Noções básicas de probabilidade

Simulação Estatística em Python

Tushar Shanker

Data Scientist

Espaço amostral

Espaço amostral $S$: conjunto de todos os resultados possíveis

Espaço amostral de dados

Simulação Estatística em Python

Probabilidade

Espaço amostral $S$: conjunto de todos os resultados possíveis

Probabilidade $P(A)$: chance do evento $A$

  • $0 \leq P(A) \leq 1$
  • $P(S) = 1$ ex. $P(H) + P(T)=1$
Simulação Estatística em Python

Probabilidade

Espaço amostral $S$: conjunto de todos os resultados possíveis

Probabilidade $P(A)$: chance do evento $A$

  • $0 \leq P(A) \leq 1$
  • $P(S) = 1$ ex. $P(H) + P(T)=1$

Moeda

Simulação Estatística em Python

Eventos mutuamente exclusivos

Espaço amostral $S$: conjunto de todos os resultados possíveis

Probabilidade $P(A)$: chance do evento $A$

  • $0 \leq P(A) \leq 1$
  • $P(S) = 1$
    • $P(H) + P(T)=1$
  • Para eventos mutuamente exclusivos $A$ e $B$:
    • $P(A \cap B) = 0$
    • $P(A \cup B) = P(A) + P(B)$
Simulação Estatística em Python

Probabilidade

$P(A \cup B) = P(A) + P(B) - P(A \cap B)$

A interseção B

Simulação Estatística em Python

Usando simulação para estimar probabilidade

Etapas para estimar probabilidade:

  1. Definir o espaço amostral ou população.
  2. Determinar como simular um resultado.
  3. Definir a regra de sucesso.
  4. Amostrar repetidamente e contar sucessos.
  5. Calcular a frequência de sucessos como estimativa da probabilidade.
Simulação Estatística em Python

Vamos praticar!

Simulação Estatística em Python

Preparing Video For Download...