Relacione as situações apresentadas na Coluna A (números) com as da Coluna B (letras).
Coluna A
1 Processo cujo resultado é incerto e pode ser descrito probabilisticamente.
2 Conjunto de todos os resultados possíveis de um experimento aleatório.
3 Evento formado por apenas um resultado possível do espaço amostral.
4 Evento formado por mais de um resultado possível do espaço amostral.
5 Probabilidade estimada a partir da repetição de experimentos e observação das frequências relativas.
6 Princípio segundo o qual a frequência relativa tende a se estabilizar conforme o número de repetições aumenta.
7 Probabilidade calculada considerando que uma informação adicional já é conhecida.
8 Situação em que a ocorrência de um evento não altera a probabilidade de ocorrência do outro.
9 Distribuição discreta utilizada para modelar o número de sucessos em um número fixo de tentativas independentes.
10 Distribuição utilizada para modelar o número de ocorrências de eventos em um intervalo de tempo ou espaço.
11 Distribuição contínua frequentemente utilizada para modelar medidas experimentais e erros de medição.
12 Quantidade numérica associada aos resultados de um experimento aleatório.
13 Parâmetro da distribuição de Poisson que representa o número médio de ocorrências em um intervalo.
14 Medida que representa o centro de uma distribuição de probabilidade.
15 Medida utilizada para avaliar a dispersão dos valores em torno da média.
Coluna B
A Distribuição Binomial
B Desvio padrão
C Distribuição de Poisson
D Espaço amostral
E Distribuição Normal
F Probabilidade frequentista
G Independência entre eventos
H Média
I Probabilidade condicional
J Lei dos Grandes Números
K Variável aleatória
L Evento composto
M Evento simples
N Experimento probabilístico
O Taxa média (lambda)

Passo 1

O enunciado pede que eu relacione cada item numerado na Coluna A (itens 1 a 15) com uma das opções da Coluna B (letras A a O). Ou seja: para cada descrição conceitual da Coluna A devo dizer qual termo da Coluna B corresponde. Informações relevantes que o enunciado dá:
  • Há quinze descrições conceituais numeradas de 1 a 15 (Coluna A).
  • Há quinze termos possíveis rotulados de A a O (Coluna B).
  • Cada descrição corresponde exatamente a um termo (assume-se correspondência bijetiva).
  • A tarefa é identificar e justificar (a seguir vou explicar os conceitos) qual letra corresponde a cada número. A resolução começará no próximo passo.

Passo 2

Item 1: “Processo cujo resultado é incerto e pode ser descrito probabilisticamente.”
Explicação do conceito (passo-a-passo didático): isso descreve o ato de realizar algo que tem resultados aleatórios — por exemplo, lançar uma moeda, medir a temperatura de manhã, sortear uma ficha. Em probabilidade chamamos isso de “experimento probabilístico” ou “experimento aleatório”. É o conceito mais básico: há uma ação que gera resultados não-determinísticos. Portanto o termo da Coluna B correspondente é N (Experimento probabilístico). No exame, quando ver uma frase que fala em “processo com resultado incerto”, pense em experimento probabilístico.

Passo 3

Item 2: “Conjunto de todos os resultados possíveis de um experimento aleatório.”
Explicação: esse conjunto é aquilo onde listamos tudo que pode acontecer. Ex.: ao lançar um dado, o espaço amostral é \{1,2,3,4,5,6\}. Em notação costuma-se usar \Omega para o espaço amostral. Na Coluna B o termo que corresponde é D (Espaço amostral). No exame, olhar por “conjunto de todos os resultados” e lembrar \Omega.

Passo 4

Item 3: “Evento formado por apenas um resultado possível do espaço amostral.”
Explicação: evento é qualquer subconjunto do espaço amostral. Quando o evento tem exatamente um elemento (por exemplo, obter “3” ao lançar um dado), chamamos de evento simples (ou elemento atômico). Na Coluna B isso é M (Evento simples). Dica prática: “apenas um resultado” → “simples”.

Passo 5

Item 4: “Evento formado por mais de um resultado possível do espaço amostral.”
Explicação: se o evento contém vários resultados (por exemplo, “sair número par” = \{2,4,6\}), então é um evento composto. Na Coluna B corresponde a L (Evento composto). Lembre: composto = mais de um elemento.

Passo 6

Item 5: “Probabilidade estimada a partir da repetição de experimentos e observação das frequências relativas.”
Explicação: isso descreve a abordagem frequentista de probabilidade, onde a probabilidade é vista como o limite da frequência relativa de um evento após muitas repetições. Por exemplo, se em n lançamentos uma face aparece k vezes, a frequência relativa é k/n; essa é a estimativa frequentista de P. Na Coluna B corresponde a F (Probabilidade frequentista). No estudo: praticar pensar em k/n como estimativa.

Passo 7

Item 6: “Princípio segundo o qual a frequência relativa tende a se estabilizar conforme o número de repetições aumenta.”
Explicação: esse princípio é a Lei dos Grandes Números. Em termos simples: a média amostral tende para a média verdadeira quando o número de repetições cresce. Escrevendo com notação: se \bar X_n é a média após n repetições então \lim_{n\to\infty}\bar X_n = \mu (sob condições usuais). Na Coluna B corresponde a J (Lei dos Grandes Números). No exame, ligar “frequência relativa estabiliza” imediatamente a essa lei.

Passo 8

Item 7: “Probabilidade calculada considerando que uma informação adicional já é conhecida.”
Explicação: isso é a definição de probabilidade condicional. Formalmente, a probabilidade de A dado que B ocorreu é
P(A\mid B)=\frac{P(A\cap B)}{P(B)},
desde que P(B)>0. Na Coluna B corresponde a I (Probabilidade condicional). Exemplo prático: probabilidade de tirar um rei sabendo que a carta é vermelha.

Passo 9

Item 8: “Situação em que a ocorrência de um evento não altera a probabilidade de ocorrência do outro.”
Explicação: essa é a definição de independência entre eventos. Em termos de probabilidade: A e B são independentes se e somente se
P(A\cap B)=P(A)\,P(B).
Na Coluna B corresponde a G (Independência entre eventos). Dica de prova rápida: verificar a igualdade acima.

Passo 10

Item 9: “Distribuição discreta utilizada para modelar o número de sucessos em um número fixo de tentativas independentes.”
Explicação: isto descreve a distribuição binomial. Parâmetros padrões: n (número de tentativas) e p (probabilidade de sucesso em cada tentativa). A função massa de probabilidade é
P(X=k)=\binom{n}{k} p^{k} (1-p)^{n-k},\quad k=0,1,\dots,n.
Na Coluna B corresponde a A (Distribuição Binomial). No exame: reconhecer “n tentativas independentes” → binomial.

Passo 11

Item 10: “Distribuição utilizada para modelar o número de ocorrências de eventos em um intervalo de tempo ou espaço.”
Explicação: isso é a distribuição de Poisson, usada quando contamos eventos raros em um intervalo (ex.: chamadas que chegam por hora). A função massa é
P(X=k)=e^{-\lambda}\frac{\lambda^{k}}{k!},\quad k=0,1,2,\dots,
onde \lambda é a taxa média de ocorrências no intervalo. Na Coluna B corresponde a C (Distribuição de Poisson). Atenção: Poisson aparece quando eventos são independentes e a taxa é constante.

Passo 12

Item 11: “Distribuição contínua frequentemente utilizada para modelar medidas experimentais e erros de medição.”
Explicação: isso descreve a distribuição Normal (ou Gaussiana). Parâmetros usuais: média \mu e desvio padrão \sigma. A densidade é
f(x)=\frac{1}{\sigma\sqrt{2\pi}}e^{-\tfrac{(x-\mu)^2}{2\sigma^2}}.
A Normal aparece muito em medidas por causa do Teorema Central do Limite. Na Coluna B corresponde a E (Distribuição Normal). No estudo: aprender padronização Z=(X-\mu)/\sigma.

Passo 13

Item 12: “Quantidade numérica associada aos resultados de um experimento aleatório.”
Explicação: isso é a definição de variável aleatória. Formalmente, uma variável aleatória X é uma função X:\Omega\to\mathbb{R} que atribui um número real a cada resultado do espaço amostral. Pode ser discreta ou contínua. Na Coluna B corresponde a K (Variável aleatória). Em prova, quando vir “quantidade numérica” pense em X.

Passo 14

Item 13: “Parâmetro da distribuição de Poisson que representa o número médio de ocorrências em um intervalo.”
Explicação: esse parâmetro é usualmente chamado de \lambda e representa tanto a média quanto a variância da Poisson: E[X]=\lambda e \operatorname{Var}(X)=\lambda. Na Coluna B corresponde a O (Taxa média \lambda). Em exercícios, frequentemente pedem interpretar \lambda como “média por intervalo”.

Passo 15

Item 14: “Medida que representa o centro de uma distribuição de probabilidade.”
Explicação: a medida que representa o “centro” é a média (valor esperado). Para uma variável aleatória X a média é denotada por \mu ou E[X], e é calculada como soma ponderada (discreta) ou integral (contínua). Na Coluna B corresponde a H (Média). Em provas: média = centro/valor típico.

Passo 16

Item 15: “Medida utilizada para avaliar a dispersão dos valores em torno da média.”
Explicação: a dispersão em torno da média é medida pelo desvio padrão (ou pela variância). A variância é \operatorname{Var}(X)=E[(X-\mu)^2] e o desvio padrão é \sigma=\sqrt{\operatorname{Var}(X)}. A Coluna B oferece “Desvio padrão” em B, que é a resposta óbvia aqui. Portanto item 15 corresponde a B. Lembre: desvio padrão tem a mesma unidade que a variável, por isso é preferido em interpretação.

Resposta

1 N
2 D
3 M
4 L
5 F
6 J
7 I
8 G
9 A
10 C
11 E
12 K
13 O
14 H
15 B

Exercícios relacionados