Escolar Documentos
Profissional Documentos
Cultura Documentos
Probabilidades (Noções)
Probabilidades (Noções)
ii
Índice
1. Introdução................................................................................................................................. 1
2. Probabilidade ............................................................................................................................ 2
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
1.2.Metodologia
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
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;
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
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.
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
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:
Os eventos acima não são equiprováveis. Então vamos calcular a probabilidade de ocorrer um
evento como a frequência relativa deste evento:
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)
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}.
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
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
#𝐴
𝑃(𝐴) = #𝑆
1º Axioma: 𝑃 (𝐴) ≥ 0, pois é o quociente entre um número não negativo e um número positivo.
Observação: Verifique que a aproximação de Probabilidade dada pela teoria frequencista também
verifica os 3 axiomas, sendo portanto uma probabilidade segundo a definição axiomática.
A frequência relativa tende a estabilizar-se em torno de um valor que os frequencistas tomam como
o valor aproximado da probabilidade 𝑃(𝐴).
8
4. Referencias Bibliográficas
MANN, P. S. (1995) – Introductory Statistics, 2nd edition. John Wiley & Sons, Inc. ISBN: 0-471-
31009-3.