Professional Documents
Culture Documents
Probabilidade e Estatstica
Prof. Narciso Gonalves da Silva
www.pessoal.utfpr.edu.br/ngsilva
Probabilidade
Experimento Aleatrio
Um experimento dito aleatrio quando satisfaz as seguintes condies: Pode ser repetido indefinidamente
possvel descrever todos os resultados do experimento, sem predizer com certeza qual ocorrer Obedece regularidade estatstica, ou seja, quando o experimento for repetido um grande nmero de vezes, surgir uma configurao definida
Probabilidade
Experimento Aleatrio
Exemplos: Lanar um dado e observar a face superior Lanar duas moedas e verificar as faces que ocorrem Verificar o tempo de vida de uma lmpada
Probabilidade
Espao Amostral
o conjunto de todos os resultados possveis de um experimento aleatrio Exemplo: Considere o experimento aleatrio sendo o lanamento de duas moedas no viciadas. E = duas moedas no viciadas so lanadas
Probabilidade
Probabilidade
Evento
qualquer subconjunto de um espao amostral
Sempre deve ser considerado o evento impossvel (aquele que nunca ocorre) e o evento certo (que prprio espao amostral ) Exemplo: No lanamento de um dado no viciado, considere o evento A quando ocorre um nmero par: E = uma dado no viciado lanado A = face par ocorre = {1, 2, 3, 4, 5, 6}
A = {2, 4, 6}
b) Interseco
c) Diferena
d) Complementar
10
e) Mutuamente Excludentes
11
e = N, determinar:
a) A U B
b) A B
c) A B d) B A
e) Ac B
12
Exemplos:
2) Numa pesquisa, das pessoas entrevistadas, 120 assistem a emissora A, 150 assistem a emissora B, 40 assistem as duas emissoras e 120 no assistem nenhuma das emissoras. Quantas pessoas foram entrevistadas? Resposta: 350 pessoas 3) Sejam A, B e C eventos de um espao amostral . Exprimir os eventos abaixo utilizando as operaes de unio, interseco e complementar. a) Somente o evento B ocorre. Resposta: Ac B Cc b) Pelo menos um evento ocorre. Resposta: A U B U C c) Os trs eventos ocorrem. Resposta: A B C d) Exatamente dois eventos ocorrem. Resposta: (A B Cc) U (A Bc C) U (Ac B C)
13
Exemplos: 4) Exprimir os eventos hachurados nos diagramas abaixo utilizando as operaes de unio, interseco e complementar.
Ocorre o evento A
Ocorre o evento A B
Ocorre o evento B U C
Ocorre o evento (A B) U (A C)
15
16
17
Definies de Probabilidade
1) Definio Frequentista (Atribuda Richard von Mises, 1883-1953) Se em N realizaes de um experimento aleatrio, o evento A ocorre nA vezes, ento a frequncia relativa de A nas N realizaes : nA fr = N
E a probabilidade de ocorrncia do evento A : nA P( A)=lim N N
18
Definies de Probabilidade
2) Definio Clssica (Atribuda Laplace) Seja um espao amostral finito , formado por eventos equiprovveis. Sendo A um evento de , ento a probabilidade de ocorrncia de A dada por:
Definies de Probabilidade
Exemplo: Qual a probabilidade de sair ao menos uma cara em dois lanamentos consecutivos de uma moeda no viciada? Soluo: cara = k e coroa = c = {(k,k), (k,c), (c,k), (c,c)} A = sair ao menos uma cara A = {(k,k), (k,c), (c,k)}
n( A ) 3 P( A ) = = = 75% n() 4
20
Axiomas da Probabilidade
1) 0 P(A) 1
2) P() = 1 3) Se A e B so eventos mutuamente excludentes, ento P(A U B) = P(A) + P(B)
21
Teoremas da Probabilidade
Tem-se: U =
Como = , ento e so mutuamente excludentes. Aplicando o 3 axioma: P( U ) = P() + P() = P() P() = 0
Exemplo:
A probabilidade de ocorrer face 2 e 3 no lanamento de um dado no viciado P() = 0, enquanto que a probabilidade de ocorrer face 2 ou 3 1/6 + 1/6 = 1/3.
22
Teoremas da Probabilidade
Teoremas da Probabilidade
Exemplo:
Uma urna contm 4 bolas verdes, 3 bolas brancas e 8 bolas amarelas. Uma bola retirada aleatoriamente. Determinar a probabilidade de que a bola retirada: a) No ser amarela b) No ser verde e nem amarela Soluo: V = a bola retirada verde B = a bola retirada branca A = a bola retirada amarela P(V) = 4/15 = 26,67% P(B) = 3/15 = 20,00% P(A) = 8/15 = 53,33%
a) Ac = a bola retirada no amarela P(Ac) = 1 P(A) = 1 8/15 = 7/15 = 46,67% = P(V U B) b) Vc Ac = a bola retirada no verde e nem amarela Da lei de Morgan: Vc Ac = (V U A)c P[(V U A)c] = 1 P(V U A). Como V e A so mutuamente excludente: P[(V U A)c] = 1 [P(V) + P(A)] = 1 4/15 8/15 = 3/15 = 20,00% = P(B)
24
Teoremas da Probabilidade
3) Teorema da Soma Se A e B so dois eventos quaisquer, ou seja, podem ser mutuamente excludentes ou no, ento: P(A U B) = P(A) + P(B) - P(A B)
Demonstrao: Se A B , ento A e (Ac B) so mutuamente excludentes e A U (Ac B) = A U B, logo: P[(A U (Ac B)] = P(A U B) = P(A) + P(Ac B) (1) Considerando que B a unio dos eventos mutuamente excludentes (B A) e (B Ac), ento: P(B) = P(B A) + P(B Ac) P(B Ac) = P(B) - P(B A) (2) Substituindo (2) em (1), tem-se: P(A U B) = P(A) + P(B) - P(A B)
25
Teoremas da Probabilidade
Exemplo:
Dois dados no viciados foram lanados simultaneamente. Determine a probabilidade de ocorrer ao menos um ponto 5. Soluo: A = ocorrer 5 no dado 1 B = ocorrer 5 no dado 2 A U B = ocorrer pelo menos um cinco
1 1 2 3 4 5 6
2
3 4 5 6
Teoremas da Probabilidade
5) Se A - B a diferena entre os eventos quaisquer A e B, ento, P(A - B) = P(A) - P(A B). Demonstrao: A = (A B) U (A B) Como (A B) e (A B) so mutuamente excludentes, ento aplicando o 3 axioma: P(A) = P[(A B) U (A B)] = P(A B) + P(A B). Logo: P(A - B) = P(A) - P(A B)
27
Teoremas da Probabilidade
Exemplo: Prove que P[(A Bc) U (Ac B)] = P(A) + P(B) 2.P(A B) Soluo: A Bc = A B e Ac B = B A Como A Bc e Ac B so mutuamente excludentes: P[(A Bc) U (Ac B)] = P(A Bc) + P(Ac B) Sabe-se que: P(A Bc) = P(A B) = P(A) P(A B) e P(Ac B) = P(B A) = P(B) P(B A) sendo A B = B A
28
Considere o experimento aleatrio E = um dado honesto lanado e a face observada e os eventos A = ocorre face 3 e B = ocorre face mpar = {1, 2, 3, 4, 5, 6} A = {3} B = {1, 3, 5} Qual a probabilidade do evento A ocorreu? n( A ) 1 P( A ) = = n() 6
P( A / B) =
n( A ) 1 = n(B) 3
29
Probabilidade Condicional Definio: Sejam A e B dois eventos quaisquer de uma espao amostral , com P(B) > 0. A probabilidade de A ocorrer, na hiptese de B j ter ocorrido, denotado por P(A/B), dada por:
P( A / B) = P( A B) P(B)
No exemplo anterior: E = um dado honesto lanado e a face observada = {1, 2, 3, 4, 5, 6} A = ocorre face 3 = {3} B = ocorre face mpar = {1, 3, 5} A B = {3}
P( A B) 1 6 1 P( A / B) = = = P(B) 36 3
30
Regra do Produto Da probabilidade condicional tem-se: P(A B) = P(A/B).P(B) Dois eventos A e B so ditos independentes se a probabilidade de ocorrncia de um evento no interfere na probabilidade de ocorrncia do outro evento, ou seja: P(A/B) = P(A) P(B/A) = P(B) Logo: P(A B) = P(B A) = P(A).P(B)
31
Exemplos:
1) Num lote de 12 peas, 4 so defeituosas. Duas peas so retiradas, uma a uma sem reposio. Qual a probabilidade de que ambas sejam no defeituosas? Soluo: A = primeira pea no defeituosa => P(A) = 8/12 B = segunda pea no defeituosa => P(B/A) = 7/11 P(A B) = P(A).P(B/A) = 8/12.7/11 = 14/33 = 42,42% Ou, utilizando a definio clssica de probabilidade: N = duas peas retiradas so no defeituosas
2 n() = C12
2 n(N) = C8
8! = = 28 (8 - 2)!2!
2 C8 28 P( A B) = 2 = = 42,42% C12 66
32
Exemplos:
2) Considere no exemplo anterior que os eventos A e B so independentes, ou seja, existe reposio da primeira pea aps verificar se ou no defeituosa. Soluo: A = primeira pea no defeituosa => P(A) = 8/12 B = segunda pea no defeituosa => P(B) = 8/12 P(A B) = P(A).P(B/A) = 8/12.8/12 = 4/9 = 44,44% Ou, utilizando a definio clssica de probabilidade: N = duas peas retiradas com reposio so no defeituosas
n(N) = 8.8 = 64
33
Definio: Considere A1, A2, A3 ... An uma partio do espao amostral e B um evento qualquer de . A probabilidade do evento B ocorrer dada por: n P(B) = P( A i ).P(B / A i )
i=1
Tem-se:
Aplicando o 3 axioma para eventos mutuamente excludentes: P(B) = P(A1 B) + P(A2 B) + + P(An B) Aplicando a regra do produto: P(B) = P(A1).P(B/A1) + P(A2).P(B/A2) + + P(An).P(B/An) Em aplicaes prtica, as probabilidades dos eventos da partio de so conhecidas ou podem ser calculadas, por isso, P(Ai) so chamadas de probabilidades priori dos eventos Ai. 34
35
Teorema de Bayes
Definio: Considere A1, A2, A3 ... An uma partio do espao amostral e B um evento qualquer de . n Do teorema da probabilidade total tem-se: P(B) = P( A i ).P(B / A i )
i=1
P( Ai ).P(B / Ai )
i=1
Teorema de Bayes
Exemplo 1: Considerando o exemplo anterior do fabricante de sorvete, sabendo que a amostra est adulterada, determinar a probabilidade de que o leite tenha sido fornecido pela fazenda F2.
Soluo: Deseja-se ento P(F2/B).
Por definio:
Teorema de Bayes
Exemplo 2: Determinadas peas so produzidas em trs fbricas F1, F2, e F3, sendo que a fbrica 1 e 2 produzem a mesma proporo de peas e a fbrica 3 produz o dobro das peas que cada uma das outras duas fbricas produzem. Sabe-se tambm, que 2% das peas produzidas pela fbrica 1 so defeituosas e que a proporo para as fbricas 2 e 3 so 3% e 4%, respectivamente. Qual a probabilidade de que uma pea defeituosa tenha origem da fbrica 2? Soluo: Sendo x a proporo de peas produzidas pelas fbricas 1 e 2, tem-se: x + x + 2x = 1. Logo x = 25%. Denotando por A = a pea defeituosa, deseja-se ento P(F2/A). A probabilidade de que a pea (defeituosa ou no) de procedncia da fbrica: F1: P(F1) = 0,25; F2: P(F2) = 0,25; F3: P(F3) = 0,50
A probabilidade de que a pea defeituosa e de procedncia da fbrica: F1: P(A/F1) = 0,02; F2: P(A/F2) = 0,03; F3: P(A/F3) = 0,04 Logo: P(A) = P(F1).P(A/F1) + P(F2).P(A/F2) + P(F3).P(A/F3) = 0,0325 = 3,25%
Portanto: P(F2 / A ) =
P(F2 A ) P(F ).P( A / F2 ) 0,25.0,03 = 3 2 = = 23,08% P( A ) 0,0325 P( Ai ).P( A / Fi )
i=1
38