Estatística

Experimental
(Parte I)
Cap 2 – Curso de Iniciação a Estatística (Apostila)
Cap. IX – Nazareth, H.Curso Básico de Estatística.
Cap. X –MARTINS, G. A. & DONAIRE, D.
Princípios de Estatística.

Profº: Glauco Vieira de Oliveira

AGR/ICET/CUA/UFMT
 1. Introdução

Teoria Matemática da Probabilidade

- Fenômenos aleatórios
- Início com experimentos relacionados com jogos
de azar; séc. XV e XVI
- Descrição e estudo
- Descobrir leis gerais e construção de modelos teóricos
satisfatórios
- Teoria da probabilidade: espinha dorsal da
estatística
 2. Conceitos Fundamentais
Fenômeno: Qualquer transformação que ocorre com
um corpo do universo
Dois tipos de Fenômenos
Ex1: Imagine um corpo cuja velocidade é de 60 km/h.
Em quanto tempo gastará para percorrer 120 km?
– 2.1 Fenômeno determinístico

Ex2: Após o lançamento de um dado, qual será o seu

resultado?
– Resposta: Posso dizer que é provável que ocorra o
resultado 1, ou 2, ou 3, ou 4 ou 5, ou 6
2.2 Fenômeno probabilístico
 2.2. Modelo Probabilístico
A maioria dos fenômenos de que trata a estatística é de natureza
aleatória: são fenômenos probabilísticos.
Conceitos:
2.3. Experimento Probabilístico (aleatório ou não
determinístico):
É o experimento que repetido sob as mesmas condições,
conduz a resultados, em geral, distintos. Exemplos:
E1: Lançar uma moeda 10 vezes e observar o nº de caras
obtidas. E2: Escolher, ao acaso,um ponto de um círculo de raio
unitário. E3: Selecionar uma carta de um baralho com 52 cartas
e observar o seu “naipe”; E4: jogar um dado ao ar e observar a
sua face superior.
2.4. Espaço amostral (S): Conjunto de todos os possíveis
resultados (ocorrências) de um experimento aleatório; conj
universo;
2.5. Eventos (A): Qualquer subconjunto de resultados
Experimento Aleatório Espaço Amostral

E1: Lançar uma moeda 10 vezes e

S1 = {0, 1, 2, 3, 4, 5,6 ,7 ,8 ,9 ,10}
observar o nº de caras obtidas.

E2: Escolher, ao acaso,um ponto de

S2 = {(x,y): x2+y2≤1}
um círculo de raio unitário.
E3: Selecionar uma carta de um
baralho com 52 cartas e observar o S3 = {ouro, paus, copas, espadas}
seu “naipe”;
E4: jogar um dado ao ar e observar
S4 = {1, 2, 3, 4, 5,6}
a sua face superior
 Experimento Aleatório, Espaço Amostral e Evento
2.5. Evento (E): Qualquer subconjunto de resultados
(ocorrências)
a) Evento Simples: ex. sair nº 1 no lançamento de um dado
E={1}
b) Evento Composto. ex. sair nº par no lançamento de um dado
E={2, 4, 6}
c) Evento Certo: ex. sair nº 1, 2 , 3 , 4, 5 ou 6 no lançamento de um dado
P(S) = 1
d) Evento Impossível: ex. sair nº 0 no lançamento de um dado
P() = 0
Classe de eventos ou espaço de eventos:
sub-conjuntos possíveis formados a partir de S
nº de subconjuntos = 2n ; em que n = pontos amostrais
Exemplo: S = {1, 2, 3}

n = 3  23 = 8 eventos (A1; A2; A3; A4; A5 e A6) - apostila

Obs: para dados contínuos

- Eventos em forma de intervalo
 Tipos de Eventos

2.6. Evento Mutuamente Exclusivo:

- a ocorrência de um impede a ocorrência de outro
Ex: Em um lançamento de dado
- a ocorrência de uma face elimina a possibilidade de
ocorrência das outras cinco
A  B =   A e B são disjuntos

2.7. Evento não mutuamente exclusivo:

E1: Retirar uma carta de um baralho
A: retirar um às
B: retirar uma carta de ouro
pode ocorrer em uma retirada um ás de ouro, ou seja,
AB=1
 3. Conceitos de Probabilidade
3.1. Conceito Clássico (probabilidade “a priori”)
f em que f é nº de pontos favoráveis e n
P ( A) 
n total de pontos
N= f + c, onde c = nº de pontos contrários a realização de A
c
P( A )   P ( A)  P( A )  1  P ( A)  1  P ( A )
n
Exemplos
(i) Seja E o experimento relativo ao lançamento de um dado.
Seja A o evento ocorrência da face 6.
(ii) Espaço amostral referente ao nº de caras obtidos em 3 lances
de uma moeda e A o evento ocorrência de uma cara

3.2. Freqüência Relativa (Probabilidade “a posteriori”)

3.3. Conceito Moderno ou axiomático
 3. Conceitos de Probabilidade
3.1. Conceito Clássico (probabilidade “a priori”)
3.2. Freqüência Relativa (Probabilidade “a posteriori”)
- “probabilidade empírica”
Quando a estimativa da probabilidade P(A) é dada pela freqüência
relativa f m m resultados favoráveis e
f   P(A); se n  
n n obs. suficientemente grande
EXEMPLO: Experimento de jogar dados 90 vezes. (F = frequencia)
Face nº F. Observada F. relativa F. Esperada F. Esp relativa
1 12 12/90 = 0,133 15 1/6 = 0,167
2 17 17/90 = 0,189 15 1/6 = 0,167
3 15 15/90 = 0,167 15 1/6 = 0,167
4 18 18/90 = 0,200 15 1/6 = 0,167
5 10 10/90 = 0,111 15 1/6 = 0,167
6 18 18/90 = 0,200 15 1/6 = 0,167
 90 1

3.3. Conceito Moderno ou axiomático

 3. Conceitos de Probabilidade
3.1. Conceito Clássico (probabilidade “a priori”)
3.2. Freqüência Relativa (Probabilidade “a posteriori”)
3.3. Conceito Moderno ou axiomático
Seja E um experimento e S um espaço amostral associado a E. A
cada A de S associaremos um número real P(A), denominado
probabilidade da ocorrência do evento A, se forem satisfeitas as
seguintes condições ou axiomas:
i) P(A)≥0, para qualquer evento A em S;
ii) P(S) = 1
III) Se A e B são dois eventos de S e são mutuamente exclusivos
então: P(A  B)  P(A)  P(B) Generalizando, temos:

n
P(A1  A 2  ...  An )   P(A i ) Se Ai Aj= para todo par (i, j) com ij
i 1

a) 0  P(A)  1
Propriedades importantes
b) P(A)  P(S) - P(A)  1 - P(A)
 3. Conceitos de Probabilidade
3.3. Conceito Moderno ou axiomático
Probabilidade Geométrica: No quadro
 Espaço Amostrais
4. Espaço Amostral Finito
S={a1, a2, ...,an}
i) pi ≥ 0, para i=1, 2, 3, ..., n
ii) p1 + p2+ ...+pn = pi=1

5. Espaço amostrais Finitos e Equiprováveis

Se cada ponto S tem a mesma probabilidade de ocorrer, então o
espaço amostral chama-se equiprovável ou uniforme. A
probabilidade de cada ponto será 1/n.
Se um evento A contém r pontos, então P(A) = r/n

Simplificando a explicação acima temos o seguinte enunciado

nº de elementos de A
P ( A) 
nº de elementos de S

nº de vezes em que o evento A pode ocorrer

P ( A) 
nº de vezes em que o espaço amostral ocorre
 6.Teoremas do Cálculo de Probabilidades

Teorema:

6.1. Se  é um conjunto vazio, então P()=0

6.2. Se Ā é o complemento e A, então P(A) = 1 – P(Ā)

6.3. Se A e B são dois eventos quaisquer e B é o complemento de B,

então P(A  B)  P(A) - P(A  B)

6.4. Teorema da Soma das probabilidades

Se A e B são dois eventos quaisquer, então : P(A  B)  P(A)  P(B) - P(A  B)

6.5. Se A  B, então P(A)  P(B)

6.6. Para um evento A qualquer,0  P(A)  1

Demonstrações detalhadas na apostila

 Probabilidade
Exemplos
e aplicações simplificadas

(Nota: ao contrário da simbologia aplicada na

apostila “curso de iniciação a estatística”, o símbolo
“E” será considerada aqui como nº de elementos
favoráveis a um determinado evento,ou
simplesmente evento)
EXEMPLO 1: Um jogo consiste em lançar dois dados simultaneamente
e verificar a soma dos resultados obtidos. Qual a Probabilidade de
ocorrer a soma 3?
1º Dado 2º Dado Soma 1º Dado 2º Dado Soma
1 2 1 5
1 4
2 3 2 6
3 4 3 7
4 5 4 8
5 6 5 9
6 7 6 10
1 3 1 6
2 5
2 4 2 7
3 5 3 8
4 6 4 9
5 7 5 10
6 8 6 11
1 4 1 7
3 6
2 5 2 8
3 6 3 9
4 7 4 10
5 8 5 11
6 9 6 12
Resposta: P(E)= 2/36 Distribuição probabilística

Soma
F P (E)
(E)
2 1 1/36
3 2 2/36
4 3 3/36
5 4 4/36
6 5 5/36
7 6 6/36
A freqüência relativa estima a Probabilidade de
8 5 5/36
um determinado evento, P(E), podendo ser:
9 4 4/36
i) Obtida de todos os pontos do espaço
10 3 3/36 amostral (S). Exemplo 1
11 2 2/36 ii) Obtida de uma amostra representativa da
12 1 1/36 população) - Exemplo 2
Total 36 1
Probabilidade = N° de elementos de E
n° de elementos de S
Exemplo 2: Frequência relativa a partir de uma amostragem
– Número de irmãos relatados por 115 estudantes universitários da UFRGS
(1986 e 1992)

Nº de 40% 120%
F Fr Frac
irmãos 35%
100%
30%
0 8 0,07 0,07 80%

Frequencia
25%

1 20 0,17 0,24 20% 60%

15%
40%
2 40 0,35 0,59 10%
20%
3 26 0,23 0,82 5%
0% 0%
4 9 0,08 0,90 0 1 2 3 4 5 6 7 8
Nº de irmãos por estudante da UFRGS
5 7 0,06 0,96 relativa
Acumulada
6 4 0,03 0,99
7 0 0,00 0,99 Legenda
8 0 0,00 0,99 F: Freqüência Absoluta
Fr: Freqüência Relativa
9 1 0,01 1,00 Frac: Freq. Rel. Acumulada
 Probabilidade Conjunta
Exemplo: Considerando alunos da 1ª e 2ª série do ensino médio
de uma escola. Dentre eles será escolhido um representante
que tenha média 9 ou 10 para participar de um concurso.
– Qual a Probabilidade de que ele seja da 1ª série? E da 2ª?
– Qual a Probabilidade de que seja um aluno com média 9? E média 10?
Alunos da 1ª e 2ª série do ensino médio escola X
Média 1ª série 2ª série Total
9 172 220 392
10 28 80 108
Total 200 300 500

Solução: Temos 500 alunos e Questão: Se estou interessado no

vamos sortear 1.
As probabilidades são:
P (1º série) = 200/500 = 0,40
P (2ª Série) = 300/500 = 0,60
P (9) = 392/500 = 0,78
P (10) = 108/500 = 0,22
seguinte evento (E):
- média 10 e 2ª série.
A probabilidades associada a este
evento é:
P (E) = 80/500 = 0,16
Probabilidade Conjunta: Ocorrência
com duas característica
 Nota: Quando duas variáveis são independentes, o fato de se
ter conhecimento sobre uma delas não altera a expectativa
sobre a probabilidade da outra.
– Ex: Saber de antemão se a pessoa é do sexo masculino ou feminino não
altera a probabilidade de que ela tenha o tipo sanguíneo O ou A do
sistema ABO

Probabilidade Condicional
Definição 1: É dita probabilidade condicional quando a probabilidade de um
evento depende da condição em que ele está sendo considerado.

Ex1: A probabilidade uma pessoa apresentar o tipo sanguíneo A pode

depender de sua condição étnica.
- Constatação: todos indígenas não-miscigenados da Amazônia possuem o
tipo sanguíneo O.

Aplicação: Utilizada para testar associação entre variáveis

Ex2: Crianças que nascem com peso baixo costumam ter mais problemas de
saúde nos primeiros meses de vida.
 Probabilidade Condicional
Tabela 1. Incidência de baixo peso ao nascer em recém-
nascidos de Pelotas, RS, em 1982, conforme o uso de fumo,
pela mãe, durante a gravidez
Baixo Peso
Classificação da Probabilidade
Mãe Sim Não Total de baixo peso

Fumante 275 2.144 2.419 0,114

Não-fumante 311 4.496 4.807Barros e colaboradores.
Fonte: 0,065 1984

Exemplo 1: De uma urna com 25 bolas vermelhas e 15 azuis, queremos retirar 2

bolas. Qual a Probabilidade de que a 1ª seja azul e a 2ª vermelha, sem reposição?
Solução:
- A probabilidade de que a 1ª seja azul é 15 em 40 → P(A) = 15/40 = 0,38
- A probab. de que a 2ª seja vermelha é 25 em 39 → P(B) = 25/39 = 0,64
Neste caso a Probabilidade de “B” depende de “A”. Dizemos que é uma
probabilidade condicional retirar a bola vermelha, dado que já foi retirada uma
azul. Notação: P(B/A)
Calculando os dois eventos temos:
P(AB) = P(A) . P(B/A)
P(AB) = 0,38 . 0,64 = 0,24
 Teorema da multiplicação e adição
Nota: No exercício anterior. Caso de haver REPOSIÇÃO das bolas tiradas
o evento se torna independente

Dados dois eventos “A” e “B” se quero:

P(A e B) = P(A  B) = P(A) . P(B) → Teorema da multiplicação

Obs: em apenas um lançamento de uma moeda não é possível ocorrer

cara e coroa simultaneamente. Esses eventos são MUTUAMENTE
EXCLUSIVOS. Então P(A e B) = 0.
E a Probabilidade de ocorrer A ou B?
P(A ou B) = P (A  B) = P(A) + P(B)→ Teorema da adição
 Teoria dos Conjuntos e Probabilidade
● 3 S S
●1
●2 ●4 E1 E2
●5
●6 E3

Conceitos
Espaço amostral (S):
Evento (E):
- podemos associar um numero não negativo menor ou igual a 1
P(E) = nº de elementos de E = n (E)
nº de elementos de S n (S)
0 ≤ P(E) ≤ 1
Exemplo. E1: ocorrência do nº 2 em um lançamento de dado.
P(E1) = 1/6
 Teoria dos Conjuntos e Probabilidade
Exemplo. E1: ocorrência do nº 2 em um lançamento de dado.
P(E1) = 1/6
E2: ocorrência do nº 4 em um lançamento de dado. P(E2) = 1/6
Probabilidade de ocorrer 2 ou 4 em um lançamento de dado.
P(E1 U E2) = P(E1) + P(E2) n(E1) = 1
● 3 n(E2) = 1
●1
●2 ●4
n(E1 U E2) = 1 + 1 = 2
●5 S=6
●6
P(E1 U E2) = (1/6) +
(1/6)
 Teoria dos Conjuntos e Probabilidade
Exemplo.
E3: ocorrência de resultados menores que 5.
E4: ocorrência de números pares

S Observe que n (E3) = 4 e n (E4) = 3 e n (E3 U E4) = 5,

E3 por que há dois elementos comuns ( 2 e 4)
●1 ● 3
●2 ●4 Conclusão: os eventos não são mutuamente
●6 exclusivos como no exemplo anterior
●5 E4
P(E3 U E4) = 5/6
Corresponde a:
P(E3 U E4) = P(E3) + P(E4) – P(E3  E4)
  
4/6 + 3/6 - 2/6 = 5/6
 Cálculo por análise Combinatória
Exemplo A: considerando uma urna com 3 bolas, uma de cada cor.
De quantas maneiras posso:
a) Retirar 3 bolas (SEM REPOSIÇÃO)?
b) Retirar 2 bolas (SEM REPOSIÇÃO)?

Exemplo B: Três bolas são retiradas ao acaso, sem reposição, de

uma urna que contém 2 bolas Brancas, 3 Vermelhas e 5 Azuis.
Qual a probabilidade de retirarmos 3 bolas sendo uma de cada
cor?
Exemplo C: Considerando os mesmos dados do problema anterior
e suponhamos que X seja uma variável que representa o total de
bolas vermelhas retiradas, sem restituição, retirando-se 3 bolas
da urna. Construir uma tabela que mostre a distribuição das
probabilidades de X.
 Resumo Simplificado
Fenômeno determinístico: repetindo o experimento diversas
vezes, nas mesmas condições, o resultado esperado é sempre
o mesmo
Fenômeno probabilístico: repetindo o experimento, nas
mesmas condições, não se pode esperar sempre o mesmo
resultado
Espaço Amostral: totalidade de pontos de um conjunto
Evento: ocorrência, ou subconjunto de um espaço amostral
Evento impossível: é o evento que não ocorre
Eventos mutuamente exclusivos: a ocorrência de um não
influi na ocorrência do outro.
Eventos dependentes: a ocorrência de um depende da
ocorrência do outro
Probabilidade é o limite da frequência relativa quando
aumentamos o n° de experimentos. Quanto mais vezes
repetirmos a experiência, mais a frequência relativa se aproxima
de P(A)
Probabilidade conjunta: probabilidade de ocorrência com duas
ou mais características
Probabilidade condicional: probabilidade de ocorrência do
evento B mediante a ocorrência anterior de A
Multiplicação de probabilidades: probabilidade de ocorrer E1 e
E2 simultaneamente
P(E1E2) = P(E1) . P(E2)
Linguagem de conjuntos: P(E1  E2) = P(E1) . P(E2)
Se E1 e E2 são dependentes. P(E1E2) = P(E1).P(E2/E1),
Adição de Probabilidades: P (A U B) = P(A) + P(B) - P(A  B) .
Se A e B são mutuamente exclusivos P(A  B) = 0