Escolar Documentos
Profissional Documentos
Cultura Documentos
Probabilidades (Noções)
Discente: Tutor:
Edna da Conceição Carlos Mualeve dr.
Probabilidades (Noções)
Tutor:
Etimologicamente a Estatística foi definida como a Ciência das coisas que pertencem ao
Estado. Nos nossos dias, a sua utilização passou a ser mais vasta e imprescindível em todos
ramos da ciência e a nível de empresas, assim como a nível individual, procurando estudar
situações e elaborar planos que permitem a tomada das decisões mais adequadas aos
problemas apresentados. Entretanto, o presente trabalho da cadeira de Estatística Aplicada vai
abordar acerca dos seguintes conteúdos: distribuições bidimensionais (correlação e regressão) e
noção intuitiva e frequencista das probabilidades (lei dos grandes números e axiomas de
probabilidade).
1
1.1. Objectivos do Trabalho
2
2. Distribuições Bidimensionais (correlação e regressão)
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, ou seja, há influência de um carácter neutro.
Correlação nula – não há influência de uma variável na outra, as variáveis são independentes.
Por sua vez a correlação linear pode ser de três tipos, a saber:
3
Correlação liner negativa: se xi aumenta, yi tende a diminuir.
Correlação nula: não há qualquer relação entre as duas variáveis.
Intuitivamente pode-se prever a existência de correlação entre duas variáveis. Entretanto, para
quantificar a relação usa - se o coeficiente de correlação linear de Pearson que se representa
por ℘,
Cx ,y
℘= onde :
Sx ∙ S y
n
∑ fi ∙ xi ∙ yi
i=1
C x , y= −x ∙ y é a ( Co-variância ou variância conjunta das variáveis x e y)
N
4
1.2. À medida que a classificação interna aumenta (valores de x), o que acontece à
classificação de exame (valores de y)?
1.3. Determine as médias da classificação interna e da classificação de exame e designe-as,
respectivamente, por ( x , y ). Represente o ponto (centro de gravidade) no referencial.
1.4. Trace duas rectas paralelas aos eixos coordenados e que passem pelo centro de gravidade.
Em que quadrantes se situam os pontos desta distribuição?
1.5. Trace uma recta que passe pelo centro de gravidade e se aproxime o mais possível dos
pontos representados no referencial.
Resolução:
Resolução:
Diagrama de dispersão
18
16
14
Exame Nacional (y)
12
10
8
6
4
2
0
9 10 11 12 13 14 15 16 17
12. Resposta: À medida que a classificação interna aumenta (valores de x), a classificação de
exame (valores de y) também aumenta.
1.3. Resolução:
x=
∑ x = 12+10+13+12+11+10+15+ 16 = 99 =12,375
N 8 8
y=
∑ y = 11+9+14+ 12+ 10+ 11+ 16+15 = 98 =12,25
N 8 8
5
1.4. Os pontos desta distribuição se encontram no primeiro e terceiro quadrante.
16
14
12 recta
10
2
8
6
4
2
0
9 10 11 12 13 14 15 16 17
recta1
Classificação interna (x)
6
X= variável independente/explicativa/predictor
de regressão séra:
^y i=b0 +b1 x i , denominado valor ajustado pela recta de regressão:
y i=b0 + b1 x i +ε i ↔ y i= ^yi + ε i
Para um modelo com um bom ajuste, o valor médio do erro deve tender para zero e com uma
Y ^y i=b0 +b1 x i
yj
yi
^
εj
^y j
εi
yi
xj
xi X
7
A diferença entre o valor observado e o valor ajustado corresponde ao efeito do erro ou
resíduo:
ε i = y i − ^y i= y i −( b 0 +b 1 xi )= y i −b 0−b1 x i i=1,2 ,...,n
Para um modelo com um bom ajuste, a média dos resíduos de deve tender para zero:
n
∑ ei
i =1
ε̄= →0
n .
A recta de regressão terá melhor ajuste dos dados quanto menor forem os resíduos ou erros. O
objectivo de regressão é encontrar os valores dos parâmetros bo,b1 que minimizam os
resíduos.
Para conseguir esse objectivo pode-se utilizar o Método dos Mínimos Quadrados (MMQ).
O MMQ consiste encontrar os valores dos parâmetros que torna mínimo a soma dos
i=1 i i=1 i =1
Exemplo 2: Como resultado do aumento dos centros comerciais suburbanos, muitos armazéns
do centro da cidade estão sofrendo financeiramente. O sector de propaganda de um destes
armazéns acha que o aumento da publicidade poderia ajudar a atrair mais compradores. Para
estudar o efeito das publicidades nas vendas obtiveram-se registos para meses meados do ano
durante os quais o armazém diversificou os gastos na publicidade. Esses registos encontram-se na
tabela:
Despesas publicitárias (milhares de dólares) 9 11 8 12 7
Vendas (milhares de dólares) 30 34 32 37 31
8
b) Determine a equação de regressão linear simples para estes dados e interprete o resultado de
cada um dos coeficientes obtidos.
Resolução
a)
x=
∑ x i = 47 =9,4 y = ∑ yi = 164 =32,8
n 5 n 5
℘=
∑ ( x i−x ) ( y i− y ) = 19,4 = 19,4 = 19,4 =0,84
√∑ ( x i−x )2 ∙ ∑ ( y i − y )2 √17,2 ∙30,8 √ 529,76 23,0165
b ¿ b 1=
∑ ( xi −x ) ( y i − y ) = 19,4 ≅1,13 b = y −b x =32,8−1,13 ∙ 9,4=22,178
∑ ( x i−x )2
0 1
17,2
9
O dado é um instrumento dos jogos de azar por excelência, a tal ponto que duas das palavras
mais usadas para lidar com o que é casual são: azar e aleatório.
Uma experiência diz-se aleatória se pode ter vários resultados cujo aparecimento, em cada
prova da experiência, é impossível prever (Vunga, 2019). Deste modo, diz-se que o resultado
depende do “acaso” ou da “sorte” ou do “azar”. Acaso significa ausência de causa conhecida.
Os fenómenos aleatórios são o objecto de estudo da teoria das probabilidades. São aleatórias
todas as experiências que se fazem nos jogos: tirar uma carta no baralho; atirar um dado;
comprar uma rifa; rodar a roleta; jogar no totoloto, etc.
Mas há muitos outras como: abrir um livro e ver o número de página, perguntar a um aluno
qualquer quantos irmãos tem, etc.
Vamos descrever algumas experiências e atribuir a probabilidade aos vários resultados que
podem dar, introduzindo a terminologia adequada.
10
Acontecimento sair número par = {2} ¿ {4} ¿ {6}; logo é uma reunião de acontecimentos
elementares.
Acontecimento é qualquer subconjunto de E, incluindo A numa prova, significa que o
resultado dessa prova é um elemento de A.
Nota: Diz-se que A se realizou quando o resultado é elemento A.
Se o número de provas for por exemplo 300, veremos que as frequências relativas estarão
1
=16 , 666 .. . %
6
próximas de que é o resultado esperado a priori visto que são 6
acontecimentos com a mesma probabilidade de sair. No entanto, há desvios bastante
sensíveis.
É neste contexto que a Lei dos Grandes Números (Lei de Bernoulli) sobre a definição
frequencista de probabilidade diz que “quando o número de provas aumenta muito,
frequências relativa de um acontecimento tende a estabilizar num determinado valor que se
adopta como probabilidade teórica desse acontecimento”.
Podemos, então, dizer que a probabilidade de um acontecimento associado a certa experiência
é a frequência relativa esperada desse acontecimento quando o número de provas for muito
elevado.
A probabilidade de um acontecimento é um número de 0 a 1 (em percentagem: de 0% a
100%)
0 ≤ P(A )≤ 1
11
Teorema da soma
Sejam dois acontecimentos A e B resultantes de uma mesma experiência aleatória. Então
P ( A ∪ B ) =P ( A )+ P ( B ) – P ( A ∩ B ) Se A ∩ B ≠ ∅ acontecimentos compativeis
P ( A ∪ B ) =P ( A )+ P ( B ) Se A∩B = ∅ diz-se que os acontecimentos são incompatíveis
Acontecimentos contrários
A probabilidade do acontecimento contrário a A é dada por P ( A ) = 1 – P (A)
Acontecimentos equiprováveis
nº de casos favoraveis a A ¿ A ¿ A
P ( A )= = =
nº de casos possíveis n ¿E
Exemplo3: Se em uma turma é formada por 8 alunos do sexo feminino e 7 do sexo masculino
e a professora escolher aleatoriamente um estudante para ir ao quadro resolver um exercício,
qual a probabilidade de ser seleccionada uma aluna?
Resolução:
S = \{todos alunos da turma\} → n ( S )=7+ 8=15
F = \{alunos do sexo feminino\} → n (F)=8
M = \{alunos do sexo masculino\} →n ( M )=7
n (F ) 8
P ( F )= =
n(S ) 15
Exemplo4: Três moedas são lançadas ao mesmo tempo. Qual é a probabilidade de as três
moedas caírem com a mesma face para baixo.
Resolução:
12
Seja S: lançamento de três moedas ao mesmo tempo
A: Três moedas caírem com a mesma face para baixo
S= \{(K, K, K); (K, K, C); (K, C, K); (K, C, C); (C, K, K); (C, K, C); (C, C, K); (C, C, C)\} ⇒ n(S ) =8
n(A ) 2 1
P ( A )= = = =0,25=25 %
n(S ) 8 4
13
4. Conclusão
Com base neste trabalho, foi possível desenvolver habilidades suficientes para a resolução de
exercícios relacionados com distribuições bidimensionais e teoria de probabilidades.
Assim, distribuições bidimensionais são distribuições estatísticas envolvendo o estudo da
relação entre duas variáveis.
Por outro lado, refira-se que o conhecimento sobre o conceito de probabilidade de um
acontecimento nos permite resolver várias situações problemáticas do quotidiano. Usamos
este conceito quando lidamos com incertezas. Assim, a probabilidade de um evento A é o
quociente entre o número de casos favoráveis ao evento A pelo número de casos possíveis do
espaço amostral (S).
14
5. Referências bibliográficas
Fazenda, R. (2006). Manual de Estatística Descritiva, Probabilidade e Inferência
Estatística. Maputo: UEM.
Reis, E. (1998). Estatística descritiva. 4ªed. Lisboa: Silabo.
Sande, L. (s/d). Estatística: Manual de Tronco Comum, Beira: UCM-CEAD
Vunga, H. M. (2019). Estatística Aplicada, Beira: ISCED-CED.
15