Por que estudar Probabilidade e Estatística? Probabilidade e Estatística são fundamentais para todas as pessoas que trabalham com qualquer tipo de dado numérico. A idéia comum de "probabilidade" está muito associada a jogos de cartas, loterias, etc ... Entretanto, veremos ao longo do curso que o estudo das probabilidades envolve situações bem mais gerais do que estas, e daí a utilidade deste estudo na "vida real". Por que estatística é importante ? Porque nos permite entender e lidar com a noção de variabilidade.

Um exemplo típico está a seguir:

Considere uma fábrica que produz parafusos. Estes devem ter seu diâmetro dentro de certas especificações. Ao medirmos o diâmetro de 100 parafusos produzidos ao acaso existirão variações individuais. Estas variações são importantes ? Até que ponto as variações observadas são aceitáveis ?

Sempre que falamos em Estatística duas noções são importantes : População e Amostra.

População = coleção de todos os elementos cujas características desejamos conhecer. Os elementos (ou "indivíduos") na população não são necessariamente pessoas !

Amostra = subconjunto da população cujas características serão medidas . A amostra será usada para descobrir características da população.

1) População = eleitores na cidade do Rio de Janeiro

Amostra = 650 eleitores escolhidos aleatoriamente ( ao acaso)

Característica de interesse : percentual de eleitores que planejam votar num candidato X nas próximas eleições.

2) População = todos os automóveis produzidos em agosto de 1995

Amostra =automóveis Uno Mille produzidos em 1995

Característica de interesse = número de defeitos apresentados nos primeiros 3 meses de uso, quilometragem média, e uma possível relação entre estas duas variáveis.

3) População = todos os domicílios com TV na cidade do Rio de Janeiro

Amostra = 1000 domicílios com TV escolhidos ao acaso

Característica de interesse = percentual de audiência de cada emissora de TV a cada dia da semana no horário de 18 às 22 horas.

4) População = população acima de 15 anos na cidade do Rio de Janeiro

Amostra = 200 pessoas com mais de 15 anos

Características de interesse =

        1- percentual de bebedores de cerveja

        2- dentre os bebedores de cerveja, quantos são homens ?

        3- dentre os bebedores de cerveja, quantos preferem Brahma ?

        4-dentre os bebedores de Brahma, quantas cervejas eles tomam por semana e a que classe social eles     pertencem ? Existe alguma relação entre estas 2 variáveis (consumo e classe social) ?

Como você pode ver, existe uma infinidade de características de interesse que podem ser medidas numa amostra.

A partir de uma amostra coletamos informações que nos permitirão aprender alguma coisa interessante sobre a população.

Em termos de custos, estatística é uma coisa "super" eficiente, pois muitas vezes (como nos exemplos) a população é enorme, e não é viável medir as características de interesse em cada elemento da população. Na verdade, pode-se provar que, para populações muito grandes, uma amostra de cerca de 600 ou 1000 "indivíduos" fornece resultados bastante confiáveis sobre as características da população.

Suponha agora que você obteve uma amostra e, dentro desta amostra você coletou dados numéricos (por exemplo, o percentual de audiência da TV Globo nos domingos à noite). O que fazer com isso ? Existem 2 possibilidades :

• Você pode simplesmente descrever estes dados numéricos através de gráficos e tabelas. Isto é chamado de estatística descritiva. A maioria das pesquisas de mercado faz só isso.

• você pode tentar tirar conclusões sobre as características da população a partir dos dados observados na amostra. Isto se chama estatística inferencial (ou simplesmente estatística !), e será a nossa grande preocupação neste curso.

Inicialmente neste curso apresentaremos os conceitos fundamentais de probabilidade. A partir destes podemos desenvolver técnicas que nos permitirão tirar conclusões sobre características da população. As técnicas essenciais que iremos considerar ao longo do curso são : estimação pontual, estimação por intervalos (intervalos de confiança).