Universidade Católica de Moçambique

Instituto de Ensino à Distância

Tema: Relação entre a Estatística e Probabilidade. Exame Normal

Nome: Paulo Aboo António. Código: 708202550

Curso: Educação Física e

Desporto
Disciplina: Estatística
Ano de Frequência: 1ºAno
Turma: B

Nampula, Outubro 2020

 Folha de Feedback
Classificação
Nota
Categorias Indicadores Padrões Pontuação
do Subtotal
máxima
tutor
 Capa 0.5
 Índice 0.5
Aspectos  Introdução 0.5
Estrutura
organizacionais  Discussão 0.5
 Conclusão 0.5
 Bibliografia 0.5
 Contextualização
(Indicação clara do 1.0
problema)
 Descrição dos
Introdução 1.0
objectivos
 Metodologia
adequada ao 2.0
objecto do trabalho
 Articulação e
domínio do
discurso
académico
2.0
Conteúdo (expressão escrita
cuidada,
coerência / coesão
Análise e textual)
discussão  Revisão
bibliográfica
nacional e
2.
internacionais
relevantes na área
de estudo
 Exploração dos
2.0
dados
 Contributos
Conclusão 2.0
teóricos práticos
 Paginação, tipo e
tamanho de letra,
Aspectos
Formatação paragrafo, 1.0
gerais
espaçamento entre
linhas
Normas APA 6ª  Rigor e coerência
Referências edição em das
4.0
Bibliográficas citações e citações/referência
bibliografia s bibliográficas
Folha para recomendações de melhoria: A ser preenchida pelo tutor

___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________

Índice
Introdução..................................................................................................................................3

1. Conceito de Estatística........................................................................................................4

1.1. Importância da Estatística............................................................................................4

2. Probabilidade......................................................................................................................6

2.1. Princípios da teoria de probabilidades.........................................................................6

2.2. Distribuição de Bernoulli............................................................................................8

2.3. Distribuição de Poisson...............................................................................................9

2.4. Distribuição de probabilidades..................................................................................10

3. Exercícios..........................................................................................................................11

4. Medida de Probabilidade..................................................................................................12

5. Conclusão..........................................................................................................................14

6. Referências Bibliográficas................................................................................................15
Introdução

O presente trabalho tem como tema a relação entre a Probabilidade e Estatística, não tendo a
ambição de englobar toda esta vasta área do conhecimento humano. Porem, Probabilidade e
Estatística são as áreas do conhecimento humano que lidam com a incerteza. Ambas lidam
com experimentos em que existe alguma variável (ou variáveis) que não temos controlo, e
portanto, mesmo mantendo as mesmas condições, um experimento pode fornecer vários
resultados diferentes.

Probabilidade e Estatística podem ser vistas como ciências inversas. Todavia, quando se
estuda probabilidade, conhecemos o modelo em estudo completamente, e estamos
interessados em saber como os resultados do experimento se comportam (por exemplo, saber
qual a probabilidade de sair um resultado específico). Já na estatística, temos um conjunto de
dados, mas não sabemos qual o modelo probabilístico que gerou estes dados, e portanto,
tenta-se descobrir, a partir destes dados, qual o modelo probabilístico que gerou estes dados.

3
1. Conceito de Estatística
A palavra estatística lembra, à maioria das pessoas, recenseamento. Os censos existem há
milhares de anos e constituem um esforço imenso e caro feito pelos governos, com o objetivo
de conhecer seus habitantes, sua condição socioeconômica, sua cultura, religião, etc.
Portanto, associar estatística a censo é perfeitamente correto do ponto de vista histórico,
sendo interessante salientar que as palavras estatística e estado têm a mesma origem latina:
status.
A Estatística é uma parte da Matemática que fornece métodos para a coleta, organização,
descrição, análise e interpretação de dados, viabilizando a utilização dos mesmos na tomada
de decisões.
A estatística é também comumente associada às pesquisas de opinião pública, aos vários
índices governamentais, aos gráficos e às médias publicadas diariamente na imprensa. Na
realidade, entretanto, a estatística engloba muitos outros aspectos, sendo fundamental na
análise de dados provenientes de quaisquer processos onde exista variabilidade.
É possível distinguir duas concepções para a palavra ESTATÍSTICA: no plural (estatísticas),
indica qualquer coleção de dados numéricos, reunidos com a finalidade de fornecer
informações acerca de uma atividade qualquer. Assim, por exemplo, as estatísticas
demográficas referem-se aos dados numéricos sobre nascimentos, falecimentos,
matrimônios, desquites, etc.
As estatísticas econômicas consistem em dados numéricos relacionados com emprego,
produção, vendas e com outras atividades ligadas aos vários setores da vida econômica. No
singular (Estatística), indica a atividade humana especializada ou um corpo de técnicas, ou
ainda uma metodologia desenvolvida para a coleta, a classificação, a apresentação, a análise e
a interpretação de dados quantitativos e a utilização desses dados para a tomada de decisões.

1.1. Importância da Estatística

A Estatística trabalha com essas informações, associando os dados ao problema, descobrindo
como e o que coletar, assim capacitando o pesquisador (ou profissional ou cientista) a obter
conclusões a partir dessas informações, de tal forma que possam ser entendidas por outras
pessoas.
Portanto, os métodos estatísticos auxiliam o cientista social, o economista, o engenheiro, o
agrônomo e muitos outros profissionais a realizarem o seu trabalho com mais eficiência.
Vejamos alguns exemplos:

4
 Os estatísticos do governo conduzem censos de população, moradia, produtos industriais,
agricultura e outros. São feitas compilações sobre vendas, produção, inventário, folha de
pagamento e outros dados das indústrias e empresas. Essas estatísticas informam ao
administrador como a sua empresa está crescendo, seu crescimento em relação a outras
empresas e fornece-lhe condições de planejar ações futuras. A análise dos dados é muito
importante para se fazer um planejamento adequado.
 Na era da energia nuclear, os estudos estatísticos têm avançado rapidamente e, com seus
processos e técnicas, têm contribuído para a organização de empresas e utilização dos
recursos do mundo moderno.
Em geral, as pessoas, quando se referem ao termo estatística, desconhecem que o aspecto
essencial é o de proporcionar métodos inferenciais, que permitam conclusões que
transcendam os dados obtidos inicialmente.
Grandes áreas da Estatística
Para fins de apresentação, é usual se dividir a estatística em três grandes áreas, embora não se
trate de ramos isolados:
 Estatística Descritiva e Amostragem – Conjunto de técnicas que objetivam coletar,
organizar, apresentar, analisar e sintetizar os dados numéricos de uma população, ou
amostra;
 Estatística Inferencial – Processo de se obter informações sobre uma população a partir
de resultados observados na amostra;
 Probabilidade - Modelos matemáticos que explicam os fenômenos estudados pela
Estatística em condições normais de experimentação.
Em estatística, utilizamos extensamente os termos: população, amostra, censo, parâmetros,
estatística, dados discretos, dados contínuos, dados quantitativos e dados qualitativos; que
estaremos definindo abaixo para maior compreensão:
 População: é uma coleção completa de todos os elementos a serem estudados.
 Amostra: é uma subcoleção de elementos extraídos de uma população.
 Censo: é uma coleção de dados relativos a todos os elementos de uma população.
 Parâmetros: é uma medida numérica que descreve uma característica de uma população.
 Estatística: é uma medida numérica que descreve uma característica de uma amostra.
 Dados contínuos: resultam de um número infinito de valores possíveis que podem ser
associados a pontos em uma escala contínua de tal maneira que não haja lacunas.
 Dados discretos: resultam de um conjunto finito de valores possíveis, ou de um conjunto
enumerável de valores.
5
 Dados quantitativos: consistem em números que representam contagens ou medidas.
 Dados qualitativos: podem ser separados em diferentes categorias que se distinguem por
alguma característica não-numérica.

2. Probabilidade
O processo de generalização, que é característico do método indutivo, está associado a uma
margem de incerteza.
A existência da incerteza deve-se ao fato de que a conclusão, que se pretende obter para o
conjunto de todos os indivíduos analisados quanto a determinadas características comuns,
baseia-se em uma parcela do total das observações. A medida da incerteza é tratada mediante
técnicas e métodos que se fundamentam na Teoria da Probabilidade.
Essa teoria procura Quantificar a incerteza existente em determinada situação.

2.1. Princípios da teoria de probabilidades

Diversos autores apontam que o cálculo das Probabilidades teve início na Idade Média, com
as primeiras tentativas de análise matemática das chances de se vencer nos jogos de azar,
muito difundidos na época. Os jogos também eram utilizados para se prever o futuro, decidir
conflitos e dividir heranças.
Devem-se aos algebristas italianos Pacioli, Cardano e Tartaglia (séc. XVI) as primeiras
considerações matemáticas acerca dos jogos e das apostas.
No entanto, a contribuição decisiva para o início da Teoria das Probabilidades foi dada pela
correspondência trocada entre os matemáticos franceses Blaise Pascal e seu amigo Pierre de
Fermat, em que ambos, por diferentes caminhos, chegam à solução correta do célebre
problema da divisão das apostas em 1654, quando jogo é interrompido antes do final.
Há alguns conceitos fundamentais na estatística que são: espaço amostral e eventos:
Ao conjunto de todos os resultados possíveis em um experimento aleatório chamamos de
Espaço Amostral, que indicaremos como “S”. Por exemplo, o espaço amostral dos naipes de
um baralho pode ser escrito como: S1= {ouro, copas, paus, espadas}. O espaço amostral das
possíveis faces de um dado pode ser escrito como: S2 = {1, 2, 3, 4, 5, 6}. Podemos ter
também espaços amostrais infinitos tais como a contagem de carros que passa em
determinada rodovia: S 3 = {0, 1, 2, 3, 4,..., n }.
Um evento é qualquer conjunto de resultados de um experimento, que pertence ao espaço
amostral S. Ao lançarmos um dado temos o espaço amostral S'1= {1, 2, 3, 4, 5, 6} e podemos

6
desejar calcular a probabilidade de que saia uma face “par”. Nesse caso, podemos chamar de
evento A = sair um número par e escrever: A = {2, 4, 6}
Laplace definiu a Probabilidade de ocorrência de um evento “A” como sendo:

No exemplo acima, a probabilidade de sair um número par em um dado honesto (equilibrado)

é de 3/6, pois há três possibilidades de ocorrência de uma face par em uma totalidade 6.
Para análise de eventos probabilísticos é muito comum o uso de diagramas de Veen.

Há diversos teoremas e axiomas da probabilidade. As regras mais importantes são:

Regra Geral da Multiplicação:
P(A∩B) = P(A)*P(B\A) se P(A) ≠ 0
P(A∩B) = P(B)*P(A\B) se P(B) ≠ 0
Se A e B são independentes então: P(A/B)=P(A) e por consequência se A for independente
de B, B será independente de A. Nesse caso: P(A n B) = P(A)*P(B)
Se jogarmos dois dados ao mesmo tempo, a probabilidade de sair um número par no primeiro
dado seguido de um número menor que 3 no segundo dado é calculado como sendo P(A) x
P(B) = 1/6. Nesse caso podemos dizer que os eventos A e B são independentes.
Se A e B são dois eventos quaisquer, que podem ser mutuamente excludentes ou não,
podemos escrever: P(A U B) = P(B) + P(B) – P (A n B)
No caso de A e B serem eventos mutuamente exclusivos (também chamados de excludentes
ou disjuntos) então escrevemos: P(A U B) = P(B) + P(B)
Podemos definir ainda Probabilidade condicional como sendo: a probabilidade de ocorrer um
determinado evento, dado que se sabe que ocorreu um outro evento anteriormente.

7
Nesse caso podemos ler: probabilidade de sair o evento A, dado que aconteceu B, que é
calculado por uma face 3 em um dado honesto se sabe que ocorreu face ímpar. Nesse caso
fazemos P(A/B)=(1/6)/(3/6)

Como exemplo, vamos supor que queremos saber a probabilidade de ocorrer uma face 3 em
um dado honesto se sabemos que ocorreu face ímpar. Nesse caso fazemos
P(A/B)=(1/6)/(3/6)=1/3.
Podemos ainda definir o teorema da probabilidade total (Teorema de Bayes), ilustrado na
figura:

Em Estatística há diversos tipos de distribuição de probabilidades tais como: de Bernoulli ou

binomial, normal, T Student, Poisson, uniforme entre outras.

2.2. Distribuição de Bernoulli

Considerando a variável aleatória X que representa o número de sucessos em “n” provas de
Bernoulli tem uma distribuição denominada Binomial dada por:

8
2.3. Distribuição de Poisson
Na prática muitas soluções nas quais interessa o número de observações de uma variável em
um intervalo contínuo (tempo ou espaço) podem ser convenientemente explicacadas pela
distribuição de Poisson. Exemplos: número de chamadas telefônicas por minuto, número de
mensagens que chegam a um servidor por segundo, número de acidentes por dia, número de
defeitos por m2 .

Ao contrário de uma variável aleatória discreta, uma variável aleatória contínua pode
assumir qualquer valor fracionário dentro de um intervalo definido de valores. Por isso não
podemos enumerar todos os possíveis valores da variável com os valores de probabilidade
correspondentes. O que fazemos é construir uma FUNÇÃO DENSIDADE DE
PROBABILIDADE. O tempo de vida de um rolamento e a altura dos alunos de uma escola
são variáveis aleatórias contínuas.
A mais importante distribuição de probabilidade contínua é a NORMAL (também conhecida
como curva de Gauss). A curva que representa a distribuição normal de probabilidade tem
uma forma de sino. No livro: “As 17 equações que mudaram o mundo” tem-se os detalhes
históricos da importante descoberta da equação que consegue modelar com precisão uma
infinidade de fenômenos naturais que ocorrem seguindo uma distribuição normal.

Observamos que os valores da variável aleatória x mais próximos da média ocorrem com
maior frequência. Os valores simétricos da variável x em relação à média ocorrem com
mesma frequência. A área sobre a curva tem valor unitário 1. Do lado esquerdo da curva tem-
se uma probabilidade e ocorrência de 50%. Para facilitar os cálculos há tabelas para

9
distribuição normal padrão, que tem média = 0. Para se transformar uma curva normal real
em uma curva normal padrão faz-se:

Quando o número de observações ou tentativas for relativamente grande, a distribuição de

probabilidade normal pode ser utilizada para aproximações das probabilidades binomiais.
Nesse caso fazemos uma correção de continuidade somando-se ou se adicionando 0,5.
Uma distribuição comum é a distribuição uniforme, com os parâmetros a e b, que tem a
seguinte função densidade da probabilidade:

2.4. Distribuição de probabilidades

A distribuição de probabilidades associa uma probabilidade a cada resultado numérico de um
experimento, ou seja, dá a probabilidade de cada valor de uma variável aleatória.
Quando lançamos duas vezes uma moeda podemos ter nenhuma coroa, uma coroa ou duas
coroas. Nesse caso trata-se de uma variável aleatória discreta (que assumem valores
0,1,2,3...n).
Se chamarmos de X = número de coroas temos então a seguinte distribuição de
probabilidades: X = 0 quando não sair nenhuma coroa, X = 1 quando sair apenas 1 coroa e
X=2 quando sair duas coroas.

10
3. Exercícios
1. Um piloto tem probabilidade de vencer uma corrida calculada em 1/5. Qual a
probabilidade do piloto não vencer a corrida? Qual a probabilidade de vencer 3 corridas
seguidas?
1
PROBABILIDADE DE VENCER A CORRIDA=
5
−1 4
PROB (NÃO VENCER) =1 =
5 5
1 1 1 1
P (VENCER 3 VEZES SEGUIDAS) = . . .=
5 5 5 125
2. De um baralho de 52 cartas extraem-se 2 cartas sucessivamente e sem reposição.
Qual a probabilidade de se obter um ás e um valete nessa ordem?
P (ÁS E VALETE)=?
4
P(ÁS)=
52
4
P(VALETE)=
51
4 4 16
P(ÁS VALETE)= . = → 0 ,6 %
52 51 2652
SÃO 2 EVENTOS INDEPENDENTES.

11
3. Ao lançar um dado muitas vezes, uma pessoa percebeu que a face 6 saia com o dobro de
frequência da face 1 e que as outras faces saiam com a frequência esperada de um dado
não viciado. Qual a frequência da face 1?
P(SAIR 1)= X
P(6)=2.X
1
P(2)= P(3)= P(4)= P(5) =
6
Logo:
P(1)+ P(2)+ P(3)+ P(4)+ P(5)+ P(6)= 1
1 1 1 1
X+ + + + +2 X =1
6 6 6 6
2 1
3X= → X =
6 9
1
Logo: P(SAIR) ¿
9

4. Medida de Probabilidade
Seja E um experimento. Seja Ω um espaço amostral, e seja E um evento de Ω. Dizemos que
P é uma medida probabilidade em Ω se para todo evento A, temos que P(A) é um número
não-negativo, chamado de probabilidade de A, tal que:
 0 ≤ P(A) ≥ 1;
 P(Ω) = 1;
 (Aditividade finita) Se A e B forem eventos mutuamente excludentes, temos que P(A
∪B)=P(A)+P(B);
 (Aditividade contável) Se A; i = 1; 2; 3;…forem eventos dois-a-dois mutuamente
excludentes, então,
∞
❑
P ( ¿ i=l¿ ¿¿ ∞ Ai )=∑ P ( Ai ) .
i=l

Provaremos agora algumas consequências desta definição.

Teorema

Seja ∅ o conjunto vazio, então P( ∅ )=0.

Demonstração

12
Para qualquer evento A, podemos escrever A=A ∅ A. Como A e∅ são mutuamente Ω
excludentes, decorre da aditividade finita que P(A) = P(A[ ∅ ) = P(A) +P(∅ ). Desta forma, P(∅ )
= 0.

Teorema

Seja Ac o evento complementar de A. Então P( Ac ) = 1- P(A).

Demonstração

Podemos escrever Ω=A ∪ A c . Além disso, A e são Ac mutuamente excludentes. Portanto,

pela aditividade finita, temos que 1 = P(Ω) = P(A∪ Ac ) = P(A) +P( Ac ). Desta forma, segue
que P( Ac ) = 1-P(A).

Teorema

Sejam A e B dois eventos quaisquer. Então P(A∪B) = P(A) +P(B) P(A∪B).

Demonstração

Temos que A ∪ B = A ∪ (B ∩ A c) (faça um desenho) e B = (A∩B)∪ (B∩ A c). Desta forma,

temos que como A e B∩ A c) são mutuamente excludentes, vale P(A∪B) = P(A) +P(B∩A).

Por outro lado, temos que A∩B e B∩A c também são mutuamente excludentes. Portanto,
segue que P(B) = P(A∩B) +P(B∩ A c) P(B∩ A c) \) = P(B) P(A∩B).

Juntando as duas equações, obtemos que P(A∪B) = P(A) +P(B) P(A∩B):

Mais geralmente temos o Teorema (Princípio da inclusão e exclusão)

Sejam A1; A2;…; N nn eventos quaisquer. Então,

n
P ( A 1 ∪ A 2 ∪ …∪ A n )=∑ P ( Ai ) −∑ P ( A i ∩ A j) + ∑ P ( Ai ∩ A j ∩ A k ) +…+ (−l )
n−l

i=l i< j i< j <k

P ( A l ∩… ∩ An ) .

Exercício

Mostre que a coleção de intervalos {n; n+1] : n ∈R}é uma partição do conjunto dos números
reais R.

Solução

Denote por [x] a parte inteira do número real x. Temos que para todo x real, vale [x]∈ ([x] 1;
[x]] [([x]; [x] +1]:

13
Portanto, vale x ∈ ¿ n ∈ Z ¿ ❑ ( n , n+l ] ou seja , R ⊂ ¿ n∈ Z ( n , n+l ] ¿ .

Por outro lado, ∀ n ∈ Z , ( n , n+l ] ⊂ R . Dai ¿ n ∈ Z ¿¿ ] ⊂ R. Portanto, concluímos que

R ¿ n ∈ Z ( n , n+1 ] .

5. Conclusão

Ao finalizar, para um estudante a probabilidade e a estatística podem ser úteis da seguinte

forma: são úteis para realizar pesquisa científica; são úteis caso o aluno queira trabalhar em
um banco, seguradora, montadoras, instituições financeiras em geral, controle de qualidade
da produção de algum item e são úteis no dia-a-dia.

14
6. Referências Bibliográficas

BUSSAB, W.O. e Morettin, P.A. Estatística Básica. São Paulo: Atual, 1987.

FONSECA, J.S. e Martins, G.A. Curso de Estatística. São Paulo: Atlas, 1993.

MEYER, P.L. Probabilidade: Aplicações à Estatística: 2 ed. Riode Janeiro: Livros Técnicos
e Científicos, 1983

MORETTIN, L.G. Estatística Básica – Vol.1 – Probabilidade. São Paulo: Makron Books,
1999.

http://segredosdaestatistica.wordpress.com

15