possível, por diferentes motivos: a) economia: o


estudo de todos os elementos que compõem uma população, sobretudo se esta é grande,
costuma ser um problema caro em tempo, dinheiro, etc.; b) que as provas às que há que
submeter aos sujeitos sejam destrutivas; c) que a população seja infinita ou tão grande
que exceda as possibilidades do pesquisador.

Se a numeração de elementos, realiza-se sobre a população acessível ou estudada, e não


sobre a população teórica, então o processo recebe o nome de enquadramento ou espaço
amostral.

Conceito de amostragem

A amostragem é uma ferramenta da investigação científica. Sua função básica é


determinar que parte de uma realidade em estudo (população ou universo) deve ser
examinado com a finalidade de fazer inferências sobre dita população. O erro que se
comete devido a fato de que se obtêm conclusões sobre certa realidade a partir da
observação de só uma parte dela, se denomina erro de amostragem. Obter uma amostra
adequada significa conseguir uma versão simplificada da população, que reproduza de
algum modo seus rasgos básicos.

Amostra: Em todas as ocasiões em que não é possível ou conveniente realizar um censo,


o que fazemos é trabalhar com uma amostra, entendendo por tal uma parte
representativa da população. Para que uma amostra seja representativa, e portanto útil,
deve de refletir as similitudes e diferenças encontradas na população, exemplificar as
caraterísticas da mesma.

Quando dizemos que uma amostra é representativa indicamos que reúne


aproximadamente as caraterísticas da população que são importantes para a
investigação.

a. População Os estatísticos usam a palavra população para referir-se não só a pessoas


se não a todos os elementos que foram escolhidos para seu estudo. b. Mostra Os
estatísticos empregam a palavra mostra para descrever uma porção escolhida da
população. Matematicamente, podemos descrever amostras e populações ao empregar
medições como a Média, Média, a moda, o desvio-padrão. Quando estes termos
descrevem uma amostra se denominam estatísticas.

-1-

Uma estatística é uma caraterística de uma amostra, os estatísticos empregam letras


latinas minúsculas para denotar estatísticas e amostras. 2. - Tipos de amostragem Os
autores propõem diferentes critérios de classificação dos diferentes tipos de
amostragem, embora de modo geral podem ser dividido em dois grandes grupos:
métodos de amostragem probabilísticos e métodos de amostragem não probabilísticos.

Terminologia

 População objeto: conjunto de indivíduos dos que quer ser obtido uma
informação.

 Unidades de amostragem: número de elementos da população, não sobrepostos,


que se vão estudar. Todo membro da população pertencerá a uma e só uma
unidade de amostragem.

 Unidades de análises: objeto ou indivíduo do que há que obter a informação.

 Enquadramento muestral: lista de unidades ou elementos de amostragem.

 Amostra: conjunto de unidades ou elementos de análises sacados do


enquadramento.

Amostragem probabilístico

Os métodos de amostragem probabilísticos são aqueles que se baseiam no princípio de


equiprobabilidade. Isto é, aqueles nos que todos os indivíduos têm a mesma
probabilidade de ser eleitos para fazer parte de uma amostra e, consequentemente, todas
as possíveis amostras de tamanho n têm a mesma probabilidade de ser eleitas. Só estes
métodos de amostragem probabilísticos nos asseguram a representatividade da amostra
extraída e são, por tanto, os mais recomendáveis. Dentro dos métodos de amostragem
probabilísticos encontramos os seguintes tipos:

O método outorga uma probabilidade conhecida de integrar a amostra à cada elemento


da população, e dita probabilidade não é nula para nenhum elemento.

Os métodos de amostragem não probabilísticos não garantem a representatividade da


amostra e portanto não permitem realizar estimativas inferenciais sobre a população.

(Em algumas circunstâncias os métodos estatísticos e epidemiológicos permitem


resolver os problemas de representatividade ainda em situações de amostragem não
probabilístico, por exemplo os estudos de caso-controle, onde os casos não são
selecionados aleatoriamente da população.)

Entre os métodos de amostragem probabilísticos mais utilizados em investigação


encontramos:

 Amostragem aleatória simples

 Amostragem estratificada

 Amostragem sistemática
 Amostragem polietápico ou por conglomerados

-2-

Amostragem aleatória simples:

O procedimento empregado é o seguinte: 1) atribui-se um número à cada indivíduo da


população e 2) através de algum médio mecânico (bolas dentro de uma saca, tabelas de
números aleatórios, números aleatórios gerados com uma calculadora ou computador,
etc.) elegem-se tantos sujeitos como seja necessário para completar o tamanho de
amostra requerido.

Este procedimento, atrativo por seu simpleza, tem pouca ou nula utilidade prática
quando a população que estamos manejando é muito grande.

Amostragem aleatória sistemático:

Este procedimento exige, como o anterior, numerar todos os elementos da população,


mas em local de extrair n números aleatórios só se extrai um. Parte-se desse número
aleatório i, que é um número eleito a esmo, e os elementos que integram a amostra são
os que ocupa os locais i, i+k, i+2k, i+3k,...,i+(n-1)k, isto é tomam-se os indivíduos de k
em k, sendo k o resultado de dividir o tamanho da população entre o tamanho da
amostra: k= N/n. O número i que empregamos como ponto de partida será um número a
esmo entre 1 e k.

O risco este tipo de amostragem está nos casos em que se dão periodicidades na
população já que ao eleger aos membros da amostra com uma periodicidade constante
(k) podemos introduzir uma homogeneidade que não se dá na população. Imaginemos
que estamos selecionando uma amostra sobre listas de 10 indivíduos nos que os 5
primeiros são varões e os 5 últimos mulheres, se empregamos uma amostragem
aleatória sistemático com k=10 sempre selecionaríamos ou só homens ou só mulheres,
não poderia haver uma representação dos dois sexos.

Amostragem aleatória estratificado:

Trata de obviar as dificuldades que apresentam os anteriores já que simplificam os


processos e costumam reduzir o erro muestral para um tamanho dado da amostra.
Consiste em considerar categorias típicas diferentes entre si (estratos) que possuem
grande homogeneidade com respeito a alguma caraterística (pode ser estratificado, por
exemplo, segundo a profissão, o município de residência, o sexo, o estado civil, etc.). O
que se pretende com este tipo de amostragem é se assegurar de que todos os estratos de
interesse estarão representados adequadamente na amostra. A cada estrato funciona
independentemente, podendo ser aplicado dentro deles a amostragem aleatória simples
ou o estratificado para eleger os elementos concretos que farão parte da amostra. Em
ocasiões as dificuldades que propõem são demasiado grandes, pois exige um
conhecimento detalhado da população. (Tamanho geográfico, sexos, idades,...).

Amostragem por quotas:


Também denominado em ocasiões "acidental". Assenta-se geralmente sobre a base de
um bom conhecimento dos estratos da população e/ou dos indivíduos mais
"representativos" ou "adequados" para os fins da investigação. Mantém, por tanto,
semelhanças com a amostragem aleatória estratificado, mas não tem o caráter de
aleatoriedade daquele.

Neste tipo de amostragem fixam-se umas "quotas" que consistem em um número de


indivíduos que reúnem umas determinadas condições, por exemplo: 20 indivíduos de 25
a 40 anos, de sexo feminino e residentes em Gijón. Uma vez determinada a quota
elegem-se os primeiros que se encontrem que cumpram essas caraterísticas. Este
método utiliza-se muito nos inquéritos de opinião.

Amostragem opinático ou intencional:

Este tipo de amostragem carateriza-se por um esforço deliberado de obter amostras


"representativas" mediante a inclusão na amostra de grupos supostamente típicos.

Amostragem casual ou incidental:

Trata-se de um processo no que o pesquisador seleciona direta e intencionadamente os


indivíduos da população. O caso mais frequente deste procedimento o utilizar como
mostra os indivíduos aos que se tem fácil acesso (os professores de universidade
empregam com muita frequência a seus próprios alunos).

Você também pode gostar