Escolar Documentos
Profissional Documentos
Cultura Documentos
1 / 56
Módulo 1
1. Estatı́stica descritiva
1.1 Conceitos Fundamentais
1.2 Tabelas
1.3 Gráficos
1.4 Medidas de posição
1.5 Medidas de dispersão
2. Probabilidade
2.1 Conceitos básicos de Probabilidade
2.2 Variáveis aleatórias unidimensionais
2.3 Esperança matemática
2.4 Distribuições discretas
2.5 Distribuições contı́nuas
2 / 56
Experimento
Definição: Um experimento é qualquer procedimento que envolva observação. Assim,
quando se efetuam medidas da massa de um elétron ou quando se observam as sucessivas
posição de um corpo, estão sendo realizados experimentos.
Exemplos:
• A conversão entre Celsius e Kelvin é determinı́stica:
• Quando a água é aquecida a 100◦ C, sob pressão normal, ela entra em ebulição.
• Um corpo colocado a 200 metros de altura e depois solto, cai por ação da gravidade.
3 / 56
Experimento
Exemplos:
• Lançamento de uma moeda honesta.
• O número diário de pacientes que chegam a um hospital.
• O tempo de vida de uma lâmpada.
• O tipo sanguı́neo de uma pessoa sorteada da população.
4 / 56
Caracterı́sticas de um experimento aleatório
• Embora não sejamos capazes de afirmar o resultado que ocorrerá, seremos capazes de
descrever o conjunto de todos os possı́veis resultados o experimento.
É esta regularidade (padrão) que torna possı́vel construir um modelo matemático para
analisar o experimento.
5 / 56
Exemplo de regularidade estatı́stica
Um exemplo de regularidade estatı́stica extremamente simples é o Tabuleiro de Galton:
6 / 56
Exemplo de regularidade estatı́stica
Frequência relativa de “caras” no lançamento de uma moeda repetidas vezes.
0.65
0.60
0.55
Proporção de caras
0.50
0.45
0.40
0.35
7 / 56
Espaço amostral (S)
Definição (Espaço amostral): Para cada experimento E , definimos espaço amostral
como o conjunto de todos os resultados possı́veis de E . Representaremos por S.
Exemplos:
E1. Jogar um dado e observar a face resultante:
8 / 56
Espaço amostral (S)
Definição (Espaço amostral): Para cada experimento E , definimos espaço amostral
como o conjunto de todos os resultados possı́veis de E . Representaremos por S.
Exemplos:
E1. Jogar um dado e observar a face resultante:
S = {1, 2, 3, 4, 5, 6}.
E2. Jogar uma moeda quatro vezes e observar o número de caras obtidas:
8 / 56
Espaço amostral (S)
Definição (Espaço amostral): Para cada experimento E , definimos espaço amostral
como o conjunto de todos os resultados possı́veis de E . Representaremos por S.
Exemplos:
E1. Jogar um dado e observar a face resultante:
S = {1, 2, 3, 4, 5, 6}.
E2. Jogar uma moeda quatro vezes e observar o número de caras obtidas:
S = {0, 1, 2, 3, 4}.
E3. Em uma linha de produção, fabrique peças em série e conte o número de peças
defeituosas produzidas num perı́odo de 24 horas:
8 / 56
Espaço amostral (S)
Definição (Espaço amostral): Para cada experimento E , definimos espaço amostral
como o conjunto de todos os resultados possı́veis de E . Representaremos por S.
Exemplos:
E1. Jogar um dado e observar a face resultante:
S = {1, 2, 3, 4, 5, 6}.
E2. Jogar uma moeda quatro vezes e observar o número de caras obtidas:
S = {0, 1, 2, 3, 4}.
E3. Em uma linha de produção, fabrique peças em série e conte o número de peças
defeituosas produzidas num perı́odo de 24 horas:
S = {0, 1, 2, . . . , N}, (N é o número máximo de peças produzidas em 24hs).
8 / 56
Espaço amostral (S)
(Continuação):
E4. Um lote de 10 testes de farmácia contém 3 itens defeituosos. Os testes são retirados
um a um (sem reposição) até que o último teste defeituoso seja encontrado. O
número total de testes retirados do lote é contado:
9 / 56
Espaço amostral (S)
(Continuação):
E4. Um lote de 10 testes de farmácia contém 3 itens defeituosos. Os testes são retirados
um a um (sem reposição) até que o último teste defeituoso seja encontrado. O
número total de testes retirados do lote é contado:
S = {3, 4, 5, 6, 7, 8, 9, 10}.
E5. Na avaliação de uma nova máquina para realização de exames no Hospital Vida
Saudável, o tempo decorrido (em horas) até a falha é registrado:
9 / 56
Espaço amostral (S)
(Continuação):
E4. Um lote de 10 testes de farmácia contém 3 itens defeituosos. Os testes são retirados
um a um (sem reposição) até que o último teste defeituoso seja encontrado. O
número total de testes retirados do lote é contado:
S = {3, 4, 5, 6, 7, 8, 9, 10}.
E5. Na avaliação de uma nova máquina para realização de exames no Hospital Vida
Saudável, o tempo decorrido (em horas) até a falha é registrado:
S = {t ∈ R : t ≥ 0}.
9 / 56
Espaço amostral (S)
(Continuação):
E4. Um lote de 10 testes de farmácia contém 3 itens defeituosos. Os testes são retirados
um a um (sem reposição) até que o último teste defeituoso seja encontrado. O
número total de testes retirados do lote é contado:
S = {3, 4, 5, 6, 7, 8, 9, 10}.
E5. Na avaliação de uma nova máquina para realização de exames no Hospital Vida
Saudável, o tempo decorrido (em horas) até a falha é registrado:
S = {t ∈ R : t ≥ 0}.
Exemplos:
E1. Observar número ı́mpar:
10 / 56
Evento
Definição (Evento): Dado um espaço amostral S, associado a um experimento E
qualquer, definimos como evento qualquer subconjunto do espaço amostral S.
Exemplos:
E1. Observar número ı́mpar: A1 = {1, 3, 5}.
E2. Cara ocorre duas ou mais vezes:
10 / 56
Evento
Definição (Evento): Dado um espaço amostral S, associado a um experimento E
qualquer, definimos como evento qualquer subconjunto do espaço amostral S.
Exemplos:
E1. Observar número ı́mpar: A1 = {1, 3, 5}.
E2. Cara ocorre duas ou mais vezes: A2 = {2, 3, 4}.
E3. Todas as peças são perfeitas:
10 / 56
Evento
Definição (Evento): Dado um espaço amostral S, associado a um experimento E
qualquer, definimos como evento qualquer subconjunto do espaço amostral S.
Exemplos:
E1. Observar número ı́mpar: A1 = {1, 3, 5}.
E2. Cara ocorre duas ou mais vezes: A2 = {2, 3, 4}.
E3. Todas as peças são perfeitas: A3 = {0}.
E4. Os três itens defeituosos são retirados até a quarta tentativa:
10 / 56
Evento
Definição (Evento): Dado um espaço amostral S, associado a um experimento E
qualquer, definimos como evento qualquer subconjunto do espaço amostral S.
Exemplos:
E1. Observar número ı́mpar: A1 = {1, 3, 5}.
E2. Cara ocorre duas ou mais vezes: A2 = {2, 3, 4}.
E3. Todas as peças são perfeitas: A3 = {0}.
E4. Os três itens defeituosos são retirados até a quarta tentativa: A4 = {3, 4}.
E5. A máquina falha antes de 1000 horas:
10 / 56
Evento
Definição (Evento): Dado um espaço amostral S, associado a um experimento E
qualquer, definimos como evento qualquer subconjunto do espaço amostral S.
Exemplos:
E1. Observar número ı́mpar: A1 = {1, 3, 5}.
E2. Cara ocorre duas ou mais vezes: A2 = {2, 3, 4}.
E3. Todas as peças são perfeitas: A3 = {0}.
E4. Os três itens defeituosos são retirados até a quarta tentativa: A4 = {3, 4}.
E5. A máquina falha antes de 1000 horas: A5 = {t ∈ R : 0 ≤ t < 1000}.
E6. Pelo menos 4 casas tem ligação clandestina:
10 / 56
Evento
Definição (Evento): Dado um espaço amostral S, associado a um experimento E
qualquer, definimos como evento qualquer subconjunto do espaço amostral S.
Exemplos:
E1. Observar número ı́mpar: A1 = {1, 3, 5}.
E2. Cara ocorre duas ou mais vezes: A2 = {2, 3, 4}.
E3. Todas as peças são perfeitas: A3 = {0}.
E4. Os três itens defeituosos são retirados até a quarta tentativa: A4 = {3, 4}.
E5. A máquina falha antes de 1000 horas: A5 = {t ∈ R : 0 ≤ t < 1000}.
E6. Pelo menos 4 casas tem ligação clandestina: A6 = {4, 5, . . .}
10 / 56
Evento
Definição (Evento): Dado um espaço amostral S, associado a um experimento E
qualquer, definimos como evento qualquer subconjunto do espaço amostral S.
Exemplos:
E1. Observar número ı́mpar: A1 = {1, 3, 5}.
E2. Cara ocorre duas ou mais vezes: A2 = {2, 3, 4}.
E3. Todas as peças são perfeitas: A3 = {0}.
E4. Os três itens defeituosos são retirados até a quarta tentativa: A4 = {3, 4}.
E5. A máquina falha antes de 1000 horas: A5 = {t ∈ R : 0 ≤ t < 1000}.
E6. Pelo menos 4 casas tem ligação clandestina: A6 = {4, 5, . . .}
Exemplo:
A = {1, 2, 3} e B = {0} =⇒ A ∪ B = {0, 1, 2, 3}
11 / 56
Operações básicas com eventos
Intersecção: A ∩ B é o evento que ocorrerá se e somente se A e B ocorrerem
simultaneamente.
Exemplo:
A = {2, 3, 4} e B = {2, 4, 6} =⇒ A ∩ B = {2, 4}
12 / 56
Operações Básicas com Eventos
Complementar: Se A é evento de S, então, Ac é o evento que consiste em todos os
resultados de S que não estejam incluı́dos no evento A.
• Leis de De Morgan:
(A ∪ B)c = Ac ∩ B c
(A ∩ B)c = Ac ∪ B c
• Leis Distributivas:
A ∪ (B ∩ C ) = (A ∪ B) ∩ (A ∪ C )
A ∩ (B ∪ C ) = (A ∩ B) ∪ (A ∩ C )
15 / 56
Operações Básicas com Eventos
Eventos mutuamente excludentes (disjuntos): Dois eventos A e B são mutuamente
excludentes (ou disjuntos) se não tem elementos em comum, ou seja, se A ∩ B = ∅.
Mais geralmente, uma coleção de eventos é dita ser disjunta se os eventos forem disjuntos
aos pares, ou seja, Ai ∩ Aj = ∅, para i ̸= j.
16 / 56
Operações Básicas com Eventos
Partição: Os eventos A1 , A2 , . . . , An formam uma partição do espaço amostral S se
A1 , A2 , . . . , An são mutuamente excludentes e sua união forma o espaço amostral S.
Significa dizer que se temos a certeza de que um evento ocorrerá, diremos que sua
probabilidade é 1 (ou 100%). Por outro lado, se temos certeza de que um evento não
ocorrerá, diremos que sua probabilidade é 0 (ou 0%).
A probabilidade não nos diz exatamente o que vai acontecer, é apenas um guia.
18 / 56
Espaços amostrais finitos equiprováveis
Exemplo:
19 / 56
Definição clássica de Probabilidade
20 / 56
Definição clássica de Probabilidade
Exemplo: Considere o experimento de lançar dois dados de 6 faces. Temos, então, o
seguinte espaço amostral:
21 / 56
Definição clássica de Probabilidade
(Continuação:) Ou seja,
S = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)},
Exemplo 1:
23 / 56
Definição clássica de Probabilidade
Exemplo 1:
A = {(1, 1), (1, 3), (1, 5), (3, 1), (3, 3), (3, 5), (5, 1), (5, 3), (5, 5)}
23 / 56
Definição clássica de Probabilidade
Exemplo 2:
Problema: Jogue um par de dados e considere o total dos dois resultados. Qual é o
espaço amostral deste experimento?
24 / 56
Definição clássica de Probabilidade
Exemplo 2:
Problema: Jogue um par de dados e considere o total dos dois resultados. Qual é o
espaço amostral deste experimento?
Solução:
S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
24 / 56
Definição clássica de Probabilidade
Exemplo 2:
Problema: Jogue um par de dados e considere o total dos dois resultados. Qual é o
espaço amostral deste experimento?
Solução:
S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
24 / 56
Definição clássica de Probabilidade
Exemplo 3:
Problema: No lançamento de dois dados, qual a probabilidade de que a soma dos pontos
seja maior do que 10?
25 / 56
Definição clássica de Probabilidade
Exemplo 3:
Problema: No lançamento de dois dados, qual a probabilidade de que a soma dos pontos
seja maior do que 10?
Solução: Considere o evento B ≡ “soma dos dados é maior do que 10”. Esse evento
corresponde ao conjunto
B = {(5, 6), (6, 5), (6, 6)}.
Pela definição clássica de probabilidade, temos que
#B 3
P(B) = = = 0.083
#S 36
25 / 56
Algumas regras de Probabilidade
26 / 56
Postulados de Probabilidade
Os três postulados (axiomas) de Probabilidade são dados a seguir:
A2. P(S) = 1.
27 / 56
Propriedades de Probabilidade
28 / 56
Exemplos
Exemplos:
29 / 56
Exemplos
Exemplos:
30 / 56
Exemplos
2. Uma carta é tirada de um baralho. Determine a probabilidade de a carta ser um rei
OU um 10.
Solução: Defina os eventos:
Daı́,
4 4
P(A) = e P(B) = .
52 52
Note que, neste caso, A e B são mutuamente excludentes. Logo,
4 4 8
P(A ∪ B) = P(A) + P(B) = + = = 0.1538
52 52 52
30 / 56
Exemplos
3. Da população canadense, 30% são da provı́ncia de Quebec, 25% falam francês, 24%
são de Quebec e falam francês. Escolhido ao acaso um canadense, qual a
probabilidade de:
a) Ser de Quebec ou falar francês?
b) Falar francês e não ser de Quebec?
31 / 56
Exemplos
3. Da população canadense, 30% são da provı́ncia de Quebec, 25% falam francês, 24%
são de Quebec e falam francês. Escolhido ao acaso um canadense, qual a
probabilidade de:
a) Ser de Quebec ou falar francês?
b) Falar francês e não ser de Quebec?
31 / 56
Exemplos
3. Da população canadense, 30% são da provı́ncia de Quebec, 25% falam francês, 24%
são de Quebec e falam francês. Escolhido ao acaso um canadense, qual a
probabilidade de:
a) Ser de Quebec ou falar francês?
b) Falar francês e não ser de Quebec?
31 / 56
Exemplos
3. Da população canadense, 30% são da provı́ncia de Quebec, 25% falam francês, 24%
são de Quebec e falam francês. Escolhido ao acaso um canadense, qual a
probabilidade de:
a) Ser de Quebec ou falar francês?
b) Falar francês e não ser de Quebec?
31 / 56
Exemplos
4. Amostras de emissões de três fornecedores são classificadas com relação a satisfazer
as especificações de qualidade do ar. Os resultados de 100 amostras são resumidos a
seguir:
Conforme
Fornecedor sim não
1 22 8
2 25 5
3 30 10
Solução:
30 77
a) P(A) = = 0.30 e P(B) = = 0.77 .
100 100
b) P(Ac ) = 1 − P(A) = 1 − 0.30 = 0.70
22
c) P(A ∩ B) = = 0.22
100
d) P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = 0.30 + 0.77 − 0.22 = 0.85
33 / 56
Exemplos
Tabela de Contingência:
Perguntou-se a uma amostra de adultos com nı́vel superior completo, em três capitais, se
eles atuavam na área. Os resultados estão a seguir:
34 / 56
Exemplos
Solução:
1. Qual a probabilidade do adulto ser de João Pessoa?
Temos que
295
P({adulto ser de João Pessoa}) = = 0.339
870
35 / 56
Exemplos
Solução:
2. Qual a probabilidade do adulto não ser de Recife?
João Pessoa Recife Natal Total
Sim 160 220 180 560
Não 135 80 95 310
Total 295 300 275 870
Temos que
Temos que
P({adulto não ser de Recife} ∩ {não atuar na área}) = P ((adulto ser de Recife)c )
80
= = 0.092
870
37 / 56
Probabilidade condicional
A probabilidade de um evento A ocorrer, dado (ou na condição de) que outro evento B já
ocorreu é chamada de probabilidade condicional e é definida como
P(A ∩ B)
P(A|B) = .
P(B)
38 / 56
Probabilidade condicional
Exemplo: Dois dados são lançados ao acaso. Qual a probabilidade da soma ser igual a 6,
dado que o primeiro dado saiu número menor que 3.
Pergunta: Qual a probabilidade do adulto ter respondido não, sabendo que ele é de
Natal?
Solução: Defina os eventos
A ≡ {adulto responder não para alguma pergunta} e B ≡ {o adulto é de Natal}.
Daı́, temos
P(A ∩ B) 95/870 95
P(A|B) = = = = 0.345
P(B) 275/870 275
40 / 56
Probabilidade condicional
41 / 56
Probabilidade condicional
Exemplo: Dois carros são selecionados em uma linha de produção com 12 unidades, 5
delas defeituosas. Determine a probabilidade de ambos os carros serem defeituosos.
Temos que
5 4
P(A) = e P(B|A) = .
12 11
Daı́,
5 4 5
P(A ∩ B) = P(A)P(B|A) = · = = 0.151
12 11 33
42 / 56
Probabilidade condicional
Exemplo: Uma caixa contém 4 lâmpadas boas e 2 queimadas. Retira-se ao acaso 3
lâmpadas, sem reposição. Calcule a probabilidade dessas 3 lâmpadas serem boas.
43 / 56
Probabilidade condicional
Teorema da probabilidade total: Sejam A1 , A2 , . . . , Ak uma partição do espaço
amostral S, ou seja, eventos mutuamente exclusivos cuja união forma o espaço amostral.
Seja B um evento qualquer associado a S, então:
k
X
P(B) = P(A1 )P(B|A1 ) + · · · + P(Ak )P(B|Ak ) = P(Ai )P(B|Ai ).
i=1
44 / 56
Probabilidade condicional
Exemplo: Em uma turma 60% dos estudantes são homens e 40% mulheres. Além disso,
sabe-se que 1% dos homens e 4% das mulheres tem menos de 1.60m. Dado que um
estudante foi sorteado aleatoriamente, qual a probabilidade dele ter menos de 1.60m?
H ≡ “estudante é homem”
M ≡ “estudante é mulher”
A ≡ “estudante tem menos do que 1.60m”
Temos que P(H) = 0.6, P(A|H) = 0.01, P(M) = 0.4 e P(A|M) = 0.04
45 / 56
Probabilidade condicional
Solução alternativa: árvore de probabilidades:
P(A|H) = 0.01
.6 H A
)=0
P (H
P (M
)=0
.4 M A
P(A|M) = 0.04
Daı́,
46 / 56
Probabilidade condicional
Exemplo: Uma urna contém 5 bolas: 2 brancas (B) e 3 vermelhas (V). O experimento
consiste em retirar 2 bolas ao acaso e sem reposição. Qual a probabilidade de que uma
segunda bola seja sorteada na segunda extração?
2 1 3 2 2
= · + · =
5 4 5 4 5
47 / 56
Probabilidade condicional
Solução alternativa: árvore de probabilidades:
= 1/4
P (B2 |B1 ) B2
B1
5
) = 2/ P (V2 |B ) V2
P (B 1 1 = 3/4
P (V = 2/4
1) = 3/ P (B2 |V1 ) B2
5
V1
P (V2 |V ) V2
1 = 2/4
Daı́,
2 1 3 2 2
P(B2 ) = P(B1 )P(B2 |B1 ) + P(V1 )P(B2 |V1 ) = · + · =
5 4 5 4 5
48 / 56
Probabilidade condicional
Exemplo: Considere ainda a urna do exemplo anterior, mas vamos fazer três extrações
sem reposição. Indiquemos por Vi ou Bi a obtenção de bola vermelha ou branca na
i-ésima extração, respectivamente, i = 1, 2, 3.
= P(B1 )P(V2 |B1 )P(B3 |B1 ∩ V2 ) + P(V1 )P(B2 |V1 )P(B3 |V1 ∩ B2 ) + P(V1 )P(V2 |V1 )P(B3 |V1 ∩ V2 )
2 3 1 3 2 1 3 2 2 2
= · · + · · + · · =
5 4 3 5 4 3 5 4 3 5
49 / 56
Probabilidade condicional
Solução alternativa: árvore de probabilidades:
1
B2 V3
1/4
B1
1/3 B3
2/5 3/4
V2
2/3 V3
1/3 B3
1/4 B2
2/4
2/3 V3
V1
2/3 B3
2/4
V2
1/3 V3
50 / 56
Teorema de Bayes
O Teorema de Bayes é a regra matemática que descreve como atualizar a crença sobre
a ocorrência de um determinado evento, dada alguma evidência. Em outras palavras, a
fórmula de Bayes descreve o ato de aprender.
51 / 56
Teorema de Bayes
Exemplo: Em uma turma 60% dos estudantes são homens e 40% mulheres. Além disso,
sabe-se que 1% dos homens e 4% das mulheres tem menos de 1.60m. Dado que um
estudante com menos de 1.60m foi sorteado aleatoriamente, qual a probabilidade de ser
mulher?
52 / 56
Teorema de Bayes
Exemplo: Uma rede local de computadores é composta por um servidor e cinco clientes.
Dos pedidos de um tipo de processamento cerca de 10% vem do cliente A, 15% do B,
15% do C, 40% do D e 20% do E. Caso o pedido não seja feito de forma adequada, o
processamento apresentará erro. Usualmente ocorrem os seguintes percentuais de pedidos
inadequados: 1% do cliente A, 2% do cliente B, 0.5% do cliente C, 2% do cliente D e 8%
do cliente E. Sabendo-se que o processo apresentou erro calcule a probabilidade de que o
processo tenha sido pedido pelo cliente E.
53 / 56
Teorema de Bayes
(Continuação) Estamos interessados em calcular P(E |I ). Temos que
P(A) = 0.10 e P(I |A) = 0.010
P(B) = 0.15 e P(I |B) = 0.020
P(C ) = 0.15 e P(I |C ) = 0.005
P(D) = 0.40 e P(I |D) = 0.020
P(E ) = 0.20 e P(I |E ) = 0.080
54 / 56
Independência de eventos
P(A ∩ B) = P(A)P(B).
55 / 56
Independência de eventos
1. Três caras.
2. Duas caras e uma coroa.
3. Nenhuma cara.
56 / 56