Técnicas de amostragem

População
Amostra

Análise Descritiva

Conclusão sobre as Análise Indutiva (inferência) Informação

características da dos dados
população

 Medidas de tendência central

Censo x Amostragem Medidas de dispersão
Técnicas de Amostragem probabilística Medidas separatrizes
Estratificada Medidas de assimetria e curtose
conglomerado
Técnicas de Amostragem não probabilística
Acidental  Análise de impureza (Lista 4.1)
Intencional Estimativas de pontuação de alunos
Por quotas (fortes e fracos)
Tópico 06: Probabilidade
 Probabilidade
• “[...] a partir das distribuições de frequências observadas podemos
calcular medidas de posição e variabilidade, como média, mediana,
desvio padrão etc. [...]”. (Bussab,Morettin (2002).

• “[...] Em particular, as frequências (relativas) são estimativas de

quantidades desconhecidas de probabilidades de ocorrências de
certos eventos de interesse [...]”.(Bussab,Morettin (2002).

• “[..] A utilização de probabilidade indica a existência de um

elemento de acaso, ou incerteza, quanto à ocorrência ou não de
um evento [...]”. (Martins, 2008).

• A probabilidade nos indicará uma medida de quão provável é a

ocorrência de determinado evento. (Martins, 2008).
 Probabilidade
Experimentos Determinísticos
X
Experimentos Aleatórios
 Probabilidade
• São várias as situações em que é desejável ter uma medida
(avaliação numérica) de quão provável é a ocorrência de
determinado evento futuro.

Exemplos:
 Lançamento de um produto
 Lucros em uma operação mercantil
 Chover amanhã à tarde
 Resultado de uma partida de futebol
 Compra de ações de uma Cia. petrolífera
 Probabilidade

Espaço amostral
 O conjunto de todos os eventos simples de uma experiência
aleatória é o espaço amostral (S ou Ω ). Em outras palavras,
são todos os resultados possíveis do experimento em
questão!

Exemplos:
 Lançamento de um dado: S ={ 1,2,3,4,5,6}
 Lançamento de uma moeda S={ cara , coroa}
 RESULTADOS POSSÍVEIS (S ou Ω)?

52

60 6 2
 Probabilidade
• Medidas de probabilidades
 Na definição clássica de probabilidade, tomamos um espaço
amostral finito S={ a1, a2, a3, ..., an} , no qual os pontos ai (i =
1,2,.., n) podem ter a mesma probabilidade de ocorrer, ou
seja são equiprováveis.
Todo subconjunto A do espaço amostral diz-se um evento, sendo
sua probabilidade dada por:
Espaço
Amostral

Evento
 Probabilidade

Evento
Espaço
Amostral

Evento
Espaço
Amostral
 Probabilidade
• Regras básicas

 A probabilidade de um evento A deve ser um número maior

ou igual à 0, porém menor igual a 1. Isto é:

 Probabilidade do espaço amostral

 Os conjuntos S ou Ω e ∅ também são eventos:

 Ω é o evento certo
 ∅ é o evento impossível
 Probabilidade
• Exemplo:

 Obter números pares em um lançamento de um dado.

m= { 2,4,6}
n = { 1,2,3,4,5,6}

P(A) = 3/6 simplificando P(A) = 1/2 ou 0,5 ou 50%.

 Probabilidade
 Ao realizar um experimento aleatório diz-se que o evento A
ocorreu se o resultado observado for um elemento do
subconjunto A.
Dados dois eventos A e B de um mesmo espaço amostral:

P(A ∩ B) é o evento em que A e B ocorrem simultaneamente;

 P(A ∪ B) é o evento em que A ocorre ou B ocorre (ou ambos
ocorrem);
 Ac ou (evento complementar) é o evento em que A não
ocorre ou
 seja P( ) = 1 - P(A)
 Probabilidade
Exemplos:

1. Deseja-se calcular a probabilidade de ser retirada uma carta vermelha ou

um rei. A ={carta vermelha} e B {rei} .
P (A U B) = P(A) + P(B) - P(A ∩ B)
P (A U B) = 26/52 + 4/52 – 2/52 = 28/52 = 7/13 ou 52,8%

2. Deseja-se determinar a probabilidade de ser retirada uma carta de espadas

ou dama de ouros.
P (A U B) = 13/52 + 1/52 = 14/52 = 7/26 ou 26,9%

3. Se A {carta de paus}, então = { qualquer carta exceto paus }. Assim:

P(A) = 1 – P( ) = 1- 13/52 = 39/52= 3/4 ou 75%
 Probabilidade
Multiplicação de probabilidades e independência
estatística:

 Dois eventos serão estatisticamente independentes

se a ocorrência de um deles não afeta a ocorrência
do outro. Por exemplo, o lançamento de duas
moedas existem quatro possibilidades, isto é:
 S={ cc, ck, kc, kk}
Onde c = cara e k = coroa
P(CC) = P(C).P(C) =1/2 * 1/2 = 1/4
Cada resultado é igualmente provável (tratando-se de uma moeda honesta)
 Probabilidade
 Assim, dados dois eventos A e B, a probabilidade da ocorrência
conjunta é definida pela regra de multiplicação:
P(A.B) = P(A ∩ B) = P(A) P(B)

 Essa regra é válida para n eventos independentes: A1, A2,...,An,

desde que as condições para a multiplicação de probabilidades
sejam satisfeitas para todas as combinações de dois ou mais
eventos, isto é, desde que todas as combinações sejam
constituídas por eventos independentes. Então:

P(A1. A2. ... An) = P(A1∩A2 ... An ) = P(A1)P(A2)... P(An)

 Probabilidade
Exemplo:
 Uma experiência que consiste em lançar, simultaneamente, um
dado e duas moedas, qual a probabilidade de obter um “cinco”
e duas coras em uma única jogada?

Observe que os eventos são independentes. A probabilidade

procurada é:

P(5KK) = P(5∩K ∩K) = P(5)*P(K) *P(K) = 1/6*1/2*1/2 = 1/24

 Probabilidade
Probabilidade condicionada
 Considere o exemplo abaixo:
Dados do Censo Demográfico de 91 publicado pelo IBGE
relativos aos habitantes de Sergipe, na faixa etária entre 20 e
24 anos com relação às variáveis Sexo e Leitura.

E: Um jovem entre 20 e 24 anos é escolhido ao acaso em Sergipe.

Ω: conjunto de jovens de Sergipe, com idade entre 20 e 24 anos. Ω=101.850.
Eventos de interesse:

• M: “jovem sorteado é do sexo masculino”

• F: “jovem sorteado é do sexo feminino”
• L: “ jovem sorteado sabe ler”
• M ∩ L: “ jovem sorteado é do sexo masculino e sabe ler”
• M ∪ L: “ jovem sorteado é do sexo masculino ou sabe ler”

P(M) = 48.245/101.850=0,473
P(F) = P(Mc)= 1-P(M) = 1-0,473= 0,526
P(L) =85.881/101.850 =0,843
P(M∩ L) = 39.557/101.850 =0,388
P(M ∪ L) = P(M)+P(L) – P(M∩ L) = 0,473 + 0,843 – 0,388 = 0,928
 Probabilidade
Probabilidade condicionada

 Sejam A e B eventos de um experimento aleatório qualquer

(que não são independentes), com P(B) > 0. A probabilidade
condicional de A dado B (denota-se por P(A/B) é definida
como:

 Ou seja, como a razão entre a probabilidade de o evento

conjunto A e B ocorrer e a probabilidade da ocorrência do
evento B.
 Probabilidade
 Exemplo:

 Uma carta é retirada de um baralho. Qual é a probabilidade de

ser um rei preto, dado que a carta retirada foi uma “figura”
(valete, dama ou rei)?

 Sejam: A={rei preto} e B = { figura}, então:

 ou 17% (valor aproximado)

Lembre que no baralho existem dois reis pretos, os quais também são figuras, portanto 2/52.
Doze são as figuras, logo P(B)=12/52
 Probabilidade
 Regra geral da multiplicação de probabilidades ou teorema do
produto:

 A partir da definição de probabilidade condicionada, é possível enunciar a

regra geral de multiplicação de probabilidades: “a probabilidade da
ocorrência simultânea de dois eventos” A e B, do mesmo espaço amostral, é
igual ao produto da probabilidade de um deles pela probabilidade
condicionada do outro, dado o primeiro”.

P(A.B)=P (A ∩ B) = P(A).P(B/A)
 Probabilidade
 Exemplo 1:
Uma urna contém fichas numeradas de 1 a 4. Retira-se uma ficha
da urna ao acaso e anota-se o número. Esta ficha então é
recolocada na urna, e retira-se novamente uma ficha, ao acaso,
da urna. Qual a probabilidade de ter saído a ficha com número 1,
na primeira retirada, e de ser 5 a soma dos números das duas
fichas retiradas?

Evento A: sair o número 1 na primeira retirada =>P(A) = 1/4

Evento B: soma = 5

Evento B/A: {soma = 5 | a primeira ficha é 1}, se queremos que a soma seja 5, então é
preciso que a segunda ficha seja o número 4 ⇒ P(B/A)=1/4

P(A ∩ B) = P(A).P(B/A) = 1/4 . 1/4 = 1/16

 Probabilidade
 Exemplo 2:
Duas válvulas defeituosas se misturam com duas válvulas
perfeitas. As válvulas são ensaiadas, uma a uma, até que ambas
defeituosas sejam encontradas. Qual a probabilidade de que a
última válvula defeituosa seja encontrada no segundo ensaio?

Evento A: sair uma válvula defeituosa =>P(A) =2/4

Evento B: a última válvula é defeituosa

Evento B/A: {soma = sair a última válvula defeituosa | saiu uma válvula defeituosa ⇒
P(B|A) =1/3

P(A ∩ B) = P(A).P(B/A) = 2/4 . 1/3 = 2/12 = 1/6

 Probabilidade
 Exemplo 3:
Uma urna contém 3 bolas brancas e 8 pretas. Uma bola é retirada
ao acaso e não é reposta: então outra bola é retirada. Qual é a
probabilidade de ambas serem pretas?

P(ambas pretas): P(primeira preta). P(segunda preta/primeira preta)

P(A ∩ B) = P(A).P(B/A) = 8/11 . 7/10 = 56/110 = 28/55

 Probabilidade
Análise combinatória
• Análise combinatória (Teoria de contagem)
tem fundamental importância para se contar o
número de casos favoráveis e o total de casos.
 Probabilidade
Exemplo:
• Num lote de 12 peças, 4 são defeituosas e 8 são
boas. Duas peças são retiradas de forma aleatória.
• Pede-se:
a) A probabilidade de ambas serem defeituosas.
b) A probabilidade de ambas não serem defeituosas
c) A probabilidade de ao menos uma ser defeituosa.
a) A ={ ambas serem defeituosas}

A pode ocorrer

Ω pode ocorrer
Logo, P(A)=6/66 =1/11 (onde 6 é o número de casos favoráveis e 11 de casos
possíveis).

b) B ={ ambas serem não defeituosas}

A pode ocorrer

Ω pode ocorrer
Logo, P(B)=28/66 =14/33

c) C ={ ao menos uma é defeituosas}

Logo, P(C) = 1 – P(B) = 1-14/33 = 19/33