UNIDADE II

Estatística Aplicada
às Ciências Humanas
Profa. Alessandra Teixeira
Probabilidade

 Para fazer inferência estatística, usam-se técnicas que exigem o conhecimento de

probabilidade.
 A teoria das probabilidades busca estimar as chances de ocorrer um determinado
acontecimento.
 Antes de ativar uma usina nuclear, devemos analisar a probabilidade de uma
detonação acidental.
 Antes de aumentar o limite de velocidade em nossas rodovias, devemos procurar
estimar a probabilidade do aumento em acidentes fatais.
Experimentos, espaço amostral e eventos

 Experimentos: resultado no lançamento de um dado.

 Espaço amostral: lançamento de um dado:  = {1, 2, 3, 4, 5, 6}.

 Eventos: alguns eventos de um dado:

A: sair face par A = {2, 4, 6}  
B: sair face maior que 3 B = {4, 5, 6}  
Probabilidade – exemplo

 Medida da incerteza associada aos resultados do experimento aleatório.

 Em um vestibular, uma questão típica de múltipla escolha tem 5 respostas

possíveis. Respondendo à questão aleatoriamente, qual é a probabilidade
de sua resposta estar errada?
Probabilidade – mais dois exemplos

 Imagine que um dado foi jogado. Qual é a probabilidade de ter ocorrido 5?

 No lançamento de um dado perfeito, qual é a probabilidade de sair um número

maior do que 4?
Probabilidade – outro exemplo

 Determine a probabilidade de que um casal com três filhos tenha

exatamente 2 meninos.
Probabilidade condicional – exemplo

Há seis meias na gaveta: três vermelhas e três azuis. Você quer um par de meias
vermelhas. Sem olhar, retira uma meia da gaveta e, sem recolocar essa meia na
gaveta, retira outra. Qual é a probabilidade de ambas serem vermelhas?

P (1ª meia vermelha) =

P (2ª meia vermelha) =

Regra da multiplicação – eventos dependentes

Se A e B são eventos dependentes, a probabilidade de ocorrer A e B é dada pela

probabilidade de ocorrer A multiplicada pela probabilidade de ocorrer B dado
que A ocorreu (esta probabilidade é condicional):

P(A e B) = P(A  B) = P(A) . P(B/A)

 Cinco bolas que se distinguem apenas pela cor são

colocadas dentro de um chapéu e perfeitamente
misturadas. Três dessas bolas são azuis e duas são
vermelhas. Retiram-se duas bolas ao acaso do chapéu,
sem olhar, uma em seguida da outra e sem que a primeira
tenha sido recolocada. Qual é a probabilidade de que as
duas sejam vermelhas?
Regra da multiplicação – eventos dependentes

O chapéu contém cinco bolas: duas são vermelhas. Então, a probabilidade de a

primeira bola retirada ser vermelha é:
Como a bola retirada não foi recolocada, restam quatro bolas no chapéu. Se a
primeira bola retirada era vermelha, das quatro bolas que ficaram no chapéu apenas
uma é vermelha. A probabilidade (condicional) de a segunda bola retirada
ser vermelha é:
A probabilidade de as duas bolas retiradas serem vermelhas é dada pelo produto:
Interatividade

Com referência à tabela, admita que todas as escolhas envolvam os 2.000

indivíduos. Se uma pessoa é selecionada aleatoriamente, qual é a probabilidade de
ela ter sido vítima de um estranho, dado que foi escolhida uma vítima de furto?
a) P(estranho / furto) = 0,75.
b) P(estranho / furto) = 0,559.
c) P(estranho / furto) = 0,2525.
d) P(estranho / furto) = 0,5087.
e) P(estranho / furto) = 0,1739.
Resposta

Com referência à tabela, admita que todas as escolhas envolvam os 2.000

indivíduos. Se uma pessoa é selecionada aleatoriamente, qual é a probabilidade de
ela ter sido vítima de um estranho, dado que foi escolhida uma vítima de furto?

a) P(estranho / furto) = 0,75. (alternativa correta)

P(estranho / furto) = 379 / 505 = 0,75
Eventos independentes – exemplo

 Dois eventos, A e B, são independentes se a ocorrência de um deles (A ou B) não

tem efeito sobre a ocorrência do outro (B ou A).

 Lançando dois dados, qual é a probabilidade de obtermos 1 no primeiro dado?

Regra da multiplicação – eventos independentes

Se A e B são eventos independentes, a probabilidade de ocorrer A e B é dada pela

probabilidade de ocorrer A, multiplicada pela probabilidade de ocorrer B. Escreve-se:

P(A e B) = P(A  B) = P(A) . P(B)

Você lança dois dados ao mesmo tempo: um é vermelho e o outro é amarelo.

Qual é a probabilidade de ocorrer a face 3 no dado amarelo e a face 5 no dado
vermelho?
P(3 no dado amarelo)=
P(5 no dado vermelho)=
P(3 no amarelo e 5 no vermelho)=
Eventos mutuamente excludentes – definição

 Se dois eventos não podem ocorrer ao mesmo tempo, dizemos que são
mutuamente exclusivos. A ocorrência de um desses eventos exclui (impede) a
ocorrência do outro.
 Por exemplo, no lançamento de uma moeda, o evento tirar cara e o tirar coroa
são mutuamente exclusivos, pois, se um deles for realizado, o outro não será.
 Quando você joga um dado, só pode ocorrer uma das faces. Então se ocorreu a
face “cinco”, ficou excluída a possibilidade de ter ocorrido qualquer outra face.
Regra da adição – exemplo com eventos mutuamente excludentes

 Se A e B são eventos mutuamente exclusivos, a probabilidade de ocorrer A

ou B é igual à soma das probabilidades de ocorrer cada um deles. Escreve-se:
P(A ou B) = P(A  B) = P(A) + P(B)

 Quando você joga um dado, só pode ocorrer uma das faces. Qual é a
probabilidade de, em um lançamento, ocorrer 1 ou 6?

P(1) =

P(6)=

P(1  6)=
Regra da adição – exemplo com eventos mutuamente excludentes

 Imagine um pote de vidro com 11 bolinhas de diferentes cores: 3 azuis, 4 brancas,

2 vermelhas, 1 amarela, 1 verde. Qual é a probabilidade de, em uma só retirada,
ocorrer bola verde ou bola amarela?

P(verde)=

P(amarela)=

P(verde ou amarela)=
Regra da adição – eventos não excludentes

Se A e B são dois eventos não mutuamente exclusivos, há uma sobreposição, isto é,

existe pelo menos um resultado de A que também é resultado de B. Então, a
probabilidade de ocorrer A ou B é dada pela probabilidade de A, mais a probabilidade
de B, menos a probabilidade de A e B (contada duas vezes). Escreve-se:

P(A ou B) = P(A  B) = P(A) + P(B) – P(A  B)

 Quando você joga um dado, só pode ocorrer uma das faces. Qual é a
probabilidade de, em um lançamento, ocorrer “número ímpar” ou ocorrer “número
maior do que quatro”?
P(nº ímpar)=
P(número > 4)=
P(nº ímpar  número > 4)=
Exemplos de probabilidade

 Em uma caixa existem dez bolinhas idênticas, numeradas de 1 a 10. Qual a

probabilidade de que, ao se retirar uma bolinha, ela seja múltiplo de 2 ou de 5?

Solução:
S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} n(S) = 10
E = {2, 4, 5, 6, 8,10} n(E) = 6
P=
Exemplos de probabilidade

 Lançando um dado, qual é a probabilidade de tirar 3 ou 5 na face superior?

Solução: (Eventos mutuamente exclusivos)
Sair número 3: P =

Sair número 5: P =
P= + =
Exemplos de probabilidade

 Uma caixa contém 20 canetas iguais, das quais 7 são defeituosas, e outra caixa
contém 12, das quais 4 são defeituosas. Uma caneta é retirada aleatoriamente de
cada caixa. Determine as probabilidades de que ambas não sejam defeituosas.
Solução: (Eventos independentes)
Caixa A: 20 canetas, em que 7 são defeituosas e 13 são perfeitas.
Caixa B: 12 canetas, em que 4 são defeituosas e 8 são perfeitas.
P(A)=
P(B)=
P= x = 104 = 0,43
240
Interatividade

Considere uma urna que contém 7 bolas brancas, 2 bolas vermelhas e 5 bolas
pretas. Determine a probabilidade de se retirar, ao acaso, uma bola preta.
a) 5/14
b) 7/5
c) 2/5
d) 2/7
e) 5/2
Resposta

Considere uma urna que contém 7 bolas brancas, 2 bolas vermelhas e 5 bolas
pretas. Determine a probabilidade de se retirar, ao acaso, uma bola preta.

Solução: Alternativa a)
Total de bolas pretas: 5
Total de bolas na urna: 7 + 2 + 5 = 14
P = 5/14
Distribuição normal de probabilidades – exemplo

Os comprimentos das peças produzidas por certa máquina apresentaram as

seguintes medidas estatísticas: média = 2,00 cm e desvio-padrão = 0,04 cm. Qual é
a probabilidade de uma peça retirada aleatoriamente do lote analisado ter
comprimento entre 2,00 cm e 2,0508 cm?
Solução:
z = x –𝑥= 2,00 – 2,00 = 0 z = 2,0508 – 2,00 = 0,0508 = 1,27
S 0,04 0,04 0,04
Distribuição normal de probabilidades – exemplo

 Verificando na tabela, temos que a probabilidade é dada por: P = 0,3980 = 39,80%

Distribuição normal de probabilidades – exemplo

A duração de um certo componente tem média igual a 850 dias e um desvio-padrão

de 40 dias. Sabendo que a duração é, normalmente distribuída, calcule a
probabilidade desse componente durar entre 800 dias e 950 dias.
Solução:
Vamos calcular separadamente:
 entre 800 e 850 dias
 z = (800 – 850)/40 = – 1,25
 entre 850 dias e 950 dias
 z = (950 – 850)/40 = 2,5
Distribuição normal de probabilidades – exemplo

Verificando na tabela:
 Entre 0 e – 1,25 = entre 0 e 1,25 P1 = 0,3944
 Entre 0 e 2,5 P2 = 0,4938

P1 + P2 = 0,8882
Correlação linear

 Em Estatística, a correlação é um parâmetro que indica o grau de

correspondência entre duas variáveis (neste estudo, simbolizadas por x e y).
Exemplos:
 salário de um trabalhador X escolaridade do trabalhador;
 quantidade de livros que uma pessoa já leu X escolaridade;
 horas de estudo X nota na prova;
 temperatura de um forno X tempo de cozimento no forno.
Correlação linear

A correlação pode ser:

 Positiva: dada pela relação direta entre as variáveis (se a variável x aumentar, a
variável y também aumentará, e vice-versa). Exemplo: horas de estudo x nota na
prova.

 Negativa: dada pela relação inversa entre as variáveis (se a variável x aumentar,
a variável y tenderá a diminuir, e vice-versa). Exemplo: velocidade do carro x
tempo da viagem.
Interatividade

Encontre, na tabela normal de probabilidades, a probabilidade de encontrar uma

variável padrão entre 0 e 1,47.
a) 0
b) 0,4292
c) 0,1258
d) 1,4752
e) 1,47
Resposta

Encontre, na tabela normal de probabilidades, a probabilidade de encontrar uma

variável padrão entre 0 e 1,47.
Solução: Alternativa b)
. . . . . . 7
.
.
1,4 0,4292
P = 0,4292
Correlação linear – diagrama de dispersão

Considere os dados apresentados abaixo que representam o número de anos que a

pessoa estudou (xi) e número de livros que a pessoa já leu (yi).
xi 3 5 7 9 10 14 16
yi 1 2 3 5 7 10 13

Construa o diagrama de
dispersão equivalente.
Correlação linear – coeficiente de correlação de Pearson

Fórmula:

Os possíveis valores de r variam de –1 a 1, em que:

r = –1,00: correlação negativa perfeita.

r = 0: correlação inexistente.
r = 1: correlação positiva perfeita.
Correlação linear – exemplo

Abaixo estão apresentados os dados referentes ao número de anos que a pessoa

estudou (xi) e número de livros que a pessoa já leu (yi).

xi 3 5 7 9 10 14 16
yi 1 2 3 5 7 10 13

Calcule o coeficiente de correlação de Pearson e interprete-o.

Correlação linear – exemplo
Correlação linear – exemplos
Interatividade

Foi realizada uma pesquisa sobre a relação entre as horas de estudo e a nota da
prova e verificou-se que o coeficiente de correlação é igual a 0,98. Interprete-o.
a) A correlação entre essas duas variáveis é positiva forte, ou seja, quanto maior o
número de horas de estudo, maior a nota.
b) A correlação entre essas duas variáveis é positiva forte, ou seja, quanto maior o
número de horas de estudo, menor a nota.
c) Correlação pouco significativa.
d) A correlação entre essas duas variáveis é negativa.
e) Sem correlação.
Resposta

Foi realizada uma pesquisa sobre a relação entre as horas de estudo e a nota da
prova e verificou-se que o coeficiente de correlação é igual a 0,98. Interprete-o.

Solução: Alternativa a)
A correlação entre essas duas variáveis é positiva forte, ou seja, quanto maior o
número de horas de estudo, maior a nota.
ATÉ A PRÓXIMA!