Análise de Dados

Probabilidade – 12
Anteriormente
 Nós vimos vários assuntos para a análise de
dados como a amostragem, descrições gráficas
de amostras e medidas numéricas de posição,
de tendência central e de dispersão ou
variabilidade.

 Esses assuntos são importantes para podermos

ver estes dados se comportam, se é em torno
da média ou da sua variação, além de podermos
ver como eles podem ser representados.
Probabilidade
 Nós vamos estudar agora a Probabilidade e
vamos ver como ela pode ser utilizada na
nossa vida profissional e pessoal.

 Iremos estudar as suas regras.

 E também, qual é a relação dela com a

estatística. (análise de dados)
Algumas coisas que nós já vimos
sobre ela:
 Lançamentos de moedas.

 Todos nós sabemos que há uma chance de

50% para cair “cara” ou “coroa”.
Pesquisas eleitorais
 Nós sabemos quem foi eleito atualmente,
mas e na época? ( essa pesquisa foi por volta
de 04/10/2018)
O que estas duas coisas tem em
comum?
 O resultado não pode ser previsto com
antecedência!

 Por quê? Porque o resultado variará toda vez

que lançarmos uma moeda ou extrairmos
outra amostra para a pesquisa de intenção de
voto.
Mas...
 Entretanto, se o lançamento da moeda for
repetido um número muito grande de vezes,
perceberemos uma tendência dos resultados.

 No gráfico a seguir (apenas um exemplo de

vários outros) , nós podemos ver a proporção
de caras no lançamento de uma moeda 1500
vezes.
 O resultado dessa simulação em particular mostra que a
proporção de caras tende a 50%.

 Este gráfico foi especialmente escolhido para essa

apresentação, pois, tecnicamente, a simulação de 1.500
lançamentos é um número pequeno de tentativas. (exemplo
do livro Estatística no Excel, do Juan Lapponi)
 Da mesma maneira, se a pesquisa de intenção de voto
fosse repetida para um número muito grande de amostras
diferentes, também perceberemos uma tendência dos
resultados dos vários candidatos.

 Com isso, podemos destacar dois pontos:

1) O lançamento da moeda e a pesquisa de intenção

de voto são experimentos aleatórios. Embora os resultados
de um experimento aleatório sejam incertos, a longo prazo
os resultados têm uma distribuição de frequências definida.

2) Depois de repetir um experimento aleatório um número

muito grande de vezes, a proporção de
ocorrência de um dos resultados é denominada
probabilidade.
 A determinação da probabilidade de um dos
resultados possíveis de um experimento
através de um número de repetições muito
grande, não é a melhor forma e é muito
trabalhoso, além de gastar muito tempo.

 Vamos ver alguns conceitos a seguir:

Acaso
 Em quase tudo, em maior ou menor grau, vislumbramos o
acaso. Vamos pegar como exemplo, "é provável que o meu
time ganhe a partida de hoje”. O que isso pode dar?

 a. Que, apesar do favoritismo, ele perca;

 b. ele pode ganhar;
 c. ou que empate.

 Fenômenos como esse, que dependem do acaso, são

chamados fenômenos aleatórios ou experimentos aleatórios.
Espaço Amostral
 Cada experimento, em geral, tem vários resultados possíveis.
Assim, ao lançarmos uma moeda, há dois resultados possíveis:
ocorrer cara ou ocorrer coroa. Já ao lançarmos um dado há seis
resultados possíveis: 1, 2, 3, 4, 5 ou 6.

 O conjunto desses resultados possíveis damos o nome de

espaço amostral ou conjunto universo, representado por S, U,
ou outra letra.

 Lançamento de uma moeda: S = {Ca, Co} ;

 Lançamento de um dado: S = {1,2, 3,4,5,6} .

 Do mesmo modo, como em dois lançamentos sucessivos de
uma moeda podemos obter cara nos dois lançamentos, ou
cara no primeiro e coroa no segundo, ou coroa no primeiro e
cara no segundo, ou coroa nos dois lançamentos, o espaço
amostrai é:

 S = { (Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)}.

 Cada um dos elementos de S que corresponde a um

resultado recebe o nome de ponto amostral.

 Logo: 2 pertence a S => 2 é um ponto amostral de S.

Eventos
 Chamamos de evento qualquer subconjunto do espaço
amostral “S” de um experimento aleatório.

 Assim, qualquer que seja E, se E c S (E está contido

em S), então E é um evento de S.

 Se E = S, E é chamado evento certo.

 Se E ⊂ S e E é um conjunto unitário, E é chamado

evento elementar.

 Se E = ∅, E é chamado evento impossível. .

Diagrama de Venn
 O diagrama de Venn é uma forma gráfica de
representar o espaço amostral S. A figura a
seguir mostra o diagrama de Venn do espaço
amostral S do lançamento de duas moedas, o
conjunto S={(Ca,Ca),(Ca,Co),(Co,Ca),(Co,Co)}
 Do lançamento de duas moedas, sempre será
obtido um único resultado denominado evento
elementar do espaço amostral S. Os quatro
elementos do espaço amostral S são eventos
elementares, pois nenhum deles pode ser
particionado ou dividido.
 Um subconjunto do espaço amostral S é denominado evento.

 Por exemplo, o evento dos resultados que têm exatamente

apenas uma cara é descrito pelo subconjunto do espaço
amostral A={(Ca,Co), (Co,Ca)}, como mostra o diagrama de
Venn abaixo.

 Tenham em mente que um evento pode ser particionado,

dividido, em seus eventos elementares.
Operações com eventos
 A primeira operação e o complemento de um evento. Por
exemplo, o complemento do evento A é o subconjunto B
formado pelos elementos do espaço amostral não incluídos
no evento A.

 Dessa maneira, o complemento do evento A={(Ca,Co),

(Co,Ca)} é o evento B=-A={(Ca,Ca), (Co,Co)}
 Outras duas operações importantes são a
união e a interseção. Dois ou mais eventos do
mesmo espaço amostral podem ser
agrupados em operações de união(A ∪ B) e
interseção (A ∩ B).
Observação
 A união de um evento A e seu complemento
~A é o próprio espaço amostral S, ou com
símbolos A ∪ ~A = S.

 A interseção de um evento A e seu

complemento ~A é o conjunto vazio ∅, ou
com símbolos A ∩ ~A = ∅.
Eventos mutuamente excludentes e
coletivamente exaustivos
 Os resultados possíveis do lançamento de uma moeda são
apenas dois, os eventos elementares Cara (Ca) e Coroa (Co).

 Pela própria característica do experimento, se o resultado de

um lançamento for cara, esse resultado não poderá ser coroa
ao mesmo tempo, pois são eventos mutuamente excludentes.
 A união de eventos elementares forma o espaço
amostral, pois são eventos coletivamente
exaustivos. Portanto, verifica-se que os eventos
A e B pertencentes ao mesmo espaço amostral S:

 São mutuamente excludentes se sua interseção

for vazia: A ∩ B = ∅, pois os dois eventos não
têm nenhum elemento em comum.

 São coletivamente exaustivos se a união dos

eventos formarem o espaço amostral: A ∪ B =
S, onde cada evento pode ter elementos
repetidos no outro evento.
Exemplo
 No lançamento de um dado, onde S = {1, 2, 3, 4, 5,
6}, temos:

 A= {2, 4, 6} ⊂ S; logo, A é um evento de S.

 B = {1, 2, 3, 4, 5, 6} ⊂ S; logo, B é um evento certo

de S (B = S).

 C = { 4} ⊂ S; logo, C é um evento elementar de S.

 D = ∅ ⊂ S; logo, D é um evento impossível de S.

 Um evento é sempre definido por uma sentença.
Assim, os eventos acima podem ser definidos
pelas sentenças:

 "Obter um número par na face superior."

 "Obter um número menor ou igual a 6 na face

superior."

 "Obter o número 4 na face superior."

 "Obter um número maior que 6 na face

superior."
Probabilidade

  
Dado um experimento aleatório, sendo S o seu espaço
amostrai, vamos admitir que todos os elementos de S
tenham a mesma chance de acontecer, ou seja, que S é
um conjunto equiprovável.

 Chamamos de probabilidade de um evento A(A ⊂ S) o

número real P(A), tal que:

 Onde n(A) é o número de elementos de A e n(S) é o número

de elementos de S.
Exemplos:
Considerando o lançamento de uma moeda e
o evento A "obter cara", temos:
S = {Ca, Co} => n(S) = 2
A= {Ca} => n(A) = 1
Logo, P (A) = ½.

Com isso, podemos dizer que ao lançarmos

uma moeda equilibrada,
temos 50% de chance de que apareça cara na
face superior.
Exemplo 2:
Considerando o lançamento de um dado,
vamos calcular:

a) A probabilidade do evento A "obter um

número par na face superior".

S = {1,2,3,4,5,6} ==> n(S) = 6

A= {2,4,6} ==> n(A) = 3

P(A) = 3/6 = ½.
b) A probabilidade do evento B "obter um
número menor ou igual a 6 na face superior“.

S = {1,2,3,4,5,6} ==> n(S) = 6

B = {1,2,3,4,5,6} ==> n(B) = 6

P(B) = 6/6 = 1
c) A probabilidade do evento C "obter um número 4 na face
superior".

S = {1,2,3,4,5,6} ==> n(S) = 6

C= { 4} ==> n(C) = 1

P(C) = 1/6

d) a probabilidade do evento D "obter um número maior que 6

na face superior“.

S = {1,2,3,4,5,6} ==> n(S) = 6

D = ∅ ==> n(D) = O

P(D) = 0/6 = 0
Com isso...
 
 Pelos exemplos que acabamos de ver, podemos concluir que,
sendo n(S) = n:

 A) a probabilidade do evento certo é igual a 1:

P(S) = 1

 B) a probabilidade do evento impossível é igual a zero: P(0) =0

 C) a probabilidade de um evento E qualquer (E ⊂ S) é um

número real P(E), tal que: O ≤ P(E) ≤ 1

 D) a probabilidade de um evento elementar E qualquer é,

lembrando que n(E) = 1:
Eventos complementares
 Sabemos que um evento pode ocorrer ou
não. Sendo p a probabilidade de que ele
ocorra (sucesso) e q a probabilidade de que
ele não ocorra (insucesso), para um mesmo
evento existe sempre a relação:

 p + q = 1 -> q = 1 - p

 Assim, se a probabilidade de se realizar um evento
é p = , a probabilidade de que ele não ocorra é:

q = 1 – p => q = =

 Sabemos que a probabilidade de tirar o 4 no

lançamento de um dado é p = . Logo, a
probabilidade de não tirar o 4 no lançamento de
um dado é:

q = 1 – p => q =
Eventos independentes
 Dizemos que dois eventos são independentes quando a
realização ou a não realização de um dos eventos não afeta a
probabilidade da realização do outro e vice-versa.

 Por exemplo, quando lançamos dois dados, o resultado

obtido em um deles independe do resultado obtido no outro.
  

 Se dois Ev são independentes, a probabilidade de

que eles se realizem simultaneamente é igual ao
produto das probabilidades de realização dos dois
eventos.

 Logo, a probabilidade de que tais eventos se

realizem simultaneamente é dada por:
Exemplo
  Lançamos dois dados. A probabilidade de
obtermos 1 no primeiro dado é:

 A probabilidade de obtermos 5 no segundo

dado é:

 Logo, a probabilidade de obtermos,

simultaneamente, 1 no primeiro e 5 no
segundo é: p =
Eventos mutuamente exclusivos
 Dizemos que dois ou mais eventos são
mutuamente exclusivos quando a realização de um
exclui a realização do(s) outro(s).

 Assim, no lançamento de uma moeda, o evento

"tirar cara" e o evento "tirar coroa“ são mutuamente
exclusivos, já que, ao se realizar um deles, o outro
não se realiza.

   dois eventos são mutuamente exclusivos, a
Se
probabilidade de que um ou outro se realize é
igual à soma das probabilidades de que cada um
deles se realize é:

 Ex: No lançamento de um dado, a probabilidade

de se tirar o 3 ou o 5 é:

pois, como vimos, os dois eventos são

mutuamente exclusivos.