24/07/2020

• Unidade de Ensino: 3

• Competência da Unidade: Conhecer os fundamentos estatísticos básicos

Probabilidade e Estatística
necessários a formação do profissional da área de exatas.

• Resumo: Definir o espaço amostral e compreender o que são eventos disjuntos;

compreender a definição de Distribuição Discreta de Probabilidade e Probabilidade
Binomial; compreender a probabilidade de Poisson e a distribuição contínua de
Distribuições de Probabilidade probabilidade; e, por último, saber como se comporta uma Distribuição Normal.
Discretas e Contínuas
• Palavras-chave: Distribuição Discreta de probabilidade, distribuição normal.

• Título da Teleaula: Distribuições de Probabilidade Discretas e Contínuas

• Teleaula nº: 3
Profª Ma. Hallynnee Rossetto

1 2

Contextualizando
Como a probabilidade pode ser utilizada no
Contextualizando dia a dia?

O que é uma distribuição

de probabilidade?

Fonte: https://image.freepik.com/vetores-gratis/dados-de-jogo-rrealistic-isolados-no-fundo-
branco_97886-784.jpg
https://image.freepik.com/vetores-gratis/bilhetes-de-loteria-com-bolas-jogos-de-azar-bingo-chance-
conceito-de-sorte_1262-13468.jpg

3 4

Espaço amostral
Experimento aleatório: todo experimento (ou fenômeno) cujo resultado
depende somente do acaso (resultado imprevisível).
Espaço amostral
Espaço amostral (Ω): conjunto formado por todos os resultados possíveis
em um experimento aleatório.

Evento ou acontecimento: ocorrência de um fato.

Todos os subconjuntos do espaço amostral de um
experimento aleatório.

5 6
 24/07/2020

Classificação de eventos Exemplo

 Evento Simples
Considere que uma
 Evento Certo
moeda é lançada.
 Evento Impossível
Qual é o espaço
 Evento União
amostral?
 Evento Intersecção
Quais são os eventos?
 Evento mutuamente exclusivo
 Evento complementar

Fonte: https://image.freepik.com/vetores-gratis/icone-de-pensamento-de-pessoa-de-homem_24877- Disponível em: https://image.shutterstock.com/image-vector/hand-businessman-tossing-

40542.jpg coin-vector-600w-503410234.jpg. Acesso em: 15 mai. 2020.

7 8

Exemplo
Seja o experimento E: lançar um dado e os eventos
A: ocorrer número ímpar e B: ocorrer um múltiplo
de 3. Determine S, A e B. Probabilidade

Fonte: https://image.freepik.com/vetores-gratis/dados-de-jogo-rrealistic-isolados-no-fundo-
branco_97886-784.jpg

9 10

Probabilidade Probabilidade
A probabilidade é um número que resulta da razão entre o número de A probabilidade de ocorrer o evento A ou o evento B, ou seja, a união
casos favoráveis de um evento n(A) e o número total de casos possíveis dos dois eventos, é igual à probabilidade de ocorrer A mais a
n(Ω), ou seja: I- 𝟎 ≤ 𝑷 𝑨 ≤ 𝟏 probabilidade de ocorrer B menos a probabilidade da interseção de A
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟á𝑣𝑒𝑖𝑠
II- 𝑷 Ω = 𝟏 com B.
𝑃 𝐴 =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑠í𝑣𝑒𝑖𝑠 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝐴 𝑛(𝐴)
𝑃 𝐴 = = Eventos mutuamente exclusivos usa-se:
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 Ω 𝑛(Ω)
𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵

11 12
 24/07/2020

Exemplo
Uma urna contém 20 bolas numeradas de 1 a 20. Quando uma bola
é retirada ao acaso, qual é a probabilidade do número ser múltiplo Situação-Problema 1
de 3 ou de 5?

Fonte: https://image.shutterstock.com/image-vector/vector-bingo-lottery-
number-balls-600w-468650288.jpg.

13 14

Situação-Problema 1 Resolvendo Situação-Problema 1

Num determinado jogo são utilizados dados para avançar casas no Espaço Amostral e Eventos
tabuleiro. Assim, qual a probabilidade ao jogar um dado sair o número 2
Ω = 1,2,3,4,5,6
ou o 5? 𝐴= 1 𝐵= 2 𝐶= 3
𝐷= 4 𝐸= 5 𝐹 = {6}
Fonte: https://image.freepik.com/fotos-gratis/seis-dados-
vermelhos_118047-317.jpg

Probabilidade dos Eventos

𝑃 𝐴 =𝑃 𝐵 =𝑃 𝐶 =𝑃 𝐷
1
=𝑃 𝐸 =𝑃 𝐹 =
6
Fonte: https://image.freepik.com/vetores-gratis/trabalhador-com-duvidas_1012-193.jpg

15 16

Resolvendo Situação-Problema 1
 Você escolhera os números 2 e 5 para apostar.
 O evento de aparecer tanto 2 quanto 5 e indicado por:
B ∪ 𝐸 = 2 ∪ {5}.
Distribuição de
 Como os eventos são mutuamente exclusivos temos: Probabilidade
1 1 2 1
𝑃 𝐵∪𝐸 =𝑃 𝐵 +𝑃 𝐸 = + = = 0,333. . .
6 6 6 3

Aproximadamente 33% de chance de sair 2 ou 5.

17 18
 24/07/2020

Distribuições de probabilidades Distribuições de probabilidades

Há dois tipos de distribuições teóricas que correspondem a diferentes A distribuição de probabilidades associa uma probabilidade a cada
tipos de dados ou variáveis aleatórias: resultado numérico de um experimento, ou seja, dá a probabilidade de
 a distribuição discreta cada valor de uma variável aleatória.
 a distribuição contínua.
Além de identificar os valores de uma variável aleatória  podemos
𝑷[𝑿] 𝒐𝒖 𝑷[𝑿 = 𝒙]
atribuir uma probabilidade a cada um desses valores.
Quando temos os valores de uma variável aleatória
e suas probabilidades  temos uma distribuição de
probabilidades.

19 20

Propriedades de uma distribuição de Tipos de distribuição de probabilidade

probabilidade Distribuições Contínuas: Quando a variável que
i. A probabilidade de cada valor deve estar entre 0 e 1 está sendo medida é expressa em uma escala
0≤𝑃 𝑥 ≤ 1, ∀𝑖 = 1, 2, … contínua, como no caso de uma característica
dimensional;

ii. A soma de todas as probabilidades é igual a 1 Distribuições Discretas: Quando a variável que
está sendo medida só pode assumir certos valores,
𝑃 𝑥 =1 como por exemplo os valores inteiros: 0, 1, 2, etc.

21 22

Teoria da probabilidade discreta • Definição clássica: inicialmente, a

A teoria de probabilidade discreta lida com eventos que ocorrem em
espaços amostrais enumeráveis.
Lançamento de um dado, experimentos com
baralhos de cartas, e uma caminhada
aleatória são exemplos clássicos para a
teoria da probabilidade discreta.
probabilidade de um evento a ocorrer foi
definida como um número de casos favoráveis
ao evento, sobre o número total de resultados
possíveis.
• Definição moderna: a definição moderna
começa com um conjunto chamado de espaço
amostral, que se relaciona ao conjunto de
todos resultados possíveis no sentido clássico,
denotado por S = {x1, x2, ... }.
Fonte: https://image.flaticon.com/icons/png/512/117/117869.png

23 24
 24/07/2020

Distribuição discreta de probabilidade

Uma distribuição discreta de probabilidade enumera cada valor
possível da variável aleatória, bem como sua probabilidade.
Atividade
A função de probabilidade (𝑓𝑝) da VA discreta X, que assume os
valores 𝑥 ; 𝑥 ; . . . ; 𝑥 ; … , é a função que atribui probabilidades a
cada um dos possíveis valores:
{𝑥;𝑝 𝑥 , 𝑖 = 1, 2, … }, ou seja,
𝑃 𝑋 =𝑥 = 𝑝 𝑥 = 𝑝 , 𝑖 = 1, 2, …

25 26

Atividade Resolução da atividade

Em relação ao tipo de variável classifique em discreta ou contínua:
a) X = os títulos da Bolsa de Valores que tiveram aumento no valor
de suas ações.
b) X = quantos metros cúbicos de gás são comprados numa semana.
c) X = número de ligações que um vendedor faz em
um dia.
d) X = tempo diário (em horas) que um vendedor
passa fazendo ligações

27 28

Distribuição Binomial
 O experimento deve ter um número fixo de provas (cada uma das

Distribuição de repetições sucessivas da experiência);

 As provas devem ser independentes  O resultado de qualquer prova

probabilidade não afeta as probabilidades das outras provas;

 Cada prova deve ter todos os resultados classificados em duas
binomial categorias:

Sucesso ou Fracasso

29 30
 24/07/2020

Notação
A probabilidade de ocorrer exatamente 𝑥 sucessos e 𝑛 – 𝑥 fracassos, é
 𝑛  número fixo de tentativas;
dada pela expressão:
 𝑥  número específico de sucessos em 𝑛 tentativas;
𝑛
 𝑝  probabilidade de sucesso em uma de 𝑛 tentativas; 𝑓 𝑥 =𝑃 𝑋=𝑥 =𝑃 𝑥 = 𝑝 𝑞
𝑥
 𝑞 ou (1 − 𝑝)  probabilidade de fracasso em uma de 𝑛 tentativas;
onde a variável aleatória 𝑋 denota o número de sucessos em 𝑛 provas,
 𝑃(𝑋)  probabilidade de obter exatamente 𝑋 e 𝑥 = 0 1, 2, ..., 𝑛.
sucessos em 𝑛 tentativas.
𝑛 n!
=C , =
𝑥 𝑥! 𝑛 − 𝑥 !

31 32

Exemplo Parâmetros da distribuição binomial

Um pesquisador científico precisa escolher três elementos, num grupo de Média E (X)  n. p
oito. Determine o número de maneiras que ele pode realizar a escolha.
𝑛 n!
=C , =
𝑥 𝑥! 𝑛 − 𝑥 !
Variância  2(X )  n p q
8 8!
=C , =
3 3! 8 − 3 !

8.7.6.5! 336
C , =
3.2.1.5!
=
6
= 56 Desvio Padrão  ( X )  n pq

33 34

Situação-Problema 2
Uma pessoa está jogando cartas e pode participar de cinco sorteios
Situação-Problema 2 repetidos. Ela apostou no naipe de espadas. Qual a probabilidade de
sair o naipe de espadas em cada um dos sorteios?

Fonte da figura: https://image.freepik.com/vetores-gratis/trabalhador-com-duvidas_1012-193.jpg

35 36
 24/07/2020

Resolvendo Situação-Problema 2 Resolvendo Situação-Problema 2

Sabemos que:  O fracasso é não ter carta de espadas, assim temos:
13 39
 Existem 5 sorteios, ou seja, n=5; q=1−𝑝 =1− =
52 52
 A carta de interesse é de espadas, ou seja, o sucesso é ter uma carta  x é o número de espadas registradas nos 5 sorteios. São valores possíveis
de espadas. (0,1, 2,3, 4, 5). A função de probabilidade binomial é:
Assim temos: 𝑝 =
5 13 39 5
𝑃 𝑥 = = (0,25) 0,75
𝑥 52 52 𝑥

37 38

Resolvendo Situação-Problema 2 𝑛 n!
=C , =
5 13 39 5 𝑥 𝑥! 𝑛 − 𝑥 !
𝑃 𝑥 = = (0,25) 0,75
𝑥 52 52 𝑥

Alteramos o x para cada sorteio e calculamos a probabilidade de sortearmos Distribuição de

uma carta de espadas em cada um dos sorteios.
probabilidade
Poisson

39 40

Distribuição de Poisson Distribuição de Poisson

A distribuição de Poisson e empregada em experimentos, nos quais não
se está interessado no número de sucessos obtidos em n tentativas,
como ocorre no caso da distribuição Binomial, mas sim no número de
sucessos ocorridos durante um intervalo contínuo, que pode ser um
intervalo de tempo, espaço, etc.
A distribuição de Poisson é muito usada na distribuição do número de:
 Carros que passam por um cruzamento por minuto, durante uma
certa hora do dia;
 Erros tipográficos, por página, em um material impresso;
 Defeitos por unidade (𝑚², 𝑚³, 𝑚, etc.);
 Colônias de bactérias numa dada cultura por
0,01 𝑚𝑚²;

41 42
 24/07/2020

Distribuição de Poisson Exemplo

Se 𝑋 tem uma distribuição de Poisson, então a sua função de A requisição de um item de estoque ocorre, em média, quatro vezes por
probabilidade é dada por: dia. Qual a probabilidade de que sejam requisitados 6 itens em um só dia?
e  t  . t  x   e  t  . t  x
P( X  x )  Média
P( X  x ) 
𝜆𝑡 = 4 𝑥=6
x! x!
 𝑋  1, 2, 3, ..., 𝑛  número de sucessos no intervalo 𝑡;
𝑒 4
 𝑡  intervalo; 𝑃 𝑋=6 = = 0,1042 = 10,42%
6!
 𝑡  número médio de sucessos que ocorrem no
intervalo 𝑡.

43 44

Atividade
Agora você está na máquina de caça níquel, o operador da máquina disse

Atividade que ela é honesta e há em média 2 ganhadores por dia. Qual a

probabilidade de ter 5 ganhadores durante o dia?

𝜆𝑡 =? 𝑥 =?

𝑒 𝜆𝑡
𝑃 𝑋=𝑥 =
𝑥!
Fonte: https://image.freepik.com/vetores-gratis/professor-segurando-um-livro-e-uma-varinha_61841-868.jpg

45 46

Resolvendo a Atividade
A máquina de caça níquel é honesta.
Que em média há 2 ganhadores por dia, ou seja, 𝜆𝑡 = 2.
Para 𝑥 = 5
Distribuição
𝑃 𝑋=𝑥 =
𝑒
𝑥!
𝜆𝑡 Gaussiana - Normal
𝑒 2
𝑃 𝑋=5 =
5!
≅ 0,036 → 3,6%

47 48
 24/07/2020

Distribuição Gaussiana
Curva Gaussiana
A distribuição normal conhecida também como distribuição gaussiana
A curva gaussiana também é amplamente conhecida como curva do sino,
é sem dúvida a mais importante distribuição contínua.
por causa do seu formato:

Diversos estudos práticos tem como resultado uma distribuição

normal. Podemos citar como exemplo:

A altura de uma determinada população em

geral segue uma distribuição normal.

Fonte: Ribeiro, 2015.

49 50

Propriedades da distribuição normal

A distribuição normal é definida por dois parâmetros: a média
 A variável aleatória X pode assumir todo e qualquer valor real; populacional () e o desvio padrão populacional (); esses parâmetros
 A representação gráfica e em forma de sino, em torno da media (μ); são indicadores populacionais.
 A área total ao redor das abcissas e igual a 1;
 A probabilidade da variável aleatória X ter valores maiores que a média
e igual a probabilidade de ter valores
menores que a media (ambas as probabilidades são 0,5);
 P ( X > μ ) = P ( X < μ )= 0,5.

Fonte: Ribeiro, 2015.

51 52

Variável normal padronizada Exemplo

Encontre a área acumulada que corresponde a z-escore de 1,15.
Sabendo-se que 𝑋 tem uma distribuição normal com média  e variância
², ou seja, 𝑋: 𝑁(, ²), define-se:
X  X    Z
Z

𝑍 também tem distribuição normal:
Variável Normal Reduzida
𝐸(𝑍) = 0 e 𝑉𝐴𝑅(𝑍) = 1
𝑋: 𝑁 (, ²)  𝑍: 𝑁(0,1)

53 54
 24/07/2020

Recapitulando
Espaço amostral É o conjunto de todos os resultados possíveis do
experimento.

Recapitulando Probabilidade É um número que resulta da razão entre o número de

Distribuição de Probabilidade
Distribuição de probabilidade
binomial
Distribuição de probabilidade
de Poison
Distribuição Gaussiana
casos favoráveis e o número total de casos possíveis.
É um modelo matemático que relaciona um certo valor da
variável em estudo com a sua probabilidade.
É a distribuição do número de sucessos numa sequência de
tentativas.
Expressa a probabilidade de uma série de eventos ocorrer
num certo período de tempo.
Utilizada para modelar fenômenos naturais e é considerada
a mais importante.

55 56