INTRODUO A ESTATSTICA

ALGUM FORMALISMO:

Experimento Aleatrio
o experimento que quando repetido em iguais condies, pode
fornecer resultados diferentes.

Espao Amostral S
o conjunto de todos os resultados possveis de um experimento aleatrio.

Eventos:
um subconjunto do espao amostral:

i.

{ Eventos } {Espao amostral}

Exemplos

Dez lanamentos simultneos de uma moeda (Ca/Co) e um dado (1/2/3/4/5/6)

tem o espao amostral S:
S = {Ca1, Ca2, Ca3, Ca4, Ca5, Ca6, Co1, Co2, Co3, Co4, Co5, Co6}
1.

Estabelea os eventos
A = { Head ^ Dado 2k },
B = { Dado #primo },
C = { Tail ^ Dado 2k+1 },
D = A B ,
E = B C ,
F = { somente B ocorre }.

A = { H2, H4, H6 }
B = { H2, H3, H5, T2, T3, T5 }
C = { T1, T3, T5 }
D = A B = { H2, H3, H4, H5, H6, T2, T3, T5 }
E = B C = { T3, T5 }
F = B (A C) =
= { H2, H3, H5, T2, T3, T5 } [ { H2, H4, H6} { T1, T3, T5 }
]=
= { H2, H3, H5, T2, T3, T5 } { H1, H3, H5, T2, T4, T6 } =
= { H3, H5, T2 }
2.

Quais dos eventos A, B e C so mutuamente exclusivos?

Inicialmente B e C no so exclusivos, pois E no vazio ( E = { T3, T5 } ),

to pouco A e B o so ( A B = { H2 } ), porm
A e C so exclusivos mutuamente.

A C

= , logo

PROBABILIDADE:

As probabilidades

...tem provavelmente sua origem na mesa dos jogos de cartas ou mesa de

dados. A teoria da probabilidade permite que se calcule a chance de
ocorrncia de um nmero em um experimento aleatrio, e o termo vem do
latim probare (testar). Em tal mister considere um problema muito simples, sai
cara ou coroa no lanamento duma moeda? Intuitivamente a probabilidade de
cara obviamente 0,5. Sentindo a falta de rigor, melhoremos: jogando a
moeda 100 vezes espera-se ter 50 vezes o resultado coroa, porm no podese garantir isto: o que ento significa o 0,5?

Lei dos grandes nmeros.

Aps N eventos diga-se que o nmero de resultados desejados foi Nx.
Ento rigorosamente pode-se expressar:

Nx
N
p ( x )=

lim N

Como ningum est a esperar infinitos eventos, melhor usar a LGN, que diz
que, dada a funo p(x) para qualquer nmero arbitrariamente pequeno ,
existe um nmero n tal que para todo N > n:

p ( x)

Nx
<
N

_________________________________________________________________________________

LGN: lei dos grandes nmeros

Sejam 1,2,3,... variveis aleatrias independentes e identicamente distribudas,
N

e seja E(i)= < . Defina-se a mdia como

x N = i f ( i ) , ento:
i=1

i. Lei Fraca dos Grandes Nmeros: Para algum cada > 0,

probabilidade para :

xN

converge em

lim N p (|x N |> ) =0

ii. Lei Forte dos Grandes Nmeros:

esperado (esperana) :

xn

converge quase certamente para o seu valor

lim N x N =

p
___________________________________________________________________

Conceito de probabilidade
Se em um fenmeno aleatrio as possibilidades de resultados igualmente
provveis, ento a probabilidade de ocorrer um evento A :

p ( A )=

casos favorveis
casos possveis

Por, exemplo, no lanamento de um dado, um nmero par pode ocorrer de 3

maneiras diferentes dentre 6 igualmente provveis, portanto, P = 3/6= 1/2 =
0,5.
Um espao amostral S equiprovvel quando seus eventos elementares tm
probabilidades iguais de ocorrncia. Neste espao a probabilidade do evento E
:

p ( E )=

E
|E S
S

Propriedades bsicas:
1. A probabilidade de um evento A varia entre 0 (evento impossvel) e 1
(evento certo):

0 P ( A ) 1
2. Eventos complementares, A e ~A , tem suas probabilidades relacionadas
como...

P ( A )+ P ( A ) =1,0
3. Eventos independentes, A1 e A2 o so se a probabilidade de ocorrer um
deles no depende do fato do outro ter ou no ter ocorrido.

P ( A 1 A 2 )=P ( A 1 ) P( A 2)
4. Se os eventos A1 e A2 no so independentes tem-se que:

P ( A 1 A 2 )=P ( A 1 ) P ( A 2| A 1
O que igual a dizer que o evento condicionado A 2|A1 escrito
como:

P ( A 2|A 1 )=

P( A1 A2 )
P( A1 )

L-se
verdade!
5.

P ( A 2|A 1 )

como a probabilidade de A2 ocorrer sendo A1

Unio de eventos mutuamente exclusivos:

P ( A 1 A2 ) =P ( A 1 ) + P ( A 2 )
Naturalmente se A1 e A2 no forem exclusivos:

P ( A 1 A2 ) =P ( A 1 ) + P ( A 2 )P ( A1 A2 )
6. Teorema de Bayes

P( A1 ) P ( A 2| A 1 )=P( A 2) P ( A 1|A 2 )

P ( A 1| A 2 ) P ( A 2 )=
P ( A 2| A 1 ) [ P ( A 1| A2 ) P ( A2 ) + P ( A1| A2 ) P ( A2 ) ]
(Corolrio I )

P ( A| Ai ) P ( Ai ) =

[
n

P ( A i| A )

i =1

P ( A| A i ) P ( A i )

(Corolrio II)

Exemplo I: 70% das pessoas gostam de sorvete de chocolate. 35% gostam

de sorvete de chocolate e tambm gostam de sorvete de morango. Quantas
pessoas que gostam de sorvete de chocolate gostando de sorvete de morango?

P ( M |C )=

P(C M ) 0,35
=
=0,50 50
P(C)
0,70

Exemplo II: Uma urna tem 10 bolas, sendo 6 negras e 4 brancas. Qual a

probabilidade da primeira ser branca dado que a segunda tambm branca?

Probabilidade segunda branca:

p(B2) p [ ( B 1 N 1 ) B 2 ] = p(B1 B2) + p(N1 B2)
B1) + p(N1) p(B2|N1)

Probabilidade duas brancas:

p(B1 B2)

4 3 12 2
= =
10 9 90 15

p(B1) p(B2|

4 3 6 4 12+24 36 2
+ =
= =
10 9 10 9
90
90 5

p(B1) p(B2|B1)

Probabilidade da primeira branca sendo a segunda branca:

p(B1|B2)

2
P ( B1 B2 ) 15 /2 1

=
= 0,3
5
3
P ( B2 )

Em geral para:
negras = n
p Q,n (B1|B2) = 1(n/Q)

#Total de Bolas = Q+1; #Bolas

Exemplo III: Uma mineradora coleta amostras de seu concentrado algumas

vezes por dia, estocando-as aps anlise em um depsito, no organizadamente.

Certo dia um pesquisador, por uma razo qualquer, ficou interessado no
comportamento da concentrao de um contaminante nos seus concentrados no
perodo do ano que tinha passado, e pediu ao seu ajudante que separasse
aleatoriamente 24 amostras colhidas ao acaso do depsito. Excludo qualquer
vcio, qual a probabilidade de que nenhumas das amostras sejam de um mesmo
dia?

Chamando o evento de coincidncia de dia

defini-lo como:

ji

(duas amostras i e j) pode-se

ji ={ i j= i i ( 1 365 ) } S=2
quando S o espao amostral, e #S sua cardinalidade.
Ento com duas amostras tem-se:

P2= p ( 1,2 ) =

1
1
364
p ( 1,2 ) =1
=
365
365 365

E com trs, usando a adaga de Quine:

P3= p ( 1,2 1,3 2,3 ) =p ( 1,2 ) p ( 1,3 2,3 )=

p ( 1,2 ) p [ ( 1,3 2,3 ) ] =

364
1 p ( 1,3 2,3 ) ]=
365 [

{ [

]}

364
364
1
1
1 p ( 1,3 ) + p ( 2,3 ) ] }=
1
+
=
365 { [
365
365 365

364 363

365 365

Por induo para 24 amostras:

Pr=

( r 1 ) ! 364
( 23 ) ! 364
P24 =
=0,462
r 1
r1
365
365 23 23

( )

( )

Exemplo IV: Um grupo de experimentos foi realizado utilizando reagentes

importados, 5% dos experimentos, e reagentes nacionais. Foi utilizado um teste

de preciso e outro de descarte para verificar o ajuste dos resultados nas
experincias com reagentes importados. Para o teste de preciso tem-se 97,5%
de significncia e para o de descarte 90%. Qual a probabilidade, dentre todos os
ensaios, de que um teste utilizando reagentes importados seja vlido?

Levando-se em considerao as definies usuais...

Preciso = (#+V)/[(#+V)+(#V)] = p(+|V) dado vlido
Descarte = (#V)/[(#V)+(#+V)] = p(|V) dado atpico
Aqui a preciso a probabilidade de uma experincia utilizando reagentes
importados (Vi) ser vlida (+) e o descarte a probabilidade de uma
experincia utilizando reagentes importados (Vi) ser descartada (). O teste

de preciso relacionado correlao linear de f(x) versus x e a de descarte ao

intervalo de confiana dos valores obtidos.

Correlao
Intervalo defuncional
confiana

Descarte V+
V

f(x)
Descarte V

V+

Subconjunto das experincias: aquelas realizadas com reagentes importados.

O grupo total supostamente teria a mesma aparncia, somente com 19x mais
pontos...

Afirmar que um teste com alta preciso corresponde a um baixo nmero de falsoverdadeiros (erro II, inocentar o
culpado: V V= aceitar Ho dado que = Ho falsa erro LEVE (1)),
enquanto que com alto descarte corresponde a poucos falso-positivos
(erro I, culpar o inocente: +V, i= rejeitar Ho dado que = Ho verdadeira
erro GRAVE (*)).
Para a experincia com reagentes importados:
1 melhor correr o risco de inocentar um culpado do que condenar um inocente. Zadia o
babilnio de Voltaire.

P(i|) = 0,975 (teste de preciso)

P(i|) = 1 P(i|) = 1 0,90 = 0,10 (teste de

descarte)

P(i) = 0,05
P(~i) = 1 0,05 = 0,95

P ( |i )=

P(i) P(i)
0,975 0,05
=
=0,339
(
|
)
(
)
0,975
0,05+0,10 0,95
P i P i + P(i) P ( i)

Se por outro lado o grupo dos importados testados fossem 50% dos ensaios terse-ia...

P ( |i )=

0,975 0,50
=0,907
0,975 0,50+ 0,10 0,50

Observem-se tambm os casos limitantes:

P ( |i )=1

1. Se todas as experincias fossem com reagentes importados

P ( |i )=1 P ( i| ) >0

2. Se o teste de descarte fosse perfeito

3. Para o de preciso perfeito, viria:

P ( |i )=

P (i)
P( i)+ ( 1 descarte ) P( i)

Exemplo V: Um grupo de experimentos foi realizado produzindo os resultados

abaixo. Calcule a mdia, mediana e moda desses resultados.

Resultado

Frequncia

Agora, calculando:

i.

Mdia:
6

x= fx=
1

ii.

( 121 ) 1+( 122 ) 2+( 123 ) 3+( 122 ) 4+( 122 ) 5+( 122 ) 6=3, 6

Mediana:

Me=3,5 {x com
iii.

12
12
3+ 4
esquerda e com esquerda=
}
2
2
2

Moda: Mo = [ x com {f}sup = 3 ] = 3

O histograma abaixo cabe...

Mo

f
3
2
1
x
Me

Exemplo VI: Use a probabilidade do exemplo II, das bolas brancas e pretas
para gerar uma distribuio de probabilidade, p Q+1,n (B1|B2) = 1(n/Q). Calcule
ento a mdia, mediana e moda da distribuio.

Em primeiro lugar, para que p Q,n seja uma distribuio necessrio que a integral

no domnio seja 1. Ora, para uma bola branca tem-se: p Q,n = 0 e para Q bolas
brancas, p Q,n = 1, logo necessrio definir a v.a. como: = 2(n/Q), pois o

10

tringulo 1 x 1 tem rea 0,5. A distribuio procurada vale portanto f() = 1

/2, com o grfico...

f
1

Agora, calculando:

Mdia:

( 2x ) x dx=[ 12 x + 16 x ]|20=0, 6

x= f x dx= 1
0

ii.

iii.

Mediana:

Me= x

Moda: Mo = [ x com {f}sup = 1 ] = 0

Talvez o grfico ilustre o que se passou...

f
1

( 2x )= 1 : S =1/2 =2 2 0,586

( 2x ) 1

11

Mo

Me