Sartoris Estatística e Introdução à Econometria - Resumo

Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original

# Resumo do Capítulo 1 – Probabilidade## 1.1 Conceito de ProbabilidadeO conceito de probabilidade é uma medida associada à chance de ocorrência de um evento, presente em diversas situações cotidianas, como prever se um time será campeão ou ganhar na loteria. Formalmente, a probabilidade de um evento \( A \), denotada por \( P(A) \), varia entre 0 e 1, onde 0 indica que o evento é impossível e 1 que o evento ocorrerá com certeza. A definição simplificada de probabilidade é a razão entre o número de vezes que o evento ocorre e o número total de experimentos realizados, considerando uma proporção teórica e não apenas a frequência observada.Por exemplo, ao lançar uma moeda justa, o espaço amostral é composto por dois eventos possíveis: “cara” e “coroa”. Como ambos têm chances iguais, a probabilidade de “cara” é \( P(\text{cara}) = \frac{1}{2} = 0,5 \). A soma das probabilidades dos eventos possíveis é sempre 1, pois algum evento do espaço amostral ocorrerá com certeza. Em experimentos com dados, onde o espaço amostral tem seis resultados possíveis (1 a 6), a probabilidade de sair um número específico, como o 3, é \( \frac{1}{6} \).A definição de probabilidade pela frequência relativa é formalizada como o limite da proporção de ocorrências do evento à medida que o número de experimentos tende ao infinito. Isso é ilustrado por uma simulação de lançamentos de moeda, onde a proporção de “caras” e “coroas” se aproxima de 0,5 conforme o número de lançamentos aumenta.### Exemplos importantes:- **Loteria (Sena):** A probabilidade de acertar as seis dezenas em um universo de 60 números é dada pela combinação \( C_{60}^6 \), resultando em uma chance extremamente baixa, aproximadamente 0,000002%.- **Conjuntos Contínuos:** Ao sortear um número real entre 0 e 2, a probabilidade de cair em um intervalo, como [0,5; 1,5], é proporcional ao comprimento do intervalo dividido pelo comprimento total do espaço amostral. A probabilidade de escolher exatamente um número específico (por exemplo, 1) é zero, pois o conjunto é contínuo e contém infinitos elementos.## 1.2 Probabilidade SubjetivaNem sempre é possível calcular probabilidades objetivas, especialmente em eventos únicos ou não repetíveis, como a vitória de um time em um campeonato. Nesses casos, a probabilidade é subjetiva, baseada em opiniões, informações e avaliações pessoais, mas ainda deve respeitar os limites entre 0 e 1. Por exemplo, a probabilidade de um time ganhar pode variar entre torcedores e analistas, refletindo diferentes graus de otimismo ou análise fria.Outro exemplo é a loteria esportiva, onde a probabilidade de acerto depende da avaliação subjetiva dos resultados dos jogos, que podem ser equilibrados ou com favoritos claros, influenciando as chances de acerto.## 1.3 Probabilidade do “E” e do “OU”A teoria dos conjuntos é fundamental para entender a probabilidade, utilizando conceitos como união, intersecção e complemento. O espaço amostral \( S \) representa todos os eventos possíveis, com \( P(S) = 1 \). O evento complementar \( \bar{A} \) é o conjunto dos resultados que não pertencem a \( A \), e sua probabilidade é \( P(\bar{A}) = 1 - P(A) \).Para dois eventos \( A \) e \( B \):- A probabilidade de ocorrer **ambos** (intersecção) é \( P(A \cap B) \).- A probabilidade de ocorrer **um ou outro** (união) é dada por: \[ P(A \cup B) = P(A) + P(B) - P(A \cap B) \]Se \( A \) e \( B \) são mutuamente exclusivos (não podem ocorrer simultaneamente), então \( P(A \cap B) = 0 \) e:\[P(A \cup B) = P(A) + P(B)\]### Exemplos:- **Dado:** A probabilidade de sair um número maior que 4 (5 ou 6) é \( \frac{1}{6} + \frac{1}{6} = \frac{1}{3} \).- **Crianças gêmeas:** Se uma chora 65% do tempo, a outra 45%, e ambas choram simultaneamente 30%, a probabilidade de pelo menos uma chorar é \( 0,65 + 0,45 - 0,3 = 0,8 \), e de nenhuma chorar é \( 1 - 0,8 = 0,2 \).## 1.4 Probabilidade CondicionalProbabilidade condicional trata da chance de um evento ocorrer dado que outro já ocorreu, denotada por \( P(A|B) \). A fórmula fundamental é:\[P(A|B) = \frac{P(A \cap B)}{P(B)}\]Isto significa que, ao saber que \( B \) ocorreu, a probabilidade de \( A \) é a fração da intersecção \( A \cap B \) em relação ao evento \( B \).A regra do “e” para eventos condicionais é:\[P(A \cap B) = P(A|B) \times P(B) = P(B|A) \times P(A)\]Dois eventos são **independentes** se a ocorrência de um não altera a probabilidade do outro, ou seja:\[P(A|B) = P(A) \quad \text{e} \quad P(B|A) = P(B)\]Nesse caso, a probabilidade conjunta é o produto das probabilidades individuais:\[P(A \cap B) = P(A) \times P(B)\]Eventos mutuamente exclusivos são necessariamente dependentes, pois a ocorrência de um impede a do outro.### Exemplos:- **Dados:** A probabilidade de obter soma 7 em dois dados é \( \frac{6}{36} = \frac{1}{6} \). Se o primeiro dado já deu 6, a probabilidade condicional de soma 7 é a chance do segundo dado ser 1, ou seja, \( \frac{1}{6} \). Isso mostra que os eventos são independentes.- **Crianças chorando:** Os eventos “primeira criança chorar” e “segunda criança chorar” são dependentes, pois a probabilidade condicional difere da probabilidade incondicional, indicando influência entre os eventos.- **Pesquisa de preferência:** Em uma pesquisa sobre preferência por futebol ou novela, a probabilidade condicional de gostar de futebol dado que a pessoa é homem é diferente da probabilidade geral, mostrando dependência entre sexo e preferência.## 1.5 Regra de BayesA Regra de Bayes permite inverter probabilidades condicionais, ou seja, calcular \( P(A_j|B) \) a partir de \( P(B|A_i) \) e \( P(A_i) \), para um conjunto de eventos \( A_i \) que formam uma partição do espaço amostral. A fórmula geral é:\[P(A_j|B) = \frac{P(A_j) \times P(B|A_j)}{\sum_{i=1}^n P(A_i) \times P(B|A_i)}\]### Exemplo:Em uma eleição com eleitores de diferentes etnias, sabendo a proporção de votos para um candidato em cada grupo e a proporção de eleitores por etnia, a probabilidade de um voto democrata ter vindo de um eleitor negro é calculada usando a regra de Bayes, resultando em aproximadamente 31,58%.---# Destaques- A probabilidade mede a chance de ocorrência de um evento, variando entre 0 (impossível) e 1 (certeza).- Probabilidades podem ser objetivas (frequência relativa) ou subjetivas (baseadas em opinião e informação).- A teoria dos conjuntos é essencial para entender operações com eventos: união, intersecção e complemento.- Probabilidade condicional avalia a chance de um evento dado que outro ocorreu, e define independência entre eventos.- A Regra de Bayes permite calcular probabilidades condicionais invertidas, fundamental em inferência estatística e tomada de decisão.---# Apêndice 1.A – Revisão de Análise Combinatória (Resumo)- **Fatorial (\( n! \))**: Produto dos inteiros positivos até \( n \), com \( 0! = 1 \).- **Permutações:** Número de formas de ordenar \( n \) elementos, dado por \( n! \).- **Arranjos:** Seleção ordenada de \( k \) elementos dentre \( n \), calculado por \( A_{n,k} = \frac{n!}{(n-k)!} \).- **Combinações:** Seleção de \( k \) elementos dentre \( n \) sem considerar ordem, calculado por \( C_{n}^k = \frac{n!}{k!(n-k)!} \).Esses conceitos são fundamentais para calcular o número de eventos possíveis e, consequentemente, as probabilidades em experimentos discretos.---Este resumo abrange os principais conceitos, definições, exemplos e implicações do capítulo sobre probabilidade, facilitando a compreensão e aplicação dos fundamentos da teoria da probabilidade.