Escolar Documentos
Profissional Documentos
Cultura Documentos
Estatística Aplicada
APRESENTAÇÃO DA DISCIPLINA
PROGRAMA
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 2
PROGRAMA
empíricas analíticas
PROGRAMA TEMÁTICO
A-SINTÉTICO:
UNIDADE I: Parte teórico-prática
UNIDADE II: Parte prática
PROGRAMA ANALÍTICO
Sistema de Valores
Sentido de responsabilidade
Participação / Cooperação
Autonomia
Espírito crítico
Persistência
Justiça
Honestidade
Sistema de Habilidade
Diferenciar conceitos.
Conhecer as operações elementar.
Identificar os Axiomas,propriedades e teoremas
Analisar a decorrencia dentro de um conjunto dados.
SISTEMA DE AVALIAÇÂO:
BIBLIOGRAFIA:
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 6
CAPÍTULO 0 – INTRODUÇÃO
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 7
0.2 – IMPORTANCIA
Nos nossos dias, a estatística assume uma importância decisiva a diversos
níveis, o que é confirmado pelo destaque e pela frequência com que os seus estudos
surgem nos meios de comunicação social. Diariamente, a partir de jornais, revistas,
rádio e televisão, somos confrontados com tabelas, gráficos, sondagens, etc. que
traduz resultados de estudos estatísticos.
A importância da estatística pode ser vista através da sua utilização ao nível do
estado, organizações sociais e profissionais, do cidadão comum e ao nível científico.
Ao nível do estado, hoje em dia quase todas as decisões importantes que se
tomam são acompanhadas de estudos estatísticos e, o mesmo se pode dizer
relativamente à justificação da adequação ou não das políticas seguidas pelos
diferentes governos. Quase todos os países possuem organismos oficiais destinados à
realização de estudos estatísticos. Isto prova o grau de importância que os países
atribuem a estatística.
No que respeita as organizações sociais e profissionais, tem-se vindo a assistir a
um aumento do uso de estatística. Relativamente as organizações sociais – sindicatos,
empresas, Organizações sociais, etc, todas elas conduzem a acção recorrendo mais
ou menos à estatística. Por exemplo, uma empresa quando lança um novo produto,
indaga os potenciais compradores acerca do mesmo produto. Nas organizações
sociais destaca-se o aparecimento recente e o grande incremento de empresas e
profissões ligadas a publicidade e técnica de marketing nas quais a estatística
desempenha um papel central.
Presentemente a estatística abrange todos os campos da nossa vida, a sua
utilização deve obedecer as regras muito preciosas.
A estatística é aplicada nos problemas do estudo, problemas demográficos e
sociológicos; grau de sanidade contribuindo para a mobilização geral, serviços
meteorológicos, na agricultura, na biologia (medicinas e farmácias); estudo económico
e financeiro.
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 8
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 9
O que é a Estatística?
A Estatística é a ciência que provê de métodos que permitem recolher, organizar,
resumir, apresentar e analisar dados relativos a um conjunto de individuos ou
observações e que permitem extrair conclusões válidas e tomar decisões lógicas
baseadas em tais análises.“Che J. 2008”
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 10
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 12
MÉTODOS DE AMOSTRAGEM
PROBABILÍSTICAS NÃO PROBABILÍSTICAS
Amostragem simples aleatória Amostragem acidental
Amostragem sistemática Amostragem intencional
Amostragem estratificada Amostragem por quotas
Amostragem por conglomerado Outras
a) Técnicas probabilísticas:
Garantem que cada uma das unidades da população tenha a mesma
probabilidade estatística de pertencer à amostra, ou seja, que se baseiam no suposto
de equiprobabilidade, e nestes casos a amostra se considera autoponderada, e os
resultados são representativos.
Na amostragem aleatória simples, a cada elemento ou unidade da população
se assigna um número único, e a partir deste listado se faz um sorteio ou se utiliza uma
tabela de números aleatórios, seleccionando os casos até chegar ao tamanho desejado
da amostra. Este procedimento é longo e cansativo, sobretudo quando a população é
grande.
A amostragem sistemática constitui uma variante do procedimento anterior,
mas rápido e fácil de aplicar. Se divide o número de elementos da população entre o
número de sujeitos que se deseja que integrem a amostra. O resultado nos oferece o
intervalo que devemos utilizar, por exemplo:
População = 500:10 Muestra 50
e se procede a estudar cada um dos elementos que os integram. Se, por exemplo, se
pretende investigar o desenvolvimeto da lenguagem infantil nas zonas rurais, se parte
de uma lista de todas as zonas existentes, se selecciona a mostra que abarcará tais
zonas (conglomerados) e finalmente se procede a estudar a cada uma das pessoas
das zonas escolhidas. Um procedimento mais complexo pode incluir a selecção
inicial dos conglomerados, sua extratificação no suposto caso de que sejam grupos de
grande tamanho (ou se o estudo o requer) e posteriormente se determina a amostra
dentro de cada estrato pelos procedimentos antes mencionados.
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 14
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 15
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 16
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 17
SÉRIES ESTATÍSTICAS.
Uma série estatística é um conjunto de dados ordenados segundo uma
característica comum, as quais posteriormente para se fazer análises e inferências. As
séries podem ser:
Séries Temporais ou Cronológicas: É a série cujos dados estão dispostos em
correspondência com o tempo, ou seja, ainda que varie o tempo, o facto e o local
permanecem constantes.
Região População
Norte 3037
Nordeste 17568
Sudeste 42810
Sul 11878
Centro – oeste 5115
Total 80408
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 18
Localização População
Rural 80408
Urbana 38566
Total 118974
Anos REGIÕES
N NE SE S CO
1940 406 3381 7232 1591 271
1950 581 4745 10721 2313 424
1960 958 7517 17461 4361 1007
1970 1624 11753 28965 7303 2437
1980 3037 17567 42810 11878 5115
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 21
Tabela 2
X (notas) 7 8 9 10 11 12 13 14
Contagem
n (nº
alunos)
de 0 7 8 9 10 8 4 4
n i
= 50
Verificamos que a nota 7 não apareceu na sala, a nota 8 foi atribuída a 7, a nota
9 a 8 alunos, … etc. Admitindo que as notas variam de 7 a 14, representaremos,
genericamente esses valores por x e podemos escrever: x = 7,8,9,10,11,12,13,14.
Diremos então que a frequência de 7 é zero; de 8 é 7; de 9 é 8; de 10 é 9, de 11 é 10,
etc, podemos definir a frequência absoluta:
Assim, a Frequência Absoluta é o número de vezes que um determinado
acontecimento se realiza.
38 64 50 32 44 25 49 57
46 58 40 47 36 48 52 44
68 26 38 75 63 21 54 65
46 73 42 47 35 53 40 35
41 45 35 42 50 56 45 28
Chama-se Frequência Relativa de um acontecimento ao quociente entre
número de casos que verificam esse acontecimento (frequência absoluta), e o número
total de acontecimentos (população)
ni
f sendo..N 0 . Desta fórmula deduz-se 0 fi 1 também se pode
N
ni
exprimir a frequência relativa por fi ( *100)%sendo..n 0
N
Exemplo 2.2: A frequência relativa dos alunos que tiveram nota 8 no exemplo anterior
7
n8 0,14 14%
50
a) Classificar a variável
b) Elaborar uma distribuição de frequências
Resolução:
Algumas definições importantes
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 24
Limite Limite
• Quando se dá uma inferior superior
situação como esta,
[21 30[
o conveniente será
aumentar o numero [30 39[
de classes ou [39 48[
considerar o último
[48 57[
intervalo fechado
(para incluir o limite [57 66[
superior do mesmo [66 75]
Distribuição
Distribuição de frequências para as idades de 40
trabalhadores da industria na Baía Farta
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 25
Continuação
Classes Frequência, Fi Ponto médio Frequência Frequência
(Xi) relativa, fi acumulada (Fac)
21- 30 4 25,5 0,10 4
30 - 39 7 34,5 0,18 11
39 - 48 13 43,5 0,33 24
48 - 57 8 52,5 0,20 32
Vamos agora fazer uma distribuição com os mesmos dados mas com 7 classes.
Então pela regra empírica (que é uma consequência da relação =At/k) temos
At=54 e k=7 logo, como 7.8=56>54, devemos ver a diferença
56-54=2 , dividir por dois (resulta 1) e subtrair do valor mínimo da série de dados.
Resulta At=54, k=7, =54/7=8
Distribuição
Distribuição de frequências para as idades de 40 Número de
trabalhadores da industria na Baía Farta trabalhadores
Exemplo 2.3.1: De 200 pessoas que já tinham viajado de avião, registou-se em que
idades o fizeram pela primeira vez e obtiveram-se os seguintes resultados:
Nº de Nº de
Idade pessoas Idade pessoas Idade Nº de pessoas
(x) (Frequência) (x) (Frequência) (x) (Frequência)
0 3 30 5 52 2
1 2 32 1 53 3
2 1 33 1 55 2
3 4 35 4 57 6
4 1 37 2 58 1
5 3 38 7 60 14
8 4 39 2 61 4
10 5 40 3 62 3
11 6 42 4 63 5
12 4 43 2 64 6
14 6 44 1 65 2
15 8 45 5 66 4
16 1 46 2 67 4
18 3 48 3 68 3
21 21 49 4 69 2
24 6 50 12
25 2 51 1
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 26
n i
200
Note que a frequência absoluta de cada classe é igual a soma das frequências
absolutas observadas em cada classe.
Assim, x1 0; x2 1; x3 3; x4 4; x5 2; x6 5; x7 8 logo
3+2+1+4+1+3+4=18. Nesse exemplo, o 0 é o limite inferior e o 9 é o limite superior.
As frequências também podem ser escritas em forma de intervalos semi-abertos.
Assim, atendendo a que queremos formar 7 classes cuja amplitude é de 10 temos, por
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 27
h l2 l1
A semi-soma entre o limite superior e o limite inferior de uma classe chama-se Ponto
Li li
Médio ( xi ) isto é, ( xi )
2
x3 ( L3 l3 ) / 2
Exemplo 2.4:
(30 20) / 2 25
2.3.2 – Representação Gráfica das Frequências com dados em classes
10 a 19 10 x20 33 15 0.165
20 a 29 20 x30 29 25 0,145
30 a 39 30 x40 22 35 0,11
40 a 49 40 x50 24 45 0,12
50 a 59 50 x60 27 55 0,135
60 a 69 60 x70 47 65 0,235
xi
Li li
f i 1
n i 200 2
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 28
Resolução:
Procedendo como se indicou, vamos calcular as percentagens, convertendo-as
proporcionalmente em ângulos, multiplicando-as por 3,6º.
Espécie Quanty em ton Percentagens ângulos
Bovino 73 400 52,33 % 52,33 x 3,6 = 188,388º
Ovino e caprinos 10 780 7,69 % 7,69 x 3,6 = 27,684º
Suínos 56 090 39,98 % 39,98 x 3,6 = 143,928º
Total 140 260 100 % 360º
possibilita a visualização do conjunto estudado por meio das suas estatísticas, o que
não significa que estes cálculos e conclusões possam ser levados para a população.
As medidas de posição classificam-se conforme o esquema abaixo:
Aritmética
Arbitrária
Medidas Representativas - Médias Geométrica
Hamónica
Quadrática
Mediana
Quartis
Medidas de posiçãoseparatrizes
Decis
Centis...ou... percentis
Moda..de...Czuber
Do min antes...ModasModa...deKing
Moda..de...Pearson
3.2 – Medidas de posição Representativas – Médias
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 30
_
6 8 4 2 12 14 3 7 56
X 7
8 8
Se os números x1 , x2 , x3 ,..., xn acusares, respectivamente n1 , n2 , n3 ,..., nn
_
X
x1 n1 x 2 n2 x3 n3 ... x n nn
x n i i
N n i
A média denomina-se
Média Ponderada
n i 40 x*n i 146
_
X
xn i
3,65
n i
Exemplo 3.3: Determine o valor médio dos pesos de 60 doentes internados num
hospital, de acordo a tabela seguinte:
Pesos 56 a 61 a 66 a 71 a 76 a 81 a 86 a
(Intervalos) 60 65 70 75 80 85 90
Frequên 12 15 8 9 7 5 4
n i 60
Pesos 56 a 61 a 66 a 71 a 76 a 81 a 86 a
(Intervalos) 60 65 70 75 80 85 90
Frequência 12
(ni )
15 8 9 7 5 4
n i 60
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 31
xi 58 63 68 73 78 83 88
_
X
n i
4155
69,25
N 60
Características da Média Aritmética Simples
1. A média aritmética simples está entre o menor e o maior valor observado
_
X min X X máx
2. A soma algébrica dos desvios calculados entre os valores observados e a média
n n _
atrás
3. Somando-se ou subtraindo-se todos os valores xi da série por uma constante
“K” ( K 0) , a nova média aritmética será igual a original somada ou
xi .... yi xi k
.......... .....
subtraída por esta constante “k”
_ _ _
X ..... Y X k
4. Multiplicando-se ou dividindo-se todos os valores xi da série por uma constante
“K” ( K 0) , a nova média aritmética será igual a original somada ou
xi .... yi xi * k xi .... yi xi : k
.......... ..... .......... .....
subtraída por esta constante “k” ou
_ _ _ _ _ _
X ..... Y X * k X ..... Y X : k
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 32
( xi c)ni x n cn
M ( x c)
i i
N
i
N
x i ni ni
Deste modo teremos:
c xc
N N
X M ( x c) c
Exemplo 3.5: Numa população de 80 pessoas com idades que vão de 18 a 30 anos de
acordo a tabela abaixo determina a sua idade média.
X 18 19 20 21 22 23 24 25 26 27 28 29 30
F 6 8 10 2 3 6 9 5 4 7 1 12 7
n i 80
Resolução:
X 18 19 20 21 22 23 24 25 26 27 28 29 30
n 6 8 10 2 3 6 9 5 4 7 1 12 7
n i 80
x-c -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
(x-c)n -36 -40 -40 -6 -6 -6 0 5 8 21 4 60 42
( x c)n 6
6 3
M ( x c)
80 40
3
X M ( x c) c 24 24,075
40
No caso dos dados agrupados (intervalos), determina-se o ponto médio de cada
intervalo que se representa por x i . O valor médio de x calcula-se a partir dos pontos
médios, da mesma forma que para os dados não agrupados (isolados).
Resolução: Escolhendo C = 73
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 33
Pesos 56 a 61 a 66 71 76 81 86 a
(Intervalos) 60 65 a a a a 90
70 75 80 85
Frequência 12
(ni )
15 8 9 7 5 4
n i 60
xi 58 63 68 73 78 83 88
xi c -15 -10 -5 0 5 10 15
_
X ( xi c ) n (x i i c)
N
225
3,75
60
_
X M ( x c) C 3,75 73 69,25
3.3 – Mediana
3.4 – Dominantes – Moda (Mo)
3.3.1 – Mediana
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 34
Tendo um conjunto de n dados, a mediana será aquele valor que divide esse conjunto
em duas metades, uma delas com valores inferiores ao valor da mediana e a outra com
valores superiores. Duas situações podem surgir na determinação da mediana:
a) • Se a série de dados tiver um número ímpar de observações, haverá um único
valor central que corresponderá à mediana, isto é, o elemento de ordem (n+1)/2.
Disciplina Nota
Português 15
Inglês 16
Filosofia 18
Matemática 15
Física 16
Química 15
Biologia 17
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 35
Moda de um conjunto de dados, é o valor que mais se repete, i.e. que tem maior
frequência. Se um conjunto de dados tiver apenas uma moda, diz-se que é unimodal.
Se não tiver moda diz-se que é amodal. Pode-se encontrar também conjuntos de
dados com duas modas e quando assim é diz-se que são bimodais, sendo igualmente
possível encontrar-se conjuntos de dados com mais de duas modas. Diz-se neste caso
que é uma série multimodal
Se reportarmos às notas hipotéticas daquele aluno do Ensino Secundário
referido na Verificamos, no exemplo do ponto anterior que a moda é 15, porque ele
obteve 15 em três das sete disciplinas que estudava, não aparecendo nenhum outra
nota igual ou superior a 15. 15 16 18 15 16 15 17.
Em resumo, podemos dizer que as medidas de tendência central são uma
tentativa de sintetizar os dados em torno de um único valor. Quando a distribuição de
frequência de um conjunto de dados é simétrica, os valores da média, da mediana e da
moda coincidem.
Para distribuições simétricas e unimodais é preferível usar-se a média em vez
da mediana ou da moda como valor representativo do centro da distribuição. Para
distribuições marcadamente assimétricas, é preferível socorrer-se da mediana. A moda
é de se eleger em distribuições não numéricas (sexo, local de residência, modalidade
desportiva mais praticada, e.g.).
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 36
X 50 Y 50
Por esse motivo, juntamente com o valor esperado, introduziram-se também
outras características numéricas.
As medidas de dispersão visam descrever os dados no sentido informar o grau
de dispersão ou afastamento dos valores em torno de um valor central representativo
chamado média. Informa se um conjunto de dados é homogéneo (pouca variabilidade)
ou heterogéneo (muita variabilidade). As medidas de dispersão podem se:
Desvio..Extremo Amplitude
AbsolutaDesvio..Médio
Desvio...Quadrático.ou..Variância
Med.Disper
Desvio.Padão.ou.Desvio.Médio.Quadrático.
Variância.. Re lativa.
Re lativa
Coeficiente..de..Variação..de..Pearson
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 37
x n xn
i i i
xx
n i
N N N
xx 0
Exemplo 3.4: Considere os dados do exemplo anterior e calcule o valor médio do
desvio.
x n d*n
d xx
1 5 1- 3,65=-2,65 -13,25
2 8 2- 3,65=-1,65 -13,20
3 5 3- 3,65=0,65 -3,25
4 6 4- 3,65=-035 2,10
5 10 5- 3,65=1,35 13,5
6 6 6- 3,65=2,35 14,1
n i 40 d *n i 0
M(d)=M(x-c)=0/40=0
xi x
Var ( X ) i 1
2
Para a população, sendo N o Volume da população
N
ou
2
n
i 1
x x
.. para..amostra
Var ( X ) S
2
. sendo n o Volume da amostra
n 1
Se todos os valores do atributo forem diferentes, x1 , x2 , x3 ,... xn do atributo numa
n1 n2 n3 . .. nn N , teremos:
2
n
ni x x
Var ( X ) i 1 ou seja, a variância é igual a média ponderada dos
N
quadrados dos desvios com pesos iguais as respectivas frequências se X é uma V. A.
Var ( X ) ( x ) . f ( x) dx
2
Discreta mas se X é uma V. A. contínua então
X 2 4 5 6 ∑
n 8 9 10 3 30
n
_ n x
i 1
i i
8.2 9.4 10.5 3.6 120
X 4 Achemos agora a variância.
N 30 30
2
n
i 1
n i
x x
82 4 94 4 105 4 36 4
2 2 2 2
54
Var ( X ) 1,8
N 30 30
A Variância também é conhecida de desvio quadrático
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 39
Já achamos a variância e vimos que era igual a Var ( X ) 1,8 então o desvio
2
Var ( X ) x x
2
4.5 – Coeficiente de Variação
4.6 – Variância Relativa
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 40
INTRODUÇÃO
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 41
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 42
Exemplo 1.5 Loja – Uma loja abre às 09 horas e encerra às 19 horas. Um cliente,
tomado ao acaso, entra na loja num momento X e sai no momento Y expresso em
horas, com origem as 9 horas. Pretende-se observar os momentos de entrada e saída
do cliente. Como a entra e a saída se processa ao acaso, logicamente, poderá ocorrer
a qualquer momento no espaço das 9 às 19 horas. Se a hora de entrada for designada
por X e de saída Y então teremos, Ω = {(X. Y): 9<X<Y<19}.
As experiências descritas - bem como outras tantas - têm certos factores comuns.
Para cada experiência conhecemos, antecipadamente, todos os resultados possíveis.
Mas em cada realização da experiência não saberemos qual será o resultado
específico, estamos pois, em presença experiências aleatórias, porquanto todas estão
sujeitas à influências de factores casuais e conduzem a resultados incertos.
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 43
2 ou 2 .
Exemplo 1.7: Seja a experiência aleatória que consiste no lançamento de uma
moeda perfeita. Para esta experiência ter-se-ia:
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 44
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 45
A ( B C ) ( A B) C A ( B C ) ( A B) C
Distributiva A (B C)
A (B C)
( A B) ( A C )
( A B) ( A C )
Idempotência A A A A A A
Lei do A A A A
complemento
Lei de De A B A B A B A B
Morgan
Elemento Neutro A A A A
Elemento A A
Absorvente
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 46
m F
f ( A) ou f ( A) onde m = F é o nº de provas nas quais o acontecimento
n n
ocorreu (Frequência absoluta) e n o nº total das provas efectuadas de facto e deve ser
diferente de zero.
Comparando a definição de probabilidade com a frequência relativa, deduzimos
que a definição de probabilidade não exige que as prova sejam efectuadas na
realidade, enquanto a definição de pressupõe que as provas fora efectuadas de facto,
por outras palavras, a probabilidade se calcula a priori enquanto a frequência relativa
se determina experimentalmente.
Exemplo 1.10 – A secção técnica de uma empresa detectou 3 peças
defeituosas numa partida de 80 peças tomadas ao acaso. A frequência relativa das
3
peças defeituosas é de f ( A)
80
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 47
19
frequência relativa dos acertos é de f ( A)
24
Observações prolongadas determinaram que se as experiências são efectuadas
em iguais condições em cada uma das quais o nº de provas é suficientemente grande,
a frequência relativa revela a propriedade de estabilidade. Esta propriedade consiste
em que nas diferentes experiências, a frequência relativa varia pouco oscilando em
torno de um acerto valor constante. Deste modo, se por via experimental foi
estabelecida a frequência relativa, o nº obtido pode ser tomado como valor aproximado
da probabilidade.
Exemplos 1.12 – Fizeram-se 100, 500, 1000 e 2000 lançamentos de um dado.
No Quadro seguinte apresentam-se as frequências relativas como que se obtiveram as
seis faces sendo notório que para maior número de lançamentos as frequências
relativas de cada face mais se aproximam de 1/6 = 0,1666…
NA
conjunto de condições, isto é, P( A) Lim
N N
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 48
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 49
P( A1 A2 A3 ... An ) P( A1 ) P( A2 ) P( A3 ) ... P( An )
Demonstração:
Seja N o número de todos casos possíveis e igualmente prováveis dos quais
N A1 são favoráveis ao acontecimento A1 ; N A2 são favoráveis ao acontecimento
A2 ... , N An são favoráveis ao acontecimento
An . Por definição de probabilidade,
N N NA
A A1 A2 A3 ... An ), então, P( A) A1 A2 ... n
N N N
P( A1 ) P( A2 ) P( A3 ) ... P( An )
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 50
Exemplo 1.13: Numa Urna há 30 bola das quais, 10 são vermelhas, 5 são azuis
e 15 brancas. Achar a probabilidade de saída de uma bola colorida (azul ou vermelha).
Res: AS bolas coloridas são 10 vermelhas e 5 azuis, logo há 15. Portanto,
N A1 10 e N A2 5
N A1 N A2 10 5 1
P( A)
N N 30 30 2
NA 5 1
Resolução: N = 30 e NA = 5, então, P( A)
N 30 6
Exemplo 1.16 – Numa urna há 30 bolas das quais 10 são vermelhas, 5
amarelas e 15 brancas. Achar probabilidade de se extrair da urna uma bola colorida,
isto é, vermelha ou amarela.
Resolução: Seja A extracção de uma bola vermelha e B a extracção de uma
bola amarela
10 5 10 5 1
P( A) eP( B) P( A B) P( A) P( B)
30 30 30 30 2
Um acontecimento aleatório A pode ocorrer de várias formas mutuamente
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 51
+ 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
P( A) P( A1 ) P( A2 ) ... P( An )
Se os acontecimentos A1 , A2 , A3 ,…, An são não só mutuamente exclusivas
mas também exaustivas, o que significa que pelo menos um deles ocorre, a
probabilidade de que qualquer deles se realize é igual a unidade, visto que devemos
ter: P( A1 ) P( A2 ) ... P( An ) 1.
Um acontecimento que não é certo não é certo pode ou não ocorrer, isto
constitui dois modos mutuamente exclusivos. É costume chamar-se a não ocorrência
P( A) P( B) 1. o,7 P( B) 1
Resolução:
P( B) 1 0,7 P( B) 0,3
Exemplo 1.19 – Um dado foi lançado duas vezes. Seja A o acontecimento
(soma das pintas obtidas nos dois dados lançados diferentes de quatro. Calcule P(A).
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 52
3 33
P( A ) 1 P( A) 1
36 36
Exemplo 1.20 – Considere a experiência aleatória do exemplo anterior e
considere A e B tais que:
A = {saída, no primeiro lançamento, de um nº de pintas superior a 2}
B = {saída, no primeiro lançamento, de um nº de pintas pelo menos igual a 5}
12 12
# 36 ; # A 12 P( A) e # B 12 P( B)
36 36
4
# A B 4 P( A B)
36
P( A B ) P( A) P( B ) P ( A B)
12 12 4 5
36 36 36 9
Como vimos nos exemplos anteriores, torna-se necessário por vezes determinar o
nº de casos favoráveis assim como o nº de caso possíveis. A análise combinatória,
também conhecido como cálculo combinatório, estuda problemas com os que serão
apresentados, relativos a diferentes maneiras de agrupar ou dispor elementos de um
dado conjunto, atendendo, umas vezes, a natureza dos elementos, outras vezes a
ordem pela qual são considerados e outras vezes ainda a natureza e a ordem ao
mesmo tempo
b) Se n = 1 então n! = 1, isto é, 1! = 1
c) Se n = 0 então n! = 1, isto é, 0! = 1
Exemplo 2.1
0! = 1
1! = 1
2! = 2.1 = 2
3! = 3.2.1 = 6
4! = 4.3.2.1 = 24
5! = 5.4.3.2.1 = 120
6! = 6.5.4.3.2.1 = 720
7! = 7.6.5.4.3.2.1 = 5040
2.1.2 – Arranjos
Resp: m = 4 e p = 3 a, b, c
Diferem pela natureza a, b, d Diferem por ordem
a, c, b
Exemplo 2.3: Consideremos o conjunto de 3 elementos {a, b, c,} e formemos arranjos
de 2 elementos, A3, 2 :
Posiçã
o 2ª ( duas possibilidades)
(ab)
a
(ac)
(ba)
Posição 1ª b
(ba)
3 Possibilidades
(ca)
c
(cb)
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 54
A3, 2 3 * 2 6
Consideremos agora o conjunto de 4 elementos {a, b, c, d} e formemos arranjos de
3 elementos. Da mesma forma podemos concluir que o total dos arranjos é igual o
produto das possibilidades de cada posição, quer dizer:
1ª Posição: 4 Possibilidades
2ª Posição: 3 Possibilidades
3ª Posição: 2Possibilidades
A4,3 4 * 3 * 2 24 ,
Como se vê, o nº das possibilidades de cada posição diminui de uma em uma unidade
a partir da 1ª posição.
Nº de Nº de possibilidades
Arranjos 1ª Posição 2ª Posição 3ª Posição … P ésima posição
A m
m ,1
Am , 2 m m -1
Am ,3 m m-1 m-2
…
… … … …
m – (p – 1)
Am , p m m-1 m–2 …
Am.,1 m
Am , 2 m( m 1)
Am ,3 m( m 1)(m 2)
… ….
Am , p m(m 1)(m 2)...( m p 1) donde teremos:
m( m 1)(m 2)(m 3)...( m p 1)(m p )!
Am , p
( m. p )!
m!
Am , p
( m p )!
Exemplo 2.4: Com 5 panos de cores diferentes e igual tamanho quantas
bandeiras de 3 cores se podem formar?
5! 5 * 4 * 3 * 2!
Resol: A5,3 60
(5 3)! 2!
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 55
2.1.3 – Permutações
2.1.4 – Combinações
12! 12 *11*10 * 9!
Resp: ( 3 ) 220
12
3! (12 3)! 3 * 2 * 9!
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 56
Exemplo 2.8 – Um aluno pretende comprar 4 livros diferentes mas de igual preço e só
tem dinheiro para 3. De quantos modos o aluno pode fazer a escolha de 3 daqueles
livros entre os 4 que o aluno deseja.
4! 4 * 3!
Resolução: ( 3 ) 4
4
3! ( 4 3)! 3!*1
3!
A3, 2 3 * 2 6 12;.. 13;.. 21;.. 23;.. 31;.. 32
(3 2)!
_ _
b) A n
n
k
k
A23 3 2 9 12;.. 13;.. 21;.. 23;.. 31;.. 32;.. 11;.. 22;.. 33
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 57
elementos entre os quais um se repete n1 vezes, outro se repete n 2 vezes, ... outro se
repete n k vezes, sendo n1 + n 2 +...+ n k =n.
Pn1 , n 2 , n3 ...n k
n!
n1 !.n 2 !.n3 !...n k !
Exemplo 2.11 – De quantas maneiras se pode dispor 10 bolas, sendo uma
branca, duas pretas, três vermelhas e 4 verdes.
Resolução: n1 1 , n 2 2 , n3 3 , n 4 4
n1 + n 2 + n3 .+ n 4 n 1 2 3 4 10 .
Pn1 , n 2 , n3 ...n k
n!
n1 !.n 2 !.n3 !...n k !
P1,2,3,4
10! 10.9.8.7.6.5.4!
12600
1!.2!.3!.4! 1.2.3.2.4!
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 58
m! m! m!
( mm p )
(m p)!m (m p)! (m p)!(m m p)! (m p)! p!
( mm p ) ( mp )...OQQD
( mp ) ( mp 1 ) ( mm 1p )
(Regra de Stiffell)
m!
( mp )
Demonstração: p!(m p )! e
(m 1)!
( mp 1 )
p! (m 1 p )!
(m 1)! (m 1)!
( mp ) ( mp 1 ) ( mm 1p )
p! (m 1 p)! ( p 1)!m p !
(m 1)! m p (m 1)! p
* *
p! (m 1 p)! m p ( p 1)!m p ! p
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 59
(m 1)!(m p) (m 1)! P p
( mp ) * .... Achando..o.. factor...comum,.vem :
p! (m p)! m p! p
(m 1)!(m p) p (m 1)!(m p p) (m 1)!m m!
( mp ) ( mp )
p! (m p)! p!m p ! p! (m p)! p! (m p)!
OQQD.
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 60
P( A B)
probabilidade do acontecimento A, isto é P( B / A) de igual modo,
P( A)
P( A B)
P( A / B) .
P( B)
Das duas fórmulas pode-se deduzir que a probabilidade de ocorrência
simultânea de dois acontecimentos independentes é igual a
P( A B) P( B / A) * P( A) ou P( A B) P( A / B) * P( B) .
Se os acontecimentos A e B são independentes, então
P( B / A) P( B)eP( A / B) P( A) já que neste caso P( A B) .
Dai também podemos deduzir que se os acontecimentos são independentes,
P( A B) P( A) * P( B) .
Exemplo 3.2: Numa urna há 3 bolas brancas e 3 bolas pretas. Da urna tiram-se
duas vezes uma bola de cada vez. Achar a probabilidade de que saia uma bola branca
da 2ª vez (acontecimento B) se na primeira vez tirou-se uma bola preta (acontecimento
A)
3
P ( B / A)
Resolução: 6
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 61
6,1
6,2 6,3 6,4 6,5 6,6
Logo, as probabilidades são:
P( AB ) 1 P( AB ) 1
P( A / B) e P( B / A)
P( B) 5 P( A) 9
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 62
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 63
P ( A) 0,8 P ( B) 0,7
Resolução:
8 7 9
P( A) P( B) P(C )
Resolução 10 10 10
P( A) P( A1 ) * P( A2 ) * P( A3 ) P( A1 ) * P( A2 ) * P( A3 ) P( A1 ) * P( A2 ) * P( A3 )
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 64
P( A) 1 q1 * q2 * q3 ... * qn
P( A) 1 q n
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 65
igual a 0,9. Achar a probabilidade de num momento dado, esteja a trabalhar pelo
menos uma máquina.
P( A) 1 q n
1 0,1
4
P( A) 0,999
Exemplo 3.10: A probabilidade de que num disparo um atirador acerte no alvo,
é igual a 0,4. Quantas vezes o atirador deve disparar para que com uma probabilidade
não menor que 0,9, acerte pelo menos uma vez.
Resolução: p 0,4 q 0,6eP( A) 0,9
P( A) 1 q n
0,9 1 0,6
n
(0,6) n 1 0,9
log(0,6) n log(0,1) Resposta: São necessários 5 disparos
1
n log 0,6 1 n
0,2218
n 4,5
Exemplo 3.11: A probabilidade de que um acontecimento A se verifique pelo
menos uma vez em duas provas independentes é igual a 0,75. Achar a probabilidade
de ocorrência do acontecimento em uma prova
P( A) 0.75
n2
P( A) 1 q n
Resolução: 0.75 1 q 2
q 2 1 0.75
q 0.25 0.5 p 0.5
Exemplo 3.11: Tem-se dois conjuntos de peças. A probabilidade de que uma peça
do 1º conjunto seja não estandardizada é igual a 0,8 e do 2º é igual a 0,9. Achar a
probabilidade de que uma peça extraída ao acaso de um conjunto escolhido também
ao acaso seja estandardizada.
Resolução: Sejam
B = Saída de uma peça estandardizada.
1
A1 Extracção de uma peça do 1º conjunto P ( A1 ) e PA1 ( B) 0,8
2
1
A2 Extracção de uma peça do 2º conjunto P( A2 ) e PA2 ( B) 0,9
2
P( B) P( A1 ) PA1 ( B ) P( A2 ) PA 2 ( B)
1 1
P( B) 0,8 0,9 0,4 0,45
2 2
P( B) 0,85
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 67
9 19
P( A1 ) e PA1 ( B )
10 21
1
A2 Extracção de uma lâmpada não estandardizada da 2ª caixa P( A2 ) e
10
18
PA2 ( B )
21
P( B ) P( A1 ) PA1 ( B ) P( A2 ) PA 2 ( B )
9 19 1 18 189
P( B ) . .
10 21 10 21 210
José César
Apontamentos de Estatística seleccionados pelo PhD. Abílio Eduardo – ISCED Benguela/2020 68
pelo 2º é igual a 0,98. No controlo, uma peça acabada foi reconhecida como
estandardizada. Achar a probabilidade de que essa peça tenha sido ve3rificada pelo 1º
controlador.
Resolução: Designemos por B o acontecimento em que uma peça seja
reconhecida como estandardizada. Podemos fazer duas hipóteses:
José César