UNIVERSIDADE FEDERAL DO MARANHÃO – UFMA

Fundação instituída nos termos da Lei nº 5.152, de 21/10/1966 – São Luís – Maranhão.
CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA - CCET
DEPARTAMENTO DE MATEMÁTICA – DEMAT

Estatística e Probabilidade

afonso.filho@ufma.br
 Plano de Aula
CONTEÚDOS OBJETIVOS PROCEDIMENTOS RECURSOS PROCEDIMENTOS
PROGRAMÁTICOS ESPECÍFICOS METODOLÓGICOS DIDÁTICOS AVALIATIVOS

Será numa perspectiva

PROBABILIDADE Explicar conceitos Metodologia dialética Notebook processual através de
básicos: população, critérios qualitativos
amostra, estatística (frequência, interação,
Aula de forma dialógica Apresentação de
descritiva e inferencial, participação, interesse,
slides compromisso, habilidade,
análise dos modelos
aleatórios. atitude e competência
comunicativa).
Explicar experimentos
Na abordagem diagnóstica:
aleatórios
sondar os níveis de
-Explicar espaços aprendizado dos alunos
amostrais através da interação e
-Explicar eventos competência comunicativa.
Na abordagem formativa:
acompanhar mediando o
processo ensino-
aprendizagem.
REFERÊNCIA: Na abordagem somativa:
atribuir critérios quantitativos
MEYER, Paul. Probabilidades: aplicações à estatística. Rio de Janeiro: LTC, 1983, p. 1-2 (aspectos da cientificidade,
compreensão, análise e
MONTEGOMERY, Douglas C.; RUNGER, George C. Estatística aplicada e probabilidade para síntese dos conteúdos)
engenheiros. Rio de Janeiro: LTC, p.10-21
 Conceitos Básicos
Estatística
Inferencial
Estatística
Descritiva

Probabilidade
 ESTATÍSTICA

DESCRITIVA MATEMÁTICA
INDUTIVA/INFERENCIAL/AMOSTRAL

É a par da estatística que É a parte da estatística que compreende as

É a parte da estatística que
compreende as técnicas que
dizem respeito à coleta, a
organização, a sumarização
e à descrição interpretativa
dos dados para a tomada de
decisões.
técnicas por meio das quais são tomadas
decisões sobre uma população, decisões
estas unicamente na observação de uma
amostra ou na elaboração de hipóteses
sobre a população de origem e formula
previsões fundamentando-se na teoria das
probabilidades devido ao fato de que tais
decisões são tomadas em condições de
incerteza.
das probabilidades devido ao fato de que
tais decisões são tomadas em condições de
incerteza.
 ESTATÍSTICA E PROBABILIDADE

ESTATÍSTICA DESCRITIVA PROBABILIDADE ESTATÍSTICA INFERENCIAL

Teoremas Estimações
Variáveis aleatórias Testes de hipóteses
Tratamentos do dados
Distribuições de Métodos estatísticos:
probabilidades Correlações e Regressões
 MATEMÁTICA

NÃO-DETERMINÍSTICA
MATEMÁTICA
DETERMINÍSTICA

Em geral, um experimento
ao ser observado e repetido
sob um mesmo conjunto
especificado de condições,
conduz invariavelmente ao
mesmo resultado.
Entretanto, existem experimentos em que não se
obtêm sempre o mesmo resultado, ainda que
realizado sob condições idênticas.
Tais experimentos, por apresentarem variabilidade
nos resultados, são objeto da Teoria de
Probabilidade (Modelo Aleatório).
 MODELO
ANÁLISE ALEATÓRIO

ASPECTOS ASPECTOS
ESTÁTICOS DINÂMICOS

Cálculo de Processo
Probabilidades Estocástico
 Probabilidade
 Experimento Aleatório (ξ):

 Um experimento é dito aleatório quando o seu resultado não for

previsível no sentido comum antes de sua realização, ou seja, é um
experimento cujos resultados estão sujeitos unicamente ao acaso.
 Probabilidade: Experimento Aleatório
 Traços pertinentes a caracterização de experimento aleatório:

1. Cada experimento poderá ser repetido indefinidamente sob condições

essencialmente inalteradas.
2. Embora o resultado preciso que ocorrerá não possa ser dado, um conjunto
que descreva todos os resultados possíveis para o experimento poderá ser
apresentado.
3. Quando o experimento for executado repetidamente, os resultados
individuais parecerão ocorrer de uma forma acidental. Contudo, quando o
experimento for repetido um grande número de vezes, uma configuração
definida ou regularidade surgirá. É esta regularidade que torna possível
construir um modelo matemático.
 Probabilidade: Experimento Aleatório
 Exemplo:

 Se medirmos a corrente em um fio fino de cobre, estaremos

conduzindo um experimento. Entretanto, em repetições diárias da
medida, os resultados poderão diferir levemente, por causa de
pequenas variações em variáveis que não estejam controladas em
nosso experimento, incluindo variações nas temperaturas ambientes,
leves variações nos medidores e pequenas impurezas na composição
química do fio, se diferentes localizações forem selecionadas e se a
fonte da corrente oscilar. Consequentemente, esse experimento é dito
ter um componente aleatório.
 Probabilidade: Experimento Aleatório
 As variações aleatórias estarão quase sempre presente mesmo que pequenas
e sua magnitude pode ser suficientemente grande que as conclusões do
experimento podem não ser óbvias.
 O objetivo é compreender, quantificar e modelar o tipo de variações que
ocorrem com frequência. Quando incorporados a variação nas análises, se
pode fazer julgamentos baseados nos resultados que sejam validados pela
variação.
 Para o exemplo da medição de corrente em um fio de cobre, o modelo para
o sistema deve ser a lei de Ohm. Por causa das alimentações não-controláveis,
são esperadas variações nas medidas da corrente. Entretanto, se as variações
forem grandes, relativas ao uso intencionado do equipamento sob estudo, se
estende o modelo para incluir a variação.
 Probabilidade: Espaço Amostral
Para modelar e analisar ξ , temos que entender:

 Espaço Amostral (Ω):

▪ É o conjunto de todos os possíveis resultados de um experimento

aleatório.

▪ Um espaço amostral é usualmente definido baseado nos objetivos da

análise.
 Probabilidade: Espaço Amostral
 Exemplo:

ξ = selecionar uma peça plástica moldada, tal como um conector, e medir sua
espessura.
X = espessura
a) Qualquer espessura: Ω = 𝑥 ȁ𝑥 > 0
b) Entre 10 e 11 mm Ω = 𝑥 ȁ10 < 𝑋 < 11
c) Obedece as especificações Ω = sim, não
d) Se baixa, média ou alta
Ω = 𝑏𝑎𝑖𝑥𝑎, 𝑚é𝑑𝑖𝑎 𝑎𝑙𝑡𝑎
e) Números peças conformes Ω = 0,1
 Probabilidade: Espaço Amostral
 Um espaço amostral pode ser :

 Espaços Amostrais Discretos

 Um espaço amostral é discreto se ele consiste em um conjunto finito
ou infinito contável de resultados.

 Espaços Amostrais Contínuos

 Um espaço amostral é contínuo se ele contém um intervalo (tanto
finito como infinito) de números reais.
 Probabilidade: Espaço Amostral
 Espaços amostrais podem também ser descritos graficamente com
diagramas em forma de árvore.
 Quando o espaço amostral puder ser construído em várias etapas ou
estágios, podemos representar cada uma das 𝑛1 maneiras de completar a
primeira etapa, como um ramo de uma árvore. Cada uma das maneiras de
completar a segunda etapa pode ser representada por 𝑛2 ramos,
começando das extremidades dos ramos originais e assim por diante.
 Exemplo: Cada mensagem em um sistema digital será classificada
conforme seja recebida dentro de um tempo especificado. Se três
mensagens forem classificadas, construa o espaço amostral por meio de
Diagrama de Árvore de Possibilidades.
 Probabilidade: Espaço Amostral

Mensagem 1

em tempo atrasado
Mensagem 2

em tempo atrasado em tempo atrasado

Mensagem 3

em atrasado em atrasado em atrasado em atrasado

tempo tempo tempo tempo
 Probabilidade: Eventos
• Eventos:

▪ São quaisquer subconjunto do espaço amostral de um experimento

aleatório.
▪ Representa-se pelas letras romanas maiúsculas.

▪ Pelo fato de eventos serem subconjuntos, podemos usar operações

básicas de conjuntos.
 Operações Com Eventos

 Como o espaço amostral Ω e qualquer evento de Ω são conjuntos,

todas as operações entre conjuntos podem ser aqui aplicadas. Assim,
se A e B são dois eventos de Ω, então:
 Probabilidade: Eventos

a) Evento União: A U B

A união de dois eventos é o evento que consiste em todos os resultados que

estão contidos em cada um dos dois eventos.
 Probabilidade: Eventos
b) Evento Interseção: A ∩ B

A interseção de dois eventos é o evento que consiste em todos os resultados

que estão contidos nos dois eventos, simultaneamente.
 Probabilidade: Eventos

c) Evento Complementar: Ā, A’ ou AC

O complemento de um evento em um espaço amostral é o conjunto dos

resultados no espaço amostral que não estão no evento.

Ā
 Probabilidade: Eventos

d) Evento Diferença: A – B
O evento A - B ocorre quando:
Ocorre o evento A mas não ocorre B.
 Probabilidade: Eventos
Exemplo: Sejam A, B e C eventos quaisquer de Ω. Usando as operações de
união, interseção e complementar, podemos descrever alguns eventos tais como:

1. Ocorrência de A e não ocorrência de B e C: A ∩ B’ ∩ C’

2. Ocorrência de pelo menos um destes eventos: A U B U C
3. Ocorrência de exatamente um destes eventos :
( A ∩ B’ ∩ C’ ) U ( A’ ∩ B ∩ C’ ) U ( A’ ∩ B’ ∩ C )
4. Ocorrência de nenhum destes eventos : A’ ∩ B’ ∩ C’
5. Ocorrência de exatamente dois destes eventos:
(A ∩ B ∩ C’ ) U ( A ∩ B’ ∩ C ) U ( A’ ∩ B ∩ C )
 Probabilidade: Eventos
 Algumas Propriedades Operatórias:

• Comutativas: • Distributivas:
A U B = B UA A U ( B ∩ C) = (A U B) ∩ (A U C)
A ∩ B = B ∩A A ∩ (B U C) = (A ∩ B) U (A ∩ C)

• Associativas: • Leis De Morgan:

A U (B U C) = (A U B) U C = (A U C) U B = A U B U C (A U B)’ = A’ ∩ B’
A ∩ (B ∩ C) = (A ∩ B) ∩ C = (A ∩ C) ∩ B = A ∩ B ∩ C (A ∩ B)’ = A’ U B’