Introduo a Estatstica

JOELMIR FELICIANO

O que Estatstica ?

?
ESTATSTICA: conjunto de tcnicas que permite,
de forma sistemtica, coletar, organizar, descrever,
analisar e interpretar dados oriundos de estudos
ou experimentos, realizados em qualquer rea do
conhecimento.

Algumas Atividades que Envolvem Estatstica.

rea Social: O censo populacional.

rea Industrial: Confiabilidade de
Sistemas, Controle Estatstico de
Qualidade, etc.
rea Agropecuria: Identificao de
melhores formas de manejo, etc.
rea Bancria: Concesso de Crdito,
Aturia.
Marketing: Pesquisas de Mercado,
Inferncia, etc.

Principais reas da Estatstica

Estatstica Descritiva: Utilizada na etapa inicial da
anlise, quando tomamos contato com os dados pela
primeira vez. o conjunto de tcnicas destinadas a
descrever e resumir os dados a fim de que
possamos tirar concluses a respeito da
caracterstica de interesse.
Probabilidade: Teoria matemtica utilizada para se
estudar a incerteza oriunda de fenmenos de carter
aleatrio.
Inferncia Estatstica: Estudo de tcnicas que
possibilitam a extrapolao, a um grande conjunto de
dados, das informaes e concluses obtidas a partir
de subconjuntos de valores, usualmente de
dimenso muito menor.

Exemplos de Aplicao
Comparao entre tratamentos ou processos:

Tratamento Tipo 1

Tratamento Tipo 2

Produo

Produo
Tipo 1
mais
produtivo
do que o

x11

x12

...

x1n

Tipo 2?

x21

x22

...

x2n

Raciocnio Estatstico
Populao

Dados
Amostragem

Estatstica
Descritiva

Inferncia Estatstica
(Probabilidade)

Com Suporte Computacional

Tcnicas de Amostragem
JOELMIR FELICIANO

Noes Bsicas
Definio de Populao: Ao grande conjunto de
elementos que contm determinada caracterstica
comum, que temos interesse recebe o nome de
populao.
Populao 1
Populao 2

Ex1: Toda a populao brasileira.

Ex2: Toda a populao de sapos brasileiros.

Noes Bsicas
Quando observamos todos os dados, procedemos ao
Censo.
Exemplo: Examinar todos os brasileiros quanto a
condio de nutrio.
Populao
Qual a proporo de
brasileiros desnutridos?

=?

Um parmetro uma medida numrica que descreve uma

caracterstica de uma populao. Ex: 20% dos brasileiros esto
desnutridos.

Noes Bsicas
Quase no se trabalha com populao.

Motivos Principais
Alto custo da pesquisa/experimento (material, pessoal,
logstica, etc);
Resultados demorados;
Razes ticas (experimentos com animais);

Impossibilidade (Linha de produo, sangue, etc).

Noes Bsicas: Amostra.

Definio: subconjunto da populao, em geral com

dimenso sensivelmente menor.
Populao

Amostra

: Estatstica.

Estatstica: uma medida numrica que descreve uma

caracterstica de uma amostra. Ex: mdia da altura da pop.

Brasileira, proporo de desnutridos, etc.

Noes Bsicas: Amostra.

Vantagens da Amostragem.

Baixo custo operacional.

Maior rapidez na execuo da pesquisa ou estudo.

Maior segurana nos resultados

Tipos de Amostragem
Amostra casual simples: Existncia de um frame. Todos os elementos da populao
devem ter chance igual de escolha. Procedimento baseado no sorteio aleatrio.de
escolha.

Figura 1: Sorteio Aleatrio

Tipos de Amostragem
Amostra Estratificada: Na amostra estratificada os elementos so
provenientes de todos os estratos da populao.
Em cada estrato feito o sorteio aleatrio.

Ex: Pesquisas em um cidade; pesquisas em florestas; etc.

Tipos de Amostragem
Amostra Sistemtica: Na amostra sistemtica os elementos so
escolhidos no por acaso, mas por um sistema.
No primeiro perodo o sorteio aleatrio.

Exemplo: Linha de Produo; Pesquisas em formulrios;

etc.

Tipos de Amostragem
Amostra por conglomerado: Amostra feita em vrios estgios.
Maior economia.

Ex: Em uma pesquisa feita no pais, primeiro sorteamos os estados,

depois as cidades, depois os bairros, os setores censitrios, os
domiclios e os indivduos.

Tipos de Amostragem: Exerccios

A- Identifique o tipo de amostra:

1. Obtm-se uma amostra de um produto extraindo-se cada 100 unidade da linha

de produo;
2. Um fabricante de automveis faz um estudo de mercado compreendendo
testes de direo feitos por uma amostra de 10 homens e 10 muheres em cada
uma das quatro diferentes faixas etrias;

3. Geram-se nmeros aleatrios em um computador para selecionar nmeros de

sries de carros a serem escolhidos para uma amostra teste.
4. Em uma linha de produo so produzidos 1000 comprimidos por hora,
sabendo que a linha funciona por 8 horas seguidas por dia e que deve ser
extrada uma amostra de 400 comprimidos por dia, qual seria o processo de
amostragem mais indicado e como seria a seleo dessa amostra?

Anlise Exploratria de Dados

Estatstica Descritiva 1
Organizao dos dados em
Tabelas?

O que uma varivel ?

Varivel uma caracterstica, propriedade ou atributo de uma unidade

da populao, cujo valor pode variar entre as unidades da populao.

Tipos de Variveis
Variveis Qualitativas ou Categricas: Quando os possveis valores assumem
atributos ou qualidades. Ex: sexo, cor, escolaridade, doena, condio do ar, condio
da gua, etc.
Variveis Quantitativas ou de Medidas: Quando seus valores so expressos em
nmeros. Ex: altura, peso, nmero de filhos, pH, concentrao do reagente, etc .

Especificando os tipos de variveis

As variveis qualitativas podem ser classificadas ainda como:

Ordinais: quando o atributo tem uma ordenao natural, indicando intensidade

crescente de realizao. Ex: grau de escolaridade, classe social, condio do
ar, condio da gua,estado clnico, etc.
Nominais: quando o atributo no se estabelece ordem. Ex: sexo, cor, raa,
doena, etc.

J as variveis quantitativas podem ser:

Discretas: resultantes de contagens, assumindo assim, em geral valores inteiros. Ex:
nmero de filhos, nmero de peas defeituosas, n de pessoas doentes na regio, etc.
Contnuas: assumem valores em intervalos de nmeros reais e geralmente, so
provenientes de uma mensurao. Ex: peso, altura, pH,concentrao do reagente, etc..

Resumo geral: tipo de varivel

nominal
Qualitativa
ordinal
Varivel
discreta
Quantitativa
contnua

Apresentao dos dados em tabela

Tabela 1.1: Nmero de Nascimentos segundo o sexo

Sexo
Masculino
Feminino
Total
Fonte: E.W.

Freqncia
10
8
18

Para efeito de comparao: Tabela de

freqncia relativa

Tabela 1.2: Nmero de Nascimentos segundo sexo.

Sexo
Freqncia Freqncia relativa(%)
Masculino
10
55,56%
Feminino
8
44,44%
Total
18
100,00%
Fonte: E.W.

Tabelas de distribuio de freqncia.

Quando os dados so quantitativos contnuos, no conseguimos resumir a
informao da mesma forma anterior. Neste caso precisamos organizar os dados
em uma tabela de distribuio de freqncias. Veja os dados abaixo,

Tabela 1.7: Peso ao nascer de nascidos vivos, em quilogramas

2,522
2,720
3,125
2,250
3,220
3,000
3,725
2,890
3,110
3,520
3,100
3,200
2,780
3,155
2,150
3,300
3,250

3,200
3,720
2,800
2,900
2,950
2,480
3,800
2,500
3,550
3,000
4,100
3,200
3,450
3,100
3,150
2,800
2,900

Fonte: IBGE

1,900
3,600
3,200
3,300
2,900
2,500
3,600
2,500
2,300
2,950
3,000
3,750
3,150
3,200
2,500
2,900
3,200

4,100
2,400
2,700
2,450
3,400
2,400
3,120
3,400
3,200
2,700
3,150
2,800
2,700
3,300
3,200
3,200
2,800

4,600
1,720
2,750
4,200
2,100
4,450
2,900
2,920
2,720
2,900
2,000
2,720
2,480
3,900
2,500
2,480
2,450

3,400
3,400
1,570
3,800
2,700
2,900
3,700
2,120
3,150
2,400
3,450
3,120
2,120
2,450
2,700

Exemplo de tabela de distribuio de

freqncia.
Tabela 1.9: Peso de recm nascidos.

Classe
Ponto mdio Freqncia
1,5 |--- 2,0
1,750
3
2,0 |--- 2,5
2,250
16
2,5 |--- 3,0
2,750
31
3,0 |--- 3,5
3,250
34
3,5 |--- 4,0
3,750
11
4,0 |--- 4,5
4,250
4
4,5 |--- 5,0
4,75
1
Numa tabela de distribuio de freqncia tambm podem ser apresentados os
pontos mdios de classe. O ponto mdio dado pela soma dos extremos de uma classe,
dividida por 2. Para a classe 1,5 |--- 2,0, o ponto mdio : (1,5+2)/2=1,75.

Anlise Exploratria de Dados

Estatstica Descritiva 2
Representao Grfica de Dados

Grfico de Setores ou Pizza.

Usado para representar variveis qualitativas, quando os
dados apresentam poucas caractersticas.
Figura1.1: Fonte de Emisso de CO na RMSP-2003.

31%

54%

15%

Gasolina

Alcool

Diesel

Grfico de Barras.
Grfico de barras bastante usado com variveis qualitativas e quantitativas
discretas. Ideal para quando temos vrias classes de categorias.
Figura 1.2: Distribuio das reclamaes via 0800.
25
25

20

13

Freqncia

15

10

8
7

0
Mau atendimento

Troca de mercadoria
Mercadoria com defeito
Reclamaes

Falta de variedade

Histograma
O histograma a representao grfica para variveis quantitativas
contnuas. Este tipo de representao mostra a forma da distribuio
da varivel. de fundamental importncia na aplicao dos conceitos
de inferncia estatstica

Figura 1.3: Histograma do Peso Recm Nascido.

Ponto mdio

Espalhamento
dos dados

Diagramas de Disperso
Quando temos dados emparelhados e desejamos verificar de existe uma
associao entre esses dados, usamos como anlise preliminar o diagrama
de disperso.
Figura 1.5- Diagrama de disperso: Temperatura X Rendimento de PQ.
100

90

80

70

Rendimento

60

50

40

30

20

10

0
0

20

40

60
Temperatura

80

100

120

Anlise Exploratria de Dados

Estatstica Descritiva 3

Medidas de Centralidade.
Medidas de Posio.

Medidas de Centralidade
Mdia Aritmtica de um conjunto de valores o
valor obtido somando-se todos eles e dividindo-se o
total pelo nmero de valores.
n
x

i 1

Exemplo 1: Os valores em gramas referentes aos pesos de

recm nascidos de uma pequena cidade em um dia especfico
foram: 2500, 2350, 3400, 3280, 2650, 4010 e 2910.

Assim o peso mdio calculado como:

2500 2350 ... 2910 21100

x

3014,28
7
7

Medidas de Centralidade
Se os dados apresentam observaes extremas, a mdia pode
no ser a medida mais indicada para centralidade, pois sobre
influncia direta de observaes extremas. Por exemplo:
Em uma pesquisa sobre salrio de um Tecnlogo em Qumica
Frmaco Industrial observamos os seguintes valores: $1000,00;
$1200,00; $1800,00; $2500,00; $2700,00 ; $3200,00 e
$15000,00

A mdia : 3914,28. Essa medida representativa para este

conjunto de dados.
Soluo: O uso da mediana.
Mediana (Me) o valor que divide a amostra ou populao em
duas partes iguais.

Para o exemplo, Me = $2500,00

Medidas de Centralidade
Figura 2.1 : Salrios dos Tecnlogos
16000

14000

12000

10000

8000

6000

4000

2000

0
1

Dados

Mdia

Mediana

Medidas de Centralidade
Como calcular a mediana?

Se o nmeron
de observaes na amostra ou
populao for impar, ento a mediana ser o elemento de
ordem n 1 , ou seja :

Me x n1

Se o nmero for de ordem par, ento a mediana ser a mdia

entre os elementos centrais ou seja:

x n x n
Me

1
2

Exemplos para o clculo da Mediana:

Serie 1: 12, 124, 32, 10, 18, 29 e 100 n= 7; impar
Ordenar : 10, 12, 18, 29, 32, 100 e 124.
Me x n 1 x ( 4) 29

Serie 2: 12, 124, 32, 10, 18 e 29

n= 6; par.

Ordenar : 10, 12, 18, 29, 32, 124.

x n x n
Me

1
2

x (3) x ( 4)
2

18 29

23.5
2

Medidas Separatrizes
As medidas de posio possibilitam um melhor
entendimento dos dados, focalizando sua posio
relativa em relao ao conjunto como um todo.
Mediana: divide os dados ordenados em duas partes iguais.

Quartis: Dividem os dados ordenados em 4 partes iguais.

Decis: Dividem os dados ordenados em 10 partes iguais.
Percentis: Dividem os dados ordenados em 100 partes
iguas.

Medidas Separatrizes
Calculando o percentil (medida geral)
Ordenar a srie de n observaes em ordem crescente de valores, definimos
como 0% posio de ordem 1 e 100% a observao de ordem n. Portanto
uma observao com ordem x ter uma posio p.

Posio

100%

0%
1

Ordem

Medidas Separatrizes

Usando a semelhana de tringulos, vamos ter:

n 1
x 1

100 0 P 0
n : nmero total de observaes na srie.
x : a ordem de uma determinad a observao .
P : o percentil dessa observao .

x 1
P
*100%
n 1

P
x (n 1) *
1
100

Medidas Separatrizes: Exemplo1.

Srie de 27 32 64 65 58 62 59 54 29 30 26 48 47
Dados 46 43 38 29 32 35 37 31 43 45 42 37 36

Calcular o valor da observao para o percentil P = 32%.

Primeiro Passo: Ordenar os dados.

Srie
Ordem
Srie
Ordem

26
1
42
14

27
2
43
15

29
3
43
16

29
4
45
17

30
5
46
18

31
6
47
19

32
7
48
20

32
8
54
21

35
9
58
22

36
10
59
23

37
11
62
24

37
12
64
25

38
13
65
26

Medidas Separatrizes: Exemplo.

Agora vamos encontrar a ordem x correspondente:

P
32
x (n 1) *
1 (26 1) *
1 9
100
100

Portanto o valor na srie de ordem x=9 35. Ou seja,

o valor que separa a srie de dados entre os 32%
menores valores 35.

Descritiva 4
Medidas de disperso.

Medidas de disperso
Problema:
Uma empresa farmacutica realiza um teste com dois
medicamentos para a mesma finalidade em um grupo de 14 pessoas,
sendo que 7 tomaram o medicamento A e as outras 7 o B.O tempo de
reao foi anotado para cada individuo:
Tabela 1: Tempo de reao dos medicamentos.

Med.A
Med.B

15
35

Tempo de Reao
61 48 16 72 17
35 36 34 33 35

Mdia
16
35
37
35

Fonte: E.W.

As mdias para os dois grupos so iguais. Qual o melhor medicamento?

Medida de Disperso
S utilizando a mdia como medida resumo para um conjunto de
dados, no vamos ter uma boa representao. Necessitamos de outras
medidas para avaliar o grau de variabilidade, ou disperso dos valores em
torno da mdia. As medidas de disperso medem a representatividade da
mdia.
Tempo de Reao dos Medicamentos
80

70

Tempo de Reao

60

50

Med.A
Med.B
Mdia

40

30

20

10

0
1

Pacientes

Medidas de Disperso

Amplitude Total: Diferena entre o maior e menor valor da

srie de dados. No exemplo temos.

M edA : 72 15 57
M edB : 37 33 4
Temos uma idia da disperso.
Problema: Depende dos valores extremos.

No avaliada a disperso dos valores internos.

Medidas de Disperso
Os desvios de uma srie de dados com relao a mdia so dados
por :

xi x , onde i 1,2,..., n.
Portanto o desvio mdio seria uma boa taxa de disperso
entre os dados. No entanto:

(x
i 1

x) 0

Medidas de Disperso.
Confirmando o resultado.

Med.A

Med.B

xi

( xi x )

15
61
48
16
72
17
16
Soma

-20
26
13
-19
37
-18
-19
0

( xi x )

xi
35
35
36
34
33
35
37
Soma

0
0
1
-1
-2
0
2
0

Medidas de Disperso.
Calculando a varincia amostral para o MedA, temos:
2
2
2
(
15

35
)

(
61

35
)

...

(
16

35
)
3660
2
S

610
7 1
6

Calcular a varincia para o MedB.

2
2
2
(
35

35
)

(
35

35
)

...

(
35

37
)
10
2
S

1.666
7 1
6

Medidas de Disperso.
Algumas concluses relacionadas com a varincia.
O valor da varincia sempre positivo.

Quando todos os elementos da srie so iguais, a varincia

igual a zero.

O valor da varincia uma medida em escala diferente dos

dados.

Medidas de Disperso.
Para resolver o problema da diferena de escala entre varincia
e os dados, utilizamos o desvio padro. O desvio padro a
raiz quadrada da varincia.

S S2

Para o exemplo anterior.

Grupo 1: S = 24,698.

Grupo 2 : S = 1,29.

Medidas de Disperso.
Coeficiente de variao: Mede a variabilidade em termos
relativos, dividindo o desvio padro pela mdia.

S
CVa 100%
x

ndices para avaliar a variao dos dados.

Baixa: menor que 10%
Mdio: de 10% a 20%
Alto: de 20% a 30%
Muito Alto: acima de 30%

Resumo descritivo bsico para um

conjunto de dados quantitativos.
n

Mdia

Mediana Desvio-Padro

CV

Q1

n : n de dados na pesquisa

Mdia : mdia aritmtica dos dados (centralidade).

Mediana : valor mediano dos dados (centralidade).
Desvio Padro: Desvio padro dos dados (Disperso).
CV: Coeficiente de Variao (Disperso).

Q1: Primeiro Quartil (Posio).

Q3: Terceiro Quartil (Posio).

Q3

Introduo Teoria das Probabilidades

JOELMIR FELICIANO

Conceitos Bsicos

Experimento Aleatrio ou Fenmeno Aleatrio

Situaes ou acontecimentos cujos resultados no podem ser previstos com
certeza.

Exemplos:
Condies climticas do prximo domingo;

Taxa de inflao do prximo ms;

Resultado ao lanar um dado ou moeda;

Tempo de durao de uma lmpada.

Espao Amostral ()

Conjunto de todos os possveis resultado de um experimento aleatrio ou

fenmeno aleatrio.

Exemplos:

1.

Lanamento de um dado. ={1,2,3,4,5,6}

2.

Tipo sanguneo de um individuo. ={A, B, AB,0}

3.

Opinio de um eleitor sobre um projeto. ={Favorvel,Contrrio}

4.

Tempo de durao de uma lmpada ={t; t>0)

Evento subconjunto do espao amostral

Notao: A, B, C,...
Exemplos: No exemplo 1, alguns eventos:
A: sair face par: A={2,4,6}
B: Sair face maior que 3 B={4,5,6}

C: sair face 1 C={1}

D: sair face 7 D={ } (evento impossvel)= (conjunto vazio)

Operao com eventos

Sejam os eventos A e B definidos no mesmo espao amostral

AB: Unio dos eventos A e B.

Representa a ocorrncia de pelo menos um dos eventos A ou B

AB: Interseco dos eventos A e B.
Representa a ocorrncia simultnea dos eventos A e B.

A e B so disjuntos ou mutuamente exclusivos quando no tm elementos em

comum, isto , AB=
A e B so complementares se sua interseco vazia e sua unio o espao
amostral, isto . AB= e AB= .
O complementar de um evento A representado por

AC ou A

Exemplo: Lanamento de um dado

= {1, 2, 3, 4, 5, 6}
Eventos: A = {2, 4, 6}, B = {4, 5, 6} e C = {1}
A B: = {2, 4, 6} {4, 5, 6} = {4, 6}

A C = {2, 4, 6} {1} =
A B = {2, 4, 6} {4, 5, 6} = {2, 4, 5, 6}

A C = {2, 4, 6} {1} = {1, 2, 4, 6}

AC = {1, 3, 5}

Probabilidade
Pergunta: Como atribuir probabilidade aos
elementos do espao amostral?

Definies de probabilidades

Definio Clssica ou a priori

Se um experimento aleatrio tiver n() resultados mutuamente exclusivos e
igualmente provveis e se um evento A tiver n(A) desses resultados. A
probabilidade do evento A representado por P(A), dado por:

P ( A)

n( A)
n ( )

Exemplo: Considere o lanamento de 2 dados balanceados. Calcular a

probabilidade de:
a)

Obter soma 7;

b)

Obter soma maior que 10;

c)

Que o resultado do primeiro dado seja superior ao resultado do segundo.

1,1
2,1

3,1

4,1
5,1

6,1

1,2
2,2
3,2
4,2
5,2
6,2

1,3
2,3
3,3
4,3
5,3
6,3

1,4 1,5 1,6

2,4 2,5 2,6

3,4 3,5 3,6

4,4 4,5 4,6

5,4 5,5 5,6

6,4 6,5 6,6

a)

A={(1,6),(5,2),(4,3),(3,4),(2,5),(6,1)} P(A)=n(A)/n()=6/36=1/6

b)

B={(5,6),(6,5),(6,6)} => P(B) = 3/36.

c)

P(C)= 15/36.

Definio frequentista ou a posteriori

Suponhamos que realizamos um experimento n vezes (n grande) e destas o
evento A ocorre exatamente r<n vezes, ento a frequncia relativa de vezes
que ocorreu o evento A, r/n, a estimao da probabilidade que ocorra o
evento A, ou seja,
r
P ( A)
n
Essa estimao da probabilidade por frequncia relativa de um evento A,
prxima da verdadeira probabilidade do evento A, quando n tende ao infinito.

Exemplo: Considere o lanamento de uma moeda. Calcular a probabilidade de

A={ resultado obtido cara}.
Cara
Coroa
n

fr1
2/5
3/5
5

fr2
6/10
4/10
10

fr3
22/50
28/50
50

fr4
47/100
53/100
100

frA
0,5
0,5

Definio axiomtica
A probabilidade de um evento A define-se com o nmero P(A), tal que satisfaz os
seguintes axiomas:

(i ) 0 P( A) 1, A
(ii ) P () 1
(iii ) Se A1 , , An so eventosmutuamenteexclusivos, ento
n

P A i
i 1

P( A )
i

i 1

Propriedades

1. P() 0

Regra da adio de probabilidades

2. Se A ento , P( A) 1 P( Ac )
3. Se A B ento , P( A) P( B)
4. Se A, B ento , P( A B) P( A) P( B) P( A B)
5. Se A, B, C ento ,
P( A B C ) P( A) P( B) P(C ) P( A B) P( B C ) P( A C )
P( A B C )

Exemplo 1. Na tabela 1, apresenta-se a composio por raa e sexo de uma

populao de um pas.
Tabela 1: Distribuio da populao por raa e sexo.
Sexo
Raa
Masculino Feminino Total
Branca
1726384
2110253 3836637
Outra
628309
753125
1381434
Total
2354693
2863378 5218071
Suponha que selecionamos um habitante desse pas e consideremos os
eventos:
H: "o habitante selecionado do sexo masculino"
Hc:"o habitante selecionado do sexo feminino"
B: "o habitante selecionado da raa branca"
Bc: "o habitante selecionado de outra raa"
H B : "o habitante selecionado de sexo masculino e da raa branca"
H B : "o habitante selecionado de sexo masculino ou da raa branca"
Hc B : "o habitante selecionado de sexo feminino e da raa branca"
Hc B : "o habitante selecionado de sexo feminino ou da raa branca"
Hc Bc :"o habitante selecionado de sexo feminino e de outra raa "
Hc Bc "o habitante selecionado de sexo feminino ou de outra raa"

As probabilidades de cada um destes eventos so:

2354693
P( H )
0,451;
5218071
P ( H c ) 1 P ( H ) 1 0,451 0,549;
3836637
P( B)
0,735
5218071
P ( B c ) 1 P ( B ) 1 0,735 0,265;
1726384
P( H B)
0,331
5218071
P( H B) P( H ) P( B) P( H B)
0,451 0,735 0,331 0,855;
2110253
c
P( H B)
0,404;
5218071
P( H c B) P( H c ) P( B) P( H c B)
0,549 0,739 0,404 0,880.

Probabilidade Condicional e Independncia

Definio:[Probabilidade condicional] Sejam A e B dois eventos em um mesmo
espao amostral, , a probabilidade condicional de A dado que ocorreu o
evento B, representado por P(A|B) dado por:

P( A B)
P( A | B)
, P( B) 0.
P( B)

(1)

Exemplo 2. Selecionamos uma semente, ao acaso, uma a uma e sem

reposio de uma sacola que contem 10 sementes de flores vermelhas e 5
de flores brancas. Qual a probabilidade de que :

(a) a primeira semente seja vermelha. ?

(b) a segunda seja branca se a primeira foi vermelha.?

Sejam os eventos:

V1 : " A 1a sement e vermelha";

V1c :" A 1a sement e branca"
V 2 : " A 2 a sement e vermelha";
V2c :" A 2 a sement e branca"
(a)

(b)

P (V1 )

P(V2c

10
2

15
3

5
| V1 )
14

Essas probabilidades podem ser representados em um diagrama da rvore

de probabilidades, a qual mostrado na figura 1

Figura 1: Diagrama de rvore de probabilidade

Resultados

V1V2

V1V2c

10 9 3

15 14 7
10 5
5

15 14 21
5 10 5

15 14 21
5 4
2

15 14 21

V1c V2

V1c V2c

Total

Probabilidade

Da expresso (1), pode-se deduzir uma relao bastante til,

P( A B) P( B) P( A | B),
Que conhecida como regra do produto de probabilidades ou probabilidade da
interseo

Exemplo 3: No exemplo 2, suponha que temos interesse em determinar a

probabilidade que as duas sementes selecionadas sejam brancas.

O evento V1c V2c : " a 1a e 2a semente so brancas"

5
4
2
P(V V ) P(V ) P(V | V )

15 14 21
c
1

c
2

c
1

c
2

c
1

Teorema 1: Se B um evento em , tal que P(B)>0, ento:

1. P( | B) 0
2. Se A, B , ento : P(Ac | B) 1 P( A | B) ou P( A | B) 1 P(Ac | B)
3. Se A, B, C , ento :
P( A C | B) P( A | B) P(C | B) P( A C | B).

Exemplo 3: Na Cidade de So Paulo, a probabilidade de chuva no primeiro dia de

setembro 0,50 e a probabilidade de chuva nos dois primeiros dias de setembro
0,40. Se no primeiro de setembro choveu, qual a probabilidade que no dia
seguinte no chova ?

Soluo: Sejam os eventos: A: chove no primeiro de setembro, B:chove no

segundo dia de setembro.

Do enunciado do problema temos : P(A)=0,50 e P(AB)=0,40. A probabilidade

pedida :

P( A B)
0,40
P( B | A) 1 P( B | A) 1
1
0,20
P( A)
0,50
c

* Pelo teorema 1.2.

Definio[Independncia de eventos] Dois eventos A e B so independentes se a

informao da ocorrncia ou no de B no altera a probabilidade da ocorrncia
de A. Isto ,
P(A|B)=P(A), P(B)>0
Conseqentemente, temos que
somente se,

dois eventos A e B so independentes se

P(AB)=P(A)P(B).
Exemplo 4: Em uma escola 20% dos alunos tem problemas visuais, 8%
problemas auditivos e 4% tem problemas visuais e auditivos. Selecionamos um
aluno desta escola ao acaso:

(a) os eventos de ter problemas visuais e auditivos so eventos independentes?

(b) se aluno selecionado tem problemas visuais, qual a probabilidade de que
tenha problemas auditivos?
(c)qual a probabilidade de no ter problemas visuais ou ter problemas auditivos
?

Soluo: sejam os eventos:

V: o aluno tem problemas visuais

A: o aluno tem problemas auditivos.

Do enunciado temos: P(V)=0,20, P(A)=0,08 e P(AV)=0,04.

(a ) P (V ) P ( A) 0,2 0,08 0,016

P (V A) 0,04.
Como P (V A) P (V ) P ( A), A e V no so independen tes .
P (V A) 0,04
(b) P ( A | V )

0,20.
P (V )
0,20
(c) P (V c A) P (V c ) P ( A) P (V c A)

1 P (V ) P ( A) P ( A) P (V c | A) 1 P (V ) P ( A) P ( A)1 P (V | A)

P (V A)
1 P (V ) P ( A) P ( A) 1

P ( A)

0,04
1 0,2 0,08 0,081
0,84

0,08

Teorema 2: Se A , B eventos em so eventos independentes, ento:

(i ) A e B c so independentes.
(ii ) A c e B so independentes
(iii) A c e B c so independentes
Exemplo 5: Um atirador acerta 80% de seus disparos e outro (na mesmas
condies de tiro), 70%. Qual a probabilidade de acertar se ambos atiradores
disparam simultaneamente no alvo.? Considere que o alvo foi acertado quando
pelo menos, uma das duas balas tenha feito impacto no alvo.

Sejam os eventos : Bi :" o atirador i acerta o alvo" , i 1,2. P(B1 ) 0,8 e

P( B2 ) 0,7. Logo,
P( B1 B2 ) P(B1 ) P(B2 ) P( B1 B2 )
P(B1 ) P(B2 ) P(B1 ) P(B2 )
0,8 0,7 0,8 0,7 0,94
Alternativamente este exemplo, pode ser resolvido de uma segunda forma
P( B1 B2 ) 1 P( B1c B2c ) 1 P( B1c ) P( B2c )

1 1 P(B1 )1 P(B2 ) 1 [1 0,8][1 0,7] 0,94.

Teorema de Bayes
Definio [Partio do espao amostral]. Uma coleo de eventos
B1 , , Bk formam uma partio do espao amostral se eles no tm
interseco entre si e sua unio igual ao espao amostral.
Bi B j para i j e

B
i

i 1

Teorema da probabilidade total. Se B1 ,, Bk , formam uma partio

do espao amostral , ento qualquer evento A em , satifaz:

P( A) P( B1 ) P( A | B1 ) P( Bk ) P( A | Bk )

P( B ) P( A | B )
i

i 1

Teorema Bayes. Se B1 ,, Bk , formam uma partio do espao amostral , e A qualquer evento

em , ento:

P (Bi | A)

P (Bi )P ( A | Bi )
k

P (Bi )P ( A | Bi )

i 1

Exemplo 6: Uma montadora trabalha com 2 fornecedores (A e B) de uma

determinada pea. As chances de que uma pea proveniente dos
fornecedores A e B esteja fora das especificaes so 10% e 5%
respectivamente. A montadora recebe 30% das peas do fornecedor A e
70% de B. Se uma pea do estoque inteiro escolhido ao acaso:
(a) Calcule a probabilidade de que ela esteja fora das especificaes.
(b) Se uma pea escolhida ao acaso est fora das especificaes, qual a
probabilidade que venha do fornecedor fornecedor A ?

Soluo:
Sejam os eventos:

A: pea selecionada seja do fornecedor A

B: pea selecionada seja do fornecedor B
E: pea selecionada esteja fora das especificaes

Do enunciado do problemas temos:P(A)=0,30; P(B)=0,70; P(E|A)=0,10 e

P(E|B)=0,05.

Pelo teorema da probabilidade total temos:

(a) P(E)=P(A)P(E|A)+P(B)P(E|B)=(0,30)(0,10)+(0,70)(0,05)=0,065
(b) P(A|E)=?
Pelo teorema de Bayes temos:

P( A | E )

P( A) P( E | A)
0,30 0,10
0,03

0,46
P( A) P( E | A) P( B) P( E | B) 0,30 0,10 0,70 0,05 0,065

A soluo do exemplo anterior facilitada pelo diagrama de rvore de

probabilidades.

Variveis
Aleatrias
Discretas.

Variveis
Aleatrias
Contnuas.

Distribuies
Amostrais.

Regresso
Linear
Prof. Joelmir Feliciano

Objetivo
Explicar uma varivel quantitativa segundo uma outra
varivel quantitativa.

Exemplos
Preo de um imvel segundo a rea construda
Consumo de combustvel segundo o preo do
combustvel e a regio
Valorizao de uma ao segundo a valorizao da
bolsa
Taxa de criminalidade segundo a taxa de desemprego
Tempo de reao em um processo qumico segundo a
taxa de concentrao do reagente.

Algumas definies
a) diagrama de disperso: representao grfica
entre duas variveis quantitativas
b) correlao: quantifica a fora da relao linear entre
duas variveis quantitativas
c) regresso linear: explicita a forma da relao linear

Exemplo 1: nota da prova e

tempo de estudo
X : tempo de estudo (em horas)
Y : nota da prova
Pares de observaes (Xi , Yi)
Tempo
Nota
3,0
4,5
7,0
6,5
2,0
3,7
1,5
4,0
12,0
9,3

Diagrama de Disperso

Coeficiente de correlao

linear

O coeficiente de correlao linear

definido como

S xy
S xx S yy

x y

xy

x2

y
y 2

n

Propriedades do coeficiente
de correlao linear

Propriedade
-1 r 1
Classificao da correlao
r = 1, correlao linear positiva e perfeita
r = -1, correlao linear negativa e perfeita
r = 0, inexistncia de correlao linear

Exemplo do clculo da correlao

Tempo ( X ) Nota ( Y ) X2
3,0
4,5
9
7,0
6,5
49
2,0
3,7
4
1,5
4,0
2,25
12,0
9,3
144
25,5
28
208,25

x y

xy
n

x2

y2

Y2
20,25
42,25
13,69
16
86,49
178,68

XY
13,5
45,5
7,4
6
111,6
184

25,5 * 28
5

2
2
2

25
,
5
28

208,25
178,68
y

5
5

184

0,9960

Grficos - exemplos da
classificao da correlao
Exemplo para r = 1

Grficos - exemplos da
classificao da correlao
Exemplo para r = -1

Grficos - exemplos da
classificao da correlao
Exemplo para 0 < r < 1

Grficos - exemplos da
classificao da correlao
Exemplo para -1 < r < 0

Grficos - exemplos da
classificao da correlao
Exemplo para r = 0

Grficos - exemplos da
classificao da correlao
Outro exemplo para r = 0

Exerccio.
Considere a relao entre temperatura e rendimento em um processo qumico . Os dados esto
ilustrados abaixo:
Temperatura ( C )
30
35
40
60
70
90
100

Rendimento (%)
35
40
42
70
85
87
91

Construa o diagrama de disperso e encontre o coeficiente de correlao.

Diagrama de disperso

Coeficiente de correlao:
r = 0.9591233

Reta ajustada

Definio de a e b
a : intercepto ou coeficiente linear
b : inclinao ou coeficiente angular
Interpretao
Para cada aumento de uma unidade em X,
temos um aumento de b unidades em Y.

Clculo dos Coeficientes de Regresso.

S xy
S xx

x y

xy

2
x

a y bx , onde

n
2
x
n

y
n

x
n

Clculo dos coeficientes de

Regresso.
Tempo ( X ) Nota ( Y ) X2
3,0
4,5
9
7,0
6,5
49
2,0
3,7
4
1,5
4,0
2,25
12,0
9,3
144
25,5
28
208,25

x y

xy
n

x2

Y2
20,25
42,25
13,69
16
86,49
178,68

XY
13,5
45,5
7,4
6
111,6
184

25,5 * 28
184
41,2
5

0,5268
2
78,2
25,5
208,25
5

a y bx 5,6 0,5268 * 5,1 2,9133

Equao da reta: Exemplo Notas

Exerccio.
Considere a relao entre temperatura e rendimento em um processo qumico . Os dados esto
ilustrados abaixo:
Temperatura ( C )
30
35
40
60
70
90
100

Encontre a reta ajustada.

Rendimento (%)
35
40
42
70
85
87
91

Exerccio.
b 0.86
a 12.07
Coeficiente de Determinao:

R 0.9591
Reta ajustada

y 12.07 0.87 x
Interpretao: A cada unidade aumentada da temperada, o rendimento
aumenta em mdia em 0.87%.