Escolar Documentos
Profissional Documentos
Cultura Documentos
Probabilidade (Noções)
Probabilidade (Noções)
Introdução...................................................................................................................................3
1. Probabilidades (Noções).........................................................................................................4
1.2. Noção intuítiva e frequencista das probabilidades (Lei dos Grandes números e Axiomas
de probabilidade)........................................................................................................................9
Conclusão..................................................................................................................................13
Referências bibliográficas.........................................................................................................14
ii
Introdução
Para além de estudar a média, mediana, moda, variância, percentil, etc. de uma série
estatística também pode-se fazer um estudo estatístico com duas variáveis da mesma
população simultaneamente (ao mesmo tempo) a fim de investigar a sua relação, como se
mostra ao longo deste trabalho, as chamadas distribuições bidimensionais. Falaremos também
de probabilidades, que não é algo novo; pois, no nosso dia-a-dia utilizamos o conceito de
probabilidade, mesmo sem saber. Por exemplo: Quando dissemos frases do tipo: a chance de
alguém ganhar na Loto é muito pequena. Ou, quando dissemos, ele teve muita sorte. Ou
ainda, quando dissemos: “se não usarmos máscara num local onde há muitas pessoas, a
probabilidade de nós sermos infectados pelo novo coronavírus é bem grande”; também
quando dissemos: “É provável cair chuva hoje”…Então, nesse trabalho vamos aprender
também a quantificar essas frases.
A pertinência deste trabalho surge na medida em que o mesmo vai nos permitir compreender
a aplicação das noções intuitiva e frequencista de probabilidade e das distribuições
bidimensionais na resolução de problemas concretos.
3
1. Probabilidades (Noções)
1.1. Distribuições Bidimensionais (correlação e regressão)
Depois de termos estudado as variáveis isoladamente – distribuições unidimensionais –
vamos agora estudar duas variáveis em conjunto e ver se existe ou não alguma relação entre
elas – distribuições bidimensionais.
Exemplos:
O número de elementos do agregado familiar e o número de compartimentos da
habitação.
O tempo de estacionamento num parque e o preço a pagar.
O número de trabalhadores numa obra e o tempo de construção da mesma.
Quando existe alguma ligação de dependência entre duas variáveis diz-se que existe uma
correlação entre elas (Magalhães & Lima, 2004, p.85).
Há caracteres entre os quais é impossível descobrir qualquer relação, como por exemplo, o
peso dos alunos e a respectiva nota em filosofia. Diz-se que estes são caracteres
independentes.
O maior ou menor grau de dependência estatística entre duas variáveis traduz-se por um
número – o coeficiente de correlação que só varia de – 1 a 1.
Correlação positiva – as variáveis evoluem em geral no mesmo sentido.
Exemplo: altura e o peso das pessoas.
Correlação negativa – as variáveis evoluem em sentido contrário quando uma
aumenta a outra tende a diminuir.
Exemplo: intensidade da chuva e a temperatura do ar.
Correlação nula – não há influência de uma variável na outra, as variáveis são
independentes.
Exemplo: a idade do pai e a nota de desenho de cada aluno.
4
Se o coeficiente de correlação for igual a 1 ou a -1, então a dependência entre duas variáveis é
tão rigorosa que se pode traduzir por uma lei matemática: diz – se que há uma dependência
funcional (Magalhães & Lima, 2004, p.89).
Se todos os pontos desse diagrama se situar nas proximidades de uma recta (recta de
regressão), a correlação diz – se linear.
bivariados, em que cada par de dados ( xi , yi) é representado por um ponto, num sistema de
eixos coordenados (Neder, 2003).
Chama-se ponto médio ou centro de gravidade da nuvem de pontos ao ponto de coordenadas
( x, y ) , em que x e y representam as médias aritméticas de cada uma das variáveis ().
Recta de regressão – é a recta que melhor se ajusta aos pontos do diagrama de dispersão.
O método mais simples consiste em desenhar uma recta com a ajuda de uma régua e
começamos por:
5
Desenhar o diagrama de dispersão;
Marcar o centro de gravidade;
Desenhar a recta que passa pelo centro de gravidade de modo que os pontos se
distribuam igualmente abaixo e acima da recta (Neder, 2003).
Uma das medidas que permite estabelecer o grau de correlação existente entre as variáveis é
denominado COEFICIENTE DE CORRELAÇÃO ou COEFICIENTE DE PEARSON ,
que se designa por, r ,e toma valores entre -1 e 1.
n
∑ ( x i− x ) . ( y i − y )
i=1
r=
√∑ ( √∑ (
n n
2
x i −x ) . yi − y )2
Calcula-se o r através de uma fórmula i=1 i=1 ou usando a
calculadora gráfica (Magalhães & Lima, 2004, p.97).
Exemplo:
Os dados abaixo são referentes a alturas de 4 filhos em metros (m) e peso de 4 pais em
quilogramas (kg).
6
d) Calcule a correlação entre as duas variáveis.
e) Classifique a correlação encontrada.
f) Encontre o modelo (equação) de regressão do exercício em causa.
g) Interprete de acordo com o enunciado os parâmetros b 0 e b 1, ou β 0 e β 1.
Resposta:
a) Altura dos filhos – variável independente e peso dos pais – variável dependente.
b)
100
90
80
70
60
50
Y
40
30
20
10
0
1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9
X
d)
Total
X 1,6 1,4 1,8 1,2 6
Y 80 60 90 65 295
X ∙Y 128 84 162 78 452
X
2
2,56 1,96 3,24 1,44 9,2
Y2 6400 3600 8100 4225 22325
7
n=4 ; ∑ x =6; ∑ y=295; ∑ x ∙ y =452 ; ∑ x 2=9,2; ∑ y2 =22325
n ∙ ∑ x i ∙ y i − ∑ xi ∙ ∑ y i
r xy =
√[ n ∙ ∑ x −(∑ x ) ][ n∙ ∑ y −(∑ y ) ]
i
2
i
2
i
2
i
2
4 ∙ 452−6 ∙ 295
r xy=
√ [ 4 ∙ 9,2−6 ] ∙ [ 4 ∙ 22325−295 ]
2 2
1808−1770
r xy =
√ 0,8 ∙2275
38 38
r xy = = ≈ 0,000089
√ 1820 42,6615
e) Como r xy =0,000089 , então, 0< r xy <0,5 , logo trata-se de correlação positiva fraca
Onde:
b 0= y +b1 ∙ x
b 1=
∑ x i ∙ y i−n ∙ x ∙ y
∑ x i2−n ∙ x 2
b 0 – é o ponto de intersecção com o eixo Oy , ele caracteriza o nível médio do índice de
resultado quando a variável de causa é igual a zero.
b 1=
∑ x i ∙ y i−n ∙ x ∙ y = 452−4 ∙ 1,5 ∙73,75
∑ x i2−n ∙ x 2 9,2−4 ∙2,25
8
452−442,50 9,5
b 1= = =47,5
9,2−9 0,2
g) Interpretação: Como b 0=145 isto significa que o nível médio peso dos pais no inicio era
de 145 kg e para cada aumento de 1 m de altura dos filhos aumentam em 47,5 kg.
1.2. Noção intuítiva e frequencista das probabilidades (Lei dos Grandes números e
Axiomas de probabilidade)
1.2.1. Noção intuitiva das probabilidades
Chistine (2006) afirma que a definição clássica de probabilidade, considera um espaço
amostral Ω finito em que todos os seus eventos elementares são igualmente prováveis. Nessas
condições, a probabilidade de um evento A⊂Ω é calculada como a razão entre o número de
casos favoráveis ao evento A (eventos elementares de A) e o número de casos possíveis
número de casos favoraveis a A A
(número de eventos elementares de Ω). Ou seja: P ( A )= =
núme rode casos possíveis ¿Ω
A definição clássica de probabilidade é bastante intuitiva e resolve muitos problemas práticos,
no entanto não é suficiente para resolver todos os problemas que podem ser encontrados
(Chistine, 2006, p.55).
Exemplo:
Lançamento de uma moeda ao ar e registo do número de vezes em que saiu cara.
No de lançamentos (n ) No de vezes que saiu cara ( f i) f
Frequência relativa ( f r= i )
n
10 4 0,400
20 11 0,550
40 18 0,450
80 42 0,525
160 84 0,525
320 156 0,487
640 321 0,502
9
1280 630 0,492
2000 1003 0,501
Olhando a tabela acima nota-se que, as frequências relativas, embora não sejam as mesmas,
tendem a estabilizar-se a volta de 0,5; valor que também se chama probabilidade do
acontecimento: “sair cara”.
Portanto:
Ao número a volta do qual estabiliza a frequência relativa de um acontecimento, quando o
numeri de repetições da experiência cresce consideravelmente, chama-se probabilidade do
acontecimento.
Exemplo: A probabilidade de ocorrência de uma face voltada para cima mostrar o valor 9 no
0
P= =0
lançamento de um dado honesto é impossível. 6
P(A) será igual a 1 quando for um evento certo.
10
Esta regra pode ser alargada para a reunião de três acontecimentos:
P ( A∪B∪C )=P ( A ) +P ( B )+ P ( C )−P ( A∩B )−P ( A∩C ) −P ( B∩C ) +P ( A∩B∩C )
Em particular, para eventos mutuamente exclusivos (disjuntos),
P ( A∪B )=P ( A ) + P ( B ) porque P ( A∩B )=0
Se
A 1 , A2 ,..., A n são n eventos mutuamente exclusivos, que tem probabilidades P1 ,P 2 ,...,Pn ,
Exemplo: Uma bola é retirada ao acaso de uma urna que contém 6 vermelhas, 4 brancas e 5
azuis. Determine a probabilidade da bola retirada ser vermelha ou branca.
Resolução:
6 2
P ( A )= =
P(A)- probabilidade de ser vermelha 15 5
4
P (B)=
P(B)- probabilidade de ser branca 15
Resolução:
A e B não são eventos mutuamente exclusivos visto que pode ser extraído o às de espada.
Assim:
4 13 1 16 4
P ( A∪B )= + − = =
52 52 52 52 13
4
P ( A )=
Obs. 52 ( há 4 às de 52 cartas)
13
P (B)=
52 (há 13 espadas de 52 cartas)
1
P ( A∩B )=
52 ( nos 4 às 1 é de espadas)
11
Destes axiomas deduz-se o seguinte teorema:
Exemplo: Uma bola é retirada ao acaso de uma urna que contém 6 vermelhas, 4 brancas e 5
azuis. Qual é a probabilidade dela não ser vermelha?
Resolução:
Seja A evento que consiste na retirada de uma bola vermelha.
6 6 2
P( A )= = = =0,4
6 +4 +5 15 5 ou 40%.
2 3
P ( A )=1−P( A )=1− = =0,6
E A , o evento de não ser bola vermelha, então: 5 5 ou 60%.
12
Conclusão
Diante do exposto acima pode-se notar que em momentos de grande incerteza, marcados por
mudanças radicais em termos sociais, políticos e comportamentais, administrar uma empresa
ou organização de qualquer natureza se torna extremamente difícil. Surge a necessidade de
aprofundar o conhecimento da estatística para aplicar na tomada decisão correctas aos
problemas apresentados, dai a relevância confirmada nesse trabalho em término.
A percentagem de ocorrência de algo (dado) numa série estatística, é dada pela frequência
relativa percentual do mesmo dado na série considerada.
Há, portanto, uma estreita relação entre teoria de conjuntos e teoria de probabilidades,
sobretudo quando se trata de determinar o número de casos possíveis e favoráveis, pois o
espaço amostral bem como o espaço favorável ambos são dados na forma de conjuntos, e o
número de casos é dado pelo cardinal desses conjuntos.
13
Referências bibliográficas
Chistine, D. (2006). Estatística sem Matemática para Psicologia (3ª Ed.). São Paulo,
Artmed Editora.
Ferreira, M. A. N. & Carvalho, M. L. B. (s.d.). Exercícios de matemática 10º ano.
Porto Editora. Lisboa.
Lima, I. & Gomes, F. (2003). Xeqmat. Matemática 12º. Editorial. O livro. Lisboa.
Magalhães, M.N. & Lima, A.C.P. (2004). Noções de Probabilidade e Estatística (6ª Ed.).
Edição revisada., São Paulo: EDUSP
Neder, H. D. (2003). Apostila de estatística: Curso de Estatística Aplicada. Brasil.
14