Escolar Documentos
Profissional Documentos
Cultura Documentos
Probabilidade SEMANA 1
Reconhecer os principais objetivos da estatística descritiva e inferencial;
Compreender os conceitos de “população” e “amostra”, também os dois principais tipos de amostra que
podem ser estudadas – amostra aleatória simples e amostra estratificada;
Identificar, compreender e ser capaz de classificar os diferentes tipos de variáveis que são usados na
estatística e suas possíveis diferentes escalas de medida.
POPULAÇÃO AMOSTRA
É a coleção de todos os resultados, É um subconjunto ou parte de uma
respostas, medições ou contagens população.
que são de interesse.
PARÂMETRO: ESTATÍSTICA
Descrição numérica de uma característica Descrição numérica de uma característica
populacional. Constante para a população. amostral. Pode diferir de uma amostra para
outra.
DESCRITIVA INFERENCIAL
TIPOS DE DADOS
QUANTITATIVOS: QUALITATIVOS:
Consistem em atributos, rótulos ou entradas não numéricas. Consistem em atributos, rótulos ou
1. DISCRETAS: armazenam números que podem assumir entradas não numéricas.
somente um conjunto discreto de valores. Exemplos:
número de pessoas em uma fila, dias de férias
2. CONTÍNUAS: registram dados que podem assumir
valores em um intervalo real. Exemplos: preços, duração
de uma música, índice pluviométrico
MENSURAÇÃO ORDINAL:
Podem ser qualitativos ou quantitativos e tem
NOMINAL:
como característica a possibilidade de
Categorizados em nomes, rótulos ou
ordenação ou classificados, mas as entradas
qualidades que impossibilitam cálculos
não possuem característica numérica.
matemáticos.
RAZÃO:
INTERVALAR:
Um dado pode ser expresso
Podem ser ordenados e a significativamente como um múltiplo de
diferença entre eles calculada. outro.
construir uma distribuição de frequências para um conjunto de dados
quantitativos;
construir corretamente um histograma para representar a distribuição de
frequências através da escolha adequada do número e amplitude dos SEMANA 2
intervalos de classe;
descrever as principais medidas de posição (média, mediana e moda) e de
dispersão (amplitude total, desvio padrão) e realizar seu cálculo
diretamente a partir dos dados e das distribuições de frequências.
DISTRIBUIÇÃO DE FREQUÊNCIAS
Uma distribuição de frequências é uma tabela que mostra classes ou intervalos de valores com a
contagem do número de ocorrências em cada intervalo ou classe. A frequência f de uma classe é
o número de ocorrências de dados na classe. A diferença entre o valor máximo e mínimo dos
dados é chamada de amplitude.
PONTO MÉDIO: É a soma dos limites inferior e superior da classe dividida por dois. É
conhecida, também, por marca da classe (representante da classe).
FREQUÊNCIA RELATIVA: é a proporção ou fração de dados que está na classe. Para calculá-
la, a frequência deve ser dividida pelo tamanho n da amostra.
FREQUÊNCIA ACUMULADA: é a soma das frequências dessa classe com todas as anteriores. A
frequência acumulada da última classe é igual ao tamanho n da amostra. Um gráfico de ogiva é
um gráfico de linhas que mostra as frequências acumuladas até cada classe em sua fronteira
superior. As fronteiras superiores são marcadas no eixo horizontal e as frequências acumuladas
são marcadas no eixo vertical.
HISTOGRAMA:
3
são: (1) a escala horizontal é quantitativa e indica os valores dos dados; (2) a escala vertical indica
0
10 12 14 16
as frequências das classes e (3) barras consecutivas devem estar encostadas umas nas outras.
REGRA EMPÍRICA
Compreender os conceitos de experimento aleatório, espaço amostral,
probabilidade frequentista e enunciar os três axiomas da teoria das
probabilidades;
Descrever eventos em termos de conjuntos e aplicar os axiomas da teoria SEMANA 3
das probabilidades à resolução de problemas simples;
Compreender os conceitos de probabilidade condicional, eventos
mutuamente exclusivos e eventos independentes e aplicá-los à resolução
de problemas simples;
Conhecer o teorema de Bayes e a fórmula da probabilidade total e aplicá-
los à resolução de problemas simples.
Um experimento probabilístico é uma ação, ou tentativa sujeita à lei do acaso, pela qual
resultados específicos (contagens, medições ou respostas) são obtidos. O produto de uma
única tentativa em um experimento probabilístico é um resultado. O conjunto de todos os
resultados possíveis de um experimento probabilístico é o espaço amostral. Um evento é um
subconjunto do espaço amostral. Ele pode consistir em um ou mais resultados,
Um experimento aleatório é um experimento cujo resultado não podemos prever de
antemão.
Um espaço amostral (Ω) é um conjunto que contém todos os possíveis resultados do
experimento aleatório.
LANÇAMENTO DE UM DADO:
Experimento Probabilístico: Lançamento de um dado de seis faces.
Espaço amostral: {1,2,3,4,5,6}
Evento: Obter um número par {2,4,6}
Resultado: Obter um 2, {2}
Em alguns casos, um evento pode ocorrer de diversas maneiras diferentes, para isso é utilizado o
princípio fundamental da contagem: se um evento pode ocorrer de m maneiras e um segundo evento
pode ocorrer de n maneiras, o número de maneiras que os dois eventos podem em ocorrer em
sequencia é m. n. A regra pode ser estendida para qualquer número de eventos ocorrendo em
sequência.
ESCOLHENDO UM CARRO: O número de maneiras
Fabricantes: FORD, GM e HONDA (3) possível de escolher um
Tamanho: compacto, médio (2) carro é: 3 . 2 . 4=
Cores: branco, vermelho, preto e verde (4) 24
Probabilidade clássica (ou teórica) é usada
quando cada resultado em um espaço
amostral é igualmente possível de ocorrer. A
probabilidade clássica para um evento E é
dada por:
Probabilidade empírica (ou estatística) é
baseada em observações obtidas de
experimentos probabilísticos. A probabilidade
empírica de um evento E é a frequência
relativa de um evento E:
LEI DOS GRANDES NÚMEROS: conforme aumenta o número de vezes que um elemento probabilístico é
repetido, a probabilidade empírica (frequência relativa) de um evento aproxima-se de sua probabilidade
teórica.
AMPLITUDE DE PROBABILIDADES: A probabilidade de um evento E está entre 0 e 1. Ou seja, 0 ≤ P(E) ≤ 1.
AXIOMAS DA PROBABILIDADE:
EVENTOS INDEPENDENTES: dois eventos são independentes quando a ocorrência de um deles não afeta
a probabilidade de ocorrência de outro. Dois eventos A e B são independentes quando:
P(B|A) = P(B) ou quando P(A|B) = P(A).
Como encontrar a probabilidade de REGRA DA ADIÇÃO: para quando A ocorre e B não ocorre, B
dois eventos mutuamente ocorre e A não ocorre ou A e B ocorrem. Se os eventos forem
exclusivos, ou seja, quando não mutuamente exclusivos a regra pode ser simplificada para P(A ou
podem ocorrer ao mesmo tempo? B) = P(A) + P(B).
Como atualizar nossas estimativas TEOREMA DE BAYES: implica que a crença atualizada é resultado
da probabilidade de um evento A da crença inicial multiplicada pela sua atualização.
conforme vamos obtendo mais
informações sobre os eventos que
já ocorreram?
VARIÁVEIS ALEATÓRIAS: uma variável aleatória x representa um valor numérico associado a cada
indica que x é determinado em função de um objeto escolhido ao acaso. As
resultado de um experimento probabilístico (ou aleatório). variáveis aleatórias podem ser discretas ou contínuas.
Discreta: quando tem um número finito ou contável de resultados que podem ser enumerados.
Contínua: quando tem um número incontável de resultados possíveis, representados por um intervalo
na reta numérica.
DISTRIBUIÇÃO DISCRETA DE PROBABILIDADES
Uma distribuição discreta de probabilidade lista cada
valor possível que a variável aleatória pode assumir, com
sua respectiva probabilidade. Uma distribuição de
probabilidade discreta deve satisfazer às seguintes
condições:
Construindo uma distribuição discreta de probabilidade:
Seja x uma variável aleatória discreta com resultados possíveis X1, X2, ..., Xn:
1. Construa uma distribuição de frequências para os resultados possíveis;
2. Calcule a soma das frequências;
3. Determine a estimativa da probabilidade de cada resultado possível dividindo sua frequência pela soma
das frequências;
4. Verifique que cada probabilidade esteja entre 0 e 1, inclusive, e que a soma seja 1.
DISTRIBUIÇÃO GEOMÉTRICA
Experimentos que são realizados até que o sucesso ocorra. Desse modo, uma distribuição geométrica é
uma distribuição discreta de probabilidade de uma variável aleatória x que satisfaz as seguintes condições:
1. Uma tentativa é repetida até que o sucesso ocorra;
2. As tentativas repetidas são independentes umas das outras;
3. A probabilidade de sucesso p é a mesma para cada tentativa;
4. A variável aleatória x representa o número de tentativas até ocorrer o primeiro sucesso.
Considere que um jogador acerte em 75% das vezes. Calcule o primeiro lance que ele acerte ocorra na
terceira ou na quarta tentativa.
DISTRIBUIÇÃO DE POISSON
VARIÁVEIS CONTÍNUAS
Uma variável aleatória 𝑿 é contínua se pode assumir qualquer valor num dado intervalo real: 𝑿: 𝛀 𝑰 → ⊆ℝ
Distribuição Contínua de Probailidade: a mais importante é a distribuição normal. Propriedades:
DISTRIBUIÇÃO UNIFORME
DISTRIBUIÇÃO EXPONENCIAL
DISTRIBUIÇÃO GAMA
Compreender e aplicar as desigualdades de Markov e de Chebyshev à
estimativa de probabilidades.
Compreender e aplicar as leis fraca e forte dos grandes números;
Compreender e aplicar o teorema central do limite à estatística. SEMANA 6
DISTRIBUIÇÃO AMOSTRAL
afirma que a soma de 𝒏 variáveis aleatórias independentes pode ser aproximada por uma distribuição normal independentemente da
distribuição particular das 𝒏 variáveis aleatórias.
APLICAÇÃO
INFERÊNCIA ESTATÍSTICA: objetiva estimar (inferir) o valor dos parâmetros de uma população a partir
dos dados obtidos de uma ou mais amostras, de maneira controlada.
Dois pontos centrais:
Teste de hipóteses: Dada uma população 𝑿, qual é o modelo que melhor a descreve?
Estimação de parâmetros: Dado um modelo, quanto valem seus parâmetros?
Qual é a distribuição de probabilidades da média
A DISTRIBUIÇÃO T amostral de uma população da qual não se conhece a
variância?
A DISTRIBUIÇÃO QUI-QUADRADO