Beruflich Dokumente
Kultur Dokumente
ESTATISTICA PROBABILISTICA
(Primeira Parte)
ADMINISTRAÇÃO E COMUNICAÇÃO
Capitulo 1
Capitulo 2
Distribuições de Probabilidades
Professor Everaldo 2
Capitulo 1
Teoria das Probabilidades
Conceito → As probabilidades são usadas para demonstrar a chance de
ocorrência de um determinado evento. Foram desenvolvidas três abordagens
para a determinação de valores e definição de probabilidades. São elas:
• Enfoque Clássico
E conhecido como calculo a “a priori”, pois podemos determinar os resultados
antes de observada qualquer amostra do evento.
Formula Básica:
Onde :
a P ( x ) = Probabilidade de ocorrência do evento;
P (x) =
a + b a = numero de casos favoráveis;
b = numero de casos desfavoráveis.
Exemplo:
Qual a probabilidade de retirarmos um REI de um baralho de 52 cartas em uma
única oportunidade?
Observação :
4
P (x) = Probabilidade de “Não Ocorrência”
4 + 48 (INSUCESSO)
a
4 1 P ( não x ) = 1 -
P (x) = = a + b
52 13
⎛ a ⎞ 4 48
P( X ) = 1 − ⎜ ⎟ =1− = = 92 ,31 %
⎝ a + b ⎠ 52 52
Professor Everaldo 3
• Enfoque da Freqüência Relativa
E baseado na proporção das vezes que ocorre um resultado favorável em um
determinado numero de observações (amostra).
Exemplo:
Foram coletados dados para 10.000 adultos em uma determinada região do
país. Desse total foram selecionadas 100 pessoas que apresentaram taxas de
colesterol acima do nível normal.
Determinar a probabilidade de “uma pessoa” escolhida ao acaso, apresentar
taxas elevadas de colesterol.
a
P (x) = 100
a + b P (x) =
100 + 9900
0,01 ou 1%
• Enfoque Subjetivo
E uma avaliação pessoal do grau de viabilidade de ocorrência de um
determinado evento (feeling; conhecimento; experiência...). Não tem
embasamento científico.
Exemplo :
• Prognostico de uma greve;
• Recuperação de um doente;
• Previsão das decisões do Governo.
Professor Everaldo 4
1. A expressão de Probabilidade P(x)
Probabilidade de ocorrência do evento em analise em um determinado
experimento.
2. Intervalo de Variação
Menor Valor = ZERO
Indica que o evento e impossível. Probabilidade infinitamente pequena.
Maior Valor = HUM
Indica que o evento vai ocorrer com toda certeza.
Observação:
Em um dado experimento um evento pode ou não ocorrer.
Portanto, P(x) + p ( não x ) = HUM
3. Experimento aleatório
E aquele cujos resultados podem apresentar variações, mesmo quando
repetido em condições uniformes.
Exemplo:
• Observações de recém-nascidos
s= M; F
• Lançamento de uma moeda
s= K; C
• Lançamento de duas moedas
s= KK ; CC ; KC ; CK
Professor Everaldo 5
5. Evento
É qualquer subconjunto do espaço amostral (s)
A A C S
S B C S
B
7. Evento Simples
É o evento formado pôr apenas um elemento de S.
Exemplo:
Masculino ou Feminino;
(KK ; CC ; KC ; CK) duas moedas isoladamente.
8. Evento Composto
É aquele formado pôr dois ou mais elementos de S.
Exemplo:
Pelo menos uma cara (K) no lançamento de duas moedas;
(KK ; KC ; CK) três elementos de S.
Obtenção de um n.º par no lançamento de um dado;
(2, 4, 6) três elementos de S.
9. Evento Certo
Ocorre em todas as realizações do experimento.
Exemplo:
Lançamento de uma moeda (resultados possíveis: K ou C).
Professor Everaldo 6
10. Evento Impossível
Não ocorre em nenhuma realização do experimento.
Exemplo:
Probabilidade de sair o numero sete no lançamento de um dado.
A
U
S S A = O
A` A
U
A` = O
A
S A U A` = S
Exemplo:
Obtenção de uma face par no lançamento de um dado.
Professor Everaldo 7
A
B Exemplo:
S P (A) = extração de um ÁS Em uma única
P (B) = extração de um REI oportunidade
Exemplo:
AB P (A) = a carta é de ouro
Exemplo:
P (A) = a carta é preta
P (B) = a carta é vermelha
A B
S
Professor Everaldo 8
15. Eventos independentes
Quando a ocorrência do evento B não depende ou não está vinculada à
ocorrência do evento A.
Exemplo: Lançamento de dois dados
Professor Everaldo 9
Existem duas Categorias:
a) P (A ou B)
Probabilidade de ocorrência “de um ou outro” evento.
b) P (A e B)
Probabilidade de ocorrência “simultânea” dos eventos (ou de ambos).
Regras da Adição P (A ou B)
P ( A ou B ) = P ( A + B ) = P ( A ) + P ( B ) = P ( A U B )
P ( A ou B ) = P ( A ) + P ( B ) = P ( A U B )
A
B
Exemplo:
Determinar a probabilidade de retirarmos um “ás” ou um “rei” de um baralho de
52 cartas, em uma única oportunidade.
P (A) = um ás = 4 / 52
P (B) = um rei = 4 / 52
P (A U B) = P (A) + P (B)
4 / 52 + 4 / 52 = 8 / 52 = 2 / 13
Professor Everaldo 10
b) Eventos Não Mutuamente Exclusivos
P ( A ou B ) = P ( A U B ) =
U
P ( A ) + P ( B ) - P (A B)
A
B
Exemplo:
Qual a probabilidade de retirarmos um “ás” ou uma “carta de ouros” de um
baralho de 52 cartas, em uma única oportunidade.
P (A) = um ás = 4 / 52 P ( A ou B ) =
P (B) = uma carta de ouro = 13 / 52
4 / 52 + 13 / 52 – 1 / 52 = 16 / 52
Regras da Multiplicação P (A e B)
As regras de multiplicação se relacionam com a
determinação da probabilidade conjunta de eventos
(simultânea).
P(AeB) = P(A
U
B) = P(A) . P(B)
a) Eventos Independentes
Exemplo
Uma moeda não viciada é lançada duas vezes. Determinar a
probabilidade de que ambos os resultados sejam CARAS.
Professor Everaldo 11
Portanto,
P (A) = 1 / 2 P (A) . P (B) =
P (B) = 1 / 2 1/2.1/2 = 1/4 = 25%
b)Eventos Dependentes
Probabilidade Condicional
É quando a probabilidade de ocorrência do evento B está
condicionada a ocorrência do evento A.
P ( A e B ) = P ( A
U
B ) = P ( A ) . P ( B / A )
Exemplo
Qual a probabilidade de retirarmos um às
e um rei de um baralho de 52 cartas, em
duas oportunidades “sem reposição”
P (A) = 4 / 52
P (B) = P (B / A) = 4 / 51
P (A e B) = 4 / 52 . 4 / 51 = 1 / 13 . 4 / 51 = 4 / 663
Professor Everaldo 12
Exercícios:
1. Em uma urna existem 15 bolas numeradas de 1 a 15. Qual a
probabilidade de retirarmos 1 bola múltipla de três e múltipla de 4.
Resposta: 46,7%
a) Nota A em ambos:
Resposta: 32%
b) Nenhuma nota A:
Resposta: 12%
c) A em Matemática e não A em Filosofia
Resposta: 48%
d) não A em Matemática e A em Filosofia
Resposta: 8%
Professor Everaldo 13
Conceito: No cálculo das probabilidades (a priori), é necessário conhecer o
tamanho do espaço amostral. Precisamos conhecer todos os resultados
possíveis em um determinado experimento.
Uma das formas tradicionais é o uso das arvores de decisão. Entretanto,
quando o numero de resultados é muito grande sua aplicação não é muito
prática.
Ilustração gráfica:
Diagrama de árvore para ilustrar todos os arranjos possiveis
Resultados
Possiveis
• O principio da multiplicação
Vamos supor que um fabricante de automóveis pretende produzir um veiculo
com as seguintes características:
o Um modelo (1000 cilindradas com 16 válvulas);
o Quatro cores (azul, preto, verde e creme);
o Duas e quatro portas;
o Com e sem ar condicionado;
Professor Everaldo 14
o Com e sem direção hidráulica.
Questão: Calcular o mix possível de produção utilizando-se o principio da
multiplicação.
COMBINAÇÕES
DECISÕES
POSSÍVEIS
Modelo 1
Cores 4
Portas 2
Ar Condicionado 2
Direção 2
Mix total 32
Exemplo 2
Vamos supor que um aluno responde 15 questões de um teste qualquer. Cada
questão admite somente duas respostas (certo ou errado). Calcular o numero
de maneiras possíveis.
Os cálculos:
2x2x2x2x2x2x2x2x2x2x2x2x2x2x2
(quinze questões com duas possibilidades de respostas)
• Permutações e Arranjos
Conceito: Para quantificarmos o numero total de resultados em um
determinado experimento e considerando que a ordem dos elementos é
importante, recomenda-se a aplicação dos conceitos das Permutações e dos
Arranjos.
Neste caso: AB ‡ BA
Professor Everaldo 15
Permutações
Conceito: É o numero de maneira que n objetos podem ser arranjados.
Principio algébrico:
n! = n . (n-1) . (n-2) .......... 2 . 1
onde: n é sempre positivo
0! = 1 por definição
Exemplo (1):
Três membros de uma organização (A, B e C) se ofereceram como voluntários
para comporem a diretoria do ano seguinte, assumindo as funções de
presidente, tesoureiro e secretário. Determinar o número de permutações
possíveis.
3! = 1 x 2 x 3 = 6 A B C
A C B
B A C
B C A
C A B
C B A
Exemplo (2):
Vamos supor que quatro (A, B, C ou D) times de futebol disputam um torneio.
Determinar o numero total de maneiras que pode apresentar-se o resultado
final.
Colocação Times Possibilidades Suposição
1º Quatro ∴ 4 (A, B, C ou D) B Campeão
2º Três ∴ 3 (A, C ou D) D Vice
3º Dois ∴ 2 (A ou C) A 3º
4º Um ∴ 1 (C) C 4º
∴ 4 . 3 . 2 . 1 = 24
Professor Everaldo 16
Permutações com REPETIÇÕES
Conceito: Em algumas oportunidades nos deparamos com situações onde os
itens são iguais. Suponhamos, por exemplo, três letras (A, A, A) e outras duas
(B, B).
Uma permutação possível é do tipo: A A A B B
Se trocarmos de posição a letra B entre si não haverá modificação na
permutação. Nesse caso deve-se deduzir do total, pois nas permutações os
grupos são diferentes.
A formula para esse cálculo é a seguinte:
n!
n 1! n 2 !...... n 3 !
Portanto, temos:
5!
10
3 !2 ! =
Exemplo 2:
Em uma bolsa existem 10 bolas. Três azuis, quatro amarelas e três brancas. A
única diferença entre as bolas são as cores. Calcular de quantas maneiras
pode-se alinhá-las.
Portanto, temos: n! = 3 + 4 + 3 ∴ 10!
n1! . n2! . n3! = 3! . 4! . 3!
10 ! 3628800
= 4200
3 !4 !3 ! 864
Professor Everaldo 17
Arranjos
Conceito: Quando existe o interesse de conhecermos o número de
permutações de um sub grupo de n objetos, temos os Arranjos.
n!
fórmula: A n.x =
(n − x)!
Exemplo 1:
Suponhamos que uma organização é composta por 10 membros e que
nenhuma indicação tenha sido feita para os cargos de presidente, tesoureiro e
secretário. Determinar o número de arranjos possíveis.
10 ! 10 ! 10 .9 .8 .7!
A10.3 = = = = 720
(10 − 3 )! 7! 7!
Exemplo 2:
Numa corrida de cavalos existem sete cavalos competindo. Calcular o numero
possível de arranjos para os três primeiros colocados.
n = 7
7! 7! 7 .6 .5 .4!
x = 3 = = = 210
( 7 − 3)! 4! 4!
Combinações:
Conceito: Quando existe o interesse de conhecermos o número de
grupamentos dos objetos, sem levar em consideração a ordem de
apresentação, temos as combinações.
n!
fórmula: C n.x =
x! ( n − x ) !
Professor Everaldo 18
Neste caso: AB = BA
Exemplo 1:
Suponha o mesmo exemplo da organização composta por 10 membros e que
nenhuma indicação tenha sido feita para os cargos de presidente, tesoureiro e
secretário. Determinar o número de combinações possíveis.
1 0! 1 0 .9 .8
C 10.3 = = =120
3 !7 ! 3 . 2 .1
Exemplo 2:
De quantas maneiras diferentes o diretor de uma empresa pode escolher dois
estudantes de administração entre sete candidatos e três estudantes de
economia entre nove candidatos?
Solução:
7 9
2 3
= 1764
Professor Everaldo 19
O teorema de Bayes caracteriza-se como uma probabilidade condicional.
Entretanto, é utilizado quando o experimento apresenta mais de dois eventos.
Vamos supor o seguinte exemplo:
Diagrama de Arvore
0,004
(0,50 . 0,004) = 0,0020 Linha A
0,50
0,30 0,006
(0,30 . 0,006) = 0,0018 Linha B
0,20
0,012
(0,20 . 0,012) = 0,0024 Linha C
=(0,5*0,004)+(0,3*0,006)+(0,2*0,012) = 0,62%
=(0,5*0,004)/((0,5*0,004)+(0,3*0,006)+(0,2*0,012)) 32,25%
Professor Everaldo 20
(Exemplo 2)
Três máquinas fabricam um determinado produto. A máquina A apresenta 1%
de defeitos. A máquina B apresenta 2% e a máquina C apresenta 5%.
Vejamos:
Produtos Produtos
Máquina Produção c/ s/
defeitos defeitos
A 0,333 0,01 0,99
B 0,333 0,02 0,98
C 0,333 0,05 0,95
Responder:
Escolhido ao acaso um produto defeituoso, determinar a probabilidade de ter
sido produzido:
Pela Maquina A.
=(0,333*0,01)/((0,333*0,01)+(0,333*0,02)+(0,333*0,05)) = 12,50%
Pela Maquina B.
=(0,333*0,02)/((0,333*0,01)+(0,333*0,02)+(0,333*0,05)) = 25,00%
Pela Maquina C.
=(0,333*0,05)/((0,333*0,01)+(0,333*0,02)+(0,333*0,05)) = 62,50%
Professor Everaldo 21
(Exemplo 3)
Encima de uma mesa existem quatro urnas com bolas vermelhas, brancas e
azuis. A probabilidade de retirarmos qualquer bola de qualquer urna está
demonstrada na tabela abaixo:
P (xi) P (xi) P (xi) P (xi) P (xi)
Urnas
“a priori” Vermelha Branca Azul Total
A 0,25 0,10 0,60 0,30 1,00
B 0,25 0,60 0,20 0,20 1,00
C 0,25 0,80 0,10 0,10 1,00
D 0,25 0,00 0,60 0,40 1,00
Evidencia
Amostral
Calcular:
1. Retirando-se ao acaso uma bola vermelha, qual a probabilidade dessa
bola ser da Urna B
=(0,25*0,6)/((0,25*0,6)+(0,25*0,1)+(0,25*0,8))+(0,25*0,0) = 40,00%
Professor Everaldo 22
Capitulo 2
Distribuições de Probabilidades
a) Conceito → É uma distribuição de freqüência relativa para os resultados de
um espaço amostral. Demonstra a proporção das vezes que uma variável
aleatória tende a assumir cada um dos diversos vetores possíveis.
Exemplo 1:
Resultados possíveis no lançamento de duas moedas:
C= Coroa
Sendo:
K= Cara
Exemplo 2:
Numero de caras em duas jogadas de uma moeda:
Nº de caras (xi) P (xi) P(xi)
0 0,25 0,25
1 0,25
0,50
1 0,25
2 0,25 0,25
0,50
0,25
0,00
0 1 2
xi
b) Variáveis Aleatórias:
É uma descrição numérica do resultado de um experimento.
Professor Everaldo 23
• Variável Aleatória Discreta
Podem assumir um numero finito de valores em uma infinita seqüência de
valores tais como zero, um, dois...
Simplificando, são aquelas variáveis que podem ser contadas (números
inteiros)
Exemplo: numero de clientes; numero de funcionários, resultado de uma
partida de futebol,...Etc.
as
a
ia
ia
...
t ic
Administração Geral 18
lo g
om
nç
st
t ís
na
ic o
on
ini
ta
Fi
Ec
m
Ps
Es
Ad
• Variável Aleatória Continua
São aquelas que podem assumir qualquer valor em um determinado intervalo.
Em outras palavras, podem assumir um numero infinito de valores.
Exemplo: peso dos alunos; diâmetro dos parafusos, duração de uma conversa
telefônica, etc.
Obs. Medidas de um modo geral
1,60 a 1,70 22 20
15
1,70 a 1,80 18
10
1,80 a 1,90 10
5
0
1,50 a 1,60 1,60 a 1,70 1,70 a 1,80 1,80 a 1,90
Professor Everaldo 24
c) Distribuições Discretas de Probabilidades (Descontinuas):
x = variável aleatória;
P (x) ou f (x) = função probabilidade de ocorrência de cada valor de x.
Espaço P (x)
Amostral 0,20
1 0,17 0,15
2 0,17
0,10
3 0,17
4 0,17 0,05
5 0,17 0,00
6 0,17 1 2 3 4 5 6
1,00
1 2 3 4 5 6
Espaço Amostral
1 2 3 4 5 6 7
2 3 4 5 6 7 8 Todos os resultados
3 4 5 6 7 8 9
4 5 6 7 8 9 10 possíveis
5 6 7 8 9 10 11
6 7 8 9 10 11 12 (n = 36)
xi P (xi)
2 2,78% Portanto,
3 5,56% Soma P (X i) = 1
4 8,33%
5 11,11% sendo o i de 1 a n
Distribuição
6 13,89%
Discreta de 7 16,67%
20,00%
Probabilidades 8 13,89%
9 11,11% 15,00%
10 8,33%
11 5,56% 10,00%
12 2,78%
100,00% 5,00%
0,00%
2 3 4 5 6 7 8 9 10 11 12
Professor Everaldo 25
d) Esperança Matemática E (xi)
Valor Esperado (valor de maior freqüência)
Conceito: é a média de uma variável aleatória. Portanto, é a medida de
tendência central para a distribuição de probabilidades.
Símbolo utilizado; E (x) ou µ
Formula básica; E (xi) = ∑ [x i . p (x i)]
Exemplo prático:
Determinar a esperança matemática no lançamento de dois dados.
Xi P (xi ) X i . P (xi )
2 1/36 2/36
3 2/36 6/36
4 3/36 12/36 20,00%
5 4/36 20/36
6 5/36 30/36 15,00%
7 6/36 42/36 10,00%
8 5/36 40/36
9 4/36 36/36 5,00%
10 3/36 30/36
11 2/36 22/36 0,00%
12 1/36 12/36 2 3 4 5 6 7 8 9 10 11 12
Total 252/36
252
E(Xi) = =7
36
e) Variância
Conceito: É a medida de variabilidade que mede a dispersão dos valores da
variável aleatória em análise.
Professor Everaldo 26
Exemplo pratico: calcular a variância no lançamento de dois dados
Xi x-µ (x - µ)2 (x - µ)2.p(x)
P(xi ) media
2 -5 25 0,694 0,0278 7
3 -4 16 0,889 0,0556
4 -3 9 0,750 0,0833 var = 5,83
5 -2 4 0,444 0,1111 dpad = 2,42
6 -1 1 0,139 0,1389
7 0 0 0,000 0,1667
8 1 1 0,139 0,1389
9 2 4 0,444 0,1111
10 3 9 0,750 0,0833
11 4 16 0,889 0,0556
12 5 25 0,694 0,0278
0 0 5,833 1,00
0 4
1 6
2 6
3 3
4 1
Professor Everaldo 27
Resposta: 1,55 maquinas / dia.
Determinar também:
• A Variância e o Desvio Padrão
• A venda mensal da loja considerando 300 lojas e 20 dias úteis do mês.
Resposta: 1,55 x 20 = 31 maquinas / mês
31 x 300 = 9.300 maquinas /mês
Exemplo 4: Investimento
Um investidor acredita ter 40% de chance de ganhar 25.000 reais e 60% de
perder 15.000 reais em um determinado investimento. Qual o resultado
esperado?
Xi P(Xi) Xi P(Xi)
Professor Everaldo 28