Escolar Documentos
Profissional Documentos
Cultura Documentos
• Objetivos de Aprendizagem
3
Probabilidades
4
Probabilidades
5
Análise de Risco e a Probabilidade
8
Probabilidades
• Agora, vamos supor que nosso experimento aleatório
é o lançamento de uma moeda. Sabemos que só
podem ocorrer duas situações nesse lançamento: ou
cara ou coroa, portanto:
9
Espaço Amostral
• Por exemplo, vamos ver qual é o espaço amostral de
um lançamento de um dado, portanto Ω= {1, 2, 3, 4, 5,
6} (com seis possíveis resultados), sendo que cada
elemento de Ω é chamado de um ponto amostral.
11
Exemplo
Ω = {1, 2, 3, 4, 5, 6} - N = 6
A = {2,4,6} - n(A) = 3
B = {1, 5} - n(B) = 2
12
Assim:
13
Regras Básicas
• P(Ω) = 1 = Possível.
• P()= 0 = Impossível.
14
Operações com Eventos
Dois eventos A e B:
18
Regra da Adição
• P(A B) – é a probabilidade de A e B
ocorrerem simultaneamente, ou seja, é a
intersecção entre os eventos A e B.
19
Regra da Adição
20
Regra da Adição
21
Regra da Adição
O As de espada
Regra da Adição
• P(A) = 4/52
• P(B) = 13/52
24
Probabilidade condicional
P(A B)
• P(A B) =
P(B) 25
Probabilidade Condicional
26
Probabilidade Condicional
28
Probabilidade Condicional
29
Regra da Multiplicação
30
Regra da multiplicação
32
Regra da multiplicação
33
Regra da multiplicação
• Qual é a probabilidade de sair bola branca na primeira
retirada? P(B) = 2/5
• Qual é a probabilidade de sair bola branca na primeira
retirada e bola preta na segunda retirada? P(B na 1ª ∩ P na
2ª ) = 6/20
• Qual é a probabilidade de sair bola preta na segunda
retirada, dado que saiu branca na primeira retirada?
• P(P na 2ª ⎥ B na 1ª) = 3/4
• Qual é a probabilidade de sair bola branca na segunda
retirada, dado que saiu preta na primeira retirada?
• P(B na 2ª ⎥ P na 1ª) = 2/4
• Qual é a probabilidade de sair bola preta na segunda 34
retirada?
• P(P na 2ª) = 6/20 + 6/20 = 12/20
DISTRIBUIÇÕES DE
PROBABILIDADE
35
Distribuições de
probabilidade
• Variável Aleatória
• Uma variável aleatória é uma variável que, geralmente,
representada por pela letra x, tem um valor numérico
único (determinado aleatoriamente) para cada resultado
de um experimento.
• Cada variável aleatória tem um número para cada
resultado de um experimento e uma distribuição de
probabilidades associa uma probabilidade a cada
resultado numérico de um experimento (CRESPO,
2009).
36
Distribuições de
probabilidade
• Alguns exemplos de variáveis aleatórias:
• - número de mulheres entre 10 empregados recém-
admitidos.
• - número de alunos que não compareceram à aula
de estatística hoje.
• - altura de um adulto do sexo feminino selecionado
aleatoriamente.
37
Agora na Tabela...
38
Distribuição Binomial
39
Distribuição Binomial
40
Distribuição Binomial
n k. n k
P(X= k) = p .q
k
n n!
Em que,
k k!(n k)!
n n! k. n k
• P(X= k) = k k!(n k)! p .q
41
Distribuição Binomial
• k = número de sucessos.
• n = número de elementos da amostra.
• p = probabilidade de sucesso.
• q = probabilidade de fracasso.
43
Exemplos
• 02) A mesma indústria do exercício anterior (01) tem a
probabilidade de produzir peças defeituosas em 10%.
Em uma amostra de 6 itens, considerando que essa
variável segue distribuição binomial, qual a
probabilidade de haver no máximo uma peça
defeituosa?
49
Distribuição Normal
50
Como achar os valores?
51
Distribuição Normal
xi μ
σ
52
Distribuição Normal
Z = (2,5-2)/0,5 = 1
53
Como achar os valores?
0,3413
54
Distribuição Normal
55
Distribuição Normal
• De tomarmos um lote ao acaso e ter menos que uma
taxa de falhas de 2,5.
• P(x < 2,5) = P(z < 1) = 0,5 – 0,3413 = 0,1587 ou
15,87%
• De tomarmos um lote ao acaso e ter mais que uma taxa
de falhas de 2,5.
• P(x > 2,5) = P(z > 1) = 0,5 + 0,3413 = 0,8413 ou
84,13%
• De tomarmos um lote ao acaso e ter uma taxa de falhas
entre 1,25 e 2,0 falhas.
• P(1,25 < x < 2,0) = P(-1,5<z<0) = 0,4332 ou 43,32%
56
Como achar os valores?
57
Estatística