1.

Segundo Francis Galton, Cientista e Estatistico Ingles do Seculo XIX (Hereditary

Inheritance – 1889) e o Karl Pearson, outro Estatistico (‘’Studies in the History of
Estatistic and Probability’’ – 1913):
a) O sinal do coeficiente de correlação indica a direção da associação entre as variáveis. Um
coeficiente positivo indica uma associação positiva, ou seja, à medida que uma variável
aumenta, a outra também tende a aumentar. Por outro lado, um coeficiente negativo
indica uma associação negativa, significando que à medida que uma variável aumenta, a
outra tende a diminuir.
b) b) O módulo do coeficiente de correlação está relacionado com a "força" da correlação,
ou seja, o quão forte é a relação linear entre as variáveis. Quanto mais próximo o valor
absoluto do coeficiente estiver de 1, mais forte é a correlação. Um valor próximo de 1 ou
-1 indica uma correlação forte, enquanto valores próximos de 0 indicam uma correlação
fraca.
2. Na minha opinião:
a) O número de anos de um carro e seu custo provavelmente terá uma correlação negativa,
pois geralmente carros mais antigos tendem a ter um custo menor.
b) O número do aluno e sua classificação no teste de Estatística aplicada será nula pois o
número do aluno não terá com a sua classificação no teste.
c) A temperatura de uma sala será positiva, porque a temperatura de uma sala tende a
aumentar simultaneamente com a altura do mercúrio no termómetro.

De acordo com os princípios estatísticos estabelecidos por Pearson, autor, cientista e

estatístico britânico conhecido por seu trabalho em correlação e regressão:

a) O número de anos de um carro e seu custo provavelmente terá uma correlação

negativa, como mencionei anteriormente.

b) O número do aluno e sua classificação no teste de Estatística aplicada não terá

correlação, pois são variáveis independentes uma da outra.
c) A temperatura de uma sala e a altura do mercúrio num termômetro colocado nessa
sala provavelmente terá uma correlação positiva, como mencionei anteriormente.
3.
4. Segundo a Teoria das Probabilidades ao Campo de Estudo de Andrei Kolmogorov, um
renomado Matemático Russo, Vamos calcular as probabilidades utilizando a teoria dos
conjuntos.

a) Probabilidade de estudar Economia e Engenharia: P(Economia ∩ Engenharia) =

10/500 = 1/50 = 0.02 ou 2%

b) Probabilidade de estudar Somente Engenharia: P(Engenharia – Economia) = (80-

10)/500 = 70/500 = 7/50 = 0.14 ou 14%

c) Probabilidade de estudar Somente Economia: P(Economia – Engenharia) = (150-

10)/500 = 140/500 = 7/25 = 0.28 ou 28%

d) Probabilidade de não estudar Engenharia nem Economia: P(Não Engenharia e Não

Economia) = (500 – (80 + 150 – 10))/500 = (500 - 220)/500 = 280/500 = 7/12 = 0.58
ou 58%

e) Probabilidade de estudar Engenharia ou Economia: P(Engenharia U Economia) =

P(Engenharia) + P(Economia) – P(Economia ∩ Engenharia)
P(Engenharia U Economia) = (80/500 + 150/500 – 10/500) = (1/6 + 3/10 – 1/50) =
(25/150 + 18/150 – 3/150) = 40/150=4/15=0.2667 ou aproximadamente 26.67%

Portanto, as probabilidades são:

a) Estudar Economia e Engenharia: 2%
b) Estudar Somente Engenharia: 14%
c) Estudar Somente Economia: 28%
d) Não estudar Engenharia nem Economia: 58%
e) Estudar Engenharia ou Economia: aproximadamente 26.67%.

5. segundo a Fórmula da Teoria das Probabilidades Condicionais de Pierre-Simon

Laplace, um Matemático, Estatistico e Astrônomo Francês do Século XVIII, (P-4,
Volume I), Vamos calcular as probabilidades utilizando a teoria das probabilidades
condicionais.

Se uma pessoa tem olhos castanhos, qual é a probabilidade de também ter cabelos
castanhos?
Para calcular isso, usamos a fórmula da probabilidade condicional: P(cabelos castanhos |
olhos castanhos) = P(cabelos castanhos ∩ olhos castanhos) / P(olhos castanhos).
Temos que P(cabelos castanhos ∩ olhos castanhos) = 15% e P(olhos castanhos) = 25%.
Portanto, P(cabelos castanhos | olhos castanhos) = 15% / 25% = 0.6 ou 60%.
Se uma pessoa tem cabelos castanhos, qual é a probabilidade de também ter olhos
castanhos?
Usando a mesma fórmula da probabilidade condicional: P(olhos castanhos | cabelos
castanhos) = P(cabelos castanhos ∩ olhos castanhos) / P(cabelos castanhos).
Temos que P(cabelos castanhos ∩ olhos castanhos) = 15% e P(cabelos castanhos) = 40%.
Assim, P(olhos castanhos | cabelos castanhos) = 15% / 40% = 0.375 ou 37.5%.
Portanto, as probabilidades são:
a) Se uma pessoa tem olhos castanhos, a probabilidade de também ter cabelos castanhos é
de 60%.
b) Se uma pessoa tem cabelos castanhos, a probabilidade de também ter olhos castanhos
é de 37.5%.