AULA 1
INTRODUÇÃO À PROBABILIDADE
HIPPO ≠ DATA-DRIVEN
Efeito HiPPO: refere-se à tendência em ambientes de trabalho de dar mais peso à opinião da pessoa
com maior salário (Highest Paid Person's Opinion) em decisões, mesmo que essa opinião não seja
necessariamente a mais embasada ou relevante. O termo destaca como a posição hierárquica pode
influenciar a tomada de decisões, muitas vezes ignorando dados e análises mais profundas. Em
resumo, é um viés cognitivo que pode prejudicar a qualidade das decisões em empresas, levando a
escolhas baseadas em autoridade em vez de evidências ou conhecimento técnico.
Data-Driven: significa "orientado por dados" em português. É uma abordagem estratégica onde
decisões são tomadas com base na análise de dados, em vez de intuição ou suposições. Empresas
data-driven usam informações coletadas de diversas fontes para identificar padrões, prever
comportamentos e otimizar resultados, buscando decisões mais informadas e eficientes.
As Duas Grandes Escolas de Pensamento sobre Probabilidade
Existem duas maneiras principais de interpretar o que é a probabilidade, cada uma com sua própria
filosofia e aplicação.
●​ A Abordagem Frequentista: A Probabilidade como Frequência de Ocorrência
○​ Ideia Central: Esta teoria, que remete a uma citação de Aristóteles, postula que "mais
provável é aquilo que mais ocorre". Ou seja, a probabilidade de um evento é definida
pela frequência com que ele acontece ao longo de um número muito grande, idealmente
infinito, de repetições de um experimento.
○​ Definição Matemática: Formalmente, a probabilidade é o limite da frequência relativa. É
calculada pela razão entre o número de vezes que um evento ocorreu e o número de
oportunidades que ele teve para ocorrer, quando o número de oportunidades tende ao
infinito.
○​ Exemplos Claros:
■​ Moeda: A probabilidade de uma moeda dar "cara" é 50% porque, se a lançarmos
milhares ou milhões de vezes, a proporção de "caras" se aproximará
estavelmente de metade do total de lançamentos.
■​ Avião: A probabilidade de um avião cair não é 50% (cai ou não cai) porque, ao
observar a frequência real de acidentes em milhões de voos, vemos que a
ocorrência é extremamente rara.
●​ A Abordagem Bayesiana: A Probabilidade como Grau de Certeza
○​ Ideia Central: Nesta perspectiva, a probabilidade não está no mundo, mas em nossa
mente. Ela representa o grau de certeza ou de crença que temos sobre a ocorrência de
um evento, com base nas informações disponíveis.
○​ A Conexão com o Aprendizado: Uma das características mais poderosas da Teoria
Bayesiana é que o grau de certeza pode ser atualizado à medida que novas informações
ou evidências surgem. Esse processo de atualização de crenças é a base do
aprendizado, tornando esta teoria fundamental para áreas como Inteligência Artificial e
Aprendizado de Máquina (Machine Learning).
Aprofundando a Visão Frequentista e Suas Críticas
●​ Frequência Relativa não é Probabilidade
○​ É crucial distinguir a observação de curto prazo da probabilidade de longo prazo. Se você
lançar uma moeda uma vez e der cara, a frequência relativa de "cara" foi de 100%. Isso
não altera a probabilidade do evento, que continua sendo 50%. A probabilidade só
emerge após uma vasta quantidade de observações. Um gráfico de simulação
computacional com 100 moedas lançadas 10 mil vezes ilustra perfeitamente como,
apesar das flutuações iniciais, todas as moedas convergem para a marca de 50% de
caras.
●​ As Limitações da Teoria Frequentista
○​ Repetições Infinitas: A teoria exige que o experimento possa ser repetido infinitas vezes
sob condições exatamente idênticas, o que é uma idealização impossível na prática para
muitos cenários do mundo real (ex: a probabilidade de um candidato específico ganhar
uma eleição).
○​ Ignora Informação Externa: Ela não permite incorporar informações prévias ou
conhecimentos que não venham diretamente da repetição do experimento.
Probabilidade Condicional: A Ferramenta Essencial do Raciocínio
Para entender plenamente a abordagem Bayesiana e resolver problemas complexos, o conceito de
probabilidade condicional é indispensável.
●​ O Que é Probabilidade Condicional?
○​ É a probabilidade de um evento A ocorrer, dado que um outro evento B já ocorreu.
○​ Notação:
■​ 𝑃(𝐴): Probabilidade de se observar um evento 𝐴.
■​ 𝑃(𝐴 \ 𝐵): Probabilidade de se observar um evento 𝐴 sabendo que um evento B
ocorreu.
●​ O Teorema de Bayes
○​ Este teorema é a fórmula matemática que nos permite calcular probabilidades
condicionais de forma rigorosa, sendo expresso como:
A Armadilha Cognitiva: Confundir P(A|B) com P(B|A)
Um dos erros de raciocínio mais comuns é confundir a probabilidade de A dado B com a probabilidade
de B dado A.
●​ O Exemplo dos Bilionários Sem Diploma
○​ Vemos notícias sobre bilionários que não concluíram a faculdade. Isso leva alguns a
pensar que "estudar não vale a pena" para ser bem-sucedido.
○​ Este é um erro clássico. As pessoas estão impressionadas pela probabilidade de não ter
diploma, dado que você é um bilionário 𝑃(Não ter diploma \ Bilionário), que pode ser
relativamente alta nesse grupo seleto.
○​ No entanto, a probabilidade que realmente importa para a tomada de decisão é a
probabilidade de se tornar um bilionário, dado que você não tem diploma
𝑃(Bilionário \ Não ter diploma), que é astronomicamente baixa.
Tipos Especiais de Eventos
Para completar o estudo de probabilidades, é útil conhecer classificações específicas de eventos que
simplificam os cálculos.
●​ Eventos Independentes: A ocorrência de um evento não afeta em nada a probabilidade de
ocorrência do outro.
●​ Eventos Mutuamente Excludentes: A ocorrência de um evento impede completamente a
ocorrência do outro. Se um acontece, o outro não pode acontecer.
●​ Eventos Complementares: São dois eventos que são mutuamente excludentes e cuja união
cobre todo o espaço amostral (todas as possibilidades). Um exemplo é "cara" e "coroa" em um
lançamento de moeda.
AULA 2
VARIÁVEIS ALEATÓRIAS, VALOR ESPERADO E VARIÂNCIA
Variáveis Aleatórias
●​ Existem grandezas cujo valor exato não podemos saber com certeza de antemão, como o preço
de uma ação amanhã ou a futura taxa de desemprego. A essas grandezas damos o nome de
variáveis aleatórias.
●​ Uma Analogia com Platão: É crucial entender que nós nunca observamos a variável aleatória
em si, que é um conceito abstrato. O que observamos no mundo real são suas realizações, ou
seja, os valores específicos que ela assume. A analogia com a filosofia de Platão é útil aqui: a
variável aleatória é como uma ideia perfeita e abstrata no "Mundo das Ideias", enquanto suas
realizações são as manifestações imperfeitas que percebemos no "Mundo Sensível".
●​ Os Processos Aleatórios e sua Natureza Multidisciplinar: Cada realização de uma variável
aleatória é gerada por um processo aleatório. O processo por trás do preço de uma ação, por
exemplo, é o complexo encontro entre oferta e demanda. O estudo desses processos é
frequentemente o foco de diversas áreas do conhecimento, como a Economia (taxa de
desemprego), o Marketing (receita gerada por um cliente) e a Sociologia (idade da primeira
gestação), o que destaca a natureza multidisciplinar do tema.
Tipos de Variáveis Aleatórias
●​ Variáveis Aleatórias Discretas
○​ São aquelas que só podem assumir valores específicos e isolados dentro de um
intervalo, geralmente resultantes de contagens. Exemplos incluem o número de filhos de
uma pessoa, a quantidade de ingressos vendidos para um show ou o número de
cadeiras ocupadas em um teatro.
○​ Para cada valor possível, associamos uma probabilidade de ocorrência por meio de uma
função de probabilidade. Um exemplo clássico é o lançamento de um dado, onde cada
resultado de 1 a 6 tem uma probabilidade de 1/6 de acontecer.
●​ Variáveis Aleatórias Contínuas
○​ Diferentemente das discretas, as variáveis contínuas podem assumir qualquer valor
dentro de um determinado intervalo. Exemplos incluem o tempo de vida de uma pessoa,
o consumo de energia ou o preço de uma ação.
○​ A Ideia da Probabilidade Pontual Zero: Um conceito contraintuitivo e fundamental é
que a probabilidade de uma variável contínua assumir exatamente um valor específico é
zero. Por exemplo, a chance de uma pessoa ter exatamente 20 anos é nula.
○​ A Importância dos Intervalos: Consequentemente, para variáveis contínuas, só faz
sentido calcular a probabilidade de que seu valor esteja dentro de um intervalo (por
exemplo, a probabilidade de uma pessoa ter entre 20 e 21 anos). Isso é feito usando a
função densidade de probabilidade, onde a probabilidade corresponde à área sob a
curva da função dentro do intervalo desejado.
Valor Esperado: A Média Ponderada das Possibilidades
●​ O valor esperado, ou esperança matemática, de uma variável aleatória é a média de todos os
seus resultados possíveis, ponderada pelas probabilidades de cada um. Eventos mais prováveis
recebem um peso maior no cálculo.
●​ Em um jogo de roleta, por exemplo, o valor esperado de uma aposta de $1 no vermelho é
negativo (aproximadamente -$0,05), indicando que, em média, o jogador perderá 5 centavos por
rodada.
●​ O "Pior Nome do Mundo": O termo "valor esperado" pode ser enganoso, pois muitas vezes o
valor resultante é um que a variável jamais poderia assumir na prática. O valor esperado do
lançamento de um dado é 3.5, um resultado impossível de se obter em uma única jogada.
●​ Diferença Essencial: Média vs. Valor Esperado: A média é calculada a partir das frequências
relativas de dados já observados (as realizações, no "mundo sensível"). O valor esperado é um
conceito teórico calculado com base nas probabilidades de todos os valores possíveis (no
"mundo das ideias").
○​ Variável aleatória discreta:
○​ Variável aleatória contínua:
Propriedades
●​ O valor esperado de um número que não varia é o próprio número: 𝔼(5) = 5
●​ Multiplicar uma variável aleatória por um número, multiplica o seu valor esperado pelo mesmo
número: 𝔼(5𝑋) = 5𝔼(𝑋)
●​ O valor esperado de uma soma é a soma dos valores esperados: 𝔼(𝑋 + 𝑌) = 𝔼(𝑋) + 𝔼(𝑌)
○​ E também: 𝔼(2𝑋 + 3𝑌) = 2𝔼(𝑋) + 3𝔼(𝑌)
●​ O valor esperado de duas variáveis aleatórias independentes é o produto de seus valores
esperados: 𝔼(𝑋𝑌) = 𝔼(𝑋) ⋅ 𝔼(𝑌), se X e Y forem independentes.
●​ O valor esperado tem a propriedade de ser o ponto que minimiza o erro quadrático médio. Em
outras palavras, se queremos escolher um número que melhor representa uma variável aleatória
no sentido de reduzir a soma dos erros ao quadrado, esse número é a média 𝔼(𝑋).
Variância
●​ A variância mede quão dispersos ou espalhados são os valores de uma variável aleatória em
torno de seu valor esperado. Formalmente, ela é definida como o valor esperado do quadrado da
diferença entre a variável e seu valor esperado: V(X) = 𝔼{[ X − 𝔼(X) ]2}. Ou também:
𝕍(𝑋) =
2
2
𝔼(𝑋 ) − [𝔼(𝑋)] . Elevar ao quadrado é uma solução para evitar que os desvios positivos e
negativos se anulem.
●​ O Problema das Unidades e a Solução do Desvio-Padrão: Um problema da variância é que
sua unidade de medida é o quadrado da unidade da variável original (ex: se a variável é em
dólares, a variância é em dólares ao quadrado), o que dificulta a interpretação. Para resolver
isso, utilizamos o desvio-padrão, que é simplesmente a raiz quadrada da variância e, portanto,
possui a mesma unidade da variável, sendo mais intuitivo.
A Variância na Prática: Interpretações para a Gestão.
1.​ Variância como Inimiga da Qualidade
○​ De acordo com a escola japonesa da qualidade, popularizada por Edward Deming, o
objetivo da gestão da qualidade é reduzir a variância de um processo. Um processo
com baixa variância é previsível, padronizado e gera confiança.
○​ A ferramenta prática para isso é o Controle Estatístico de Processos, que utiliza
gráficos com limites de controle (geralmente definidos pela média mais/menos 3
desvios-padrão) para monitorar se um processo está estável ou se algo incomum está
acontecendo e requer investigação.
2.​ Variância como Sinônimo de Risco
○​ A variância é uma medida direta de risco e imprevisibilidade. Quanto maior a
variância, maior a incerteza em torno do resultado esperado. Esse conceito é central
para áreas como a gestão de estoques, onde a variabilidade na demanda e no tempo de
entrega precisa ser gerenciada.
3.​ A Variância na Segmentação e o Cuidado com as Médias
○​ Na segmentação de clientes, o objetivo é formar grupos que tenham baixa variância
interna (as pessoas dentro de um grupo são parecidas entre si) e alta variância entre os
grupos (os grupos são diferentes uns dos outros).
○​ Um alerta importante é que, quando a variância dentro de um grupo é muito alta, o valor
esperado (ou a média) perde seu significado como um representante fiel do grupo.
Propriedades
●​ A variância de um número que não varia é zero: 𝕍(𝑛) = 0
●​ Ao multiplicar uma variável aleatória por um número, sua 𝕍 fica
multiplicada pelo número ao quadrado: 𝕍(𝑛𝑋) = 𝑛2 𝕍(x)
●​ A 𝕍 da soma de duas variáveis aleatórias independentes é a soma de
suas 𝕍s: 𝕍(𝑋 + 𝑌) = 𝕍(𝑋) + 𝕍(𝑌), se X e Y forem independentes.
●​ A 𝕍 da soma de duas variáveis não independentes depende da
ou
correlação entre elas:
●​ Aplicação em Finanças (Harry Markowitz): Este último ponto é a base da teoria moderna de
portfólios. Ao combinar ativos com correlação negativa (que tendem a se mover em direções
opostas), um investidor pode reduzir a variância (risco) total de sua carteira sem diminuir o
retorno esperado, um insight que rendeu um Prêmio Nobel de Economia.
AULA 3
DISTRIBUIÇÕES DE PROBABILIDADES
Esta aula aborda as principais distribuições de probabilidade, que são modelos matemáticos
utilizados para descrever a probabilidade de ocorrência de diferentes resultados em um experimento. A
maior parte dos problemas práticos pode ser categorizada e resolvida por meio de distribuições já
conhecidas e estudadas.
Distribuições para Variáveis Aleatórias Discretas:
Uma variável aleatória discreta é aquela que assume um número contável de valores, como o número
de caras em três lançamentos de moeda.
Distribuição Binomial
É um dos modelos mais importantes para variáveis discretas. Ela descreve a probabilidade de obter um
número específico de sucessos em uma sequência de um número fixo de tentativas independentes.
●​ Quando Usar uma Distribuição Binomial:
○​ A variável aleatória representa o número de vezes que um evento específico acontece.
○​ Existe um número máximo e fixo de tentativas (ou observações).
○​ Cada tentativa pode ser classificada em apenas duas categorias: sucesso ou fracasso.
Esse tipo de tentativa é conhecido como ensaio de Bernoulli.
○​ A probabilidade de sucesso ( ) é constante para cada tentativa.
●​ Notação e Parâmetros:​
A notação utilizada é
, onde:
○​
: Representa o número total de tentativas (X).
○​
: Representa a probabilidade de sucesso em uma única tentativa.
●​ Função de Probabilidade:​
A fórmula para calcular a probabilidade de obter exatamente
Onde o termo
maneiras diferentes de escolher
sucessos em
tentativas é:​
é chamado de coeficiente binomial e calcula o número de
sucessos em tentativas.
●​ Valor Esperado e Variância:
○​ Valor Esperado (Média): Representa o resultado médio esperado a longo prazo. É
calculado como
.
○​ Variância: Mede a dispersão dos resultados em torno da média. É calculada como
a
. A variância é máxima quando a probabilidade de sucesso
(ou 50%), pois é nesse ponto que a incerteza do resultado é maior.
é igual
Distribuição de Poisson
Este modelo é usado para descrever o número de vezes que um evento ocorre em um intervalo fixo de
tempo ou espaço.
●​ Quando Usar uma Distribuição de Poisson:
○​ Aplica-se quando não há um número máximo definido de ocorrências (
).
○​ A variável de interesse é a contagem de ocorrências de um evento em um intervalo.
●​ Notação e Parâmetro:​
A notação é
○​
, onde:
: É o único parâmetro da distribuição e representa o valor esperado ou a taxa média
de ocorrências no intervalo especificado.
●​ Função de Probabilidade:​
A fórmula para calcular a probabilidade de ocorrerem exatamente
Onde
eventos é:​
​
é a base do logaritmo natural (aproximadamente 2,718).
●​ Valor Esperado e Variância:​
Uma propriedade única da distribuição de Poisson é que o valor esperado e a variância são
iguais ao seu parâmetro .
○​
○​
Distribuições para Variáveis Aleatórias Contínuas:
Uma variável aleatória contínua pode assumir qualquer valor dentro de um determinado intervalo.
Distribuição Exponencial
É o modelo de probabilidade para descrever o tempo até a ocorrência de um evento.
●​ Quando Usar uma Distribuição Exponencial:
○​ A variável de interesse é o tempo entre dois eventos consecutivos de um processo de
Poisson.
○​ O processo tem a propriedade de falta de memória.
●​ Notação e Parâmetro:​
A notação é
○​
, onde:
: Representa a frequência ou taxa média com que os eventos ocorrem. Outra
interpretação: inverso do tempo médio entre eventos.
●​ Função Densidade de Probabilidade:
●​ Função de sobrevivência: Muitas vezes estamos interessados em
alguma coisa demorar mais do que um tempo “x” para acontecer
(ex: defeito em uma máquina).
●​ Valor Esperado e Variância:
○​ Valor Esperado (Média):
○​ Variância:
Distribuição Normal
Também conhecida como curva de sino, é a mais importante distribuição de probabilidade.
●​ Características Principais:
○​ É simétrica em torno de sua média.
○​ A média, a mediana e a moda são iguais.
○​ Observações extremas são raras.
●​ Notação e Parâmetros:​
A notação é
, onde:
○​
: Representa a média.
○​
: Representa a variância. A raiz quadrada,
, é o desvio padrão.
●​ A Regra Empírica (68 - 95 - 99.7):
○​ Aproximadamente 68% dos dados estão a 1 desvio padrão da média.
○​ Aproximadamente 95% dos dados estão a 2 desvios padrão da média.
○​ Aproximadamente 99.7% dos dados estão a 3 desvios padrão da média.
●​ Padronização e a Distribuição Normal Padrão (Z):​
Qualquer variável normal
pode ser convertida para a distribuição normal padrão,
, com média e desvio padrão . A conversão é feita pela fórmula:​
AULA 4
AMOSTRAGEM
População e Amostra:
●​ População: é o grupo de interesse para o estudo. É importante ressaltar que o termo
"população" não se refere a "todo mundo" indiscriminadamente, mas sim ao grupo específico
que está sendo analisado, como a audiência de um programa infantil, por exemplo.
●​ Amostra: é uma parte da população à qual se tem acesso e sobre a qual os dados são
coletados para análises posteriores.
●​ Relação entre População e Amostra: O ideal seria analisar a população inteira, mas isso
geralmente não é viável ou possível. Por isso, a amostragem é o processo de selecionar uma
parte da população (a amostra) para realizar as análises. A partir dessas análises, é possível
fazer uma inferência, ou seja, tirar conclusões sobre a população como um todo.
Amostras Representativas:
●​ Uma amostra é considerada representativa quando é o mais parecida possível com a
população, porém em escala menor.
●​ É crucial que a amostra seja representativa para que os resultados das análises estatísticas
sejam válidos.
●​ O uso de amostras não representativas pode levar a conclusões erradas e ter consequências
graves, como no caso da pesquisa de intenção de votos de 1936 nos EUA, que previu a vitória
de um candidato republicano, mas o democrata Franklin Roosevelt venceu com uma margem
esmagadora.
Como Obter Bons Dados:
Para garantir a qualidade dos dados, é necessário seguir três passos fundamentais:
●​ Definir a População: O primeiro passo é ter uma definição muito clara e precisa da população
que se deseja estudar.
●​ Encontrar um Meio de Coleta: É preciso encontrar um método de coleta de dados que consiga
atingir toda a população.
●​ Amostragem Aleatória: A amostragem deve ser feita de forma aleatória para garantir que a
amostra seja representativa.
Estimador e Estimativa:
●​ Estimador: é uma função calculada a partir da amostra aleatória para estimar um parâmetro da
população. Como é uma função de uma amostra aleatória, o estimador também é considerado
uma variável aleatória e, portanto, possui uma distribuição de probabilidades.
●​ Características de um Bom Estimador: Um bom estimador deve ter duas características
principais:
○​ Não Tendencioso (Não Viesado): Significa que, "em média, ele acerta" a estimativa.
○​ Consistente: Quanto maior o número de dados na amostra, menor a margem de erro da
estimativa.
Teorema do Limite Central (TLC):
●​ O Teorema do Limite Central afirma que, se você coletar uma amostra aleatória de uma
população, a média dessa amostra será uma variável aleatória com uma distribuição que se
aproxima de uma distribuição normal, independentemente de qual seja a distribuição original
da população.
●​ A aproximação se torna mais precisa à medida que o tamanho da amostra aumenta. Na prática,
a aproximação já é bastante boa com um número relativamente pequeno de amostras.
●​ Por que uma distribuição normal? A maior parte das amostras possui elementos tanto acima
quanto abaixo da média populacional. Esses valores tendem a se "cancelar" mutuamente,
fazendo com que a média da amostra se aproxime da média da população.
●​ O TLC é um conceito fundamental para o setor de seguros, pois enquanto a duração de uma
única vida é incerta, a duração média de um grande grupo de vidas é previsível. É por isso que
seguradoras são tipicamente grandes empresas, pois lidam com a média de grandes grupos.
●​ Condições para o TLC funcionar:
○​ A população deve ser infinita.
○​ Os elementos da população devem ser independentes uns dos outros.
○​ Nenhum elemento da população deve ser grande ou pequeno o suficiente para
influenciar a média populacional sozinho.
○​ A variância da população deve ser finita.
○​ A amostra deve ser grande e aleatória.
●​ Essas condições do TLC se assemelham a algumas das condições de um Mercado
Perfeitamente Competitivo.
AULA 4
INTERVALOS DE CONFIANÇA PARA A MÉDIA POPULACIONAL
Introdução ao Intervalo de Confiança:
A ideia central é criar uma margem de erro (e) para somar e subtrair da média amostral (X̄). O
objetivo é que o intervalo resultante, [
], contenha a verdadeira média populacional (μ).
●​ Motivação: Ao coletar uma amostra e calcular sua média (ex:
), não podemos afirmar
que a média populacional (μ) é exatamente igual a esse valor. A inferência estatística busca
estimar o parâmetro populacional a partir da amostra, e o intervalo de confiança nos permite
adicionar uma margem de erro a essa estimativa.
●​ Nível de Confiança (γ): Como o intervalo é calculado a partir de uma amostra aleatória, nunca
teremos 100% de certeza de que ele contém a média populacional. Por isso, trabalhamos com
uma alta probabilidade, chamada de nível de confiança (γ), de que o intervalo contenha o
verdadeiro valor de μ. Matematicamente, o objetivo é encontrar uma margem de erro e tal que:
.
●​ Interpretação Correta do Nível de Confiança:
○​ Interpretação Errada: Não é correto dizer que "a média populacional está dentro do
intervalo de confiança com 95% de probabilidade".
○​ Interpretação Correta: A interpretação correta é: "se coletarmos várias amostras da
mesma população e construirmos um intervalo de confiança para cada uma, esperamos
que 95% desses intervalos contenham a verdadeira média populacional".
Cálculo do Intervalo de Confiança:
Para encontrar a margem de erro, utilizamos a distribuição amostral da média.
●​ Caso 1: Desvio-Padrão Populacional (σ) Conhecido
○​ Fundamento: Pelo Teorema Central do Limite, a distribuição das médias amostrais se
aproxima de uma distribuição Normal com média
disso, a variável padronizada
N(0,1).
e desvio-padrão
. A partir
segue uma distribuição Normal padrão
○​ Fórmula da Margem de Erro (e): A margem de erro é calculada para que a
probabilidade de Z estar entre -z e z seja igual ao nível de confiança γ.
z é o valor crítico da distribuição Normal padrão tal que
Onde
.
○​ Exemplo (Confiança de 95%): Para um nível de confiança de 95%, o valor de z
correspondente
é
1,96.
Assim,
o
intervalo
de
confiança
é:
●​ Caso 2: Desvio-Padrão Populacional (σ) Desconhecido (O Cenário Realista)
○​ A Distribuição t de Student: Quando o desvio-padrão populacional (σ) é
desconhecido, ele precisa ser estimado a partir do desvio-padrão amostral (s). Essa
incerteza adicional faz com que a distribuição da média amostral seja mais "achatada" e
com caudas mais "gordas" que a Normal, seguindo a distribuição t de Student.
○​ Graus de Liberdade: A distribuição t possui um parâmetro chamado graus de
liberdade (gl), que para a média de uma amostra é calculado como gl = n - 1, onde n é
o tamanho da amostra. Quanto maior o tamanho da amostra, mais a distribuição t se
aproxima da distribuição Normal.
○​ Fórmula da Margem de Erro (e): A fórmula é ajustada para usar o valor crítico t da
distribuição t de Student e o desvio-padrão amostral s.
Onde t é o valor
crítico da distribuição t de Student com n-1 graus de liberdade tal que
.
Fatores que Influenciam a Margem de Erro:
A fórmula
nos mostra que a margem de erro é diretamente afetada por três componentes:
●​ Nível de Confiança (γ): Quanto maior o nível de confiança desejado (ex: 99% vs. 95%), maior
será a margem de erro. Para ter mais certeza de que o intervalo contém a média populacional,
precisamos de um intervalo mais amplo.
●​ Diversidade da População (σ): Quanto maior a variabilidade ou diversidade dos dados na
população (maior desvio-padrão), maior será a margem de erro. Populações mais
heterogêneas geram mais incerteza.
●​ Tamanho da Amostra (n): Quanto maior o tamanho da amostra, menor será a margem de
erro. Amostras maiores fornecem estimativas mais precisas da média populacional.
Aplicações e Contexto Histórico:
●​ Cálculo do Tamanho da Amostra: A fórmula do intervalo de confiança pode ser rearranjada
para determinar o tamanho de amostra (n) necessário para estimar uma média populacional
com uma margem de erro (e) predefinida.
●​ Teste A/B: Os intervalos de confiança são usados para comparar o desempenho de duas
versões (A e B) de um produto ou página da web. Se os intervalos de confiança para a métrica
de conversão de cada grupo não se sobrepõem, há evidências de que uma versão é superior à
outra. Por exemplo:
○​ Grupo A (conversão): [15%; 25%]
○​ Grupo B (conversão): [30%; 45%]
○​ Conclusão: Como os intervalos não se cruzam, a versão B é significativamente melhor.
●​ Origem da Distribuição t de Student:
○​ William Sealy Gosset: A distribuição foi desenvolvida por William Sealy Gosset, um
químico que trabalhava na Cervejaria Guinness em Dublin.
○​ O Pseudônimo "Student": A Guinness não permitia que seus funcionários publicassem
artigos científicos. Gosset publicou seu trabalho sob o pseudônimo de "Student", e por
isso a distribuição ficou conhecida como "t de Student".
●​ Origem do Termo "Graus de Liberdade": O nome tem origem no estudo da energia cinética
das moléculas em um gás (distribuição de Maxwell-Boltzmann). A energia é maior quanto mais
graus de liberdade uma molécula possui para se mover, e o termo foi adaptado para a
estatística.
AULA 5
TESTES DE HIPÓTESE
A Lógica do Teste de Hipóteses:
A ideia central de um teste de hipótese é avaliar a validade de uma afirmação sobre um processo ou
população, utilizando dados amostrais. Ele parte de uma pergunta fundamental: a variação observada
nos dados é apenas fruto do acaso ou representa uma mudança real no sistema?
●​ O Problema da Variabilidade: Um processo, mesmo sob controle, apresenta variações
naturais. O desafio é determinar se um conjunto de observações (por exemplo, sete pontos
consecutivos acima da média) é tão improvável que sugira uma mudança real no desempenho
médio do processo. A probabilidade de um evento como este ocorrer ao acaso pode ser muito
baixa (ex:
fato mudou.
, ou 0.8%), o que nos leva a questionar se a média do processo de
●​ Conceitos-Chave:
○​ Hipótese Nula (H₀): É a afirmação inicial, o status quo. Ela pressupõe que não há
mudança, efeito ou diferença. É a hipótese que tentamos rejeitar. Por exemplo,
: "Baal
é Deus" ou
: "A média de carboidratos nas barras de cereal é de 0,40g".
○​ Hipótese Alternativa (Hₐ ou H₁): É a afirmação que contradiz a hipótese nula. Ela
sugere que houve uma mudança ou efeito. Por exemplo,
: "O Deus de Israel é Deus"
ou
: "A média de carboidratos é maior que 0,40g".
○​ Valor-p (p-value): É a probabilidade de observar os dados da amostra (ou dados
ainda mais extremos) caso a hipótese nula seja verdadeira. Um valor-p baixo indica
que o resultado observado é muito improvável de ter acontecido por mero acaso.
○​ Nível de Significância (α): É um valor limite, definido a priori (antes do teste), que serve
como critério de decisão. Ele representa o risco máximo que estamos dispostos a correr
de rejeitar a hipótese nula quando ela é, na verdade, verdadeira. Na prática, o valor mais
comum é α = 5% (ou 0,05).
●​ A Regra de Decisão: a decisão de um teste de hipótese é baseada na comparação entre o
valor-p e o nível de significância:
○​ Se p < α (p pequeno): Rejeita-se a Hipótese Nula. As evidências são fortes o
suficiente para concluir que a hipótese nula é improvável.
○​ Se p > α (p grande): Não se Rejeita a Hipótese Nula. As evidências não são
suficientes para descartar a hipótese nula. Isso não significa que ela seja verdadeira,
apenas que não conseguimos provar o contrário.
●​ A Decisão Correta: A decisão em um teste de hipóteses é sempre rejeitar ou não rejeitar a
hipótese nula. Nunca se "aceita" a hipótese alternativa. A ausência de evidência contra a H₀
não é uma evidência a seu favor.
Teste de Hipótese para a Média de uma População:
Este é um dos testes mais comuns, usado para verificar se a média de uma população (
valor específico.
) é igual a um
●​ Exemplo 1: Barras de Cereal (Desvio-Padrão Populacional Conhecido)
○​ Situação: Uma fábrica produz barras de cereal que deveriam ter, em média, 0,40g de
carboidratos (
). O desvio-padrão histórico do processo é conhecido
(
). Uma amostra de 100 barras (
(
).
) apresentou uma média de 0,41g
○​ Hipóteses:
■​
■​
○​ Cálculo: Como o desvio-padrão da população ( ) é conhecido e a amostra é grande,
usamos a distribuição Normal (Z). O valor-p é a probabilidade de encontrar uma média
amostral de 0,41g ou mais, se a média real ainda fosse 0,40g.
■​ Cálculo do erro padrão:
■​ Estatística Z:
■​ Valor-p:
○​ Conclusão: Como o valor-p (2.3%) é menor que o nível de significância padrão (5%),
rejeita-se a hipótese nula. Há evidências de que o processo está produzindo barras
com mais de 0,40g de carboidratos.
●​ Exemplo 2: Barras de Cereal (Desvio-Padrão Populacional Desconhecido)
○​ Situação: Cenário similar, mas agora o desvio-padrão da população é desconhecido.
Coleta-se uma amostra menor (
) e calcula-se o desvio-padrão a partir dela
(
). A média amostral continua sendo
.
○​ Hipóteses: As mesmas do exemplo anterior.
○​ Cálculo: Por não conhecermos o desvio-padrão da população (
da amostra ( ), utilizamos a distribuição t de Student com
) e estarmos usando o
graus de liberdade.
■​ Cálculo do erro padrão:
■​ Estatística t:
, com 24 graus de liberdade.
■​ Valor-p:
○​ Conclusão: Como o valor-p (16.3%) é maior que o nível de significância (5%), não se
rejeita a hipótese nula. Não há evidências suficientes para afirmar que a média de
carboidratos aumentou.
Discussões Importantes:
●​ O Impacto do Tamanho da Amostra: Com amostras muito grandes, mesmo diferenças
mínimas e sem relevância prática podem se tornar estatisticamente significativas.
○​ Exemplo: Uma política pública aumentou a renda média de R$ 1.200 para R$ 1.201.
Com uma amostra de 10.000 famílias, essa diferença de R$1 resultou em um valor-p de
2.3%, levando à rejeição da hipótese nula.
○​ Reflexão: A estatística mostrou uma mudança (diferença significativa), mas essa
mudança é relevante na prática (diferença significante)? Ter mais dados nem sempre é
melhor, pois pode supervalorizar efeitos triviais.
●​ Estatística e Julgamento: a análise estatística é uma ferramenta, mas não substitui o
julgamento e o conhecimento do contexto do problema. É crucial avaliar se uma diferença
estatisticamente significativa realmente "faz a diferença" no mundo real.
AULA 6
TIPOS DE ERROS
A Natureza Aleatória dos Erros:
A análise de dados, especialmente quando baseada em amostras, está inerentemente sujeita à
aleatoriedade. Isso significa que, por puro azar, é possível chegar a conclusões equivocadas, mesmo
aplicando métodos corretos.
●​ Improbabilidade vs. Impossibilidade: eventos com baixa probabilidade não são impossíveis.
Dado tempo ou um número de amostras suficientemente grande, resultados muito improváveis
podem e irão acontecer por acaso. Por exemplo, em uma carta de controle com 1.000 amostras,
é possível que o indicador ultrapasse os limites de controle algumas vezes simplesmente por
variação aleatória.
Definição dos Erros Tipo 1 e Tipo 2:
No contexto de testes de hipóteses, existem dois tipos de erros que podem ser cometidos devido à
variabilidade amostral. 6
●​ Erro do Tipo 1 ( )
○​ Definição: O Erro do Tipo 1 ocorre quando rejeitamos a hipótese nula (
ela é, na verdade, verdadeira.
) quando
○​ Causa: Este erro acontece por azar, ao selecionarmos uma amostra que, embora
possível, é muito improvável sob a hipótese nula. Essa amostra atípica nos leva a
desacreditar da hipótese nula, mesmo ela sendo correta.
●​ Erro do Tipo 2 ( )
○​ Definição: O Erro do Tipo 2 ocorre quando não rejeitamos a hipótese nula (
quando ela é, na verdade, falsa.
)
○​ Causa: Acontece quando, por azar, coletamos uma amostra que parece plausível sob a
hipótese nula, mesmo que ela não seja verdadeira. Como resultado, não encontramos
evidências suficientes para rejeitar a hipótese nula e continuamos a acreditar nela,
cometendo um erro.
Analogias para Compreensão:
Para facilitar o entendimento, os erros podem ser ilustrados com situações práticas.
●​ Analogia Jurídica
○​ Hipóteses:
: O réu é inocente;
: o réu é culpado.
○​ Erro do Tipo 1: Condenar um réu que é inocente.
○​ Erro do Tipo 2: Considerar inocente um réu que é culpado.
●​ Analogia com Gestão de Processos
○​ Hipóteses:
processo.
: O processo está funcionando corretamente;
: há um problema no
○​ Erro do Tipo 1: Intervir em um processo que estava funcionando bem (conhecido como
alarme falso).
○​ Erro do Tipo 2: Não perceber um problema e deixar o processo operar com falhas
(conhecido como falso otimismo).
●​ Analogia com Auditoria
○​ Hipóteses:
: Não há fraude no balanço;
: há fraude no balanço.
○​ Erro do Tipo 1: Fazer apontamentos e restrições em um balanço que estava correto.
○​ Erro do Tipo 2: Aprovar sem restrições um balanço que era, na verdade, fraudulento.
●​ Analogia com Concessão de Crédito
○​ Hipóteses:
: O solicitante é um mau pagador;
: O solicitante é um bom pagador.
○​ Erro do Tipo 1: Conceder crédito a alguém que não irá pagar (default ou calote).
○​ Erro do Tipo 2: Negar crédito a um bom pagador, perdendo um cliente potencial.
Análise e Gerenciamento dos Erros:
Não é possível eliminar os dois erros simultaneamente, então o foco se volta para gerenciar suas
consequências.
●​ Qual erro é o mais grave? depende do contexto. Embora muitos livros de estatística
considerem o Erro do Tipo 1 como o mais grave (baseado na ideia de que "culpar um inocente é
pior do que inocentar um culpado"), em cenários de negócios a avaliação pode ser diferente.
○​ Em uma auditoria, aprovar um balanço fraudulento (Erro Tipo 2) pode ser mais grave do
que questionar um balanço correto.
○​ Na concessão de crédito, conceder um empréstimo que resultará em calote (Erro Tipo
1) pode ter um custo financeiro maior do que negar crédito a um bom cliente.
●​ O Trade-off entre Erro Tipo 1 e Erro Tipo 2: existe uma relação inversa entre os dois tipos de
erro: ao tentar reduzir a probabilidade de cometer um, aumenta-se a probabilidade de cometer o
outro.
○​ Se um sistema judicial se torna extremamente rigoroso para nunca condenar um
inocente (reduzir Erro Tipo 1), ele exigirá tantas provas que muitos culpados acabarão
livres (aumentar Erro Tipo 2).
○​ Por outro lado, se o objetivo é nunca deixar um criminoso escapar (reduzir Erro Tipo
2), o sistema pode passar a condenar pessoas com base em evidências fracas, o que
levará à condenação de inocentes (aumentar Erro Tipo 1).
●​ Minimização do Custo Total dos Erros: como os erros não podem ser eliminados, o objetivo é
minimizar o custo total associado a eles. Esse custo pode ser modelado pela seguinte
equação:
Onde:
○​
: É a probabilidade de cometer um Erro do Tipo 1.
○​
: É a probabilidade de cometer um Erro do Tipo 2.
○​
: É o custo associado a um Erro do Tipo 1.
○​
: É o custo associado a um Erro do Tipo 2.
A Perspectiva da Gestão:
A compreensão desses erros é fundamental para uma gestão eficaz.
●​ Erros como Parte do Processo: é crucial entender que os erros do Tipo 1 e 2 não ocorrem
por incompetência ou negligência. Eles são uma consequência inerente ao trabalho com
probabilidades e amostragem, acontecendo mesmo quando todos os procedimentos são
executados corretamente.
●​ A Visão do Gestor: muitos gestores têm dificuldade em aceitar que esses erros são inevitáveis
e não necessariamente indicam uma falha de alguém. A abordagem correta é reconhecer que
esses erros ocorrem com probabilidades conhecidas e geram custos calculáveis. O melhor
caminho é aceitar esses custos como parte do negócio, preparar-se para eles e provisionar
recursos para lidar com suas consequências.
EXCEL
Tabela de prefixos:
●​ NORM → normal
●​ T → distribuições & testes t
●​ BINOM → binomial
●​ POISSON → Poisson
●​ EXPON → exponencial
●​ CONF → intervalos de confiança
●​ PROB / FRE → probabilidade & frequência
●​ TESTE → testes diretos (T, Qui-quadrado, F)