You are on page 1of 22

INSTITUTO VALE DO ACARAÚ

ESTATÍSTICA APLICADA
PROFESSOR VAGNER ROBERTO MOREIRA

TAUÁ-CE- 2013

Estatística
01.INTRODUÇÃO O que modernamente se conhece como Ciências Estatísticas, ou simplesmente Estatísticas, é um conjunto de técnicas e métodos de pesquisa que entre outros tópicos envolve o planejamento do experimento a ser realizados, a coleta qualificada dos dados, a inferência, o processamento, a análise e a disseminação das informações. O

desenvolvimento e o aperfeiçoamento de técnicas estatísticas de obtenção e análise de informações permitem o controle e o estudo adequado de fenômenos, fatos, eventos e ocorrências em diversas áreas do conhecimento. A Estatística tem por objetivo fornecer métodos e técnicas para lidarmos, racionalmente, com situações sujeitas a incertezas. Desde a Antiguidade Apesar de a Estatística ser uma ciência relativamente recente na área da pesquisa, ela remonta à antiguidade, onde operações de contagem populacional já eram utilizadas para obtenção de informações sobre os habitantes, riquezas e poderio militar dos povos. Após a idade média, os governantes na Europa Ocidental, preocupados com a difusão de doenças endêmicas, que poderiam devastar populações e, também, acreditando que o tamanho da população poderia afetar o poderio militar e político de uma nação, começaram a obter e armazenar informações sobre batizados, casamentos e funerais. Entre os séculos XVI e XVIII as nações, com aspirações mercantilistas, começaram a buscar o poder econômico como forma de poder político. Os governantes, por sua vez, viram a necessidade de coletar informações estatísticas referentes a variáveis econômicas tais como: comércio exterior, produção de bens e de alimentos. Até nossos dias Atualmente os dados estatísticos são obtidos, classificados e armazenados em meio magnético e disponibilizados em diversos sistemas de informação acessíveis a pesquisadores, cidadãos e organizações da sociedade que, por sua vez, podem utilizá-los para o desenvolvimento de suas atividades. A expansão no processo de obtenção, armazenamento e disseminação de informações estatísticas tem sido acompanhada pelo rápido desenvolvimento de novas técnicas e metodologias de análise de dados estatísticos. Toda pesquisa ou trabalho cientifica, nas mais variadas áreas, como sociologia, saúde, psicologia, etc. Constam de modo bem geral, das seguintes etapas:  1ª Coleta de dados , a partir de uma amostra escolhida da população.  2ª Análise descritiva com resumo e interpretação dos dados coletados.

02. Recorremos. afim de se fazer. preço. Emissoras de tevê utilizam pesquisas que mostram a preferência dos espectadores para organizar sua programação. POPULAÇÃO E AMOSTRA Se quisermos saber. Exemplos:     As indústrias costumam realizar pesquisas entre consumidores antes do lançamento de um novo produto no mercado. Cada uma dessas características é uma variável da pesquisa. pois não podemos consultar todos os eleitores que constituem a população ou o universo estatístico. No entanto. consultados. a análise confirmatória dos dados. Quando se consideram algumas marcas de lâmpadas para testar a durabilidade.01. permitem que se chegue ao resultado mais próximo possível da realidade. conhecida como inferência. um grupo de eleitores que. A pesquisa do desempenho dos atletas ou das equipes em uma partida ou um campeonato infere no planejamento dos treinamentos. etc. isso não é possível quando queremos pesquisar a intenção de voto dos eleitores do estado de São Paulo. os indivíduos da pesquisa são pessoas. cada marca é um objeto de pesquisa. cor. É comum aparecer na publicação das pesquisas quantos eleitores foram consultados. qual a matéria favorita entre os alunos de uma classe pode consultar todos os alunos da classe. ao que se chama de amostra. 3ª Escolha de um possível modelo explicativo para o comportamento do objeto em estudo. numa etapa posterior. INDIVIDUO OU OBJETO Cada elemento que compõe a amostra é um individuo ou objeto.03. temos: A B 02. então. ou seja. tamanho.02. No exemplo da intenção de voto. potência do motor. pois a escolha da amostra (quantos e quais eleitores) é fundamental para o resultado. As pesquisas eleitorais fornecem elementos para que os candidatos direcionem a campanha. Chamamos de U o universo estatístico e de A uma amostra. TERMOS DE UMA PESQUISA ESTATISTICA 02. por exemplo. 02. numero de portas. VARIAVEL Uma indústria automobilística que pretende lançar um novo modelo de carro faz uma pesquisa para sondar a preferência dos consumidores sobre tipos de combustível. .

por exemplo. etc. tenha sido feita uma pesquisa sobre a nacionalidade de cada um e que o resultado tenha sido o seguinte: Pedro: brasileiro.04. quando existe uma ordem nos seus valores. peso. etc. altura. Nesse caso dizemos que as variáveis são qualitativas. responda: a) Qual o universo estatístico e qual é a amostra dessa pesquisa? b) Quais são as variáveis e quais os tipos de cada uma? c) Quais os possíveis valores da variável “cor” nessa pesquisa? 02.) 02.). entre álcool e gasolina.03. pois seus valores podem ser ordenados (fundamental. FREQUENCIA ABSOLUTA E FREQUENCIA RELATIVA Suponha que entre um grupo de turistas. Ana: brasileira. Foram consultados 210 clientes. pois podemos contar (0.” 02. 01. vermelha ou azul). 2.03. . pois apresentam como possíveis valores ou qualidades dos indivíduos dos indivíduos pesquisados. médio.73 m. Ramon: espanhol. uma vez que pode ser medida (1. quando se trata de medidas(números reais). “numero de portas” ( duas ou quatro) e “estado de conservação” ( novo ou usado).03.80 m . Além disso. dizemos que as variáveis qualitativas podem ser ordinais. Dizemos que esses são valores ou realizações da variável “tipo de combustível. quando isso não ocorre.01. participantes de uma excursão. por exemplo. quando se trata de contagem ( números inteiros). pois seus possíveis valores são números. as variáveis consideradas podem ser sexo. superior. 1. etc.Na variável “tipo de combustível”. Altura é uma variável quantitativa continua. Diante dessas informações. VARIAVEL QUANTITATIVA Quando as variáveis de uma pesquisa são. ou continuas. Laura: espanhola. esporte preferido e grau de instrução. por exemplo.veja:   Numero de irmãos é uma variável quantitativa discreta. 1. idade em anos e números de irmãos. ou nominais. dizemos que elas são quantitativas. “Grau de instrução” é um exemplo de variável qualitativa ordinal. 1.55m . a escolha pode ser.). VARIAVEL QUALITATIVA Em uma pesquisa que envolve pessoas. “preço”. As variáveis quantitativas podem ser discretas. cor de cabelo.Uma concessionária de automóveis tem cadastrados 3500 clientes e fez uma pesquisa sobre a preferência de compra em relação a “cor” ( branca.

O numero de vezes que um valor da variável é citado representa a freqüência absoluta daquele valor. São Paulo. Nelson:brasileiro. 6 . Consideremos uma situação em que.1 ou 10% TABELA DE FREQUENCIA A tabela que mostra a variável e suas realizações(valores).6 ou 60% Freqüência relativa da nacionalidade espanhola: 3 em 10 ou 3/10 ou 0. espanhola. temos: Nacionalidade Brasileira Espanhola Argentina total FA 6 3 1 10 FR 60% 30% 10% 100% 02. Nesse exemplo a variável é “nacionalidade” e a freqüência absoluta de cada um de seus valores é: brasileira. Assim. 8. Construa a tabela de freqüências correspondente a essa pesquisa. e os votos foram registrados assim: Santos. continuando com o mesmo exemplo. 6. os meios de comunicação com freqüência oferecem a informação estatística por meio de gráficos. com as freqüências absoluta (FA) e relativa (FR).Cláudia:brasileira. 2.3 ou 30% Freqüência relativa da nacionalidade argentina: 1 em 10 ou 1/10 ou 0. Corinthians. REPRESENTAÇÃO GRAFICA A representação fornece uma visão de conjunto mais rápida que a observação direta dos dados numéricos. é chamada de tabela de freqüências. 1. Sérgio: brasileiro. Palmeiras. Silvia: brasileira. que registra a freqüência absoluta em relação ao total de citações. podemos observar o seguinte “desenho”: . 03. e argentina. Nesse exemplo temos:    Freqüência relativa da nacionalidade brasileira: 6 em 10 ou 6/10 ou 0. um aluno anota os votos com um “X” ao lado do nome do candidato enquanto seus colegas votam. Existe também a freqüência relativa. Raul:argentino. 4. 3. Por isso. Ao terminar a votação. Pablo:espanhol. na votação para representante e vice-repesentante da 1ª série do ensino médio.Um grupo de alunos foi consultado sobre o time paulista de sua preferência.

GRAFICO DE SEGMENTOS OU GRAFICO DE LINHAS A tabela que segue mostra a venda de livros em uma livraria no segundo semestre de determinado ano. notamos que Adriano foi o escolhido para representante e Luciana para vice.Utilize o gráfico de segmentos que mostrou a venda de livros e responda: a) Em que períodos do segundo semestre as vendas subiram? . Essa é uma característica importante dos gráficos estatísticos. Meses do segundo semestre Julho Agosto Setembro Outubro Novembro Dezembro 40% 35% 30% 25% 20% 15% 10% 5% 0% Número de livros vendidos 350 300 400 400 450 500 Série1 Os gráficos de segmentos são utilizados principalmente para mostrar a evolução das freqüências dos valores de uma variável durante um certo período. 03. decréscimo ou estabilidade. 03. A posição de cada segmento indica crescimento. Já a inclinação do segmento sinaliza a intensidade do crescimento ou do decréscimo. Pelo “xis”. obtemos a informação de que necessitamos. Com uma simples olhada.Adriano x x x x x x x x x x x x x Leticia xxxxxxx Luciana x x x x x x x x x x Magda xxxx Marino x x x x x x Não precisamos contar os votos para saber quem foi eleito.01.

T.M.T.T.b) Em qual desses dois meses as vendas foram maiores: julho ou outubro? c) Em que mês do semestre as vendas foram menores? d) Em que mês foram vendidos 450 livros? 03.T.A. GRAFICO DE BARRAS Com base no “desempenho em Química” demonstrado pelos alunos de uma classe.M.T.T.C.T.T.T.T.M.T.T.T.B .T.T.A.Durante uma hora foram anotados os tipo de veículos que passaram pela rua de onde está situada uma escola e foram obtidos os seguintes dados: T.B.T. um professor elaborou a seguinte tabela: Desempenho em Química Insuficiente Regular Bom Ótimo Total FA 6 10 14 10 40 FR 15% 25% 35% 25% 100% Com os dados da tabela é possível construir o gráfico de barras: 40% 30% 20% 10% 0% Série1 Ótimo Bom Regular Insuficiente 0% 10% 20% 30% 40% Série1 04.T.02.A.T.T.T.T.C.T.B.M.C.B.T.T.

200 na B e 500 na C. 10 votos. 05.A (M: motocicleta. Com base nesses dados construa: a) A tabela de freqüência dessa variável. B. Por exemplo: . C: caminhão.03.. determina-se o ângulo correspondente a cada setor por regra de três.B. relacionando os valores da variável com as respectivas freqüências absoluta.Em uma eleição concorreram os candidatos A. b) O Gráfico de barras. relacionando os valores da sua variável com suas porcentagens. 03. apurada a primeira urna.04. Veja essa situação representada em uma tabela de freqüências e depois em gráficos de setores: Sala A B C FA 300 200 500 FR 300/1000 = 3/10 2/10=1/5 5/10=1/2 30% 20% 50% 30% 50% 20% A B C 500 300 A B C 200 Em cada gráfico de setores o circulo todo indica o total (1000 espectadores ou 100%) e cada setor indica a ocupação de uma sala. e o número de espectadores em cada uma delas num determinado dia da semana foi de 300 na sala A.B: bicicleta. os votos foram os seguintes: A. GRAFICO DE SETORES ( OU GRÁFICO “PIZZA”) Em shopping Center há três salas de cinema.M. Na construção do gráfico de setores.T. BN. T: carro). é comum o uso de um tipo de gráfico conhecido por histograma. c) O gráfico de setores. B e C e. 03. 80 votos. Construa um gráfico de barras que corresponda a essa pesquisa. A:Ambulancia. HISTOGRAMA Quando uma variável tem seus valores indicados por classes(intervalos).T. 50 votos. 60 votos. C.

agrupada em intervalos. observamos que: MA= 22 + 20 + 21+ 24 + 20 5 = 107 = 21. MEDIDAS DE TENDENCIA CENTRAL Com base na idade das pessoas de um grupo. o número obtido é a medida da tendência central dos vários números usados. .4 5 Dizemos . Considerando a temperatura de vários momentos em um mês qualquer.01.4 anos. MÉDIA ARITMÉTICA (MA) Considerando um grupo de pessoas com 22. 20 . Consideremos a “altura” (em centímetros) dos alunos de uma sala. 21. Altura (cm) 140 150 150 160 160 170 170 180 180 190  FA 6 10 12 8 4 FR 15% 25% 30% 20% 10% Histograma com as classes (intervalos) relacionadas as freqüências absolutas:  Histograma com as classes relacionadas as freqüências relativas (em porcentagem): 04. que a média aritmética ou simplesmente a media de idade do grupo é 21. e a seguir os histogramas correspondentes as freqüências absolutas e relativas. A média aritmética é a mais conhecida entre as medidas de tendência central. Além dela vamos estudar também a moda e a mediana. podemos estabelecer uma única idade que caracteriza o grupo todo. então. Em situações como essas. 04. 24 e 20 anos.podemos determinar uma só temperatura que fornece uma idéia aproximada de todo o período.

5 e que a distribuição é bimodal.0 na prova (peso 2).5 + 3. será: MP = 2. Dessa maneira. 9.5.0 +2. não há moda. com graus de importância diferentes. 126 e 102 e calcule: a) A média aritmética (Ma) .Calcule a media aritmética ponderada de um aluno que obteve no bimestre 8.0 na pesquisa (peso 3).Considere os números 126.9+ 2. dizemos que a moda é 6. 15°C às 8h. 9.11 e 11. para obter a média aritmética de 7. que neste caso é chamada média aritmética ponderada.0 no trabalho de equipe (peso 2). 7. 7. Qual a temperatura média nesse período de tempo? 07. 08. 1. MODA (MO) Em estatística. registraram-se 14°C às 6h.0 + 1. Se no decorrer do bimestre ele obteve 6. o caso de um aluno que realiza vários trabalhos com pesos diferentes.7. 5.7 + 5.6.0. a sua média. 2. 2 e 50 anos a moda é 2 anos (Mo = 2) e demonstra mais eficiência para caracterizar o grupo do que a média aritmética.0 no trabalho de equipe (peso 2).0 no debate (peso 1) e 5. 9. observamos que: MA = 3.0. 6. podemos simplificar. 7.5 na prova (peso 2).Quando aplicamos a média aritmética de números que se repetem. isto é.0 na pesquisa (peso 3). 20°C às 10h e 23°C às 11h . 9. 7. 9.8 3+5+2 10 10 Vejamos agora . 7.11 = 21 + 45 + 22 = 88 = 8.9.5. 04.0 no debate (peso 1) e 7. Se as notas obtidas por um aluno foram 6.Ao medir de hora em hora temperatura em determinado local. moda é a medida de tendência central definida como o valor mais freqüente de um grupo de valores observados.02. 15°C às 7h.0. 7. e 6. No exemplo grupo de pessoas com idades de 2. Obs.: quando não há repetição de números.0 e 7.0 = 13 +21 +6 + 14 = 54 = 6.7.75 2 +3 +1 +2 8 8 06. 3. 6. 18°C às 9h. 130.

b) A média aritmética ponderada (MP).Durante os sete primeiros jogos de um campeonato. 2. que são o 4º e o 5º termo. 16. 16. 16 e 17 anos. fazemos a média aritmética entre os dois centrais. 1 . 1. 1. 3. Logo. 2. 3 3. 4. um time marcou. A média aritmética dos dois números que estiverem no centro se n for par. 4 e 7. 1. 4. 2. 16. foram anotados as faltas durante um período de 15 dias: 3. 14. 3. temos: 0. 0. 12. 2. 16. respectivamente. 0. Assim dados n números em ordem crescente ou decrescente. 5. 2. MEDIANA (Me) A mediana é outra medida de tendência central. 3. 3. 1 e 2. 2.  Numa classe. 2. 4. 7. 12. com pesos 2. 13. 13. 7 7 valores ↓ Me 7 valores  As idades dos alunos de uma equipe são 12. 14. c) A moda (Ma). 3. a mediana será:   O número que ocupar a posição central se n for impar. 4. 16. a mediana é dada por: Me = 14 + 16 = 30 =15 2 2 09. 3 e 2 gols. 04. 17 Como temos um número par de valores. 5. 0. 7. Em ordem crescente. colocamos inicialmente na ordem crescente ( ou decrescente): 12 .03. 5. 5. respectivamente. Para determinar a mediana desses valores. Determine: a) A média de gols por partida (Ma) b) A moda (Mo) .

a de que diferença (dispersão) existe entre a média e os valores do conjunto. Para isso. Suponhamos que um professor esteja interessado em compara o desempenho de suas diferentes turmas de um mesmo curso de inglês. conhecer outra medida. sendo. 05. então. a média não é suficiente para avaliar um conjunto de dados. portanto. x2.01. sozinho. Restringindo nossa analise a apenas esse valor.c) A mediana (Me) 05.x)2 N Notemos que cada termo do numerador corresponde ao quadrado da diferença entre o valor observado e o valor médio. xn os valores assumidos por uma variável X e x a média aritmética desses valores. quando se fala em um grupo de mulheres com idade média de 18 anos. considerou a média final dos cinco alunos de suas quatro turmas:     Turma A: 5 – 5 – 5 – 5 – 5 Turma B: 5 – 6 – 5 – 4 – 5 Turma C: 3 – 7 – 6 – 5 – 4 Turma D: 1 – 8 – 5 – 2 – 9 Se calcularmos as médias aritméticas das notas de cada uma das turmas. muitas mulheres tenham 38 anos. e outras tantas sejam menininhas de dois! É importante. não significa muito: pode ser que no grupo. Se considerarmos o exemplo inicialmente apresentado.. Chamamos de variância de X – indicada por Var(X) – ao numero real positivo: Var(X) = (x1 – x)2 + (x2 – x)2 + . Por exemplo. MEDIDAS DE DISPERSÃO Muitas vezes... temos:  Turma A: x = 5 Var(x) = (5 – 5)2 + (5 – 5)2 + (5 – 5)2 + (5 – 5)2 + (5 – 5)2 = 0 5 . Essa diferença traduz “o quanto um valor observado se distancia do valor médio”. notaremos. a fim de que a análise não fique comprometida. Esse dado. + (xn. Daí a necessidade de se definir uma medida que revele o grau variabilidade das notas de uma turma. nos quatro casos. que a média da turma é igual a 5. ... uma medida do grau de variabilidade dos dados em estudo. VARIÂNCIA Sejam x1. concluiríamos esconde informações em relação à homogeneidade ou heterogeneidade do desempenho dos alunos de uma mesma turma.

 Turma B: x = 5 Var(x) = (5 – 5)2 + (6 – 5)2 + (5 – 5)2 + (4 – 5)2 + (5 – 5)2 = 0.02. c) O desvio-padrão 06. não havendo. DESVIO. Exemplo: . apresentam resultados imprevisíveis. 06.Dado o conjunto de valores 3 5 2 1 3 4 6 9 3. 05.PADRAO Chamamos de desvio padrão de X – indicado por DP(X) – a raiz quadrada de sua variância: DP(X) = 10.01. entretanto a maioria dos fenômenos de que trata a Estatística são de natureza aleatória ou probabilística. alunos com desempenhos muito discrepantes. PROBABILIDADE O cálculo das probabilidades pertence ao campo da Matemática. b) A variância. determine: a) A média aritmética. mesmo repetidos várias vezes sob condições semelhantes.4 5 O valor “muito pequeno” encontrado para variância indica nessa turma os alunos apresentaram desempenhos muito próximos.  Turma C: x=5 Var(x) = (3 – 5)2 + (7 – 5)2 + (6 – 5)2 + (5 – 5)2 + (4 – 5)2 = 2 5 Esse valor revela um grau de heterogeneidade moderado. O resultado final depende do acaso.  Turma D: x = 5 Var(x) = (1 – 5)2 + (8 – 5)2 + (5 – 5)2 + (2 – 5)2 + (9 – 5)2 = 10 5 O valor grande encontrado para variância nos evidencia a presença de alunos com desempenhos extremos – ou muito bons ou muito ruins. Experimento Aleatório São fenômenos que. O conhecimento dos aspectos fundamentais do cálculo das probabilidades é uma necessidade essencial para o estudo da Estatística Indutiva ou Inferência.O valor nulo da variância indica que todos os alunos apresentaram desempenho idêntico. porem.

5)(6. Espaço Amostral É o conjunto universo ou o conjunto de resultados possíveis de um experimento aleatório. qualquer que seja E.ca) .2)(3.6)} (2.co) .1)(6.4)(4. .2)(5.2)(6.6) O primeiro de cada par acima indica o resultado no primeiro dado.4)(2.6) (5. Se E  S e E é um conjunto unitário. No experimento aleatório "lançamento de uma moeda" temos o espaço amostral {cara. 1) Considere o experimento aleatório: lançamento de dois dados: O espaço que descreve essa experiência é: S= {(1.3)(3. coroa}.que ele perca . No primeiro exemplo : cara pertence ao espaço amostral {cara.Da afirmação "é provável que o meu time ganhe a partida hoje" pode resultar: . 5.1)(5.3)(2.4)(6. 06.1)(1.1)(4.ca)} Obs: cada elemento do espaço amostral que corresponde a um resultado recebe o nome de ponto amostral.3)(6. E é chamado de evento elementar. (co. 3.3)(4. No experimento aleatório "lançamento de um dado" temos o espaço amostral {1.2)(4.5)(5.6) (4. Considere agora os seguintes eventos: A: a soma dos resultados nos dois dados é menor que 4.5)(1.03.02. No experimento aleatório "dois lançamentos sucessivos de uma moeda" temos o espaço amostral : {(ca. 4. coroa}.4)(3.4)(1. 2.1)(3.5)(3. (ca. E é chamado de evento certo. e o segundo indica o resultado do segundo dado.3)(1.2)(1. Eventos É qualquer subconjunto do espaço amostral de um experimento aleatório.5)(2.que ele ganhe . Se considerarmos S como espaço amostral e E como evento: Assim.6) (3.5)(4. 6}.4)(5.1)(2.2)(2.6) (6. 06.co) . Se E = S . E é chamado de evento impossível. (co. Se E = Ø . então E é um evento de S.que ele empate Este resultado final pode ter três possibilidades.3)(5. se E c S (E está contido em S).

06. 4.. Conceito de Probabilidade Chamamos de probabilidade de um evento A (sendo que A está contido no Espaço amostral) o número real P(A) . co } = 2 A = {ca} = 1 P(A) = 1/2 = 0.06. C: a soma dos resultados nos dois dados é igual a 12 ou menor que 12. tal que : número de casos favoráveis de A / número total de casos OBS: Quando todos os elementos do Espaço amostral tem a mesma chance de acontecer.4. 06.6 } = 6 P(A) = 6/6 = 1.No lançamento de um dado qual a probabilidade de obter um número menor ou igual a 6 em um evento A ? S = { 1.05.0 = 100% Obs: a probabilidade de todo evento certo = 1 ou 100%. Eventos Complementares Sabemos que um evento pode ocorrer ou não.4.5.5.5 = 50% 2.4.No lançamento de um dado qual a probabilidade de obter um número maior que 6 em um evento A ? S = { 1.2.3. para um mesmo evento existe sempre a relação: p+q=1 Obs:Numa distribuição de probabilidades o somatório das probabilidades atribuídas a cada evento elementar é igual a 1 onde p1 + p2 + p3 + .5.6 } = 3 P(A) = 3/6 = 0.04. Exemplos: 1.4.5 = 50% 3.2. Sendo p a probabilidade de que ele ocorra (sucesso) e q a probabilidade de que ele não ocorra (insucesso).3.No lançamento de um dado qual a probabilidade de obter um número par em um evento A ? S = { 1.B: a soma dos resultados nos dois dados é menor que 1.2. o espaço amostral é chamado de conjunto equiprovável.6 } = 6 A={ }=0 P(A) = 0/6 = 0 = 0% Obs: a probabilidade de todo evento impossível = 0 ou 0% 06.3.5. D: o resultado do primeiro é 5 e o segundo é 3. Eventos Independentes .6 } = 6 A = { 2. + pn = 1 .No lançamento de uma moeda qual a probabilidade de obter cara em um evento A ? S = { ca.4..2.3.6 } = 6 A = { 1.

(co. então. a probabilidade de que tais eventos se realizem simultaneamente é dada pela fórmula: P(1 n 2) = P(1 e 2) = P(1) x P(2) P1 = P(4 dado1) = 1/6 P2 = P(3 dado2) = 1/6 P total = P (4 dado1) x P (3 dado2) = 1/6 x 1/6 = 1/36 06. (ca. o que permitirá a solução de grande número de problemas práticos.co). Então qual seria a probabilidade de obtermos. sendo P1 a probabilidade de realização do primeiro evento e P2 a probabilidade de realização do segundo evento. no lançamento de uma moeda.ca).co)} e se X representa o "número de caras" que aparecem. Assim. DISTRIBUIÇÃO DE PROBABILIDADES Apresentaremos neste capítulo três modelos teóricos de distribuição de probabilidade. o nº 4 no primeiro dado e o nº 3 no segundo dado ? Assim. de acordo com a tabela abaixo ( X é a variável aleatória associada ao número de caras observado): .08. mas em alguma característica numérica a ele associada. a cada ponto amostral podemos associar um número para X. definida uma função chamada variável aleatória. Muitas vezes não estamos interessados propriamente no resultado de um experimento aleatório.07. se o espaço amostral relativo ao "lançamento simultâneo de duas moedas" é S = {(ca. Eventos Mutuamente Exclusivos Dois ou mais eventos são mutuamente exclusivos quando a realização de um exclui a realização do(s) outro(s).ca). Essa característica será chamada variável aleatória. aos quais um experimento aleatório estudado possa ser adaptado. ao se realizar um deles. o outro não se realiza. o evento "tirar cara" e o evento "tirar coroa" são mutuamente exclusivos. a probabilidade de que um ou outro se realize é igual à soma das probabilidades de que cada um deles se realize: P(1 U 2) = P(1 ou 2) = P(1) + P(2) Exemplo: No lançamento de um dado qual a probabilidade de se tirar o nº 3 ou o nº 4 ? Os dois eventos são mutuamente exclusivos então: P = 1/6 + 1/6 = 2/6 = 1/3 06. já que. Assim. Exemplo: Quando lançamos dois dados. 06.01. Fica. simultaneamente. (co. VARIÁVEL ALEATÓRIA Suponhamos um espaço amostral S e que a cada ponto amostral seja atribuído um número. Se dois eventos são mutuamente exclusivos .Quando a realização ou não realização de um dos eventos não afeta a probabilidade da realização do outro e vice-versa.08. o resultado obtido em um deles independe do resultado obtido no outro.

co) (co.Ponto Amostral (ca.ca) (ca.co) X 2 1 1 0 Logo podemos escrever: Número de caras (X) Probabilidade (X) 2 1 0 1/4 2/4 1/4 Total 4/4 = 1 Exemplo prático de uma distribuição de probabilidade: Consideremos a distribuição de freqüências relativa ao número de acidentes diários na Rodovia do SOL durante o mês de nov/97: Número de Acidentes Frequência 0 1 2 3 22 5 2 1 Podemos então escrever a tabela de distribuição de probabilidade: Número de Acidentes (X) Probabilidade (X) 0 0.73 .ca) (co.

pode tomar os valores 1. a probabilidade p do sucesso e a probabilidade de q (q = 1 . DISTRIBUIÇÃO BINOMIAL Vamos imaginar fenômenos cujos resultados só podem ser de dois tipos. isto é.03 1. As provas repetidas devem ser independentes.09.2.5 e 6. .1 2 3 Total 0. Este fenômeno pode ser repetido tantas vezes quanto se queira (n vezes).3.07 0. o resultado de uma não deve afetar os resultados das sucessivas.17 0. FUNÇÕES DE PROBABILIDADES: f(X) = p(X= xi) Ao definir a distribuição de probabilidade.p) do insucesso manter-se-ão constantes. definida por "pontos de um dado". 06. Assim. No decorrer do experimento. nas mesmas condições. um dos quais é considerado como sucesso e o outro insucesso. ao lançarmos um dado. estabelecemos uma correspondência unívoca entre os valores da variável aleatória X e os valores da variável P (probabilidade).00 Construímos acima uma tabela onde aparecem os valores de uma variável aleatória X e as probabilidades de X ocorrer que é a tabela de distribuição de probabilidades. Esta correspondência define uma função onde os valores xi formam o domínio da função e os valores pi o seu conjunto imagem. Nessas condições X é uma variável aleatória discreta que segue uma distribuição binomial.4.10. Então resulta a seguinte distribuição de probabilidade: X 1 2 3 4 5 6 P (X) 1/6 1/6 1/6 1/6 1/6 1/6 T o t a l 6/6 = 1 06. a variável aleatória X.

depois de A ter acontecido é definida por : P (B/A). Parâmetros da Distribuição Binomial Média = n . p Variância = n . q Desvio padrão = é a raiz quadrada do produto de n . pois representa o termo geral do desenvolvimento do binômio de Newton.1/52 = 16/52 Probabilidade Condicional Se A e B são dois eventos. qual a probabilidade da carta retirada ser ou um ÁS ou uma carta de COPAS? P(ÁS U Copas) = P(ÁS) + P(Copas) .88 % P(Copas1) = 13/52 P(Copas2/Copas1) = 12/51 Obs: No exemplo anterior se a 1ª carta retirada voltasse ao baralho o experimento seria do tipo com reposição e seria um evento independente. ou seja. p = é a probabilidade de que o evento se realize em uma só prova = sucesso. Neste caso os eventos são dependentes e definidos pela fórmula: P (A e B ) = P (A) x P(B/A) Exemplo: Duas cartas são retiradas de um baralho sem haver reposição.625 = 6. OBS: O nome binomial é devido à fórmula.0588 = 5. quando há elementos comuns.P(ÁS n Copas) = 4/52 + 13/52 . a probabilidade de B ocorrer . p . q Obs: Na probabilidade da união de dois eventos A e B. devemos excluir as probabilidades dos elementos comuns a A e B (elementos de A n B ) para não serem computadas duas vezes. q = é a probabilidade de que o evento não se realize no decurso dessa prova = insucesso. Assim P(A U B) = P(A) + P(B) . é chamada probabilidade condicional de B.25 % .P(x) = P(x) = é a probabilidade de que o evento se realize x vezes em n provas.P(A n B) Exemplo: Retirando-se uma carta de um baralho de 52 cartas. p . Qual a probabilidade de ambas serem COPAS ? P (Copas1 e Copas2) = P(Copas1) x P(Copas2/Copas1) = 13/52 x 12/51 = 0. O resultado seria: P(Copas1) x P(Copas2) = 13/52 x 13/52 = 0.

valete.05 cm ? P ( 2 < X < 2. 7. 2.05) = ? . 5. valete. 9. 4.04 cm. 10.A representação gráfica da distribuição normal é uma curva em forma de sino. rei) Copas = 13 (ás. isto é. alcançá-lo. 9. Vamos supor que essa variável tenha distribuição normal com média = 2 cm e desvio padrão = 0. dama.A variável aleatória X pode assumir todo e qualquer valor real. dama. 3. 8. dama. 10. ambas as probabilidades são iguais a 0. 4. Exemplo: Seja X a variável aleatória que representa os diâmetros dos parafusos produzidos por certa máquina. 10. 8. Qual a probabilidade de um parafuso ter o diâmetro com valor entre 2 e 2. 4ª . que recebe o nome de curva normal ou de Gauss.Espaço amostral do baralho de 52 cartas: Carta pretas = 26 Páus = 13 (ás. 2. 9. 8. nosso principal interesse é obter a probabilidade de essa variável aleatória assumir um valor em um determinado intervalo. Propriedades da distribuição normal : 1ª . isto é. 3. dama.A curva normal é assintótica em relação ao eixo das abscissas. aproxima-se indefinidamente do eixo das abscissas sem. por meio de um exemplo concreto. Quando temos em mãos uma variável aleatória com distribuição normal.Como a curva é simétrica em torno da média. valete. 4. contudo. já que essa área corresponde à probabilidade de a variável aleatória X assumir qualquer valor real. 7. 2. 10.A área total limitada pela curva e pelo eixo das abscissas é igual a 1. 2ª .5 ou 50%. 3. Muitas das variáveis analisadas na pesquisa sócio-econômica correspondem à distribuição normal ou dela se aproximam. a probabilidade de ocorrer valor maior que a média é igual à probabilidade de ocorrer valor menor do que a média. Cada metade da curva representa 50% de probabilidade. 2. 5ª . rei) DISTRIBUIÇÃO NORMAL Entre as distribuições teóricas de variável aleatória contínua. 5. 7. simétrica em torno da média. 5. rei) Espadas = 13 (ás. 3ª . 7. 6. 6. valete. 9. 3. Vejamos com proceder. 4. uma das mais empregadas é a distribuição Normal. 6. 5. rei) Cartas vermelhas = 26 Ouros = 13 (ás. 8. 6.

onde z = (X Utilizaremos também uma tabela normal reduzida. Resolveremos o problema através da variável z . podemos escrever: P( < X < x ) = P (0 < Z < z) e desvio )/S No nosso problema queremos calcular P(2 < X < 2.2) / 0. uma distribuição normal de média = 0 e desvio padrão = 1. para obter eles probabilidade. que se X é uma variável aleatória com distribuição normal de média padrão S. isto é. isto é: P ( 0 < Z < z) Temos.05). calcular o valor de z que corresponde a x = 2. em primeiro lugar.Com o auxílio de uma distribuiçào normal reduzida.04 = 1. que nos dá a probabilidade de z tomar qualquer valor entre a média 0 e um dado valor z.05 z = (2.05 . precisamos. então.25 .