SlideShare uma empresa Scribd logo
1 de 22
Estatística Aplicada a 
Administração 
ADMINISTRAÇÃO – EAADM 
PROF. ENIO JOSÉ BOLOGNINI 
2º SEMESTRE / 2014 
AULA 11 – PROBABI LIDADES: ESPAÇOS AMOSTRAIS E EVENTOS
INTRODUÇÃO A PROBABILIDADES 
É o estudo dos fenômenos de observação, sendo possível a explicação de um dado 
problema, e distinguir um método determinístico ou probabilístico. 
퐴1: 푅푒푡푖푟푎푟 푢푚푎 푐푎푟푡푎 푑푒 푢푚 푏푎푟푎푙ℎ표 푐표푚 52 푐푎푟푡푎푠 푒 표푏푠푒푟푣푎푟 푠푒푢 naipe; 
퐴2: 퐽표푔푎푟 푢푚푎 푚표푒푑푎 10 푣푒푧푒푠 푒 표푏푒푟푣푎푟 표 푛ú푚푒푟표 푑푒 푐표푟표푎푠 표푏푡푖푑푎푠; 
퐴3: 푅푒푡푖푟푎푟 푐표푚 표푢 푠푒푚 푟푒푝표푠푖çã표, 푏표푙푎푠 푑푒 푢푚푎 푢푟푛푎 푞푢푒 푐표푛푡é푚 5 푏표푙푎푠 푏푟푎푛푐푎푠 
푒 6 푝푟푒푡푎푠; 
퐴4: 퐽표푔푎푟 푢푚 푑푎푑표 푒 표푏푠푒푟푣푎푟 표 푛ú푚푒푟표 푚표푠푡푟푎푑표 푛푎 푓푎푐푒 푑푒 푐푖푚푎; 
퐴5: Contar o número de peças defeituosas da produção diária da máquina A. 
Cada observação entre A1,A2,A3,A4 e A5, pode ser repetido indefinidamente, descreve 
todos resultados possíveis , havendo uma regularidade, o que surgirá uma frequência 
relativa dos resultados esperados. 
PROF. ENIO JOSÉ BOLOGNINI 
CENTRO UNIV. NORTE PAULISTA - UNORP 2
ESPAÇO AMOSTRAL 
Existem dois tipos: 
 Determinístico: Sempre tem os mesmos resultados, qualquer 
que seja o número de ocorrências. 
Ex. 1: Um sólido será a uma certa temperatura a passagem do 
estado sólido para o líquido. 
 Aleatórios: São resultados previsíveis, mesmo havendo um 
grande número de repetições. 
Ex. 2: Considerando um pomar de laranjeiras, as produções de 
cada planta serão diferentes e não previsíveis, mesmo que as 
condições de temperatura, pressão, umidade, solo etc. sejam 
as mesmas para todas as árvores.
ESPAÇO AMOSTRAL 
Em números aleatórios o espaço amostral do conjunto S, são todos 
resultados possíveis do experimento. 
Exemplo 3: 
a) A: Jogar um dado e observar o nº da face de cima. 
Assim, S = {1,2,3,4,5,6} 
a) Seja A: Jogar duas moedas e observar o resultado; 
Assim, S = {(cara, cara), (cara, coroa), (coroa, cara), (coroa, coroa)} 
Ou simplificar S = {(c, c), (c, k), (k, c), (k, k)} 
c = cara e k = coroa; 
PROF. ENIO JOSÉ BOLOGNINI 
CENTRO UNIV. NORTE PAULISTA - UNORP 4
ESPAÇO AMOSTRAL 
Em um experimento aleatório o conjunto de resultados de 
experimentos, depende dos elementos que serão chamados de 
pontos amostrais, a representação do espaço amostral é dada 
por Ω, veja o exemplo logo abaixo: 
Ω = {c, r}; 
Ω = {1,2,3,4,5}; 
Ω = {(c, r), {(c, c), {(r, c), {(r, r)}; 
Ω = {퐴0 … 퐾0, 퐴푝 … 퐾푝, 퐴퐸 … 퐾퐸 , 퐴푐 … 퐾푐 }; 
Ω = {t ∈ ℝ | 푡 ≥ 0}; 
Podendo ser único o ponto amostral ou em reunião.
ESPAÇO AMOSTRAL 
Exemplo 4: 
Lançando dois dados enumeramos os seguintes eventos: 
A: Saída das faces iguais; 
B: Saída de faces cuja soma seja igual a 10; 
C: Saída de faces cuja soma seja menor que 2; 
D: Saída de faces cuja soma seja menor que 15; 
E: Saída de faces onde uma face é o dobro da outra. 
Determine o espaço amostral por uma tabela de dupla entrada 
(Produto Cartesiano):
ESPAÇO AMOSTRAL 
D1D2 1 2 3 4 5 6 
1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) 
2 (2,1) (2,2) (2,3) (2,4) (2,5) (1,6) 
3 (3,1) (3,2) (3,3) (3,4) (3,5) (1,6) 
4 (4,1) (4,2) (4,3) (4,4) (4,5) (1,6) 
5 (5,1) (5,2) (5,3) (5,4) (5,5) (1,6) 
6 (6,1) (6,2) (6,3) (6,4) (6,5) (1,6) 
Os eventos pedidos são: 
A = {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)} 
B = {(4,6), (5,5), (6,4)} 
C = ∅ (Evento impossível) 
D = Ω (evento certo) 
E = {(1,2), (2,1), (2,4), (3,6), (4,2), (6,3)}
DEFINIÇÃO DE PROBABILIDADE 
Estudo estatístico que obtêm-se a partir de uma amostra, as conclusões 
sobre uma população. Este fenômeno de probabilidade são chances dos 
eventos ocorrerem. O conceito básico é baseado em experimentos, evento, 
evento simples e espaço amostral de um experimento. 
 Experimento: É qualquer processo que permite ao pesquisados fazer 
observações. 
Exemplo: A ocorrência de um raio, uma viagem aérea, o lançamento de 
uma moeda entre outros. 
 Evento: É o resultado de um conjunto de ocorrências no experimento. 
Exemplo: O raio atingir (ou não) um pessoa; O aviação chegar (ou não) 
no horário correto; entre outros. 
PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 8
DEFINIÇÃO DE PROBABILIDADE 
 Evento Simples: É um resultado, ou um evento, que não comporta 
mais decomposições. 
Exemplo: Ao jogar o dado, o evento foi o número cinco; 
 Evento não simples: O evento não simples pode ser decomposto em 
dois (ou mais) eventos simples. 
Exemplo: Ao jogar dois dados o evento foi o número oito; não é um 
evento simples, pois é composto por mais de um evento simples, tal 
como “dois e seis” ou “três e cinco”; 
PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 9
EVENTOS 
Exemplo 1: 
a) Seja o experimento A: Jogar três moedas e observar os resultados: 
S = {(c, c, c), (c, c, k), (k, c, c), (c, k, c), (k, k, k), (k, k, c), (k, c, k), (c, k, k)} 
Seja A o evento: Ocorrer pelo menos 2 caras. 
Então, A = {(c, c, c), (k, c, c), (c, k, c), (c, c, k)} 
b) Seja o experimento A: Lançar um dado e observar o número de cima. 
Então S = {1, 2, 3, 4, 5, 6} 
Seja B o evento: Ocorrer múltiplo de 2. 
Então, B = {2, 4, 6}. 
PROF. ENIO JOSÉ BOLOGNINI 
CENTRO UNIV. NORTE PAULISTA - UNORP 10
EVENTOS EM ÁRVORES 
c 
k 
c 
k 
c 
k 
c 
k 
c 
k 
c 
k 
c 
k 
Exemplo 2: Lançam-se 3 moedas: 
A: Saída de cara na 1º moeda; 
B: Saída de coroa na 2º e 3º moedas. 
PROF. ENIO JOSÉ BOLOGNINI 
CENTRO UNIV. NORTE PAULISTA - UNORP 11
TEORIA DAS PROBABILIDADES 
Intuitivamente pode-se definir probabilidade como: 
número de casos favoráveis a ( A ) 
p(A) = -------------------------------------- ------- 
número total de casos possíveis ( S ) 
Ao conjunto desses casos possíveis dá-se o nome de espaço amostral 
(S). E ao conjunto de casos favoráveis a A dá-se o nome de evento A. 
PROF. ENIO JOSÉ BOLOGNINI 
CENTRO UNIV. NORTE PAULISTA - UNORP 12
TEORIA DAS PROBABILIDADES 
Exemplo 1: A pesquisa de um jornal de São Paulo revelou que 200 brasileiros 
foram mortos por raios no período de um ano (ano 2000). Qual a probabilidade 
de uma pessoa ser atingida por um raio, sabendo-se que a população brasileira 
está em torno de 170 milhões? 
PROF. ENIO JOSÉ BOLOGNINI 
CENTRO UNIV. NORTE PAULISTA - UNORP 13 
푃 퐴 = 
푛(퐴) 
푛(푆) 
= 
200 
170.000.000 
= 0,0000012
TEORIA DAS PROBABILIDADES 
Exemplo 2: Uma pesquisa do PC world foi realizada com 4.000 proprietários 
de computadores pessoais, e verificou que 992 dos computadores apresentaram 
falhas num intervalo de dois anos após a compra. Tomando como base estes 
resultados, qual a probabilidade de você comprar um computador pessoal e ele 
apresentar problema nos próximos dois anos? 
PROF. ENIO JOSÉ BOLOGNINI 
CENTRO UNIV. NORTE PAULISTA - UNORP 14 
푃 퐴 = 
푛(퐴) 
푛(푆) 
= 
992 
4.000 
= 0,248
TEORIA DAS PROBABILIDADES 
Exemplo 3: O RH de uma empresa é composto de 15 homens e 35 mulheres. É 
feito o sorteio aleatório de um funcionário, qual a probabilidade de não ser 
mulher? 
Evento favorável: A {não ser mulher} 
Número de elementos do evento favorável: n(A) = 15; 
Espaço amostral: S = {15 homens mais 35 mulheres}; 
Número de elementos do espaço amostral: n(S) = 50. 
PROF. ENIO JOSÉ BOLOGNINI 
CENTRO UNIV. NORTE PAULISTA - UNORP 15 
푃 퐴 = 
푛(퐴) 
푛(푆) 
= 
15 
50 
= 0,3
EXERCÍCIOS DE FIXAÇÃO 
Ex. 1) Probabilidade de se obter um número par como resultado de um 
lançamento de um dado: 
S = {1,2,3,4,5,6} e A = {2,4,6} 
Ex. 2) Probabilidade de se obter o número 4 como resultado de um lançamento 
de um dado: 
S = {1,2,3,4,5,6} e A = {4} 
Ex. 3) Probabilidade de se obter um número diferente de 4 no lançamento de 
um dado: 
S = {1,2,3,4,5,6} e A = {1,2,3,5,6} 
PROF. ENIO JOSÉ BOLOGNINI 
CENTRO UNIV. NORTE PAULISTA - UNORP 16
REGRAS PARA CÁLCULO DE 
PROBABILIDADES (EVENTOS) 
AULA 12 
PROF. ENIO JOSÉ BOLOGNINI 
CENTRO UNIV. NORTE PAULISTA - UNORP 17
EVENTOS 
Classificar eventos é discutir resultados representados por conjuntos, 
subconjuntos e conjuntos vazios. Sendo assim, eventos certos e eventos 
impossíveis. 
a) 퐴 ∪ 퐵 → é 표 푒푣푒푛푡표 푞푢푒 표푐표푟푟푒 푠푒 퐴 표푐표푟푟푒 표푢 B 표푐표푟푟푒 표푢 푎푚푏 
표푠 표푐표푟푟푒푚; 
b) 퐴 ∩ 퐵 → é 표 푒푣푒푛푡표 푞푢푒 표푐표푟푟푒 푠푒 퐴 e B 표푐표푟푟푒푚; 
c) 퐴 → é 표 푒푣푒푛푡표 푞푢푒 표푐표푟푟푒 푠푒 퐴 não ocorre; 
PROF. ENIO JOSÉ BOLOGNINI 
CENTRO UNIV. NORTE PAULISTA - UNORP 18
EVENTOS MUTUAMENTE 
EXCLUSIVOS 
São a maneira de demonstrar entre A e B que são mutuamente exclusivos, caso 
se os mesmos não ocorrer simultaneamente, então 퐴 ∩ 퐵 = ∅, exemplo: 
A: Jogar um dado e observar o resultado. 
S = {1, 2, 3, 4, 5, 6} 
Sejam os eventos: A = ocorrer nº par, e 
B = ocorrer nº impar. 
Portanto, A ={2, 4, 6} e B = {1, 3, 5}, 퐴 ∩ 퐵 = ∅. 
PROF. ENIO JOSÉ BOLOGNINI 
S 퐴 ∩ 퐵 = ∅ 
A B 
2 
4 
6 
1 
5 
7 
CENTRO UNIV. NORTE PAULISTA - UNORP 19
EVENTOS MUTUAMENTE 
EXCLUSIVOS 
Estas definições são probabilísticas, pois em um experimento aleatório 
do espaço amostral de A e S, temos o evento A – P (A) – é a definição de 
S que associou-se em um número real de cada evento, portanto satisfaz 
as seguintes axiomas: 
A. 0 ≤ 푃 퐴 ≤ 1 
B. 푃 푆 = 1 
C. Se A e B forem eventos mutuamente exclusivos, (퐴 ∩ 퐵 = ∅), então 
P(퐴 ∪ 퐵) = 푃(퐴) + 푃(퐵). 
PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 20
EVENTOS MUTUAMENTE 
EXCLUSIVOS 
Estas definições são probabilísticas, pois em um experimento aleatório 
do espaço amostral de A e S, temos o evento A – P (A) – é a definição de 
S que associou-se em um número real de cada evento, portanto satisfaz 
as seguintes axiomas: 
A. 0 ≤ 푃 퐴 ≤ 1 
B. 푃 푆 = 1 
C. Se A e B forem eventos mutuamente exclusivos, (퐴 ∩ 퐵 = ∅), então 
P(퐴 ∪ 퐵) = 푃(퐴) + 푃(퐵). 
PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 21
Referências Bibliográficas 
BÁSICA: 
CRESPO, A. A. Estatística fácil. São Paulo: Saraiva, 19--, 20--. 
SILVA, E. M. et al. Estatística: para os cursos de economia, administração e ciências 
contábeis. São Paulo: Atlas, 19--. 
TIBONI, C. G. R. Estatística Básica: para os cursos de administração, ciências 
contábeis, tecnológicos e de gestão. São Paulo: Atlas, 20--. 
COMPLEMENTAR: 
HOFFMANN, R. Estatística para economistas. São Paulo: Pioneira, 19--. 
MARTINS, G. A; DONAIRE, D. Princípios de estatística. São Paulo: Atlas, 19--. 
MORETTIN, P. A; BUSSAB, W. O. Estatística básica. São Paulo: Saraiva, 19--, 20--. 
FONSECA, J. S; MARTINS, G. A. Curso de estatística. São Paulo: Atlas, 19--. 
SPIEGEL, M. R. Estatística. São Paulo: Makron Books do Brasil, 19--. 
PROF. ENIO JOSÉ BOLOGNINI 
CENTRO UNIV. NORTE PAULISTA - UNORP 22

Mais conteúdo relacionado

Mais procurados

Classificação das equações do 1º grau com uma
Classificação das equações do 1º grau com umaClassificação das equações do 1º grau com uma
Classificação das equações do 1º grau com uma
Alexandre Cirqueira
 
Exercícios resolvidos divisão de números decimais
Exercícios resolvidos divisão de números decimaisExercícios resolvidos divisão de números decimais
Exercícios resolvidos divisão de números decimais
Nivea Neves
 
Cálculo de área e perímetro no plano cartesiano
Cálculo de área e perímetro no plano cartesianoCálculo de área e perímetro no plano cartesiano
Cálculo de área e perímetro no plano cartesiano
roleila
 
Estudo Dirigido para o 9o ano
Estudo Dirigido para o 9o anoEstudo Dirigido para o 9o ano
Estudo Dirigido para o 9o ano
Andrea Barreto
 

Mais procurados (20)

Probabilidade
ProbabilidadeProbabilidade
Probabilidade
 
Noções de Funções
Noções de FunçõesNoções de Funções
Noções de Funções
 
1ª lista de exercícios 9º ano(potências)ilton bruno
1ª lista de exercícios 9º ano(potências)ilton bruno1ª lista de exercícios 9º ano(potências)ilton bruno
1ª lista de exercícios 9º ano(potências)ilton bruno
 
Noções de Probabilidade
Noções de ProbabilidadeNoções de Probabilidade
Noções de Probabilidade
 
Teoria de conjuntos fichas de exercícios
Teoria de conjuntos   fichas de exercícios Teoria de conjuntos   fichas de exercícios
Teoria de conjuntos fichas de exercícios
 
Classificação das equações do 1º grau com uma
Classificação das equações do 1º grau com umaClassificação das equações do 1º grau com uma
Classificação das equações do 1º grau com uma
 
Exercícios resolvidos divisão de números decimais
Exercícios resolvidos divisão de números decimaisExercícios resolvidos divisão de números decimais
Exercícios resolvidos divisão de números decimais
 
Cálculo de área e perímetro no plano cartesiano
Cálculo de área e perímetro no plano cartesianoCálculo de área e perímetro no plano cartesiano
Cálculo de área e perímetro no plano cartesiano
 
Exercicios resolvidosbinomial
Exercicios resolvidosbinomialExercicios resolvidosbinomial
Exercicios resolvidosbinomial
 
Estudo Dirigido para o 9o ano
Estudo Dirigido para o 9o anoEstudo Dirigido para o 9o ano
Estudo Dirigido para o 9o ano
 
Gabarito atividade-diagnóstica-3°ano
Gabarito atividade-diagnóstica-3°anoGabarito atividade-diagnóstica-3°ano
Gabarito atividade-diagnóstica-3°ano
 
ARTIGO DIA MUNDIAL DO AUTISMO .pdf
ARTIGO DIA MUNDIAL DO AUTISMO .pdfARTIGO DIA MUNDIAL DO AUTISMO .pdf
ARTIGO DIA MUNDIAL DO AUTISMO .pdf
 
Conjuntos numéricos - 7 ano
Conjuntos numéricos - 7 anoConjuntos numéricos - 7 ano
Conjuntos numéricos - 7 ano
 
Atividade notação cientifica e potencia renato
Atividade notação cientifica e potencia  renatoAtividade notação cientifica e potencia  renato
Atividade notação cientifica e potencia renato
 
Probabilidade - Prof.Dr. Nilo Sampaio
Probabilidade - Prof.Dr. Nilo SampaioProbabilidade - Prof.Dr. Nilo Sampaio
Probabilidade - Prof.Dr. Nilo Sampaio
 
REGRAS DOS SINAIS
REGRAS DOS SINAISREGRAS DOS SINAIS
REGRAS DOS SINAIS
 
Tabela completa de derivadas e integrais
Tabela completa de derivadas e integraisTabela completa de derivadas e integrais
Tabela completa de derivadas e integrais
 
Nocoes de Probabilidade
Nocoes de ProbabilidadeNocoes de Probabilidade
Nocoes de Probabilidade
 
Atividades sobre grau - minutos - segundos
Atividades sobre   grau - minutos - segundosAtividades sobre   grau - minutos - segundos
Atividades sobre grau - minutos - segundos
 
Equação do 2º grau na prática
Equação do 2º grau na práticaEquação do 2º grau na prática
Equação do 2º grau na prática
 

Semelhante a Aula 11 probabilidades.espaços amostrais e eventos

Teoria_das_Probabilidades_processos_estocasticos.pptx
Teoria_das_Probabilidades_processos_estocasticos.pptxTeoria_das_Probabilidades_processos_estocasticos.pptx
Teoria_das_Probabilidades_processos_estocasticos.pptx
joaoluciodesouzajnio
 
3 probabilidade
3   probabilidade3   probabilidade
3 probabilidade
Meireles01
 
Arquivo 77
Arquivo 77Arquivo 77
Arquivo 77
jwfb
 
Probabilidade um curso introdutório dantas
Probabilidade um curso introdutório dantasProbabilidade um curso introdutório dantas
Probabilidade um curso introdutório dantas
Angelica Alves
 
Apostila probabilidade
Apostila probabilidadeApostila probabilidade
Apostila probabilidade
Renan Souto
 

Semelhante a Aula 11 probabilidades.espaços amostrais e eventos (20)

Teoria de Probabilidades-2021.pptx
Teoria de  Probabilidades-2021.pptxTeoria de  Probabilidades-2021.pptx
Teoria de Probabilidades-2021.pptx
 
Aula 5 probabilidade
Aula 5   probabilidadeAula 5   probabilidade
Aula 5 probabilidade
 
Introdução a probabilidade
Introdução a probabilidadeIntrodução a probabilidade
Introdução a probabilidade
 
Probabilidade
ProbabilidadeProbabilidade
Probabilidade
 
Introdução a probabilidade
Introdução a probabilidadeIntrodução a probabilidade
Introdução a probabilidade
 
Apresentacao probabilidades1
Apresentacao probabilidades1Apresentacao probabilidades1
Apresentacao probabilidades1
 
Apresentacao probabilidades1
Apresentacao probabilidades1Apresentacao probabilidades1
Apresentacao probabilidades1
 
Teoria_das_Probabilidades_processos_estocasticos.pptx
Teoria_das_Probabilidades_processos_estocasticos.pptxTeoria_das_Probabilidades_processos_estocasticos.pptx
Teoria_das_Probabilidades_processos_estocasticos.pptx
 
Probabilidade e Estatística
Probabilidade e EstatísticaProbabilidade e Estatística
Probabilidade e Estatística
 
Probabilidades (resumo)
Probabilidades (resumo)Probabilidades (resumo)
Probabilidades (resumo)
 
3 probabilidade
3   probabilidade3   probabilidade
3 probabilidade
 
Aula 13 propriedade condicional, regra do produto e regra de bayes
Aula 13   propriedade condicional, regra do produto e regra de bayesAula 13   propriedade condicional, regra do produto e regra de bayes
Aula 13 propriedade condicional, regra do produto e regra de bayes
 
Arquivo 77
Arquivo 77Arquivo 77
Arquivo 77
 
Probabilidades
ProbabilidadesProbabilidades
Probabilidades
 
Probabilidade
ProbabilidadeProbabilidade
Probabilidade
 
Probabilidade 150526011133-lva1-app6891
Probabilidade 150526011133-lva1-app6891Probabilidade 150526011133-lva1-app6891
Probabilidade 150526011133-lva1-app6891
 
Probabilidade um curso introdutório dantas
Probabilidade um curso introdutório dantasProbabilidade um curso introdutório dantas
Probabilidade um curso introdutório dantas
 
Apostila probabilidade
Apostila probabilidadeApostila probabilidade
Apostila probabilidade
 
Probabilidade
ProbabilidadeProbabilidade
Probabilidade
 
Teoria de probabilidades
Teoria de probabilidadesTeoria de probabilidades
Teoria de probabilidades
 

Último

Manual dos Principio básicos do Relacionamento e sexologia humana .pdf
Manual dos Principio básicos do Relacionamento e sexologia humana .pdfManual dos Principio básicos do Relacionamento e sexologia humana .pdf
Manual dos Principio básicos do Relacionamento e sexologia humana .pdf
Pastor Robson Colaço
 

Último (20)

"Nós Propomos! Escola Secundária em Pedrógão Grande"
"Nós Propomos! Escola Secundária em Pedrógão Grande""Nós Propomos! Escola Secundária em Pedrógão Grande"
"Nós Propomos! Escola Secundária em Pedrógão Grande"
 
EBPAL_Serta_Caminhos do Lixo final 9ºD (1).pptx
EBPAL_Serta_Caminhos do Lixo final 9ºD (1).pptxEBPAL_Serta_Caminhos do Lixo final 9ºD (1).pptx
EBPAL_Serta_Caminhos do Lixo final 9ºD (1).pptx
 
Aparatologia na estética - Cavitação, radiofrequência e lipolaser.pdf
Aparatologia na estética - Cavitação, radiofrequência e lipolaser.pdfAparatologia na estética - Cavitação, radiofrequência e lipolaser.pdf
Aparatologia na estética - Cavitação, radiofrequência e lipolaser.pdf
 
Slides Lição 07, Central Gospel, As Duas Testemunhas Do Final Dos Tempos.pptx
Slides Lição 07, Central Gospel, As Duas Testemunhas Do Final Dos Tempos.pptxSlides Lição 07, Central Gospel, As Duas Testemunhas Do Final Dos Tempos.pptx
Slides Lição 07, Central Gospel, As Duas Testemunhas Do Final Dos Tempos.pptx
 
Enunciado_da_Avaliacao_1__Direito_e_Legislacao_Social_(IL60174).pdf
Enunciado_da_Avaliacao_1__Direito_e_Legislacao_Social_(IL60174).pdfEnunciado_da_Avaliacao_1__Direito_e_Legislacao_Social_(IL60174).pdf
Enunciado_da_Avaliacao_1__Direito_e_Legislacao_Social_(IL60174).pdf
 
Unidade 4 (Texto poético) (Teste sem correção) (2).docx
Unidade 4 (Texto poético) (Teste sem correção) (2).docxUnidade 4 (Texto poético) (Teste sem correção) (2).docx
Unidade 4 (Texto poético) (Teste sem correção) (2).docx
 
Manual dos Principio básicos do Relacionamento e sexologia humana .pdf
Manual dos Principio básicos do Relacionamento e sexologia humana .pdfManual dos Principio básicos do Relacionamento e sexologia humana .pdf
Manual dos Principio básicos do Relacionamento e sexologia humana .pdf
 
Slides Lição 8, Central Gospel, Os 144 Mil Que Não Se Curvarão Ao Anticristo....
Slides Lição 8, Central Gospel, Os 144 Mil Que Não Se Curvarão Ao Anticristo....Slides Lição 8, Central Gospel, Os 144 Mil Que Não Se Curvarão Ao Anticristo....
Slides Lição 8, Central Gospel, Os 144 Mil Que Não Se Curvarão Ao Anticristo....
 
Nós Propomos! Canil/Gatil na Sertã - Amigos dos Animais
Nós Propomos! Canil/Gatil na Sertã - Amigos dos AnimaisNós Propomos! Canil/Gatil na Sertã - Amigos dos Animais
Nós Propomos! Canil/Gatil na Sertã - Amigos dos Animais
 
UFCD_9184_Saúde, nutrição, higiene, segurança, repouso e conforto da criança ...
UFCD_9184_Saúde, nutrição, higiene, segurança, repouso e conforto da criança ...UFCD_9184_Saúde, nutrição, higiene, segurança, repouso e conforto da criança ...
UFCD_9184_Saúde, nutrição, higiene, segurança, repouso e conforto da criança ...
 
Atividade do poema sobre mãe de mário quintana.pdf
Atividade do poema sobre mãe de mário quintana.pdfAtividade do poema sobre mãe de mário quintana.pdf
Atividade do poema sobre mãe de mário quintana.pdf
 
EB1 Cumeada Co(n)Vida à Leitura - Livros à Solta_Serta.pptx
EB1 Cumeada Co(n)Vida à Leitura - Livros à Solta_Serta.pptxEB1 Cumeada Co(n)Vida à Leitura - Livros à Solta_Serta.pptx
EB1 Cumeada Co(n)Vida à Leitura - Livros à Solta_Serta.pptx
 
Movimento Negro Unificado , slide completo.pptx
Movimento Negro Unificado , slide completo.pptxMovimento Negro Unificado , slide completo.pptx
Movimento Negro Unificado , slide completo.pptx
 
Slides Lição 8, CPAD, Confessando e Abandonando o Pecado.pptx
Slides Lição 8, CPAD, Confessando e Abandonando o Pecado.pptxSlides Lição 8, CPAD, Confessando e Abandonando o Pecado.pptx
Slides Lição 8, CPAD, Confessando e Abandonando o Pecado.pptx
 
O que é uma Revolução Solar. tecnica preditiva
O que é uma Revolução Solar. tecnica preditivaO que é uma Revolução Solar. tecnica preditiva
O que é uma Revolução Solar. tecnica preditiva
 
"Nós Propomos! Mobilidade sustentável na Sertã"
"Nós Propomos! Mobilidade sustentável na Sertã""Nós Propomos! Mobilidade sustentável na Sertã"
"Nós Propomos! Mobilidade sustentável na Sertã"
 
As Mil Palavras Mais Usadas No Inglês (Robert de Aquino) (Z-Library).pdf
As Mil Palavras Mais Usadas No Inglês (Robert de Aquino) (Z-Library).pdfAs Mil Palavras Mais Usadas No Inglês (Robert de Aquino) (Z-Library).pdf
As Mil Palavras Mais Usadas No Inglês (Robert de Aquino) (Z-Library).pdf
 
Livro infantil: A onda da raiva. pdf-crianças
Livro infantil: A onda da raiva. pdf-criançasLivro infantil: A onda da raiva. pdf-crianças
Livro infantil: A onda da raiva. pdf-crianças
 
Produção de poemas - Reciclar é preciso
Produção  de  poemas  -  Reciclar é precisoProdução  de  poemas  -  Reciclar é preciso
Produção de poemas - Reciclar é preciso
 
bem estar animal em proteção integrada componente animal
bem estar animal em proteção integrada componente animalbem estar animal em proteção integrada componente animal
bem estar animal em proteção integrada componente animal
 

Aula 11 probabilidades.espaços amostrais e eventos

  • 1. Estatística Aplicada a Administração ADMINISTRAÇÃO – EAADM PROF. ENIO JOSÉ BOLOGNINI 2º SEMESTRE / 2014 AULA 11 – PROBABI LIDADES: ESPAÇOS AMOSTRAIS E EVENTOS
  • 2. INTRODUÇÃO A PROBABILIDADES É o estudo dos fenômenos de observação, sendo possível a explicação de um dado problema, e distinguir um método determinístico ou probabilístico. 퐴1: 푅푒푡푖푟푎푟 푢푚푎 푐푎푟푡푎 푑푒 푢푚 푏푎푟푎푙ℎ표 푐표푚 52 푐푎푟푡푎푠 푒 표푏푠푒푟푣푎푟 푠푒푢 naipe; 퐴2: 퐽표푔푎푟 푢푚푎 푚표푒푑푎 10 푣푒푧푒푠 푒 표푏푒푟푣푎푟 표 푛ú푚푒푟표 푑푒 푐표푟표푎푠 표푏푡푖푑푎푠; 퐴3: 푅푒푡푖푟푎푟 푐표푚 표푢 푠푒푚 푟푒푝표푠푖çã표, 푏표푙푎푠 푑푒 푢푚푎 푢푟푛푎 푞푢푒 푐표푛푡é푚 5 푏표푙푎푠 푏푟푎푛푐푎푠 푒 6 푝푟푒푡푎푠; 퐴4: 퐽표푔푎푟 푢푚 푑푎푑표 푒 표푏푠푒푟푣푎푟 표 푛ú푚푒푟표 푚표푠푡푟푎푑표 푛푎 푓푎푐푒 푑푒 푐푖푚푎; 퐴5: Contar o número de peças defeituosas da produção diária da máquina A. Cada observação entre A1,A2,A3,A4 e A5, pode ser repetido indefinidamente, descreve todos resultados possíveis , havendo uma regularidade, o que surgirá uma frequência relativa dos resultados esperados. PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 2
  • 3. ESPAÇO AMOSTRAL Existem dois tipos:  Determinístico: Sempre tem os mesmos resultados, qualquer que seja o número de ocorrências. Ex. 1: Um sólido será a uma certa temperatura a passagem do estado sólido para o líquido.  Aleatórios: São resultados previsíveis, mesmo havendo um grande número de repetições. Ex. 2: Considerando um pomar de laranjeiras, as produções de cada planta serão diferentes e não previsíveis, mesmo que as condições de temperatura, pressão, umidade, solo etc. sejam as mesmas para todas as árvores.
  • 4. ESPAÇO AMOSTRAL Em números aleatórios o espaço amostral do conjunto S, são todos resultados possíveis do experimento. Exemplo 3: a) A: Jogar um dado e observar o nº da face de cima. Assim, S = {1,2,3,4,5,6} a) Seja A: Jogar duas moedas e observar o resultado; Assim, S = {(cara, cara), (cara, coroa), (coroa, cara), (coroa, coroa)} Ou simplificar S = {(c, c), (c, k), (k, c), (k, k)} c = cara e k = coroa; PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 4
  • 5. ESPAÇO AMOSTRAL Em um experimento aleatório o conjunto de resultados de experimentos, depende dos elementos que serão chamados de pontos amostrais, a representação do espaço amostral é dada por Ω, veja o exemplo logo abaixo: Ω = {c, r}; Ω = {1,2,3,4,5}; Ω = {(c, r), {(c, c), {(r, c), {(r, r)}; Ω = {퐴0 … 퐾0, 퐴푝 … 퐾푝, 퐴퐸 … 퐾퐸 , 퐴푐 … 퐾푐 }; Ω = {t ∈ ℝ | 푡 ≥ 0}; Podendo ser único o ponto amostral ou em reunião.
  • 6. ESPAÇO AMOSTRAL Exemplo 4: Lançando dois dados enumeramos os seguintes eventos: A: Saída das faces iguais; B: Saída de faces cuja soma seja igual a 10; C: Saída de faces cuja soma seja menor que 2; D: Saída de faces cuja soma seja menor que 15; E: Saída de faces onde uma face é o dobro da outra. Determine o espaço amostral por uma tabela de dupla entrada (Produto Cartesiano):
  • 7. ESPAÇO AMOSTRAL D1D2 1 2 3 4 5 6 1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) 2 (2,1) (2,2) (2,3) (2,4) (2,5) (1,6) 3 (3,1) (3,2) (3,3) (3,4) (3,5) (1,6) 4 (4,1) (4,2) (4,3) (4,4) (4,5) (1,6) 5 (5,1) (5,2) (5,3) (5,4) (5,5) (1,6) 6 (6,1) (6,2) (6,3) (6,4) (6,5) (1,6) Os eventos pedidos são: A = {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)} B = {(4,6), (5,5), (6,4)} C = ∅ (Evento impossível) D = Ω (evento certo) E = {(1,2), (2,1), (2,4), (3,6), (4,2), (6,3)}
  • 8. DEFINIÇÃO DE PROBABILIDADE Estudo estatístico que obtêm-se a partir de uma amostra, as conclusões sobre uma população. Este fenômeno de probabilidade são chances dos eventos ocorrerem. O conceito básico é baseado em experimentos, evento, evento simples e espaço amostral de um experimento.  Experimento: É qualquer processo que permite ao pesquisados fazer observações. Exemplo: A ocorrência de um raio, uma viagem aérea, o lançamento de uma moeda entre outros.  Evento: É o resultado de um conjunto de ocorrências no experimento. Exemplo: O raio atingir (ou não) um pessoa; O aviação chegar (ou não) no horário correto; entre outros. PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 8
  • 9. DEFINIÇÃO DE PROBABILIDADE  Evento Simples: É um resultado, ou um evento, que não comporta mais decomposições. Exemplo: Ao jogar o dado, o evento foi o número cinco;  Evento não simples: O evento não simples pode ser decomposto em dois (ou mais) eventos simples. Exemplo: Ao jogar dois dados o evento foi o número oito; não é um evento simples, pois é composto por mais de um evento simples, tal como “dois e seis” ou “três e cinco”; PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 9
  • 10. EVENTOS Exemplo 1: a) Seja o experimento A: Jogar três moedas e observar os resultados: S = {(c, c, c), (c, c, k), (k, c, c), (c, k, c), (k, k, k), (k, k, c), (k, c, k), (c, k, k)} Seja A o evento: Ocorrer pelo menos 2 caras. Então, A = {(c, c, c), (k, c, c), (c, k, c), (c, c, k)} b) Seja o experimento A: Lançar um dado e observar o número de cima. Então S = {1, 2, 3, 4, 5, 6} Seja B o evento: Ocorrer múltiplo de 2. Então, B = {2, 4, 6}. PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 10
  • 11. EVENTOS EM ÁRVORES c k c k c k c k c k c k c k Exemplo 2: Lançam-se 3 moedas: A: Saída de cara na 1º moeda; B: Saída de coroa na 2º e 3º moedas. PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 11
  • 12. TEORIA DAS PROBABILIDADES Intuitivamente pode-se definir probabilidade como: número de casos favoráveis a ( A ) p(A) = -------------------------------------- ------- número total de casos possíveis ( S ) Ao conjunto desses casos possíveis dá-se o nome de espaço amostral (S). E ao conjunto de casos favoráveis a A dá-se o nome de evento A. PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 12
  • 13. TEORIA DAS PROBABILIDADES Exemplo 1: A pesquisa de um jornal de São Paulo revelou que 200 brasileiros foram mortos por raios no período de um ano (ano 2000). Qual a probabilidade de uma pessoa ser atingida por um raio, sabendo-se que a população brasileira está em torno de 170 milhões? PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 13 푃 퐴 = 푛(퐴) 푛(푆) = 200 170.000.000 = 0,0000012
  • 14. TEORIA DAS PROBABILIDADES Exemplo 2: Uma pesquisa do PC world foi realizada com 4.000 proprietários de computadores pessoais, e verificou que 992 dos computadores apresentaram falhas num intervalo de dois anos após a compra. Tomando como base estes resultados, qual a probabilidade de você comprar um computador pessoal e ele apresentar problema nos próximos dois anos? PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 14 푃 퐴 = 푛(퐴) 푛(푆) = 992 4.000 = 0,248
  • 15. TEORIA DAS PROBABILIDADES Exemplo 3: O RH de uma empresa é composto de 15 homens e 35 mulheres. É feito o sorteio aleatório de um funcionário, qual a probabilidade de não ser mulher? Evento favorável: A {não ser mulher} Número de elementos do evento favorável: n(A) = 15; Espaço amostral: S = {15 homens mais 35 mulheres}; Número de elementos do espaço amostral: n(S) = 50. PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 15 푃 퐴 = 푛(퐴) 푛(푆) = 15 50 = 0,3
  • 16. EXERCÍCIOS DE FIXAÇÃO Ex. 1) Probabilidade de se obter um número par como resultado de um lançamento de um dado: S = {1,2,3,4,5,6} e A = {2,4,6} Ex. 2) Probabilidade de se obter o número 4 como resultado de um lançamento de um dado: S = {1,2,3,4,5,6} e A = {4} Ex. 3) Probabilidade de se obter um número diferente de 4 no lançamento de um dado: S = {1,2,3,4,5,6} e A = {1,2,3,5,6} PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 16
  • 17. REGRAS PARA CÁLCULO DE PROBABILIDADES (EVENTOS) AULA 12 PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 17
  • 18. EVENTOS Classificar eventos é discutir resultados representados por conjuntos, subconjuntos e conjuntos vazios. Sendo assim, eventos certos e eventos impossíveis. a) 퐴 ∪ 퐵 → é 표 푒푣푒푛푡표 푞푢푒 표푐표푟푟푒 푠푒 퐴 표푐표푟푟푒 표푢 B 표푐표푟푟푒 표푢 푎푚푏 표푠 표푐표푟푟푒푚; b) 퐴 ∩ 퐵 → é 표 푒푣푒푛푡표 푞푢푒 표푐표푟푟푒 푠푒 퐴 e B 표푐표푟푟푒푚; c) 퐴 → é 표 푒푣푒푛푡표 푞푢푒 표푐표푟푟푒 푠푒 퐴 não ocorre; PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 18
  • 19. EVENTOS MUTUAMENTE EXCLUSIVOS São a maneira de demonstrar entre A e B que são mutuamente exclusivos, caso se os mesmos não ocorrer simultaneamente, então 퐴 ∩ 퐵 = ∅, exemplo: A: Jogar um dado e observar o resultado. S = {1, 2, 3, 4, 5, 6} Sejam os eventos: A = ocorrer nº par, e B = ocorrer nº impar. Portanto, A ={2, 4, 6} e B = {1, 3, 5}, 퐴 ∩ 퐵 = ∅. PROF. ENIO JOSÉ BOLOGNINI S 퐴 ∩ 퐵 = ∅ A B 2 4 6 1 5 7 CENTRO UNIV. NORTE PAULISTA - UNORP 19
  • 20. EVENTOS MUTUAMENTE EXCLUSIVOS Estas definições são probabilísticas, pois em um experimento aleatório do espaço amostral de A e S, temos o evento A – P (A) – é a definição de S que associou-se em um número real de cada evento, portanto satisfaz as seguintes axiomas: A. 0 ≤ 푃 퐴 ≤ 1 B. 푃 푆 = 1 C. Se A e B forem eventos mutuamente exclusivos, (퐴 ∩ 퐵 = ∅), então P(퐴 ∪ 퐵) = 푃(퐴) + 푃(퐵). PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 20
  • 21. EVENTOS MUTUAMENTE EXCLUSIVOS Estas definições são probabilísticas, pois em um experimento aleatório do espaço amostral de A e S, temos o evento A – P (A) – é a definição de S que associou-se em um número real de cada evento, portanto satisfaz as seguintes axiomas: A. 0 ≤ 푃 퐴 ≤ 1 B. 푃 푆 = 1 C. Se A e B forem eventos mutuamente exclusivos, (퐴 ∩ 퐵 = ∅), então P(퐴 ∪ 퐵) = 푃(퐴) + 푃(퐵). PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 21
  • 22. Referências Bibliográficas BÁSICA: CRESPO, A. A. Estatística fácil. São Paulo: Saraiva, 19--, 20--. SILVA, E. M. et al. Estatística: para os cursos de economia, administração e ciências contábeis. São Paulo: Atlas, 19--. TIBONI, C. G. R. Estatística Básica: para os cursos de administração, ciências contábeis, tecnológicos e de gestão. São Paulo: Atlas, 20--. COMPLEMENTAR: HOFFMANN, R. Estatística para economistas. São Paulo: Pioneira, 19--. MARTINS, G. A; DONAIRE, D. Princípios de estatística. São Paulo: Atlas, 19--. MORETTIN, P. A; BUSSAB, W. O. Estatística básica. São Paulo: Saraiva, 19--, 20--. FONSECA, J. S; MARTINS, G. A. Curso de estatística. São Paulo: Atlas, 19--. SPIEGEL, M. R. Estatística. São Paulo: Makron Books do Brasil, 19--. PROF. ENIO JOSÉ BOLOGNINI CENTRO UNIV. NORTE PAULISTA - UNORP 22