UNIVERSIDADE ABERTA ISCED

Departamento de Economia e Gestão

Curso de Licenciatura em Administração Publica

Probabilidades (Noções)

Julieta Armando Bambo Tinga: 31220854

Xai – Xai, Março de 2022

 UNIVERSIDADE ABERTA ISCED
Departamento de Economia e Gestão
Curso de Licenciatura em Administração Publica

Probabilidades (Noções)

Trabalho de Campo a ser submetido na

Coordenação do Curso de Licenciatura em
Administração Publica da UNISCED

Tutor: Prof. Doutor Antonio Zucula

Julieta Armando Bambo Tinga: 31220854

Xai – Xai, Março de 2022

ii
 Índice
1. Introdução................................................................................................................................. 1

1.1. Objectivos ............................................................................................................................. 1

1.1.1. Geral .................................................................................................................................. 1

1.1.2. Específicos ........................................................................................................................ 1

1.2. Metodologia .......................................................................................................................... 1

2. Probabilidade ............................................................................................................................ 2

2.1. Distribuições Bidimensionais ............................................................................................... 2

2.1.1. Diagrama de dispersão ...................................................................................................... 2

2.1.2. Coeficiente de correlação .................................................................................................. 4

2.2. Probabilidade frequencista ................................................................................................... 4

2.3. Axiomas de probablidades.................................................................................................... 7

3. Considerações Finais ................................................................................................................ 8

4. Referencias Bibliográficas ....................................................................................................... 9

 1. Introdução

O presente trabalho versa sobre probabilidades, dentre os vários pontos, destaca a correlação e
regressão, noção intuítiva e frequencista das probabilidades.

A probabilidade, como acontece com muitas outras noções que usamos com frequência, é
extremamente difícil de definir, a menos que estejamos em condições de recorrer a conceitos
matemáticos precisos. No entanto sabemos usá-la com uma certa perícia, em muitas situações
práticas, mesmo sem disso nos apercebermos. Qualquer um de nós, em face de um determinado
acontecimento futuro, é capaz de fazer conjecturas sobre a probabilidade da sua realização.

1.1.Objectivos

1.1.1. Geral

 Analisar as probabilidades.

1.1.2. Específicos

 Descrever as distribuições bidimensionais (correlação e regressão);

 Caracterizar a probabilidade frequencista;
 Descrever os axiomas de probabilidades.

1.2.Metodologia

Para a realização do presente trabalho recorreu – se à pesquisa bibliográfica.

Segundo Gil (1999, p. 39), este procedimento técnico serve para sustentar teoricamente o estudo
recorrendo à consulta de “livros de leitura corrente, livros de referência e publicações periódicas”.
Portanto, a pesquisa bibliográfica auxiliou, especificamente na identificação, análise e
compreensão de dados úteis para o desenvolvimento do trabalho, mediante a consulta de livros.

1
 2. Probabilidade

Probabilidade de um acontecimento é uma medida do “grau de convicção” de que esse

acontecimento ocorra (MANN, 1995).

Costuma-se identificar o “conceito” de probabilidade de um acontecimento com o processo usado

para medir o “grau de convicção” na sua realização.

2.1.Distribuições Bidimensionais

Em alguns estudos estatísticos há a incidência sobre dois caracteres da mesma população, análises
bivariadas, com a intenção de os comparar e ver se há ou não algum tipo de relações entre eles, ou
se pelo contrário, são independentes. Em situações normais a variação de um dos caracteres
influência a variação do outro.

Exemplos

Idade (em meses) e a massa corporal (em kg), dos 0 aos 24 meses;

Idade (em meses) e o perímetro cefálico (em cm), dos 0 aos 36 meses;

Idade (em anos) e a estatura (em cm), dos 2 aos 20 anos.

2.1.1. Diagrama de dispersão

Considera-se um sistema de eixos coordenados e marcam-se os pontos de coordenadas 𝑥1, 𝑦1

correspondentes às temperaturas mínima e máxima. a figura encontra-se uma representação gráfica
correspondente:

Valores de Y
25
20
15
10
5
0
0 2 4 6 8 10 12 14

2
A este tipo de representação gráfica dá-se o nome de diagrama de dispersão ou nuvem de pontos.

A observação do diagrama de dispersão permite concluir que há uma tendência para a temperatura
máxima aumentar à medida que a temperatura mínima aumenta. Neste caso diz- se que as duas
variáveis estão positivamente correlacionadas ou que há correlação positiva.

Exemplo em que a correlação seja negativa, isto é, em que haja uma tendência para uma das
grandezas aumentar à medida que a outra diminui.

Candidataram-se a um concurso de dança vários pares, mas apenas 10 foram selecionados para a
prova final. Após a seleção, os concorrentes tiveram três dias para treinar.

Resultados obtidos

Centro de gravidade (𝑥̅ ,𝑦̅) = ( 11,7 ; 4,7)

10

0
0 5 10 15 20 25

À medida que o número de horas de treino aumenta o número de falhas diminui. Há correlação
negativa.

Seja (𝑥̅ ,𝑦̅) uma distribuição bivariada.

No diagrama de dispersão, as retas paralelas aos eixos e que se intersetam no centro de gravidade
(𝑥̅ ,𝑦̅) dividem o plano em quatro quadrantes: I, II, III, IV.

Se houver uma maior concentração de pontos nos quadrantes I e III, a correlação é positiva.

Se houver uma maior concentração de pontos nos quadrantes II e IV, a correlação é negativa.

Nos casos em que não há uma maior predominância nos quadrantes I e III, ou nos quadrantes II e
IV, diz-se que não há correlação ou que a correlação é nula.

3
 2.1.2. Coeficiente de correlação

Uma das medidas estatísticas que permite estabelecer o grau de correlação existente entre as
variáveis é denominada coeficiente de correlação, que se representa por r e toma valores
pertencentes ao intervalo [-1,1].

Se 𝑟 < 0, a correlação é negativa. A variação das variáveis é feita em sentidos opostos, isto é, uma
aumenta quando a outra diminui.

Se 𝑟 > 0, a correlação é positiva. A variação das variáveis é feita no mesmo sentido, isto é, uma
aumenta quando a outra também aumenta.

Se 𝑟 = 0, a correlação é nula.

Quando 𝑟 = 1 𝑜𝑢 𝑟 = −1, os pontos no diagrama de dispersão estão sobre uma reta. Essa reta tem
declive positivo se 𝑟 = 1 e tem declive negativo se 𝑟 = −1.

Na correlação positiva, quanto mais próximo de 1 for o valor de r e mais forte é a correlação.

Na correlação negativa, quanto mais próximo de -1 for o valor de r mais forte é a correlação.

2.2.Probabilidade frequencista

Probabilidade frequencista de um acontecimento A, representada por P (A), é o valor obtido para

a frequência relativa da realização de A, num grande número de repetições da experiência aleatória.
À medida que o número de repetições da experiência aleatória aumenta, a frequência relativa com
quer se realiza A tende a estabilizar para um valor entre 0 e 1. Este valor é interpretado como sendo
a probabilidade do acontecimento A se realizar.

4
A frequência relativa ou proporção de vezes com que um acontecimento se realiza não é a
probabilidade, mas sim um valor aproximado para a probabilidade. No entanto, se a experiência se
repetir muitas vezes esta aproximação é fundamentada pela:

Lei dos grandes números: A frequência relativa com que um acontecimento se verifica na
repetição de uma experiência aleatória aproxima-se da probabilidade (teórica) desse
acontecimento, à medida que o número de repetições aumenta (MANN, 1995).

Exemplo 1: Uma amostra de 6800 pessoas de uma determinada população foi classificada quanto
à cor dos olhos e à cor dos cabelos. Os resultados foram:

Classificação de uma amostra de 6800 pessoas quanto à cor dos olhos e à cor dos cabelos
Cor dos cabelos
Cor dos olhos Loiro Castanho Preto Ruivo Total
Azul 1768 807 189 47 2811
Verde 946 1387 746 53 3132
Castanho 115 438 288 16 857
Total 2829 2632 1223 116 6800

Considere o experimento aleatório que consiste em classificar um indivíduo quanto à cor dos olhos.
O espaço amostral é E= {A,V,C}, em que:

A= {a pessoa tem olhos azuis}

V= {a pessoa tem olhos verdes}
C= {a pessoa tem olhos castanhos}

Os eventos acima não são equiprováveis. Então vamos calcular a probabilidade de ocorrer um
evento como a frequência relativa deste evento:

𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑒𝑠𝑠𝑜𝑎𝑠 𝑑𝑒 𝑜𝑙ℎ𝑜𝑠 𝑎𝑧𝑢𝑖𝑠 2811

𝑃(𝐴) = = = 0,4134
𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑒𝑠𝑠𝑜𝑎𝑠 𝑛𝑎 𝑎𝑚𝑜𝑠𝑡𝑟𝑎 6800

O valor obtido é na verdade uma estimativa da probabilidade. A qualidade desta estimativa

depende do número de replicações do experimento, ou seja, do tamanho da amostra.
5
As probabilidades dos eventos V e C são:

3132 857
𝑃(𝑉) = 6800 = 0,4606 e 𝑃(𝐶) = 6800 = 0,1260

Portanto, 𝑃(𝐴) + 𝑃(𝑉) + 𝑃(𝐶) = 1. Este resultado é geral, uma vez que a união destes eventos
corresponde ao espaço amostral.

Seja 𝐴̅ o evento {a pessoa não tem olhos azuis}. O evento 𝐴̅ é chamado de evento complementar
3132+857
de 𝐴 e 𝑃(𝐴̅) = 6800 = 0,5886 = 1 − 𝑃(𝐴)

Estes resultados são propriedades de probabilidades. Seja um evento qualquer no espaço

amostral . Então valem as propriedades:

1. 0 ≤ 𝑃(𝐴) ≤ 1
2. 𝑃(𝐸) = 1
3. 𝑃(𝐴̅) = 1 − 𝑃(𝐴)

Voltando ao exemplo, vamos calcular algumas probabilidades. Seja o evento {a pessoa tem
cabelos loiros}.

Qual a probabilidade de uma pessoa ter olhos azuis e cabelos loiros?

O evento {a pessoa tem olhos azuis e cabelos loiros} é chamado de evento interseção. Ele contém
todos os elementos do espaço amostral pertencentes concomitantemente ao evento e ao
evento e será denotado por , e a probabilidade deste evento é:

1768
𝑃(𝐴 ∩ 𝐿) = = 0,26
6800

Qual a probabilidade de uma pessoa ter olhos azuis ou cabelos louros?

O evento {a pessoa tem olhos azuis ou cabelos louros} é chamado de evento união e será denotado
por . Ele contém todos os elementos do espaço amostral que estão em , ou somente em
, ou em ambos, e a probabilidade deste evento é:
6
 2811 2829 1768 3872
𝑃(𝐴 ∪ 𝐿) = 𝑃(𝐴) + 𝑃(𝐿) − 𝑃(𝐴 ∩ 𝐿) = + + = = 0,5694
6800 6800 6800 600

Para quaisquer dois eventos A e B do espaço amostral, podemos calcular a probabilidade do evento
união da seguinte forma: 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

Se os eventos são mutuamente exclusivos, isto é, eles não podem ocorrer simultaneamente, 𝑃(𝐴 ∩
𝐵) e consequentemente, 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

2.3.Axiomas de probablidades

Segundo a definição clássica ou de Laplace de probabilidade, se define probabilidade de um

acontecimento A como sendo a razão entre o nº de resultados favoráveis a 𝐴 e o nº de resultados
do espaço de resultados. Esta definição pressupunha que o espaço de resultados 𝑆 fosse finito e que
todos os resultados fossem igualmente possíveis. Assim, se for m o número de resultados de 𝑆 a
probabilidade de qualquer acontecimento elementar 𝐸𝑖 , 𝑖 = 1, … , 𝑚, é igual a 1/𝑚. Representando
por #𝐴, o número de elementos de 𝐴 ou cardinal de 𝐴, temos:

#𝐴
𝑃(𝐴) = #𝑆

Vejamos então que P verifica os axiomas:

1º Axioma: 𝑃 (𝐴) ≥ 0, pois é o quociente entre um número não negativo e um número positivo.

2º Axioma: 𝑃 (𝑆) = 1, pois é o quociente entre dois números iguais.

3º Axioma: Se A e B são disjuntos, então 𝑃(𝐴  𝐵) = 𝑃(𝐴) + 𝑃(𝐵) pois se A e B são

#𝐴∪𝐵 #𝐴+#𝐵 #𝐴 #𝐵
𝑑𝑖𝑠𝑗𝑢𝑛𝑡𝑜𝑠 #(𝐴  𝐵) = #𝐴 + #𝐵, e então 𝑃(𝐴  𝐵) = = = + #𝑆 = 𝑃(𝐴) + 𝑃(𝐵)
#𝑆 #𝑆 #𝑆

Observação: Verifique que a aproximação de Probabilidade dada pela teoria frequencista também
verifica os 3 axiomas, sendo portanto uma probabilidade segundo a definição axiomática.

O resultado e a observação anteriores permitem-nos concluir da utilidade da axiomática introduzida

anteriormente, pois temos dois modelos, com grande utilização, que a verificam.
7
 3. Considerações Finais

Diz se a distribuição é bidimensional quando há a incidência sobre dois caracteres da mesma

população, análises bivariadas, com a intenção de os comparar e ver se há ou não algum tipo de
relações entre eles, ou se pelo contrário, são independentes.

O conceito frequencista de probabilidade é utilizado em experiências aleatórias e independentes

que, possuindo resultados que não são equiprováveis, são, no entanto, suscetíveis de repetição sob
as mesmas condições. Seja 𝑛(𝐴) o número de vezes que o acontecimento A ocorre em n repetições
𝑛(𝐴)
de uma dada experiência, então 𝑃(𝐴) = lim
𝑛→∞ 𝑛

A frequência relativa tende a estabilizar-se em torno de um valor que os frequencistas tomam como
o valor aproximado da probabilidade 𝑃(𝐴).

Deste modo, os problemas associados com definições a priori são eliminados.

8
 4. Referencias Bibliográficas

MANN, P. S. (1995) – Introductory Statistics, 2nd edition. John Wiley & Sons, Inc. ISBN: 0-471-
31009-3.

MEYER, P. L. Probabilidade: aplicações a estatística. Rio de Janeiro:LTC, 1976.

PESTANA, D., VELOSA, S. (2010) – Introdução à Probabilidade e à Estatística, Volume I, 4ª

edição, Fundação Calouste.