Escolar Documentos
Profissional Documentos
Cultura Documentos
INFERÊNCIA BAYESIANA
DISTRIBUIÇÕES A PRIORI
Autor(a): Ma. Gesseca Camara Lubachewski
Introdução
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 1/29
17/10/2022 13:57 E-book
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 2/29
17/10/2022 13:57 E-book
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 3/29
17/10/2022 13:57 E-book
A distribuição a
A distribuição da
A distribuição P = posteriori é
priori de é expressa
((X = x) é a P(X = x) é uma proporcional ao
por π e representa
distribuição a distribuição produto da
o conhecimento do
posteriori de dado preditiva de x . verossimilhança com
parâmetro de
x. a distribuição a priori
interesse ᶿ.
.
A priori está associada a uma tratabilidade analítica, obtendo-se, assim, uma família de
distribuições conjugadas, relevante para a inferência Bayesiana. Além disso, a priori tem
níveis de informações que se destacam nos resultados amostrais e que possibilitam
confrontar a verossimilhança, identificar a priori e a posteriori e encontrar prioris impróprias.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 4/29
17/10/2022 13:57 E-book
A priori e a posteriori são relativas a p (θ|y e p (θ|x) respectivamente. Logo, a priori possui a
relação de θ para y, e a posteriori está relacionada a θ para x, denotando Y = y e X = x, uma
vez que se aplica o Teorema de Bayes.
A priori não informativa desempenha um papel relevante para demonstrar a posteriori como
parte do conhecimento acerca da informação sobre parâmetros de interesse. Além disso,
essa priori permite confrontar resultados obtidos na inferência amostral e descreve as
informações reais nas inferências da distribuição a priori .
Bayes e Laplace, tendo em vista que a ideia principal é a reparametrização com a translação
de dados da verossimilhança.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 5/29
17/10/2022 13:57 E-book
2. Priori imprópria : por meio da priori imprópria, é possível definir uma priori não
informativa, uma vez que a posteriori poderá ser própria.
3. Priori subjetiva : transforma as informações em pequenas quantidades
probabilísticas.
4. Priori conjugada : as distribuições a priori conjugadas proporcionam os
resultados da inferência a posteriori .
Conhecimento
Teste seus Conhecimentos
(Atividade não pontuada)
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 6/29
17/10/2022 13:57 E-book
estimativa por ponto e indicar quão próximo, provavelmente, a estimativa está do valor do
parâmetro.
AGRESTI, A. Métodos estatísticos para as ciências sociais . 4. ed. Tradução de Lori Viali.
Porto Alegre: Penso, 2012.
Inferência Conjugada:
Modelos Contínuos
Solução:
4 4
P (4) = C 6 (0, 3) (1– 0, 3)((6–4)
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 7/29
17/10/2022 13:57 E-book
Talvez, o modelo hierárquico mais clássico seja o seguinte: um inseto põe um grande
número de ovos, cada um com uma probabilidade de sobrevivência p. Em média, quantos
ovos sobreviverão? O “grande número” de ovos é uma variável aleatória e, geralmente,
assume-se que seja de Poisson (λ). Além disso, considerando que a sobrevivência de cada
ovo é independente, então, temos provas de Bernoulli. Portanto, se considerarmos para a
variável aleatória X o número de sobreviventes e para a variável y o número de ovos, temos
um modelo hierárquico:
Y ∼ Poisson (λ)
Utilizamos a notação, como X|Y ∼ binomial (Y, p), para significar que a distribuição
condicional de X, visto que Y = y, é binomial (y, p).
A vantagem da hierarquia é que processos complicados podem ser modelados por uma
sequência de modelos relativamente simples, colocados em uma hierarquia. Ademais, lidar
com hierarquia não é mais difícil do que lidar com distribuições condicionais e marginais.
A probabilidade condicional é 0, se y < x), uma vez que X|Y = y é binomial (y, p) e Y é de
Poisson (λ). Se simplificarmos essa última expressão, cancelando o que pudermos e
multiplicando por λx/λx, obtemos:
Portanto, qualquer inferência marginal em X diz respeito a uma distribuição de Poisson (λp),
e Y não representa qualquer parte. A introdução de Y na hierarquia foi, principalmente, para
ajudar a entender o modelo. Existe uma vantagem a mais ao se considerar que o parâmetro
da distribuição de X é o produto de dois parâmetros, sendo cada um deles, relativamente,
simples de se entender.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 8/29
17/10/2022 13:57 E-book
Agora, a resposta à questão original é fácil de ser calculada: EX = λp, assim, em média, λp
ovos sobreviverão. Se estivéssemos interessados somente nessa média e não
precisássemos da distribuição, poderíamos ter utilizado propriedades de expectativas
condicionais. Algumas vezes, os cálculos podem ser bastante simplificados, ao se utilizar o
seguinte teorema da distribuição dos modelos continuos.
#PraCegoVer : a figura mostra que a disposição da curva normal é determinada pela média, , e
pelo desvio-padrão, θ , os quais são considerados parâmetros da curva normal e estabelecem o
achatamento da curva.
Uma distribuição normal é simétrica, e a curva é definida pelos valores de μ e θ , sendo que
os valores específicos de ambos os parâmetros apresentam os resultados sob a área da
curva no intervalo desses valores. Na maioria das vezes, as prioris são expressas por
hiperparâmetros, no caso da distribuição com valores de interesse da média μ e no desvio-
padrão, em que o reconhecimento dos hiperparâmetros depende da amostra da situação
problema.
Distribuições contínuas
A distribuição contínua focaliza as probabilidades dos possíveis valores que uma variável
aleatória possa assumir. Uma variável aleatória contínua é considerada um conjunto de
intervalos, definido como infinito e incontável, sendo que as probabilidades de variáveis
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 9/29
17/10/2022 13:57 E-book
aleatórias contínuas têm a área sob a curva em formato de sino, em que apenas um de seus
valores diferem-se de zero.
As distribuições contínuas podem ser definidas por meio da média, da variância e do desvio-
padrão, em que a variável considerada aleatória dessas distribuições poderá ser aplicado o
método de integração. As probabilidades contínuas estão associadas aos valores de
intervalos que assumem valores reais, sendo que, sob a área da curva gráfica, a densidade
ocupa valores acima do eixo das abcissas, entre os pontos de intervalo.
que tange à variância, os valores esperados estão entre dois intervalos. Mediante a
distribuição contínua, podemos representar a densidade probabilística sob o intervalo de a
até b, descrevendo uma distribuição aleatória contínua.
t b l id d ló i i d ti ti
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 10/29
17/10/2022 13:57 E-book
A distribuição normal é uma das mais relevantes distribuições contínuas, pois, com essa
distribuição, podem ser calculadas as probabilidades para outras distribuições, a binomial ,
por exemplo.
No caso da distribuição normal, considere que um pequeno desenho foi planejado para ser
distribuído, aleatoriamente, de maneira uniforme, no intervalo de [0, 2] metros de um cartaz
publicitário. Qual é a probabilidade de o pequeno desenho estar no intervalo entre 1 e 1,5
metros do cartaz?
Solução:
f(x) = 1/2, se 0 ≤ x ≤ 2 0
dx − ¼
A distribuição normal está entre as distribuições mais utilizadas, sendo que as variáveis em
geral correspondem a um modelo normal, estabelecendo qualquer valor aleatório. Na região
gráfica, a área sob a curva é simétrica (em forma de sino), tendo em vista que a área total é
apresentada pelo eixo das abscissas no valor exato de 1. Observe a área gráfica de uma
distribuição normal na figura a seguir:
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 11/29
17/10/2022 13:57 E-book
#PraCegoVer : a imagem mostra que a curva em torno do valor esperado da média μ é simétrica,
ou seja, tem o formato de um sino. Além disso, a curva normal é limitada pela área total da curva.
8
1. A probabilidade de no máximo 8 apresentarem falha é P (X ≤ 8) =∑y= 0 b( y, 15;0,2) = B
(8;15;0,2) que é a entrada na linha x = 8 e na coluna p = 0,2 de n = 15 tabela binomial , em que
, a probabilidade é B(8; 15, 0,2) = 0,999.
Sejam m e n números inteiros positivos. Seja A o conjunto de vetores x = (x1, ..., xn) de n de
n
modo que cada xi é um número inteiro não negativo e ∑i = 1x 1 são números reais k1, ...,
kn, (k1 +· · ·kpn)m = (x + a) ^ n = ∑_(k = 0) ^ n〖(n¦k) x ^ k a ^(n-k)〗.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 12/29
17/10/2022 13:57 E-book
Por sua vez, há a distribuição exponencial quando a variável aleatória é definida mediante
duas ocorrências e se contabiliza a média de tempo expressa por 1/ƛ.
#PraCegoVer : na figura, a distribuição exponencial não tem formato simétrico, e as funções têm
valores reais do parâmetro que, possivelmente, tem seu valor definido pelo vetor θ.
Esta distribuição é simétrica com média 0, mas não é a normal reduzida (Z), pois
S/ n é uma variável aleatória, o que não ocorre com (X – μ)/ σ/ n, em que o
denominador é uma constante. Para grandes amostras, o desvio-padrão amostral
S deve ser próximo de σ e as correspondentes distribuições t devem estar
próximas da normal reduzida Z. Existe uma família de distribuições cuja forma
tende à distribuição normal reduzida quando n cresce indefinidamente. Para
trabalharmos com uma distribuição t-Student, precisamos saber qual a sua forma
específica e isso é informado por uma estatística denominada grau de liberdade
(COSTA, 2012, p. 57).
Hipótese nula: H0 = µ = µ0
Hipótese alternativa
Ha : m > m0
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 13/29
17/10/2022 13:57 E-book
Ha : m < m0
Ha : m1 ≠ m0
Determinação do valor-p
É possível verificar como se comporta uma distribuição t-Student e uma distribuição normal,
analisando a figura a seguir.
#PraCegoVer : a figura apresenta o comportamento gráfico de uma amostra que tem dados
amostrais a partir da distribuição t-Student e da distribuição normal. Observe que, quanto maior o
valor de φ.
A distribuição a priori Beta também é referenciada na inferência Bayesiana e diz respeito aos
parâmetros referentes a diferentes valores, expressos como hiperparâmetros de flexibilidade
e com distribuições de simetria.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 14/29
17/10/2022 13:57 E-book
SAIBA MAIS
A família exponencial inclui muitas das distribuições de probabilidade mais comumente utilizadas
em Estatística, tanto contínuas quanto discretas. Uma característica essencial dessa família é que
existe uma estatística suficiente com dimensão. A família de distribuições com função de
densidade de probabilidade p (x|θ) pertence à família exponencial e há um parâmetro que
podemos escrever p (x|θ) = a (x) exp {u (x) φ (θ) + b (θ)}. Pelo critério de fatoração de Neyman, U
(x) é uma estatística suficiente para θ. Nesse caso, a classe conjugada é, facilmente, identificada
como p (θ) = k (α, β) exp {αφ (θ) + βb (θ)}. Aplicando-se o teorema de Bayes, obtemos: p (θ|x) = k
(α + u(x), β + 1) exp {[α + u(x)] φ (θ) + [β + 1] b (θ)}.
Agora, usando-se a constante k, a distribuição preditiva pode ser, facilmente, obtida, sem a
necessidade de qualquer integração. A partir da equação p (x) p (θ|x) = p (x|θ) p (θ), e após alguma
simplificação, obtemos: p (x) = p (x|θ) p (θ) p (θ|x) = a (x) k (α, β) k (α + u (x), β + 1).
Suponha que o número de eventos que ocorrem em um intervalo de tempo de duração t tenha
distribuição de Poisson com parâmetro at (em que a, a taxa do processo do evento, é o número
esperado de eventos que ocorrem em uma unidade de tempo) e que os números das ocorrências
em intervalos não sobrepostos sejam independentes uns dos outros. Então, a distribuição do
tempo decorrido entre a ocorrência de dois eventos sucessivos é exponencial com parâmetro l = a.
praticar
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 15/29
17/10/2022 13:57 E-book
praticar
Vamos Praticar
Uma população de entrevistadores, após um período de treinamento, foi submetida a um
teste padronizado de avaliação de conhecimentos adquiridos, obtendo média 100 e desvio-
padrão 10. Presumindo que as notas são distribuídas normalmente, calcule as seguintes
probabilidades, apontando a alternativa correta.:
b) P (X > 120).
c) P (X > 80).
e) P (X < 125).
Conhecimento
Teste seus Conhecimentos
(Atividade não pontuada)
AGRESTI, A. Métodos estatísticos para as ciências sociais . 4. ed. Tradução de Lori Viali.
Porto Alegre: Penso, 2012.
a) os valores do parâmetro y.
b) o experimento ou a amostra aleatória.
c) o centro e a variabilidade.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 16/29
17/10/2022 13:57 E-book
Inferência Conjugada:
Modelos Discretos
Por exemplo, considere a realização de um único experimento, cujo resultado pode ser um
sucesso (se acontecer o evento que interessa) ou um fracasso (o evento não se realiza).
Definimos a variável aleatória discreta como X, e a distribuição de probabilidade de X está
presente no quadro a seguir.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 17/29
17/10/2022 13:57 E-book
X Eventos P (X)
1 Sucesso P
0 Fracasso 1–p=q
Σ – 1
P(X) = p x . q 1 – x
Considerando uma situação que envolve experimentos de sucesso e fracasso, há, por
exemplo, uma experiência aleatória que consiste no lançamento de um dado uma única vez.
O lançador quer que apareça a face 5. A variável aleatória assim definida é de Bernoulli, e
sua distribuição de probabilidade está presente no quadro a seguir.
X Eventos P (X)
1 Sucesso 1/6
0 Fracasso 5/6
Σ – 1
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 18/29
17/10/2022 13:57 E-book
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 19/29
17/10/2022 13:57 E-book
n → ∞ e p→ 0;
μ = np = tλ.
REFLITA
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 20/29
17/10/2022 13:57 E-book
Uma empresa comercializa latas luxuosas com amêndoas, castanhas de caju e amendoins
misturados. Suponha que o peso líquido de cada lata seja exatamente 1 quilograma, mas
que a contribuição do peso de cada constituinte seja aleatória. Como os três pesos devem
somar 1, um modelo de probabilidade conjunta para quaisquer dois fornece todas as
informações necessárias sobre o peso do terceiro tipo. Sejam X o peso das amêndoas em
uma lata selecionada e Y o peso das castanhas de caju. Então a região de densidade
positiva é D = {(x, y): 0 x 1, 0 y 1, x + y 1}.
Para qualquer x fixo, f(x, y) aumenta com y; para o y fixo, f(x, y) aumenta com x. A hipótese é
apropriada porque a palavra luxo implica que a maior parte da lata deve ser formada por
amêndoas e castanhas de caju em vez de amendoins, de forma que a função de densidade
deve ser grande próxima ao limite superior e pequena perto da origem. A superfície
determinada por f(x, y) tem declive positivo a partir de zero, conforme (x, y) se distancia dos
eixos. Claramente, f(x, y) 0. Para demonstrar a segunda condição de uma f.d.p. conjunta,
lembre-se de que a integral dupla é calculada como integral iterativa, mantendo uma variável
fixa , integrando em relação aos valores da outra variável que estão na reta que passa pelo
valor da variável fixa e, finalmente, integrando em relação a todos os valores possíveis da
variável fixa.
As distribuições são relevantes, pois contribuem para encontrar possíveis resultados de uma
variável aleatória. Nesse sentido, são utilizados dados amostrais para realizar as inferências
estatísticas acerca dos parâmetros das distribuições. Existem distribuições com parâmetros
fixos que contribuem, significativamente, para a inferência estatística.
praticar
Vamos Praticar
A distribuição contínua relaciona-se com a variável de valores contínuos; dentre as
distribuições mais relevantes, estão as distribuições normal e exponencial. No que diz
respeito à distribuição discreta, o valor da variável assume valor específico, no caso da
distribuição binomial e da distribuição de Poisson.
A partir do que foi apresentado, pesquise em livros, artigos científicos, revistas científicas,
dentre outros materiais, e faça uma análise individual das distribuições discretas e
contínuas mencionadas.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 21/29
17/10/2022 13:57 E-book
Inferência Conjugada e
seus Modelos
Definimos a priori conjugada e seus modelos com base no conhecimento acerca da variável
aleatória θ , sendo que forma uma família exponencial de parâmetros indexadores das
distribuições a priori que passam a ser denominadas hiperparâmetros. Nesse contexto, a
conjugação da família exponencial
Resolução:
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 22/29
17/10/2022 13:57 E-book
c) P (800 < T < 1000) = e (– 1/400) . 800 – e (– 1/400) . 1000 = 0,1353 – 0,820 = 0,0533.
Existem distribuições que apresentam variáveis aleatórias, com certos padrões. As variáveis
aleatórias são relevantes para cálculos de inferência. Assim, foram estruturadas em funções,
modelos ou distribuições de probabilidade fórmulas para expressões de variância.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 23/29
17/10/2022 13:57 E-book
praticar
Vamos Praticar
A distribuição normal também faz parte da família conjugada, destacando as amostras de
tamanho n. Essa distribuição é considerada a mais relevante das distribuições de
probabilidade, em Estatística. Graficamente, ela é representada pela curva sob a área
gráfica descrita pelos parâmetros μ(média) e σ (desvio-padrão).
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 24/29
17/10/2022 13:57 E-book
Material
Complementar
FILME
A grande aposta
Ano: 2014
TRAILER
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 25/29
17/10/2022 13:57 E-book
LIVRO
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 26/29
17/10/2022 13:57 E-book
Conclusão
Prezado(a) estudante, chegamos ao fim deste estudo, no qual definimos as distribuições de
probabilidade, conhecidas na inferência Bayesiana. Também, explicamos a relevância das
distribuições de probabilidade para a Estatística e apresentamos os hiperparâmetros.
Em seus estudos, estudante, lembre-se de analisar a maior parte das distribuições contínuas e
discretas e de verificar os conceitos relacionados à área da priori conjugada e seus modelos.
Referências
A GRANDE aposta – Trailer oficial legendado. [S. l.: s.
n.], 2015. 1 vídeo (42 s). Publicado pelo canal Telecine.
Disponível em: https://www.youtube.com/watch?
v=SLDImPR03BI . Acesso em: 14 jul. 2021.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 27/29
17/10/2022 13:57 E-book
OLIVEIRA, C. C. F. de. Uma priori Beta para distribuição Binomial Negativa : Dissertação (Mestrado
em Biometria e Estatística Aplicada) – Universidade Federal Rural de Pernambuco, Recife, 2011.
Disponível em:
http://tede2.ufrpe.br:8080/tede/bitstream/tede2/4537/2/Cicero%20Carlos%20Felix%20de%20Oliveira.pd
. Acesso em: 19 jul. 2021.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 28/29
17/10/2022 13:57 E-book
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 29/29