Professional Documents
Culture Documents
Subconjuntos:
S:{1, 2, 3, 4, 5, 6} A:{1, 2} B:{2, 3}
𝐴′ = {3, 4, 5, 6}
𝐴 ∪ 𝐵 = {1, 2, 3}
𝐴 ∩ 𝐵 = {2}
(𝐴 ∪ 𝐵)′ = 𝐴′ ∩ 𝐵′ = {4, 5, 6}
Contagem: Número de combinações desejadas que for possível em um espaço amostral.
ex: 2 moedas (deseja-se pelo menos uma cara)
𝑆 = {𝐴, 𝐵, 𝐶}
AA BA CA
AB BB CB
AC BC CC
𝑛! 3!
𝑛𝑃𝑟 = → 3𝑃2 = =6
(𝑛 − 𝑟)! (3 − 2)!
Combinações (C): É o número de subconjuntos r elementos que pode ser selecionado a partir de um conjunto de
n elementos.
𝑛!
𝐶𝑟𝑛 =
𝑟! ∙ (𝑛 − 𝑟)!
Onde:
C: Número de combinações.
n: Número de elementos.
r: Tamanho do subconjunto.
ex: Um componente pode ser colocado em 8 posições diferentes em uma placa de circuito impresso. Se 5 componentes
idênticos forem colocados na placa, quantos projetos (combinações) diferentes são possíveis?
𝑛! 8!
𝐶𝑟𝑛 = → 𝐶58 = = 56
𝑟! ∙ (𝑛 − 𝑟)! 5! ∙ (8 − 5)!
Probabilidade condicional: Há casos onde a probabilidade deve ser reavaliada a medida que informações
adicionas se tornarem disponíveis.
P(X=4)= 1/6.
P(X=4)= 1/3.
Variáveis:
Variável Aleatória: É uma variável quantitativa, cujos valores depende de fatores aleatórios.
Variável Aleatória Discreta: Os possíveis valores estão contidos em um conjunto finito e enumerável (pode
ser contado; número de unidades).
Variável Aleatória Contínua: Os possíveis resultados abrangem todo um intervalo de números reais
(comprimento de peças).
Multiplicação de probabilidades:
ex: Probabilidade de uma pastilha passar no teste P(passar)=0,8 e probabilidade de falhar no teste P(falhar)=0,2.
Probabilidades para duas pastilhas:
𝜇 = 𝑥 = 𝐸(𝑥) = ∑ 𝑋𝑗 ∙ 𝑃𝑗
𝑗=1
Variância:
𝑘
2 2 2
𝜎 = 𝑠 = 𝑉(𝑥) = ∑(𝑋𝑗 − 𝜇) ∙ 𝑃𝑗
𝑗=1
Desvio padrão:
𝜎 = 𝑠 = 𝐷𝑃(𝑥) = √𝜎 2
Recomenda-se utilizar a tabela abaixo para dados muito grandes ou para se fazer o cálculo em planilha eletrônica.
ex: Bits de canais diferentes podem ser transmitidos com erros. Seja X o número de bits com erro nos próximos 4 bits
transmitidos. Os valores prováveis para X são {0, 1, 2, 3, 4}. Suponha que:
𝜎 = √𝜎 2 = 0,6
Valor esperado:
𝐸(𝑋) = 𝑛 ∙ 𝑃
Variância:
𝑉(𝑋) = 𝑛 ∙ 𝑃 ∙ (1 − 𝑃)
ex: A chance de 1 bit ser recebido com erro é de P(erro)=0,1. X é o número de bits com erro nos próximos 4 bits. Qual a
probabilidade de P(X=2)?
Resultado X 𝑃(○○ ●●) = 𝑃(○) ∙ 𝑃(○) ∙ 𝑃(●) ∙ 𝑃(●) → 𝑃(○○ ●●) = 0,9 ∙ 0,9 ∙ 0,1 ∙ 0,1 = 0,0081
○○○○ 0
○○○● 1 𝑃(○ ● ○ ●) = 0,9 ∙ 0,1 ∙ 0,9 − 0,1 = 0,0081
○○●○ 1 𝑃(○ ●● ○) = 0,9 ∙ 0,1 ∙ 0,1 − 0,9 = 0,0081
○○●● 2
○●○○ 1 𝑃(● ○○ ●) = 0,1 ∙ 0,9 ∙ 0,9 − 0,1 = 0,0081
○●○● 2
○●●○ 2 𝑃(● ○ ● ○) = 0,1 ∙ 0,9 ∙ 0,1 − 0,9 = 0,0081
○●●● 3
●○○○ 1 𝑃(●● ○○) = 0,1 ∙ 0,1 ∙ 0,9 − 0,9 = 0,0081
●○○● 2
●○●○ 2
●○●● 3
●●○○ 2 ∑ 𝑃(𝑋 = 2) = 0,0081 ∙ 6 = 0,0486
●●○● 3
●●●○ 3
●●●● 4
Distribuição Binomial:
Coeficiente binomial:
𝑛 𝑛!
( )=
𝑋 𝑋! ∙ (𝑛 − 𝑋)!
Expressão geral:
𝑛
𝑓(𝑋) = ( ) ∙ 𝑃 𝑋 ∙ (1 − 𝑃)𝑛−𝑋
𝑋
Onde:
X: Resultado desejado.
n: Número de amostras.
P: Probabilidade de X.
ex: Cada amostra tem 10% de chance de conter determinado poluente. Amostras independentes com relação a presença
do poluente. Encontre a probabilidade de que nas próximas 18 amostras, 2 contenham o poluente.
18 18!
( )= = 153
2 2! ∙ (18 − 2)!
18
𝑓(𝑋) = ( ) ∙ 0,12 ∙ (1 − 0,1)18−2 = 0,28 𝑜𝑢 28%
2
Distribuição Hipergeométrica:
Esperança:
𝐸(𝑋) = 𝑛 ∙ 𝑃
Variância:
𝑁−𝑛
𝑉(𝑋) = 𝑛 ∙ 𝑃 ∙ (1 − 𝑃) ∙
𝑁−1
Probabilidade:
𝑟 𝑁−𝑟
( )∙( )
𝑋 𝑛−X
𝑃(𝑋) =
𝑁
( )
𝑛
Onde:
N: Unidades no lote.
ex: Lote de 30 unidades. Amostra com 5 unidades. Se nenhuma unidade falhar, o lote é aprovado. Se uma unidade falhar,
todo o lote é inspecionado. Supondo que há 3 unidades com defeito, qual a probabilidade do controle de qualidade
apontar uma inspeção total?
Caso a função não seja um retângulo ou uma figura de fácil cálculo de área:
Distribuição uniforme.
Distribuição exponencial.
Distribuição normal.
Distribuição normal: A normal é considerada a distribuição de probabilidades mais importante, pois permite
modelar uma infinidade de fenômenos naturais e, além disso, possibilita realizar aproximações para calcular
probabilidades de muitas variáveis aleatórias que tem outras distribuições. A distribuição normal é caracterizada por uma
função de probabilidade, cuja função descreve uma curva em forma de sino. Essa forma de distribuição evidencia que há
maior probabilidade de a variável aleatória assumir valores próximos ao centro.
Suas média, mediana e moda são iguais.
Tem forma de sino e é simétrica em torno da média.
A área sob a curva é de 100%
A medida que a curva se afasta da média, aproxima-se do eixo x, mas nunca o toca.
Os pontos em que a curvatura muda são chamados pontos de inflexão. O gráfico curva-se para baixo entre os
pontos de inflexão e, para cima, à esquerda e à direita deles.
Escore Padrão ou Escore Z: Representa o número de desvios padrão que separa uma variável aleatória x da
média.
𝑣𝑎𝑙𝑜𝑟 − 𝑚é𝑑𝑖𝑎 𝑋 − 𝜇
𝑍= =
𝑑𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 𝜎
A distribuição normal padrão tem média 0 e desvio padrão de 1. Se usar escores Z, pode transformar qualquer distribuição
normal em uma distribuição normal padrão.
Distribuições Amostrais:
Uma distribuição amostral é a distribuição de probabilidade de uma estatística da amostra formada quando amostras de
tamanho n são colhidas várias vezes de uma população. Se a estatística da amostra for a sua média simples, a distribuição
será uma distribuição amostral de médias das amostras.
A distribuição amostral consiste nos valores das médias da amostra, 𝑋̅1 , 𝑋̅2 , 𝑋̅3, 𝑋̅4...