Live 17 10

PROBABILIDADE E ESTATÍSTICA -
LIVE 2
Professor: Christopher R. Vieira
Tópicos – Live 1º
• Teoria da Amostragem
• Amostragem Aleatória
• Distribuições Contínuas de Probabilidade
• Distribuições de Probabilidade: Esperança Matemática, Variância e Desvio-
Padrão
• Cálculo de Probabilidade
• Organização de Dados: Tabelas e Gráficos
Em muitos casos, estudar uma população pode
se tornar algo trabalhoso, demorado e até
inacessível. Nestes casos, escolheremos uma parte
representativa dessa população para ser estudada,
que denominamos amostra.
TEORIA DA AMOSTRAGEM
População: é o grupo ou o conjunto completo de todos os

elementos que se desejam estudar. O sentido aqui
empregado para o termo população é amplificado, não se
restringindo apenas ao conjunto de pessoas. Pode se referir,
por exemplo:
• ao conjunto das idades dos alunos do 3º período de Engenharia Civil;
• ao conjunto das rendas dos habitantes de Belo Horizonte;
• ao conjunto das médias finais dos alunos da 2ª série do ensino médio.
Quando realizamos uma coleta e análise de todos os elementos de uma

população, diz-se que se realizou um censo.
Amostra: é uma porção ou um
subconjunto da população que se
deseja estudar.
O processo utilizado para escolher a
amostra de uma população para estudo
é o que chamamos de amostragem.
Unidade: é um elemento individual da
população.
Variável: é a característica que se
pretende estudar a partir da amostra.
As variáveis podem ser qualitativas ou
quantitativas.
Variável qualitativa: uma variável é dita qualitativa quando é expressa
por atributos, se subdividindo em:
nominal — quando os atributos não têm relação de ordem entre si.
Por exemplo: sexo, cor, grupo sanguíneo;
ordinal — quando os atributos apresentam relação de ordem. Por
exemplo: classe social, nível de escolaridade.
Variável quantitativa: uma variável é dita quantitativa quando é expressa
por números, se subdividindo em:
discreta — quando os valores numéricos são sempre números inteiros. Por
exemplo: número de filhos, número de alunos, número de
produtos comprados por dia;
contínua — quando pode ser expressa por qualquer valor em um
intervalo. Por exemplo: peso, altura, renda bruta familiar.
AMOSTRAGEM: PROBABILÍSTICA E NÃO PROBABILÍSTICA
O processo de amostragem pode apresentar riscos, uma vez que as
conclusões são obtidas para toda a população com base em uma parte dela.
Basicamente, existem duas técnicas de amostragem, a probabilística e a não
probabilística.
Amostragem aleatória simples: baseia-se no
princípio fundamental da amostragem
probabilística, em que todos os elementos da
população têm a mesma chance de ser incluídos na
amostra.
Por exemplo: um questionário de satisfação
Aplicado por uma agência de viagens sobre um
destino a um número “x” clientes do total de 100
que fizeram esta viagem.
Amostragem estratificada: aplica-se quando a população pode ser subdivida em
subpopulações (estratos) diferentes e homogêneas, escolhendo-se leatoriamente um
número uniforme, proporcional ou ótimo de elementos de cada estrato. Por exemplo: em
um questionário de satisfação aplicado por uma agência de viagens sobre um destino a
10 clientes do total de 100 que fizeram esta viagem, verifica-se, anteriormente, que 60%
dessa população é do sexo masculino e 40% do sexo feminino. Dessa forma, estratifica-se
a população por sexo e se escolhe, aleatoriamente, seis homens e quatro mulheres para
compor a amostra.
Amostragem sistemática: quando se ordenam os elementos e cada es_x0002_colha é
feita em um bloco de x elementos. Por exemplo: um questionário de satisfação aplicado
por uma agência de viagens sobre um destino a 20 clientes do total de 100 que fizeram
esta viagem. Os clientes foram ordenados por ordem alfabética e se formaram, então, 20
grupos com cinco clientes em cada (100/20 = 5).
Do primeiro grupo se sorteia um cliente de forma aleatória, por exemplo, o cliente
3. Dessa forma, deve-se considerar sempre o terceiro cliente de cada grupo, isto é,
responderão ao questionário os clientes: 3, 8, 13, 18, 23, 28, 33, 38, 43, 48, 53, 58, 63,
68, 73, 78, 83, 88, 93 e 98.
Amostragem por conglomerados: utiliza-se quando a população pode ser dividida em
subpopulações heterogêneas. Gera-se “n” conglomerados, dentre os quais se escolhem
“x” de forma aleatória. Posteriormente se escolhem, também de forma aleatória, “k”
elementos de cada conglomerado.
AMOSTRAGEM: NÃO PROBABILÍSTICA
Amostragem por conveniência: nesse tipo de amostragem, a amostra é selecionada pela
acessibilidade. Os indivíduos participam da amostra por que estão disponíveis e o acesso
a eles é fácil.
Por exemplo: para se conhecer a opinião de funcionários da indústria alimentícia
sobre as leis trabalhistas, de forma probabilística, seria necessário conhecer o total de
pessoas que trabalham na indústria alimentícia e, a partir desse grupo, selecionar uma
amostra. Na amostra por conveniência é possível, por exemplo, fazer essa pesquisa de
opinião nas três indústrias mais próximas do pesquisador ou, ainda, naquelas que se
dispuserem a participar.
Amostragem por quotas: nesse tipo de amostragem, a população é dividida em
subgrupos de forma semelhante à amostragem estratificada. Em seguida, define-se o
tamanho das quotas e se preenche cada quota com os indivíduos que cumprem o
requisito definido, de forma aleatória ou não. Por exemplo: se quisermos obter uma
mostra com 500 pessoas, podemos definir uma análise com 75% de indivíduos com
idades entre 17 e 24 anos e 25% com pessoas com mais de 25 anos. Dessa forma,
teremos quotas por faixa etária.
Amostragem por bola de neve: nesse tipo
de amostragem, os indivíduos que já
participaram da pesquisa vão indicando
outros que fazem parte de sua rede de
relacionamentos, formando, assim, uma
cadeia ou uma bola de neve.
Amostra quantitativa É utilizada na pesquisa quantitativa. Nesse tipo de
amostra, preocupa-se com as características gerais ou comuns de todos os
elementos, sendo possível generalizar os resultados objetivos na inferência
estatística para toda a população. Utiliza-se a pesquisa quantitativa para se
obter resultados uniformes e analisar as variáveis de forma objetiva.
Amostra qualitativa É utilizada na pesquisa qualitativa. Nesse tipo de amostra,

atenta-se para as características individuais de cada elemento, não objetivando,
portanto, fazer generalizações a partir dos resultados. Utiliza-se a pesquisa
qualitativa para explorar a subjetividade das informações coletadas.
Amostragem Aleatória
AMOSTRAGEM ALEATÓRIA
A amostragem aleatória sistemática consiste em selecionar um elemento a
cada k unidades da população. Para esse método precisamos ter uma listagem
da nossa população disposta de forma aleatória.
Onde
k — intervalo com o qual selecionaremos a unidade amostral;
N — tamanho da população;
n — tamanho da amostra.
A amostragem sistemática é muito útil quando temos alguma listagem dos
elementos da população ou quando as unidades amostrais estão dispostas em
uma fila, pois não precisamos fazer um sorteio para a seleção de cada unidade
amostral, podemos calcular o valor de k e, dentro do valor de k, sortear um
número.
Exemplo:
Queremos investigar sobre a satisfação de uma loja de e-commerce, para
isso pegamos a listagem dos consumidores no último mês na ordem em que a
compra foi efetuada. Suponhamos que a loja tenha tido um total de 10 mil
clientes e que queremos investigar uma amostra de 385 clientes. Dividindo 10
mil por 385 temos k — 26, então, a cada 26 clientes selecionamos um. Para
iniciarmos, sorteamos um valor entre 1 e 26; supondo que o número 10 tenha
sido sorteado, selecionamos o 10º cliente, o 36º, o 62º, o 88º e assim
sucessivamente a cada 26 unidades, até selecionarmos os 385 cientes.
, k=26
Amostragem estratificada
A amostragem estratificada é uma amostragem aleatória, mas esse tipo de
amostragem não é exatamente um método de coleta, ou seja, de escolha das unidades
amostrais. Ele é mais uma forma de agrupamento em que as unidades amostrais também
devem ser selecionadas de forma aleatória.
A amostragem estratificada divide a população em estratos, em que seja interessante
uma divisão por grupos. Esses grupos devem ter comportamento homogêneo dentro dos
estratos e ter alguma variabilidade entre os grupos, que seja conveniente ao objetivo do
estudo. A seleção das unidades amostrais dentro dos extratos pode ser feita pela
amostragem aleatória simples ou pela amostragem sistemática.
Amostragem estratificada
A amostragem estratificada é uma amostragem aleatória, mas esse tipo de
amostragem não é exatamente um método de coleta, ou seja, de escolha das unidades
amostrais. Ele é mais uma forma de agrupamento em que as unidades amostrais também
devem ser selecionadas de forma aleatória.
A amostragem estratificada divide a população em estratos, em que seja interessante
uma divisão por grupos. Esses grupos devem ter comportamento homogêneo dentro dos
estratos e ter alguma variabilidade entre os grupos, que seja conveniente ao objetivo do
estudo. A seleção das unidades amostrais dentro dos extratos pode ser feita pela
amostragem aleatória simples ou pela amostragem sistemática.
Amostragem por conglomerados
Amostragem por conglomerados
A amostragem por conglomerados, assim como a amostragem estratificada, é uma
forma de agrupamento e não de seleção das unidades amostrais. A amostragem por
conglomerados também será utilizada em conjunto com a amostragem aleatória simples
e/ou com a amostragem sistemática.
Assim como na amostragem sistemática, dividimos a população em grupos. Porém,
esses grupos serão formados normalmente por regiões geográficas. Faz sentido utilizar
esse tipo de agrupamento quando esses conglomerados tiverem um comportamento
com variabilidade dentro dos grupos e uma homogeneidade entre eles.
Escolha do tipo de amostragem aleatória
Escolha do tipo de amostragem aleatória
Inicialmente é preciso determinar quais são os objetivos da pesquisa. Algumas
pesquisas buscam contribuir para resolver um determinado problema; nesse caso,
devemos mencionar qual é esse problema e de que maneira achamos que o estudo irá
ajudar a resolvê-lo. Outras, têm como objetivo principal comprovar uma teoria ou trazer
evidência empírica a seu favor.
Quando nos referimos à falta de informação de uma população queremos dizer que
podemos não saber onde encontrar as unidades amostrais dessa população, que não as
conhecemos direito, que não conseguimos nenhuma listagem dessa população, etc.
Distribuições Contínuas de Probabilidade
DISTRIBUIÇÃO CONTÍNUA E PROBABILIDADE
As distribuições de probabilidade em estatística podem ser discretas ou contínuas,
dependendo do tipo de variável que está sendo estudado. Para variáveis discretas
(valores resultantes de contagem), utilizamos distribuições discretas, sendo a Binomial e
a de Poisson as mais conhecidas.
Para variáveis contínuas (que resultam de medições), utilizamos distribuições
contínuas, sendo a Normal e a Student as mais conhecidas. Nesse tipo de distribuição, a
função densidade de probabilidade (FDP), que terá uma função matemática associada,
precisará de uma integral para a resolução do cálculo de probabilidade, por isso é muito
comum o uso de tabelas para auxiliar no cálculo das probabilidades.
A função densidade de probabilidade exponencial aproxima-se de zero à medida que
o valor de x aumenta. Isso é útil para calcular tempo de vida de alguns componentes.
onde:
λ é a taxa média pelo tempo ou espaço;
x é o valor da variável aleatória que se quer obter a probabilidade.
Representamos a distribuição exponencial por , ou seja, a variável
x aproxima-se de uma distribuição exponencial de parâmetro λ.
Meia-Vida: O conceito de meia-vida é dado como o tempo necessário para que
metade do número de átomos de uma amostra de determinado isótopo radioativo se
desintegre.
A distribuição de probabilidade de Laplace
A distribuição de probabilidade de Laplace
Também chamada de exponencial dupla, pois, algumas vezes, é como se tivéssemos
uma exponencial positiva junto a uma exponencial negativa. Pode ser utilizada para
dados de modelagem em biologia e finanças. Tem por função a distribuição de
probabilidade:
onde:
é o desvio-padrão;
μ é a média;
x é o valor da variável aleatória que se quer obter a probabilidade.
Distribuição normal
Essa distribuição tem como parâmetros a média que é uma medida de posição e o
desvio-padrão que é a medida de variabilidade. Então, o formato dessa distribuição
depende da variabilidade — quanto mais achatada for a distribuição, maior será a
variabilidade dos dados e, ao contrário, quanto mais estreita for a distribuição, menor
será a variabilidade. Já a média situa no eixo em que os dados se concentram.
É com base na teoria da distribuição de probabilidade normal que podemos
estruturar testes de hipótese, estabelecer intervalos de confiança e calcular tamanhos de
amostra.
A função matemática que descreve a distribuição de probabilidade normal
é dada por:
Representamos a distribuição normal por x~N(μ, 𝜎), ou seja, a variável x aproxima-se

de uma distribuição normal de parâmetros μ (média) e 𝜎(desvio-padrão).
O formato da distribuição normal é parecido com um sino. Por esse motivo, alguns a
chamam de distribuição em forma de sino, ou distribuição de Gauss.
Distribuição normal -
Tabela de Referência (Z) -
Como se pode perceber, a
resolução de uma integral
para a FDP da normal é
bastante elaborada. Por esse
motivo, fazemos uso de uma
tabela para nos auxiliar no
cálculo de probabilidade.
Tabela de Referência (Z) - EXEMPLO
Suponha uma financeira que empresta, em média, R$ 2.000,00 para seus
clientes com um desvio-padrão de R$ 900,00. Calcularemos a probabilidade de
a financeira emprestar menos de R$ 2.200,00 a um cliente.
Procuramos, na tabela, o cruzamento da linha com o 0,2 até a coluna do 0,02, que é a
nossa segunda casa decimal. Nesse cruzamento, encontramos o valor de 0,08706.
Estamos trabalhando em uma tabela que tem apenas metade da distribuição..
Procuramos, na tabela, o cruzamento da linha com o 0,2 até a coluna do 0,02, que é a
nossa segunda casa decimal. Nesse cruzamento, encontramos o valor de 0,08706.
Estamos trabalhando em uma tabela que tem apenas metade da distribuição....
Olhamos na linha do 0,1 até a coluna do 0,01 da tabela e encontramos o valor de

0,04380. A esse valor, novamente somamos a outra metade da curva, devido à
apresentação da tabela.
Agora queremos calcular a probabilidade de a financeira emprestar mais de R$ 2100,00.
Se quisermos calcular a probabilidade de a financeira emprestar entre
R$ 2.100,00 e R$ 2.200,00, este seria o cálculo:
Distribuições de probabilidade: esperança matemática, variância e desvio-padrão
Esperança matemática
A inferência estatística baseia-se no estudo de dados amostrais, e a busca da

estimativa amostral (ou do valor esperado) ocorre para podermos estimar o verdadeiro
parâmetro populacional para a tomada de decisão. A esperança matemática estimativa)
estuda como prever medidas populacionais desconhecidas, fundamentadas em
resultados conhecidos na amostra.
EXEMPLO
Suponha que 500 pessoas são questionadas sobre seu consumo anual de carne
vermelha, e a média amostral seja de 20 kg por pessoa, com desvio-padrão de 0,2 kg.
 A média amostral de 20 kg é uma estimativa pontual para o consumo anual de
carne vermelha por pessoa. [
 A média da população provavelmente está próxima de 20 kg, mas, possivelmente,
não é exatamente igual a 20 kg.
O intervalo de confiança estima o quanto a média amostral aproxima-se da média
populacional.
Se o intervalo de confiança fosse 20 ± 0,08, poderíamos calcular um nível de confiança
que define a média populacional no intervalo ]19,92; 20,08[.
CÁLCULO
Seja p a probabilidade de um evento S ocorrer, a esperança matemática (E) é definida
por:
[
Em um conjunto de dados de uma variável aleatória discreta em que a probabilidade
de cada dado é , respectivamente, define-se esperança matemática por:
Esperança matemática - EXEMPLO
Duas moedas são jogadas 14 vezes, e os resultados foram:
5 jogadas sem nenhum resultado cara;
6 jogadas, sendo apenas uma moeda cara;
3 jogadas, sendo as duas moedas cara.
Qual é o valor esperado de caras por lançamento?
[
Temos que a probabilidade de nenhum resultado cara é: , de apenas uma moeda
ser cara: ; e de as duas moedas serem cara: . Assim, a esperança da variável cara
ocorrer, por lançamento, é:
5 6 3 5 . 0+6 . 1+3 . 2
. 0+ . 1+ . 2= =0 , 86
14 14 14 14
Medidas de dispersão
[
Medidas de dispersão
O estudo das medidas de posição é útil para fornecer boa parte das
características de um conjunto de dados. Contudo, existem outros parâmetros que
complementam a caracterização dos conjuntos, principalmente quando estes
possuem uma disparidade consideravelmente grande para uma simples análise
por medidas de posição. [
• Amplitude
• Desvio médio
• Variância
• Desvio-padrão
Medidas de dispersão: Amplitude
A amplitude é o mesmo que a variação entre dois elementos. Em um conjunto de
dados, a amplitude total é encontrada por meio do cálculo da diferença entre o limite
superior e o limite inferior, conforme segue:
[
Desvio médio
O desvio médio é uma medida de dispersão, pela qual temos a média dos desvios em
relação a uma medida de posição, podendo ser a média das diferenças absolutas entre
cada elemento do conjunto e a média aritmética. A seguinte expressão representa o
desvio médio da população:
[
onde x representa cada elemento do conjunto de dados, μ, a média da população, e

N, a quantidade de desvios. Contudo, os dados analisados, na maioria dos estudos
estatísticos, referem-se a uma amostra. Assim, para o cálculo do desvio médio amostral,
utiliza-se a seguinte expressão, a qual fornece uma estimativa sem tendenciosidade do
desvio médio da população.
Variância
A variância da população baseia-se no desvio médio. Para seu cálculo, os desvios em
torno da média do conjunto são elevados ao quadrado. Sendo assim:
Em que representa cada elemento, μ, a média da população, e N, a quan_x0002_tidade

de observações.
Desvio-padrão
A medida de dispersão, chamada desvio-padrão, é definida como a raiz
qua_x0002_drada positiva da variância, simplesmente denotada por σ = , desvio-padrão
da população.
O interesse em calcular e considerar o desvio-padrão como uma medida útil na
análise estatística é que a variância se restringe
[ a uma análise das unidades elevadas ao
quadrado — por exemplo, a variância de medidas de comprimento é dada em medidas de
área, enquanto que o desvio-padrão é medido nas mesmas unidades que os dados
originais.
Variância
EXEMPLO:
A resistência é uma característica importante para analisar materiais pré-fabricados.
Cada um dos 8 elementos de placas pré-fabricadas de concreto foi submetido a um teste
de tensão, e a largura máxima (mm) das trincas resultantes foi registrada no seguinte
quadro:
[
Qual é o desvio-padrão da largura das trincas?

Variância
EXEMPLO:
Qual é o desvio-padrão da largura das trincas?

PRIMEIRO: média aritmética.
[
1,4 mm
2. Cálculo da variância: A partir da média, calculamos os desvios de cada elemento.
Variância
EXEMPLO:
3. Cálculo do desvio-padrão: [
Variância 1,287, temos que:

Cálculo de Probabilidade
Probabilidade
[
Probabilidade
A Teoria da Probabilidade é um ramo da Matemática que cria, elabora e pesquisa
modelos para estudar experimentos ou fenômenos aleatórios. A probabilidade de uma
peça fabricada ser defeituosa, entre outras. Para o estudo das probabilidades, será
necessário introduzir alguns conceitos básicos, como, por exemplo, evento, espaço
amostral, eventos dependentes e independentes, eventos mutuamente excludentes e
complementares.
[
Probabilidade
Espaço amostral
Em um experimento (ou fenômeno) aleatório, o conjunto formado por todos
os resultados possíveis é chamado espaço amostral, que vamos indicar por U ou Ω.
• Lançar uma moeda e observar a face voltada para cima: U = {cara, coroa}.
• Lançar um dado e observar a face voltada para cima: U = {1, 2, 3, 4, 5, 6}.
Evento [
Chama-se evento todo subconjunto de um espaço amostral, ou seja, os
resul_x0002_tados que poderão ocorrer em um determinado fenômeno.
Resultados esses que queremos que aconteçam ou não.
No lançamento de um dado, por exemplo, em relação à face voltada para
cima, podemos ter os seguintes eventos.
O número é par: {2, 4, 6}.
O número é menor que 5: U = {1, 2, 3, 4}.
O número é 8: {}.
Probabilidade
Evento
Chama-se evento todo subconjunto de um espaço amostral, ou seja, os
resultados que poderão ocorrer em um determinado fenômeno. Resultados esses
que queremos que aconteçam ou não.
No lançamento de um dado, por exemplo, em relação à face voltada para
cima, podemos ter os seguintes eventos. [
O número é par: {2, 4, 6}.
O número é menor que 5: U = {1, 2, 3, 4}.
O número é 8: {}.
Probabilidade
EXEMPLO:
Uma urna contém 10 bolas numeradas de 1 a 10. Retira-se uma bola ao acaso e
se observa o número indicado. Descrever de forma explícita os seguintes conjuntos
e dar o número de elementos de cada um:
a) o espaço amostral U.
b) o evento A: o número da bola é ímpar. [
c) o evento B: o número da bola é múltiplo de 3.
Probabilidade
EXEMPLO:
b) o evento A: o número da bola é ímpar.
Resolução
a) O conjunto de todos os resultados [possíveis é representado pelo seguinte
espaço amostral: U = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}. O número de elementos desse
conjunto é n(U) = 10.
Probabilidade
EXEMPLO:
Resolução
b) Se o número da bola é ímpar, temos o evento: A = {1, 3, 5, 7, 9}. O número de
elementos desse conjunto é n(A) = 5.
Probabilidade
EXEMPLO:
Resolução
b) Se o número da bola é ímpar, temos o evento: A = {1, 3, 5, 7, 9}. O número de
elementos desse conjunto é n(A) = 5.
c) Se o número da bola é múltiplo de 3, temos o evento: B = {3, 6, 9}. O número
de elementos desse conjunto é n(B) = 3.
Probabilidade
Eventos mutuamente excludentes e eventos complementares
[
Probabilidade
Eventos mutuamente excludentes e eventos complementares.
Considerando, por exemplo, dois lançamentos de uma moeda, esse
experimento tem quatro resultados possíveis: cara/cara, cara/coroa, coroa/cara,
coroa/coroa. Esses resultados são mutuamente excludentes, uma vez que um, e
somente um, deles irá ocorrer ao lançarmos a moeda duas vezes.
[
Probabilidade
Eventos mutuamente excludentes e eventos complementares.
Chama-se evento complementar de um evento A e é representado por Ā
o conjunto formado por todos os elementos do espaço amostral U que não
pertencem ao evento A.
No lançamento de um dado, temos o seu espaço amostral: U = {1, 2, 3, 4, 5, 6}.
Considere os eventos a seguir. [
O evento A: o número obtido é menor que 3.
O evento Ā: o número obtido é maior ou igual a 3.
A = {1, 2} e Ā = {3, 4, 5, 6}. Estes são complemen_x0002_tares, pois, A∩Ā = { } e

AĀ = U, a interseção (o que há de comum entre os conjuntos) entre os dois
conjuntos resulta em um resultado vazio
Probabilidade
Eventos independentes e eventos dependentes
Com reposição significa o retorno do evento sorteado ao seu conjunto de
origem. É isso que mantém a probabilidade de sorteio constante, portanto, não se
altera a probabilidade de sorteio do evento seguinte.
Sem reposição significa o não retorno do evento sorteado ou do seu conjunto
de origem, alterando a probabilidade de sorteio
[ do evento seguinte.
Probabilidade
Cálculo de probabilidade
Considere o lançamento de três dados comuns. Qual é a probabilidade de
que a soma dos valores sorteados seja igual a 5?
[
Probabilidade
Resultados da probabilidade
Valor fracionário: quando se faz um cálculo de probabilidade, como veremos
adiante, o primeiro resultado obtido é o fracionário, em que temos um número
que fica na parte superior da fração, chamado de numerador, e outro valor, na
parte inferior da mesma fração, chamado de denominador (a/b).
Valor numérico: quando acharmos o valor [ fracionário e realizarmos a divisão
proposta, ou seja, o numerador (em cima) dividido pelo denominador (embaixo)
obterá um resultado, que chamaremos de valor numérico. É o resultado da divisão
do valor fracionário.
Valor percentual: ao chegarmos ao valor numérico, podemos transformar
qualquer um deles em valor percentual, apenas multiplicando o valor por 100
(cem) e após colocar o símbolo de porcentagem (%)
Probabilidade
Probabilidade de um evento em um espaço amostral finito
A regra da probabilidade clássica é aplicada para se calcularem as
probabilidades de eventos a um experimento para o qual os resultados sejam
igualmente possíveis.
Chamamos de probabilidade de um evento A o número real P(A), tal que:
é o número de elementos do conjunto A[ e é o número de elementos do conjunto
U.
Probabilidade
Probabilidade condicional
Se a probabilidade de ocorrência de um evento B interfere na probabilidade de
ocorrência de um evento A, então dizemos que a probabilidade de A está
condicionada à probabilidade de B e representamos por P(A/B). Lê-se:
probabilidade de A dado B.
[
Probabilidade
EXEMPLO:
Uma concessionária A tem em seu estoque 25 carros de um modelo B. O
quadro a seguir divide os 25 carros disponíveis em tipo de motor e cor
[
Probabilidade
EXEMPLO:
Esse problema de probabilidade é
um caso de probabilidade condicional,
pois o cálculo está condicionado à
informação de que já sabemos que o
carro é prata (condição). Utilizando a
fórmula da probabilidade condicional:
No denominador colocamos a quantidade de possíveis respostas da condição
(cor prata), conforme tabela. Verificou-se que a concessionária possui 12 carros
pratas.Na parte superior, no numerador, colocamos as possibilidades de respostas
favoráveis (motor 1.0) dentro dos carros de cor prata: 5 carros com motor 1.0 e
que são de cor prata. 5/12
Organização de dados: tabelas e gráficos
ORGANIZAÇÃO DE DADOS: TABELAS E GRÁFICOS
[
Tipos de tabelas e gráficos
As colunas que necessariamente precisam aparecer em uma tabela de
distribuição de frequências, além da primeira coluna que representa as opções de
resposta dos dados coletados, são:
• f → frequência simples absoluta (resulta da contagem na amostra).
• fr → frequência simples relativa [ (resulta da regra de três vista
ante_x0002_riormente no capítulo).
• F → frequência acumulada absoluta (resulta somando a coluna f).
• Fr → frequência acumulada relativa (resulta somando a coluna fr).
• x’ → ponto médio do intervalo, no caso da tabela de intervalos.
[
[
Exemplo de tabela com dados qualitativos ordinais sobre a satisfação
com o atendimento recebido em uma Unidade de Pronto Atendimento
(UPA) de Porto Alegre, RS.
[
Exemplo de tabela com dados qualitativos ordinais sobre a satisfação
com o atendimento recebido em uma Unidade de Pronto Atendimento
(UPA) de Porto Alegre, RS.
[
“O trabalho duro ganha do talento quando o
talento não trabalha duro.” Kevin Durant

Live 17 10

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Live 17 10

Enviado por

Direitos autorais:

Formatos disponíveis

PROBABILIDADE E ESTATÍSTICA -

População: é o grupo ou o conjunto completo de todos os

Quando realizamos uma coleta e análise de todos os elementos de uma

Amostra qualitativa É utilizada na pesquisa qualitativa. Nesse tipo de amostra,

Representamos a distribuição normal por x~N(μ, 𝜎), ou seja, a variável x aproxima-se

Olhamos na linha do 0,1 até a coluna do 0,01 da tabela e encontramos o valor de

A inferência estatística baseia-se no estudo de dados amostrais, e a busca da

onde x representa cada elemento do conjunto de dados, μ, a média da população, e

Em que representa cada elemento, μ, a média da população, e N, a quan_x0002_tidade

Qual é o desvio-padrão da largura das trincas?

Qual é o desvio-padrão da largura das trincas?

Variância 1,287, temos que:

A = {1, 2} e Ā = {3, 4, 5, 6}. Estes são complemen_x0002_tares, pois, A∩Ā = { } e

Você também pode gostar