Aula 4

Estatstica Conversa Inicial

Prof. Dr. Nelson

Pereira Castanheira

Teoria das probabilidades

Nmero de
vezes que o
Experimento evento A
aleatrio pode ocorrer
Espao amostral (S) P(A) =
Nmero de
Eventos: simples,
vezes que o
composto, certo,
espao
impossvel amostral S
(A, B, C etc.) ocorre

Valores-limites das
probabilidades Probabilidade do
P(A) = 0, quando acontecimento
P(A)
A = 0 (h certeza Probabilidade do no
de no acontecer) acontecimento
Q(A)
P(A) = 1, quando
A = S (h certeza Q(A) + P(A) = 1
de acontecer)

1
 Teoria das probabilidades

Experimento: joga-se
uma moeda honesta
Clculo de Espao amostral:
probabilidades
S = (cara, coroa)
Evento:
A = (deu cara)


P(A) = ou 50%


Sendo K = cara,
C = coroa e
Consideramos agora A = (deu uma nica
o evento que consiste cara), calcular P(A)
em jogarmos, uma S = (KCC, KKC,
nica vez, trs KKK, CKC, CKK,
moedas CCK, CCC, KCK)

P(A) =


Joga-se dois dados

Consideremos agora honestos
o evento que consiste
em jogarmos, uma S = (36 resultados
nica vez, um dado possveis)
honesto A = (a soma dos
A = (deu 5) dois dados 6)

S = (1, 2, 3, 4, 5, 6) A = [(1, 5), (2, 4),

(3, 3), (4, 2), (5, 1)]


Ento, P(A) = 
 P(A) =


2
 Teoria das probabilidades

Regra da multiplicao
Regras da
multiplicao e da 1 experimento:
soma a resultados
2 experimento:
b resultados
P (1 2) = a . b

Exemplo
Em uma caixa temos
OBS.: significa quatro bolas verdes
interseo e e seis pretas. Duas
corresponde bolas foram retiradas
sucessivamente da
multiplicao;
caixa, sem reposio.
l-se e
Qual a probabilidade
de ambas serem
pretas?

Eventos mutuamente exclusivos

P(1 preta) = 6/10 Ocorrendo um deles, o

outro no pode ocorrer
P(2 preta) = 5/9
Exemplo:
P(ambas pretas) = joguei um dado.
6/10 x 5/9 = 30/90 Sejam os eventos:
P(ambas pretas) = A=
1/3 ou 33,33% (deu o nmero 3)
B=
(deu o nmero 4)

3
 Regra da adio para
Ento, se ocorreu o eventos mutuamente
evento A, no pode exclusivos
ter ocorrido o evento P(A B) =
B e vice-versa P(A) + P(B)
Os eventos A e B Obs.:
so mutuamente significa unio
exclusivos e corresponde
soma; l-se ou

Eventos no mutuamente
Exemplo: joguei exclusivos
um dado. Qual a So eventos que
probabilidade de podem ocorrer
ter tirado 4 ou 5 ? simultaneamente
P(4 5)  Exemplo:
P(4) + P(5) experimento que


 consiste em retirar
P(4 5)    uma carta de um
  
P(4 5)  33,33% baralho comum de
52 cartas

Sejam os eventos:
Regra da adio A = (extrao de
para eventos no um s)
mutuamente B = (extrao de
exclusivos uma carta de ouros)
P(A B) = P(A) + Observe que, ao
P(B) P(A B) ocorrer A, poder
ter ocorrido B

4
Exemplo: retirei uma carta de
um baralho honesto. Qual a
probabilidade de essa carta ser
um s ou uma carta de ouros?

P (s) =
Distribuio Binomial
 de probabilidades


P (ouros) =

P (s ou carta
de ouros) =





. 
    

Recordando fatorial Recordando combinao

N! = N . (N 1) .
(N 2) ... . 1
3! = 3 . 2 . 1 = 6 !
CN, X =
5! = 5 . 4 . 3 . 2 . 1 = ! .   !
120
0! = 1 (por definio)

Uma Distribuio de
Probabilidades um
C5, 3 = 5! modelo matemtico
3! . (5 3)! para a distribuio
real de frequncias
Tratando-se de
C5, 3 = 120 = 10 Distribuio de
6.2 Probabilidade, a
varivel X dita
aleatria

5
A Distribuio
a) Em cada tentativa
Binomial uma
existem dois
distribuio discreta
resultados
de probabilidade
possveis e
aplicvel sempre
mutuamente
que o processo de
exclusivos,
Amostragem do
denominados de
tipo de Bernoulli,
sucesso e fracasso
ou seja:

c) A probabilidade de
b) As sries de sucesso, indicada
tentativas ou por p, permanece
observaes constante de
so eventos tentativa para
independentes tentativa (processo
estacionrio)

Distribuio Binomial

Importante
p = probabilidade
P(X) = CN,X . pX . qN-X de sucesso
q = probabilidade
 ! de fracasso
= .  . 
 !   ! p + q = 1

6
Experimento: jogar um
P(X=3) = C5,3 . p 3 .q 5-3 =
dado cinco vezes
= 5! . (1/6) 3 . (5/6) 5-3
P(trs 6 em cinco
lances) = ? 3 ! (5 3) !
p = 1/6; q = 5/6
N=5 P(X=3) = 10 . 1 . 25
(n de tentativas) 216 36
X=3 P(X=3) = 0,0321 ou 3,21%
(n de sucessos)

Parmetros da Distribuio
Binomial

Mdia: X = N . p Distribuio de
Varincia: Poisson
S2 = N . p . q
Desvio padro:

S = 

A Distribuio de
Poisson usada
quando os eventos P(X ) = X . e

ocorrem em um X!
continuum de
tempo ou espao
Obs.: = n mdio de
Os eventos so sucessos ( sempre
independentes um valor conhecido)
e o processo
estacionrio

7
Um departamento de conserto
de mquinas recebe uma
mdia de cinco chamadas P(X=3 =5) = 53 . e-5
por hora. Qual a
probabilidade de 3!
que, em uma hora = 125 . 0,00674 =
selecionada 6
aleatoriamente,
sejam recebidas = 0,1404 ou 14,04%
exatamente trs
chamadas?

Parmetros da Distribuio de
Poisson

Mdia: = N . p Distribuio Normal

Varincia: de Probabilidades
S2 = N . p . q
Desvio padro:

S = 

A Distribuio Normal contnua e Distribuio Normal

simtrica em relao mdia. A
curva que representa a distribuio Uma varivel
normal mesocrtica aleatria discreta
e frequentemente
e contnua pode
descrita como curva
assumir qualquer
em forma de sino,
valor fracionrio
sendo tambm
conhecida como
dentro de um
Curva de Gauss ou intervalo definido
Curva Normal de valores

8
 Curva da Distribuio
Normal de Probabilidades Qualquer conjunto de
valores X normalmente
f(X)
distribudos pode ser
convertido em valores
normais padronizados
z pelo uso da frmula:

X z= X

Z S

Z 0,00 0,01 0,02 0,03 ... Distribuio Normal

0,0 0,0000 0,0040 0,0080 0,0120 ...
0,1 0,0398 0,0438 0,0478 0,0517 ...
0,2 0,0793 0,0832 0,0871 0,0910 ... A vida til de um tipo
de lmpada segue
uma Distribuio
Normal, com mdia
= 2.000 horas e
desvio padro
S = 200 horas

f(X)

Qual a probabilidade
de uma lmpada
escolhida ao acaso 1400 1600 1800 2000 2200 2400 2600 X

durar entre 2.000 e -3 -2 -1 0 1 2 3 Z

2.400 horas?
P (2.000 a 2.400
horas) = ?

9
z = X O que isso significa?
S Significa que a rea
= 2.400 2.000 limitada pela curva e
pelo eixo horizontal
200
X, para valores de z
z =+2 variando de 0 at +
P(0 z +2,0) = 2, corresponde a
47,72% da rea
0,4772
total sob a curva
P(2.000 X 2.400) = Essa a probabilidade
= 0,4772 ou 47,72% procurada

Clculo de
probabilidades
Regra da multiplicao
Regra da soma
Finalizando
Eventos
mutuamente
exclusivos
Eventos no
mutuamente
exclusivos

Distribuio de
probabilidades
Referncias
Binomial
Poisson
Normal

10
Castanheira, N. P.
Estatstica aplicada
a todos os nveis.
5. ed. Curitiba:
InterSaberes, 2012
Bussab, W. de O.;
Morettin, P. A.
Estatstica bsica.
5. ed. So Paulo:
Saraiva, 2002

11