Faculdade Pitgoras Kroton Educacional

ESTATSTICA
ESTATSTICA &
&
PROBABILIDADE
PROBABILIDADE
Turma Eng. Mecnica 3 Perodo
Noturno

BEM VINDOS!!!!

ESTATSTICA E
PROBABILIDADE
ENGENHARIA MECNICA

Prof. Mrcio Cordeiro

Apresentao
MRCIO CORDEIRO
Engenharia Mecnica Universidade Federal de
Uberlndia
MBA Gesto Empresarial Fundao Getlio Vargas
Especializao em Engenharia e Manuteno PUC
Minas
15 anos de experincia em Engenharia Industrial

Curso
Fundamentos tericos
Exemplos Prticos
Exerccios para fixao dos conceitos

NORMAS E REGRAS DA
FACULDADE

 CONTROLE DE FREQUNCIA e ABONO DE

FALTAS;
(presena s para os nomes que esto na lista)
NOTAS DE PROVAS E TRABALHOS
- Qualidade dos trabalhos e relatrios;
- Qualidade das provas;
- Nota final de semestre.
HORRIO/PARTICIPAO NAS AULAS
BOLSA/FINANCIAMENTO ESCOLAR - PROUNE

EMENTA

CALENDRIO

Aplicaes da Estatstica
reas de Aplicao da Estatstica
Medicina: (Diagnstico, Prognstico, Ensaios Clnicos);
Gentica e Epidemiologia;
Agricultura (Experimentao Agrcola, testes de novas sementes);
Indstria e Negcio (Controle de Qualidade, Previso de Demanda,
Gerenciamento Eficiente, Mercado e Finanas);
Economia (Tcnicas Economtricas e Sries Temporais);
Pesquisa (Artes, Arqueologia, Cincias Agrrias, Cincias Exatas, Cincias
Sociais, Literatura, Meio Ambiente, Mercado, Petrleo);
Direito (Evidncia estatstica, teste de DNA, investigao criminal);

Conceitos
Dados: um conjunto do observaes coletadas.
Dados quantitativos: (peso, medida, tamanho, idade,etc.)
Dados qualitativos:(sexo, cor, estado civil,etc.)
Populao: combinao completa de todos os elementos
(notas, pessoas,medidas,etc.) a serem estudados.
Espao Amostral: o conjunto de todos os resultados
possveis de um experimento.
Amostra: subconjunto ou parte da populao/experimento
retirado para anlise.

Conjunto universo ou populao

Amostra

Conceitos
Senso: o conjunto de dados de toda uma populao.
Dados Discretos: quando o nmero de valores possveis um
nmero finito ou uma quantidade mensurvel. (ex.:Quantidade
de acidentes de transito no ltimo feriado de carnaval).
Dados contnuos: infinitos valores possveis que correspondem a
uma escala contnua que cobre um intervalo.(ex.: quantidade de
leite produzido por uma vaca em um intervalo de 0 a 20 litros,
pode assumir qualquer valor: 0,1L, 2,45L, 12,3L 14,57L,etc)

Conceitos
Existem 3 tipos de mentiras: mentira,
mentiras horrveis e estatstica Estadista Benjamin Dissaeli
Amostras tendenciosas: no representam
fielmente a populao.
Amostra voluntria: aquela qual os
respondentes decidem por eles mesmos, se
sero ou no includos.

Conceitos
EXPERIMENTOS
Estudo observacional: observar, medir ou coletar
caractersticas especficas sem modificar o sujeito
do objeto em estudo.(ex.: pesquisa de opinio)
Estudo experimental: aplicado algum tratamento e
observado um efeito sobre o sujeito. (ex.:teste de
vacina contra AIDS)

Conceitos
AMOSTRAS
Replicao: repetio de um
experimento e grupos suficientemente
grandes.
Mtodos de Amostragem:

Seleo puramente aleatria sem

nenhum critrio de seletividade

Ex.: Separao por sexo

Masculino ou Feminino

Ex.: seleo da amostra de

acordo com uma ordem

Ex.: levantamento dos acidentes

de transito na regio sudeste

O critrio simplesmente aquele

para tornar a amostragem mais
fcil rpida

Fim Aula
Conceitos de Estatstica

CALENDRIO

BIBLIOGRAFIA#1
BIBLIOGRAFIA#2

2 Introduo Estatstica
Descritiva

Amostra

Medidas de Centro

Medidas de disperso

Problema

Amostra de gua contaminada com produto

qumico. Calcular a mdia e o desvio padro dos
dados amostrais

#1
#9

#7
#10

#4

#8

#3
#13

#11
#12

#2

#5
#14

#6
#16
#15

#17
#18
#19
#20

Medidas de Centro
Mdia ou Esperana:
Se as n observaes de uma amostra forem
denotadas por x1, x2,...,xn, ento a mdia da
n
amostra ser:

x1 x2 ... xn
x

n
Ponto Mdio:

xmx. xmn.
pm
2

x
i 1

Medidas de Centro
Moda: Representa o valor que aparece com
maior frequncia na amostra

Mediana: Representa o valor que ocupa a

posio central da amostra

Medidas de Disperso
Varincia: Se as n observaes de uma amostra forem
denotadas por x1, x2,...,xn, ento a mdia da amostra ser:
n

2 V ( x)

2
(
x

x
)
i
xi 1

n 1

Desvio Padro: a raiz quadrada da varincia

n

2
(
x

x
)
i
xi 1

n 1

Medem a variabilidade dos dados em torno da mdia. Quanto maior a

vAriabilidade dos dados maior ser o valor dos desvios x x

Exerccio Resolvido
Um artigo no Journal of Structural Engineering (Vol.15,1989) descreve
um experimento para testar a resistncia resultante em tubos
circulares em calotas soldadas nas extremidades. Os primeiros
resultados (em kN) foram:
96,96,102,102,104,108,126,126,128,128,140,156,160,164 e 170.
Calcular:
a)Mdia
b)Moda
c)Mediana
d)Desvio Padro e Varincia

Exerccio Resolvido

Fim Aula
Introduo Estatstica Descritiva

3 Distribuies de
Frequncia

Conceitos:

Distribuio de
Frequncias

Uma distribuio de frequncia: (ou tabela de frequncia) lista os valores dos

dados (individualmente ou em grupos de intervalos), juntamente com suas frequncias
correspondentes ou contagens.
n: Tamanho da amostra
Amplitude da amostra:

am (valor mximo valor mnimo)

Nmero de classes: K Varia de 5 a 20 ou

Amplitude da Classe:

k n

(valor mximo) (valor mnimo) am

ac

nmero declasses
k

Distribuio de
Frequncias

Conceitos continuao:

Ponto mdio de classe: pm

Limite sup erior de classe Limite inf erior de classe

2

Frequncia de classe: Nmero de amostras ou pontos da amostra contido

dentro
do intervalo de classe, ou seja nmero de pontos amostrais contidos dentro da
classe

Distribuio de
Frequncias

Conceitos continuao:

Limites inferiores de classe: so os menores valores que podem pertencer

s diferentes classes;
Limites superiores de classe: so os maiores valores que podem pertencer s
diferentes classes;
Fronteiras de Classes: so os valores usados para separar as classes;
Pontos mdios das classes: So os pontos mdios dos intervalos que
determinam cada classe;
Amplitude de classe: diferena entre os dois limites inferiores de classe
consecutivos ou duas fronteiras inferiores de classe consecutivos.

Distribuio de
Frequncias

Amplitute de classe: 41- 31

Exemplo:

Limite superior de classe

Limite inferior de classe

Fronteiras de classe

Ponto mdio de classe

Limites de classe

21

30

31

30.5

40

41

50

51

50.5

40.5
45.5

60

61

60.5

70

71

70.5

Fronteiras de classe

80

f .x 2718

35,8
76
f
1
2

Varincia
n 1

f .x
(x . f )
2
i

Desvio Padro Varincia 11,42

11,42

1
(2718) 2

106999
130,59
76

1
76

EXERCCIO RESOLVIDO
(Distribuio de Freqncias)
Os seguintes dados so medidas de intensidade solar direta (Watts/m 2), em dias diferentes, em
uma localizao no sul da espanha:
562,869,708,,775,775,704,809,856,655,806,878,809,918,558,768,870,818,940,946,661,820
,898,935,952,957,693,835,905,939,955,960,498,653,730 e 753
Pede-se:
a)Calcular a amplitude da amostra
b)Calcular o nmero de classes
c)Calcular a amplitude das classes
d)Montar a distribuio das freqncias
e)Calcular a Mdia
f)Calcular a varincia e desvio padro
g)Montar o grfico de distribuio de freqncias
h) Calcular a freqncia relativa e freqncia absoluta
i) Grfico de freqncia relativa e freqncia acumulada
j) Grfico de Ramo e Folha

Resoluo:
a) Clculo da Amplitude da amostra:
A maior valor maior valor 960 498 462

b) Clculo do nmero de classes (k):

k

35 5,9 6,0( arredonda para o prximo valor int eiro )

c) Clculo da amplitude das classes (ac):

A 462
ac
77
k
6
d) Montagem da distribuio das freqncias

Resoluo:
e) Clculo da Mdia:
x

f .x
f
i

28024,5
800,7
35

f) Clculo da Varincia e Desvio Padro:

2
1

Varincia
n 1
2

f .x
(x . f )
2
i

1
(2824,5) 2

22959707
15102,64
35
35 1

Desvio Padro Varincia 122,89

g) Grfico de Distribuio de Freqncias:

Resoluo:
h) Clculo Freqncia Relativa e Freqncia Acumulada:
Freqncia Relativa: FAc FR
Freqncia Acumulada: FAc FRi
i

i) Grfico da Freqncia Relativa e Freqncia Acumulada

Resoluo:
j) Grfico de Ramo e Folha:

Exerccios de Fixao
#1 O tempo de ignio frio de um motor de carro est sendo investigado
por um fabricante de motores gasolina. Os seguintes tempos (em
segundos) foram obtidos em um veculo de teste:1,75; 1,92; 2,62; 2,35;
3,09; 3,15; 2,53 e 1,91. Pede-se:
a) calcular a moda, mediana, mdia e o desvio padro.
#2 As nove medidas que seguem abaixo so temperaturas de fornalha,
registradas em bateladas sucessivas de um processo de fabricao de
semicondutores (em graus F): 953; 950; 948; 955; 951; 949; 957; 954 e
955. Calcular:
Mdia, varincia e desvio padro

Mediana

De quanto o valor da temperatura podeira aumentar, sem mudar o valor

da mediana?

Exerccios de Fixao
#3 Um fabricante de molas est interessado em implementar
um sistema de controle de qualidade para monitorar seu
processo de produo. Como parte deste sistema de
qualidade, foi decidido registrar o nmero de molas fora de
conformidade, em cada batelada de produo, de tamanho
igual a 50. Durante a produo, 40 bateladas de dados
foram coletadas, sendo reportada aqui:

Pede-se:
a)
Montar a distribuio de freqncias para esta amostra
b) Montar o grfico de distribuio de freqncias;
c)
Montar o grfico de ramo e folhas;
c)
Calcular a mdia, a varincia e o desvio padro

Exerccios de Fixao
#4 Os seguintes dados so medidas de viscosidade para um produto
qumico observado de hora em hora (leia ento para baixo e da
esquerda para a direita). Pede-se:

a)
b)
c)

Montar a distribuio de frequncias passoa a passo para esta

amostra;
Montar o grfico de distribuio de frequncias;
Calcular a mdia, a varincia e o desvio padro.

Exerccios de Fixao
#5 Considere as duas amostras abaixo:

a) Calcule a amplitude para ambas as amostras. Voc concluiria

que ambas as amostras exibem a mesma variabiliade?
a) Calcule o desvio padro para ambas as amostras. Estas
grandezas indicam que ambas as amostras tm a mesma
variabilidade?Explique.
b) Escreva um curto texto contrastando a amplitudeda
amostra com o desvio padro, como uma medida de
variabilidade.

Fim Aula
Distribuies de Frequncia

4- COEFICIENTE DE
CORRELAO E REGRESSO
LINEAR

Problema Mapeamento de Mina

#1

#2
#6

#3
#5

#7

#4
#8

#9

Problema

Foi executado uma coleta de amostras de solo em uma regio

demarcada para verificar o percentual de minrio contido no solo
para fins de explorao futura. Durante a coleta observou-se que o
percentual varia em funo da profundidade de furao no solo.
Segue os dados amostrais conforme tabela abaixo.

Qual o percentual de minrio esperado para uma profundidade acima de 3,0m?

Ser vivel extrair minrio no ponto #3 considerando que o percentual mdio
esperado deve ser pelo menos 39% minrio disponvel para se tornar vivel a
extrao.
Como resolver este tipo de problema?

Modelos Empricos
Na engenharia comum os engenheiros utilizar
de modelos empricos para a formulao de
problemas;
comum encontrar problemas ou situes onde
duas ou mais variveis de interesse no
possuem um modelo matemtico conhecido.
Neste caso faz-se necessrio construir um
modelo relacionando as variveis entre si, este
tipo de modelo chamado de modelo emprico.

Diagrama de Disperso

Observando o diagrama de disperso acima razovel considerar que a mdia da

varivel aleatria Y esteja relacionada a x pela seguinte relao linear:

E (Y x) (Y x) A Bx

Modelo de Regresso Linear

A varivel dependente ou de resposta est
relacionada a uma varivel independente ou
regressor como:

Y A Bx

Como Criar o Modelo de Regresso

Linear
Mtodo dos Mnimos Quadrados
yi A Bxi Sendo: i 1,2,..., n
Sendo a soma dos quadrados dos desvios das observaes em
relao linha de regresso dada por:
n

L e ( yi A Bxi ) 2
i 1

2
i

i 1

Os estimadores de mnimos quadradados A e B tm que satisfazer

as equaes abaixo:
n
L
2 ( yi A Bxi ) 0
A A, B
i 1

n
L
2 ( yi A Bxi ) 0
B A, B
i 1

Como Criar o Modelo de Regresso

Linear
Mtodo dos Mnimos Quadrados
Y

Valores observados

Linha estimada de regresso

Y=A+Bx

Como Criar o Modelo de Regresso

Linear
Mtodo dos Mnimos Quadrados
Y

Valores observados

Linha estimada de regresso

Y=A+Bx

Em resumo...Mtodo dos Mnimos

Quadrados
Regresso linear em x:
n

xi
i 1

yi
i 1

x By

x y

i 1

xi yi
n

( yi ) 2

i 1

i 1

x
i 1

y Bx

i 1

i 1

Regresso Linear em Y:

i 1

2
y
i

x y
i

i 1

x y
i 1

n
n

x
i 1

2
i

i 1

( xi ) 2
i 1

Coeficiente de Correlao
Mede a associao linear entre a curva de regresso e os valores de x e y
Esta varivel verifica se a correlao entre x e y satisfatoria ou no.
Valores de prximos de 0 significa que os valores de x e y no possuem boa
correlao, enquanto que valores de prximos de 1 indicam que os valores de
x e y esto perfeitamente correlacionados.
n

rxy

x y
i

i 1

i 1

x y
i

i 1

xi

i 1
.

n


n

-1 1

i 1

i 1

y
i 1

Voltando ao Problema...

Pede-se calcular os parmetros A e B;

Montar a equao de regresso linear;
Calcular o coeficiente de correlao.

A 43.67833
B 1.67667

y A Bx

Como:
Tem-se: y 43.67833 1.67667 x

Calculando o coeficiente de
correlao...
n

rxy

x y
i

i 1

x y

i 1

xi
n
xi2 i 1 .

n
i 1

i 1

y
i 1

rxy 0,83

2
i

y
i 1

40,5.325,2
9

2
2

40,5 . 11995,44 325,2

242
,
25

9
9

1362,8

Exerccio
Resolvido
Em um teste de eficincia de um motor trmicos verificou-se que existe
uma relao entre a temperatura de queima e a eficincia do motor
conforme dados abaixo:

a)Montar a equao de regresso entre a eficincia trmica e a

temperatura de queima do motor
b)Calcular o coeficiente de correlao e verificar se existe uma
associao linear entre os dados e a curva equao de correlao
c)Calcular o valor da eficincia trmica para uma temperatura de 263 C.

Resoluo:
a)Equao de correlao

x y
i

i 1

i 1

i 1

xi yi
n
n

x
i 1

2
i

( xi ) 2
i 1

y
i 1

1427 x 2,23
6

0,00086
2

1427
343205
6
533,65

n
n

x
i 1

2,23
1427
0,00086
0,16718
6
6

n
n
como :
y A Bx
y 0,16718 0,00086 x

Resoluo:
b) Coeficiente de correlao
n

rxy

x y
i

i 1

x y
i 1

i 1

i
n
i 1

xi

i 1

i
n
i 1

yi

n
i 1

1427 x 2,23
6
0,7307
2
2

1427 . 0,8341 2,23

343205

6
6

533,65

Quanto mais prximo de 1 for o coeficiente de correlao melhor

a associao linear entre a curva e os valores (x e y) da amostra. Neste caso especfico,
como o coeficiente de correlao 0,73 isso indica que a curva no est perfeitamente
ajustada para os dados.

como y 0,16718 0,00086 x

c) Clculo da eficincia trmica para uma temperatura de 263C.
para x 263 tem se :
y 0,16718 0,00086(263) 0,39
y 0,39

Exerccios de Fixao
1) A quantidade de fibras de vapor usadas por ms em uma planta qumica est
relacionada temperatura (F) mdia ambiente para aquele ms. O consumo
do ano passado e a temperatura so mostrados na tabela seguinte:

Pede-se:
a) Considerando que um modelo de regresso linear simples seja apropriado,
ajuste o modelo de regresso relacionando o consumo de vapor (y) com a
temperatura mdia (x), ou seja y=A+Bx.
b) Calcule o coeficiente de correlao linear.
c) Qual ser a estimativa de consumo esperado de vapor, quando a
temperatura mdia for 55 F?

Exerccios de Fixao
1) O estabelecimento de propriedade de materiais um importante problema na
identificao de um substituto adequado para materiais biodegradveis na
indstria de embalagens para refeies rpidas ( fast food). Considere os
seguintes dados sobre densidade de um produto (g/cm3) e a condutividade
trmica k (W/m.k), publicados na revista Materials Research and Innovation
(1999,pp.2-8).

Pede-se:
a) Montar a equao de regresso linear relacionando a densidade do produto (x)
condutividade trmica (y), ou seja y=A+Bx.
b) Calcule o coeficiente de correlao e responda se a curva possui uma boa
associao linear com os dados x e y.
c) Encontre a condutividade trmica mdia , dado que a densidade do produto
0,2350?

e) Calcule o valor ajustado de y, correspondente a x=0,2260;

f) Calcule o valor ajustado de y para cada valor de x usado para ajustar o
modelo.

Fim Aula
Coeficiente de Correlao
e Regresso Linear

5 INTRODUO TEORIA DAS

PROBABILIDADES

Conceitos bsicos
Experimento aleatrio: todo experimento
que, mesmo quando repetido vrias vezes da
mesma
maneira,
apresenta
resultados
diferentes.
Espao amostral: o conjunto de todos os
resultados possveis de um experimento
aleatrio.

Exemplo de espao amostral

Considere um experimento em que uma pea plstica seja selecionada, para
medio de sua espessura. Os valores possveis da espessura dependem da
resoluo do instrumento de medio e tambm dos limites inferior e superior da
espessura. Entretanto conveniente representar o espasso amostral com a linha
dos nmeros reais positivos:

S R {x / x 0}
Se so conhecidos os limites inferior e superior , 10 e 11 mm, respectivamente,
ento:

S R {10 x 11}
Se o objetivo da anlise for apenas onsiderar o fato de a pea ter espessura
alte, mdia ou baixa, ento o espao amostral ser:

S {alta, mdia, baixa}

Se o objetivo da anlise for apenas considerar o fato da pea obedecer ou no
s especificaoes de fabricao ento o espao amostral, ser:

S {sim, no}

Exemplo de espao amostral

Lanamento de uma moeda:

2 possibilidades possveisc(cara c ou coroa k)

S {k , c}
Lancamento de 2 moedas simultaneamente:

4 possibilidades possveis

S {k c, c k , c c, k k}

Lanamento de um dado:

6 resultados possveis

S {1,2,3,4,5,6}
Lanamento de 2 dados simultaneamente:
36 resultados possveis

S {1 2,1 3,1 4,1 5,1 6;2 3,2 4,2 5,2 6,3 4,3 5,3 6,4 5,4 6,
6 1,6 2,6 3,6 4,6 5,6 6,5 1,5 2,5 3,5 4,5 5,5 6,4 1,4 2,4 3,
4 4,3 1,3 2,3 3,2 1,2 2,1 1}

Diagrama de rvore para

representar o espao amostral
Lanamento de uma moeda:
1o Lanamento:

2o Lanamento:

3o Lanamento:

S {ccc, cck , ckc, ckk , kcc, kck , kkc, kkk}

Eventos
Evento: um subconjunto do espao amostral de
um experimento aleatrio.
Eventos mutuamente excludentes: dados dois
eventos E1 e E2 tal que:

E1 E2
so chamados de mutuamente excludentes.

Definies:
Evento: qualquer conjunto de resultados
ou consequncia de um experimento.
Evento simples: um resultado ou um
evento que no pode ser mais decomposto
em componentes mais simples.
Espao amostral: so todos os eventos
simples possveis.

 Exemplo No lanamento simultneo de

2 moedas tem-se:
Espao amostral: {(c,c);(c,k);(k,c);(k,k)}
Evento e evento simples: (c,k)

Relao entre eventos

Unio: o evento que consiste em todos os resultados
que esto contidos em cada um dos dois eventos.
Denotamos por : E E
1

Interseco: o evento que consiste em todos os

resultados que esto contidos nos dois eventos
simultaneamente. Denotamos por: E E
1

Complemento: o conjunto de todos os resultados no

espao amostral que no esto no evento. Denotamos
por: complemeno de E E ou Ec.

Diagramas de Venn
b)

a)

A B

c)
A

d)

A B

B
C

A B C

Diagramas de Venn
e)

f)

Ac

A B C
g)

d)

Eventos A e B mutuamente
excludentes

A B A B
A B

B
C

( A B C )c

Diagramas de Venn
j)

i)

( A B)c

( A B)c

Exerccio #1

Trs eventos so mostrados no diagrama de Venn abaixo:

B
C

Reproduza a figura e sombreie a regio que corresponde a

cada um dos eventos abaixo:
c
A
a)
c
(
B

C
)
b)
c) A B
d) ( A B) C
c
(
A

B
)
C
e)

Exerccio #2

Trs eventos so mostrados no diagrama de Venn abaixo:

Reproduza a figura e sombreie a regio que corresponde a

cada um dos eventos abaixo:
c
A
a)
c
(
B

C
)
b)
( A B) ( A B c )
c)
( A B) C
d)
( A B)c C
e)

Probabilidade
A probabilidade base para a construo dos
mtodos de indeferncia estatstica.
a
A probabilidade usada para quantificar
possibilidade ou chance de ocorrncia de um
resultado de um experimento aleatrio.
Os valores da probabilidade se expressam entre 0
e 1 inclusive.

Notao de Probabilidade
P : representa a probabilidade;
A, B, C, etc.: representam os eventos
especficos;
P(A): representa a probabilidade de
ocorrncia do evento A;

 Resultados igualmente provveis: Toda

vez que um espao amostral consistir em
N resultados possveis que forem
igualmente provveis, a probabilidade de
cada resultado 1/N.
Probabilidade de um evento: para um
espao amostral discreto, a probabilidade
de um evento E , denotada por P(E), igual
a soma das probabilidades dos resultados
em E.

Exemplo

Um experimento aleatrio pode resultar em um dos resultados {a,b,c,d} com

probabiliades 0,1;0,3;0,5 e 0,1 respectivamente. Seja A o evento {a,b}, B o
evento {b,c,d} e C o evento {d}. Ento:

P(A)=0,1+0,3=0,4
P(B)=0,3+0,5+0,1=0,9
P(C)=0,1
P(Ac)=0,6
P(Bc)=0,1
P(Cc)=0,9

A B {b}
P ( A B ) 0,3

A B {a, b, c, d }
P( A B ) 0,1 0,3 0,5 0,1 1

Exerccio

O espao amostral de um experimento aleatrio {a,b,c,d,e}, com probabiliades

0,1;0,1;0,2;0,4 e 0,2 respectivamente. Seja A o evento {a,b,c} e B o evento
{c,d,e} .Determinar:

P(A)
P(Ac)
P(B)

P( A B)

P( A B)

Regras da Probabilidade
Aproximao da probabilidade pela frequncia relativa:
Observe um procedimento e conte o nmero de vezes em que o evento A ocorreu. Com base
neses resultados, P(A) estimada como:

P ( A)

nmero de vezes que ocorreu A

nmero de vezes que o proce dim ento foi repetido

Abordagem clssica da probabilidade:

Suponha que um determinado experimento tenha n diferentes eventos simples e cada um
deles tenha um chance de ocorrer. Se o evento A pode ocorrer em s dessas n maneiras, ento

nmero de vezes que A pode ocorrer

s
P ( A)

nmero de diferentes eventos simples n

Probabilidades subjetivas:
P(A), a probabilidade do evento A, estimada com base no conhecimento de circusntncias
relevantes

Exemplos
Ache a probabilidade de que, quando um casal tem trs filhos, exatamente
dois deles sejam meninos. Suponha que o sexo de um no seja influenciado
pelo sexo de qualquer outro.
P(2 meninos em 3 nascimentos) = 3/8 = 0,375
menino menino menino
menino menino menina
menino menina menino
menina menino menino
menina menina menino
menina menino menina
menino menina menina
menina menina menina

Regras da Probabilidade
Aproximao da probabilidade pela frequncia relativa:
Ao tentarmos determinar a probabilidade de um tachinha cair de ponta para cima, devemos repetir
o procedimento de jogar a tachinha para cima vrias vezes de depois achar a razo entre o nmero
de vezes que a tachinha caiu de ponta para cima em relao ao nmero total de jogadas.

Abordagem clssica da probabilidade:

Tentamos determinar a probabiliadade de um dado cair com a face nro. 2 para cima P(2) durante um
lanamento, supondo que todas as seis faces tm chances iguais de ocorrncia.

P (2)

1
6

Probabilidades subjetivas:
Ao tentar estimar a probabilidade de chuva amanh, os metereologistas usam seus conhecimentos
especficos de previso do tempo calcular uma estimativa de probabilidade.

Regras da Probabilidade
A probabilidade de um evento impossivel 0;

P ( ) 0
A probabilidade de um evento cuja ocorrncia certa 1;
Para qualquer evento E, a probabilidade de E est entre 0 e 1,
inclusive. Isto : 0 P(E) 1;
O complementar de um evento E Ec, que consiste em todos os
resultados em que A no ocorre.

P( E c ) 1 P( E )

Probabilidade de uma Unio

2 Eventos: A e B

P ( A B ) P ( A) P ( B ) P ( A B )
Se A e B so mutuamente excludentes ento:

P ( A B ) P( A) P ( B)

Eventos A e B mutuamente
excludentes

A B A B
A B

Probabilidade de uma Unio

3 Eventos: A, B e C
P( A B ) P ( A) P ( B ) P (C ) P ( A B ) P ( A C ) P ( B C ) P( A B C )

Se A e B so mutuamente excludentes ento:

P ( A B C ) P ( A) P( B ) P (C )
B

Uma coleo de eventos E1, E2, E3, ...En

Ei E j
P( E1 E2 E3 ... En P( E1 ) P( E2 ) P( E3 ) .... P ( En )

Eventos A e B mutuamente
excludentes

A B C A B C
A B C

Exerccios
1 Se P(A) =0,3, P(B)=0,2 e P(AB)=0,1, determine as seguintes probabilidades:
a) P(Ac)
b) P(AUB)

2 No artigo ACL Reconstruction Using Bone-Patellar Tendon-Bone Press-Fit Fixation:

10-Year Clinical Results em Knee Surgery Sports Traumatology Arthroscopy (2005,
Vol. 13, p. 248-255), foram consideradas as seguintes causas para leses no joelho:
Atividade
% de leses no joelho
Esporte de contato
46%
Esporte sem contato
44%
Atividade da vida diria
9%
Dirigir motocicleta1%
a) Qual a probabilidade de uma leso no joelho ter resultado de um esporte (contato ou
sem contato)?
b) Qual a probabilidade de uma leso no joelho ter resultado de uma atividade diferente
de esporte?

Exerccios
3 Cabos de fio de cobre, provenientes de um fabricante, so analisados
em relao resistncia e condutividade. Os resultados de 100 cabos
so dados a seguir:

a) Se um cabo for selecionado aleatoriamente, qual a probabilidade de

sua condutividade ser alta e sua resistncia ser alta?
P(AB)=74/100
a) Se um cabo for selecionado aleatoriamente, qual a probabilidade de
sua condutividade ser baixa e sua resistncia ser baixa?
P(AB)=3/100
a) Considere o evento em que um cabo tenha baixa condutividade e o
evento em que o cabo tenha baixa resistncia. Estes dois eventos so
mutuamente excludentes?

Exerccios
4 A anlise de eixos para um compressor est resumida de acordo com
as especificaes abaixo:

a) Se o eixo for selecionado ao acaso, qual ser a probabilidade do mesmo

atender aos requerimentos de acabamento da superfcie?
b) Qual a probabilidade de o eixo selecionado atender aos requerimentos de
acabamento da superfcie ou aos requerimentos de aspecto arredondado?
c) Qual a probabilidade de o eixo selecionado atender aos requerimentos de
acabamento da superfcie ou no atender aos requerimentos de aspecto
arredondado?
d) Qual a probabilidade de o eixo selecionado atender tanto aos requerimentos
de acabamento da superfcie como aos requerimentos de aspecto arredondado?

Probabilidade Condicional
A probabilidade condicional de um evento B,
dado um evento A, denotada por P(B/A)

P( B / A) P( A B) / P( A)
para :
P( A) 0

Exemplo de aplicao
Dada a amostra abaixo:

Pede-se:
a) Qual a probabilidade de defeito em uma pea dada falha na
superfcie?
P ( D / F ) P ( D F ) / P ( F ) (10 / 400) /( 40 / 400) 10 / 40

b) Qual a probabilidade de falha na superfcie dada uma pea

defeituosa?
P( F / D ) P ( F D ) / P ( D ) (10 / 400) /( 28 / 400) 10 / 28

Resoluo pelo diagrama de rvore

Falha na superfcie:

Defeito:

Sim:10/40

SIM: 40/400

NO: 360/400

Sim:18/360
No:30/40

P ( D / F ) (10 / 400) /( 40 / 400)

No:342/360

Exerccio de fixao #1

Amostras de uma pele com descamao so analisadas em

relao ao teor de umidade e de melanina. Os resultados de
100 amostras de pele so dados a seguir:

Seja A o evento em que uma amostra tem baixo teor de

melanina e seja B o evento em que a amostra tem alto teor
de umidade. Determine as seguintes probabilidades:
a)P(A)
b)P(B)
c)P(A/B)
d)P(B/A)

Exerccio de fixao #2

Anlise de resultados de um experimento de transmutao de uma

folha (tornando uma folha em uma ptala) resumida pelo tipo de
transformao completada:

a)Se a folha completa a transformao da cor, qual a probabilidade de

que ela completar a transformao de textura?
P(tt/tc)=P(tttc)/P(tc)=[243/300]/[269/300]
a)Se a folha no completar a transformao textual, qual a
probabilidade de que ela completar a transformao da cor?
P(tc/ttc) =P(tcttc)/P(ttc)=[26/300]/[44/300]

Probabilidade de uma interseco

ou
REGRA DA MULTIPLICAO

P ( A B) P( B / A) P( A) P ( A / B) P( B)
P ( B / A) P( B A) / P( A)

A B

Regra da probabilidade total

mltiplos eventos
Suponha que E1, E2, E3, ...En ,sejam n eventos
mutuamente excludentes e exaustivos, ento:

P( B) P( B E1 ) P( B E2 ) ... P( B En )
P( B / E1 ) P( E1 ) P ( B / E2 ) P( E2 ) ... P( B / En ) P ( En )

Exerccio de Fixao #1
Na fabricao de semicondutores, suponha as
seguintes probabilidades para a falha no produto
sujeito a nveis de contaminao na fabricao:

Em uma batelada particular da produo, 20% dos

chips esto sujeitos a nveis altos de contaminao,
30% a nveis mdios de contaminao e 50% a nveis
baixos de contaminao. Qual a probabilidade de um
produto falhar ao usar um destes chips?

Exerccio de Fixao #1
(resoluo)
Seja H o evento em que um chip esteja exposto a nveis
altos de contaminao,
M o evento em que um chip esteja exposto a nveis mdios
de contaminao,
B evento em que um chip esteja exposto a nveis baixos de
contaminao e,
F o evento de falha de um chip, ento:

P( F ) P( F / H ) P( H ) P( F / M ) P( M ) P( F / B) P( B)
0,10(0,20) 0,01(0,30) 0,001(0,50) 0,0235

Exerccio de Fixao #1
(resoluo via diagrama de
rvore)
contaminao:

0,20

0,50

0,30
alta

mdia

P(No falhar alta)=

0,90
P(Falhar alta)=
0,10

0,10(0,20)

baixa

P(No falhar mdia)=

0,99
P(Falhar mdia)=
0,01

P(No falhar baixa)=

0,999
P(Falhar baixa)=
0,001

0,90(0,20) 0,01(0,30) 0,99(0,30) 0,001(0,50)

0,999(0,50)

P ( F ) 0,10(0,20) 0,01(0,30) 0,001(0,50) 0,0235

Independncia
2 eventos:
Dois eventos so independentes se qualquer das
seguintes afirmaes for verdadeira:
P ( A / B ) P ( A)
P ( B / A) P ( B )
P ( A B ) P ( A).P ( B )

n eventos:

P ( E1 E2 ... En ) P( E1 ) xP( E2 ) x....x( En )

Associao de eventos independentes

Eventos em Srie:
E1

E2

E3

En

P(E1)

P(E2)

P(E3)

P(En)

P( E1 E2 ... En ) P ( E1 ).P ( E2 ).....P ( En )

E1

Eventos em paralelo:
P ( E ) 1 (1 P ( E1 ) x(1 P ( E2 ) x....x(1 P ( En )

P(E1)
E2
P(E2)

En
P(En)

Exemplos
Exemplo #1- O seguinte circuito opera somente se houver uma rota de
dispositivos funcionais da esquerda para a direita. A probabilidade de cada
dispositivo funcionar mostrada no diagrama abaixo. Suponha que os
dispositivos falhem independentemente. Qual a probabilidade de o circuito
operar?
0,8

0,9

Resoluo:
O cirucito est em srie, portanto:
Sejam E1 e E2 os eventos em que os dispositivos operem:

E1

E2

0,8

0,9

P ( E1 E2 ) P ( E1 ).P ( E2 ) 0,80.(0,90) 0,72

Exemplo #2- O circuito mostrado a seguir

opera somente se houver uma rota de
dispositivos funcionais da esquerda para a
direita. A probabilidade de cada dispositivo
funcionar mostrada no diagrama. Suponha
que os eventos falhem independentemente.
Qual ser a probabilidade de o circuto
operar?

E1
0,95
E2
0,95

Resoluo:
O cirucito est em srie, portanto:
Sejam E1 e E2 os eventos em que os dispositivos
operem:

P ( E ) 1 (1 P ( E1 ).(1 P ( E2 ) 1 (1 0,95).(1 0,95 0,9975

Teorema de Bayes
Se E1, E2, ...., En forem eventos mutuamente
excludentes e exaustivos e B for qualquer evento,
ento:
P( B / E1 ).P( E1 )
P( E1 / B)
P ( B / E1 ).P ( E1 ) P( B / E2 ).P( E2 ) .... P( B / En ).P( En )
para
P( B) 0

Fim Aula
INTRODUO TEORIA
DAS PROBABILIDADES