Professional Documents
Culture Documents
Digital de Imagens
Probabilidade e Processos
Estocsticos
Ementa:
Probabilidade
Definies e axiomas
Probabilidade condicional
Probabilidade total
Variveis aleatrias
Processos estocsticos
Parte 1
Probabilidade
Introduo
Nas engenharias h um interesse no estudo de sistemas
que variam de forma aleatria, no determinstica da
tica do observador.
Modelos probabilsticos so formas matemticas para
descrever o comportamento de variveis associadas ao
fenmeno.
Processos estocsticos so modelos probabilsticos
para descrever sistemas que se desenvolvem no tempo
de forma aleatria.
Conceitos Bsicos
Experimento aleatrios: so fenmenos (experimentos)
que repetidos sob as mesmas condies apresentam
variaes em seus resultados, onde impossvel afirmar
exatamente o resultado que ocorrer.
Espao Amostral (S): o conjunto que contm todos os
resultados possveis do experimento.
Evento: qualquer resultado de interesse para o
experimento.
Reviso de Conjuntos
Conjunto definido como uma coleo de objetos.
Mtodo de enumerao:
Mtodo de descrio:
Algumas definies:
x A
D
DS
Ac
B A
Reviso de Conjuntos
Operaes bsicas:
A B A Bc
c c
A Ac S
A Ac
A S S
A S A
Sc
c S
A B (Conjuntos disjuntos).
Reviso de Conjuntos
Propriedades:
I.
Comutatividade: A B B A
II.
Associatividade: A ( B C) ( A B) C
III. Distributividade: A ( B C) ( A B) ( A C)
Leis de Morgan:
a) A B ( Ac Bc )c .
b) C D (C c Dc )c
Probabilidade
Evento um subconjunto do espao amostral.
Dois eventos, A e B , que no possam ocorrer
conjuntamente
so
denominados
mutuamente
exclusivos.
S S ; S denominado evento certo.
S ; denominado evento impossvel.
Os elementos em S s1 , s2 , s3 ,... so denominados
eventos elementares.
Exemplos de eventos.
Probabilidade
Probabilidade uma funo P(.) que atribui um nmero
entre 0 e 1 aos conjuntos.
Axiomas:
1. P( E ) 0 para cada evento E
2. P( S ) 1
3. Se A1 , A2 ,..., Ak so mutuamente exclusivos, ento
k
P A1 A2 ... Ak P Ai
i 1
Exemplos.
Propriedades da Funo de
Probabilidade
P E c 1 P E .
P 0 .
0 P A 1.
Se A e B so eventos quaisquer,
P A B P( A) P( B) P( A B)
Se A B, ento P( A) P( B)
P A1 A2 ... Ak P Ai
i 1
Propriedades da Funo de
Probabilidade
Exerccio: O circuito chaveador consiste de duas chaves
defeituosas, onde cada chave possui a probabilidade de
0,5 de fechar. A probabilidade das duas chaves fecharem
de 0,25. Qual a probabilidade do circuito operar
corretamente?
Propriedades da Funo de
Probabilidade
Exerccio: Sendo P A 0,9 ; PB 0,8 e P A B 0,75
determine:
a) P A B
c
b) PA B
c) PAc B c
n( A)
n( S )
n! n (n 1) (n 2) ... 2 1
2. Arranjos: n objetos de um conjunto com N elementos
(a ordem diferencia).
( N ) n N ( N 1) ( N 2) ... ( N n 1)
3. Combinao: n objetos de um conjunto com N (a
ordem no diferencia).
N
N!
n n!( N n)!
Probabilidade Condicional
Existem situaes onde h interesse em conhecer a
probabilidade de um evento A, sob a condio de
ocorrncia de outro evento B.
Definio: A probabilidade condicional da ocorrncia de A
dado que B tenha ocorrido, dada por
P( A | B)
P( A B) , onde P( B) 0
P( B)
Probabilidade marginal
P(B)
Probabilidade conjunta
P( A B)
P( B) P( B | Ai ) P(Ai )
i 1
Independncia de Eventos
Tm-se situaes em experimentos onde a ocorrncia de
um evento A no afeta a probabilidade da ocorrncia
de um outro evento B .
P( A | B) P( A) e
P( B | A) P( B)
so
P( A B) P( A) P( B)
Eventos independentes so diferentes de eventos
mutuamente exclusivos.
Teorema de Bayes
Da probabilidade condicional tem-se
P( A B)
P( A B)
P
(
B
|
A
)
P( A | B)
e
P( A)
P( B)
Portanto,
P( B | A)
P( A | B) P( B)
P( A)
P( A | B j ) P( B j )
k
P( A | B ) P( B )
i 1
, j 1,2,.., k
Teorema de Bayes
Exemplo: Um teste de laboratrio efetivo em 95% dos
casos (detectar corretamente a doena) e apresenta
falso positivo em 1% dos casos (indicar falsamente a
doena). Se em uma populao, onde 5% das pessoas
tem a doena, uma pessoa selecionada ao acaso e
submetida ao teste.
a) Qual a probabilidade do resultado ser positivo?
b) Qual a probabilidade da pessoa ter doena se o teste for
positivo?
Parte 2
Variveis Aleatrias
Variveis Aleatrias
Em problemas reais, emprega-se modelos probabilsticos
para descrever o comportamento de ocorrncias. As
observaes so tratadas como resultantes de um
experimento aleatrio e associa-se nmeros reais a cada
resultado do experimento.
Definio: Uma varivel aleatria uma funo X (.) que
associa um nmero real X (s) a cada elementos S .
Variveis Aleatrias
O mapeamento pode ser um para um.
Variveis Aleatrias
O mapeamento pode ser de muitas amostras para uma.
Variveis Aleatrias
Exemplo: Faa um desenho representando um
mapeamento dos padres de pontos num dado, para os
nmeros 1,2,3,4,5,6.
Repetir o exemplo anterior, mapeando os lados com 1, 2
e 3 dots para o nmero 0 e os remanescentes lados para
o nmero 1.
Classificao de Variveis
Aleatrias
Discreta se o conjunto dos seus valores finito ou infinito
contvel (enumervel).
Exemplo: Contar o nmero de vezes que o resultado
igual a cara em M lanamentos de uma moeda.
Contnua se assume valores em um intervalo, ou uma
coleo de intervalos, de nmeros reais.
Exemplo: Realizar experimentos para medir o consumo
de energia na execuo de cdigos em sistemas
embarcados.
Notao:
Notao:
Notao:
Notao:
Observao:
a taxa mdia de ocorrncia do evento no
intervalo considerado.
Modelo de Poisson
Exemplo-1: Suponha que Xt, o n de partculas emitidas
em t horas por uma fonte radioativa, tenha uma
distribuio de Poisson com parmetro 20t. Qual ser a
probabilidade de que exatamente 5 partculas sejam
emitidas durante um perodo de 15 min?
Modelo de Poisson
Exemplo-2: Uma indstria de tintas recebe pedidos de
seus vendedores atravs de fax, telefone e internet. A
taxa mdia de 5 pedidos por hora. (a) Qual a
probabilidade da indstria receber mais de dois pedidos
por hora? Digamos que, no horrio do almoo, a
indstria fica impossibilitada de atender a mais de dois
pedidos por hora. Voc acha que deveria aumentar o n
de atendentes nesse perodo? (b) Em um dia de
trabalho (8 horas) qual seria a probabilidade de haver 50
pedidos? A indstria deveria aumentar o n de
atendentes para receber mais de 50 pedidos por dia?
Modelo de Poisson
Exemplo-3: A chegada de nibus em um terminal
acontece a razo de 3 por minuto. Supondo que tenha
uma distribuio de Poisson, determine a probabilidade
de:
a) chegarem exatamente 8 nibus em 2 minutos
b) chegarem exatamente 4 nibus em 5 minutos
Transformao de Variveis
Aleatrias
H em alguns experimentos interessante realizar uma
transformao da varivel aleatria.
Seja
uma transformao de
tem-se que
Funo de Distribuio
Acumulada
A funo de distribuio cumulativa (f.d.a.) descreve a
funo de probabilidade de uma varivel aleatria:
,
, a f.d.a. da varivel aleatria.
Funo de Distribuio
Acumulada
Funo de Distribuio
Acumulada - Propriedades
A funo de distribuio acumulada monotonicamente
crescente
. Para
Propriedades da Varincia e
Esperana
Propriedades:
A funo
constante em
Modelo Exponencial
Uma varivel aleatria continua
exponencial se sua f.d.p. dada por
tem distribuio
Modelo Exponencial
Mostre que para
onde
e
.
A distribuio simtrica em torno de .
O tamanho da densidade dado pelo valor de .
Considera-se como a distribuio mais importante.
Notao:
, calcule
, calcule
de
Calcule a varincia de
Exemplo:
Funo de Distribuio
Acumulada Conjunta
Propriedades:
.
aumenta.
e/ou
Funo de Distribuio
Acumulada Conjunta
A f.m.p pode ser obtida por:
Exemplo:
Independncia de Mltiplas
Variveis Aleatrias
Se
Transformao de Mltiplas
variveis aleatrias
Considere as variveis aleatrias
em
transformadas
Exemplo: Considere
(variveis
independentes). Realize a transformao e encontre
f.m.p conjunta.
Transformao de Mltiplas
variveis aleatrias
Considere a transformao do vetor aleatrio
varivel aleatria
. A f.m.p conjunta
na
um vetor aleatrio e
Exemplo: valor
aleatrias
esperado
da
soma
de
variveis
. Suponha
Covarincia
Definio: A covarincia entre duas variveis aleatrias
definida por
Covarincia
Exemplo: Encontre a covarincia da f.m.p. conjunta
Coeficiente de Correlao
O coeficiente de correlao entre duas variveis
aleatrias definido por
Coeficiente de Correlao
Exemplo: Obtenha o coeficiente de correlao entre as
variveis aleatrias.
Probabilidade marginal
Esperana Condicional
Definio:
Igualando as equaes:
Caso especial:
Propriedade de Markov:
Transformao:
Varincia:
Probabilidade marginal:
Processos Estocsticos
Processo estocstico o mapeamento de , o qual um
conjunto de seqncia infinitas de resultados, para
,o
qual um conjunto de seqncia infinitas de nmeros.
Exemplo:
Notao:
o processo e
a realizao.
Processos Estocsticos
Exemplo: Processos de Bernoulli.
Processos Estocsticos
Exemplo: A probabilidade dos cinco primeiro resultados
serem cara.
Processos Estocsticos
Tipos de processos Estocsticos:
Processos de Tempo Contnuo: A varivel pode alterar o seu
valor em qualquer instante de tempo.
Processos de Tempo Discreto: A varivel altera o seu valor em
intervalos fixos de tempo.
Varivel Continua: A varivel pode assumir qualquer valor
dentro de um determinado intervalo.
Varivel Discreta: A varivel pode assumir apenas alguns
valores discretos.
Processos Estocsticos
Processos Estocsticos
Random walk
onde
Processos Estocsticos
O processo estocstico pode ser classificado em:
Estacionrio (a estatstica no depende do tempo).
No-estacionrio (caso contrrio.)
Processos Estocsticos
Os valores esperados das funes do processo
estocstico devem ser estacionrios
Processos Estocsticos
Processo Random Walk
Soma de n variveis aleatrias iid
1 p k 1
pU [k ]
k 1
p
Exemplo: Qual a distribuio de probabilidade?
Processos Estocsticos
Processo estocstico estacionrio no sentido amplo
(WSS- wide sense stationary)
Um processo estocstico definido como WSS se
como
Ento as condies equivalentes so
Processos Estocsticos
Se o processo estocstico WSS, pode-se definir a
autocorrelao:
e varincia
Processos Estocsticos
Propriedades da autocorrelao:
positiva para k=0.
uma sequncia par
Processos Estocsticos
O processo dito ergdico se sua mdia temporal
igual a mdia do conjunto.
Processos Estocsticos
Densidade Espectral de Potncia (PSD Power
Spectral Density).
Para um sinal determinstico os componentes espectrais so
obtidos a partir da transformada de Fourier.
Para sinais WSS essa informao obtida a partir da PSD:
Processos Estocsticos
Exemplo: Encontre a PSD do sinal rudo branco definido
por
Processos Estocsticos
Processos estocsticos Gaussianos:
Modela muitos sinais aleatrios.
Teorema central do limite
onde
Processos Estocsticos
Continuao
Notao
Processos Estocsticos
Processo estocstico de Poisson
Descreve o nmero de vezes que algum evento ocorreu em
funo do tempo.
Definio: