Professional Documents
Culture Documents
Introduo s Probabilidades
No possvel determinar exactamente a origem do estudo das probabilidades, mas tudo leva a crer que em algumas civilizaes antigas, estudiosos se dedicassem analise da existncia de regularidades em fenmenos imprevisveis. Embora os jogos de azar fossem j conhecidos dos Egpcios, 3500 anos a.C. , o incio oficial do estudo das probabilidades foi no sec. XVII, com as tentativas de desenvolver uma teoria com base no estudo dos jogos de azar. Cardano foi um dos primeiros a tentar descrever um mtodo de clculo das probabilidades. No seu livro The book on games of chance no s explica as leis das probabilidades, como analisa os jogos de azar e ensina a jogar e a detectar batoteiros Em 1651 ou 1652, Chevalier de Mr (conhecido escritor e jogador da corte de Luis XIV) props a Pascal a resoluo de problemas relacionados com os jogos que habitualmente praticava. Numa das consultas que De Mr fez a Pascal disse-lhe que suspeitava que a probabilidade de obter pelo menos um "6" em quarto lanamentos de um dado,
Figura 1:
Pascal
era ligeiramente superior probabilidade de obter pelo menos um duplo 6 em 24 lanamentos de dois dados
Pascal resolveu o problema e provou De Mr estava correcto. De facto a observao de De Mr verdadeira mesmo que os dois dados sejam lanados 25 vezes, uma vez que a probabilidade de obter pelo menos um duplo 6 neste caso
Ao deparar com algumas dificuldades na sua resoluo dos problemas que De Mr lhe colocava Pascal procurou, por correspondncia, a ajuda do seu colega Fermat. Para muitos, a correspondncia entre estes dois matemticos marca o incio da Teoria das Probabilidades.
Carla Santos
Depois de Pascal e Fermat a teoria das probabilidades desenvolveu-se rapidamente graas aos contributos de inmeros matemticos. Entre eles destacaram-se, Bernoulli (1654-1705), autor do magistral tratado Ars conjectandi, que demonstrou a lei dos grandes nmeros e Laplace (1749 1827) autor do livro Teoria analtica das probabilidades a quem se ficou a dever a definio clssica de probabilidades, vulgarmente conhecida pelo nome de Lei de Laplace.
Depois de Laplace e at aos nossos dias a teoria das probabilidades continuou o seu desenvolvimento e tem hoje grande utilidade, em diferentes reas da Cincia assim como no quotidiano permitindo-nos compreender melhor, informaes dos campos econmico, social, poltico ou desportivo. Apesar de podermos considerar que os censos, para fins de alistamento militar e de colecta de impostos, realizados h mais de 4000 anos (como o caso do censo do imperador Yao na China, em 2200AC) marcaram o incio dos estudos estatsticos, mas estes estudos abrangiam apenas a vertente da Estatstica Descritiva uma vez que se limitavam exibio e sntese dos dados recolhidos (a) no envolvendo nenhum trabalho probabilstico, pois todos os objectos do universo envolvido ( a populao ) eram observados ou medidos, . A primeira pessoa a observar apenas uma pequena amostra e, a partir de uma anlise probabilstica, estender os resultados da amostra para o todo do universo ou populao foi Adolphe Qutelet. A partir desta iniciativa, rapidamente surgiu a ideia de dar, uma base mais rigorosa para o mtodo cientfico, a partir de uma fundamentao probabilstica para as etapas da colecta e a da anlise indutiva de dados cientficos. Essa concepo, hoje essencial no trabalho cientfico, s atingiu um nvel prtico no incio do sc. XX deu origem inferncia estatstica, que estuda tcnicas que permitem quantificar probabilisticamente as incertezas envolvidas ao induzirmos, para um universo, observaes feitas numa amostra do mesmo. Os pais da Inferncia Estatstica so J. Neyman e Karl Pearson, os quais a criaram em vrios artigos escritos a partir de 1930. Embora os estudos de Neyman e Pearson estivessem associados s questes de hereditariedade, os mtodos e at as expresses que criaram, tais como "hiptese nula" e "nvel de significncia", fazem hoje parte da rotina diria de todo o estatstico e cientista. O delineamento das experincias cientficas trata das precaues que o cientista deve tomar, antes de iniciar suas observaes ou medidas, de modo que os objectivos pretendidos sejam atingidos. Foi R. A. Fisher, ao trabalhar na seleco gentica de plantas agrcolas, que desenvolveu grande quantidade de resultados bsicos sobre delineamento de experincias e os divulgou, com grande sucesso, em dois livros histricos: Statistical Methods for Research Workers (1925) e The Design of Experiments, publicado em 1935.
A Teoria das Probabilidades o ramo da Matemtica que estuda os possveis resultados de acontecimentos nos quais intervm o acaso, isto , estuda os fenmenos aleatrios, assim como, as suas semelhanas e distribuies.
Ao lanar um dado, no podemos prever qual o nmero que ir ocorrer, ou quando lanamos uma moeda no podemos prever se aparecer cara ou coroa. Experincias, deste tipo, cujos resultados no podem ser previstos quando, em idnticas condies, so repetidas vrias vezes so chamadas experincias aleatrias. Ao conjunto de todos os resultados possveis associados a uma experincia aleatria chama-se espao amostral ou espao de resultados e representa-se por =
{1 ,..., n } .
Carla Santos
Exemplo 1:
No lanamento de uma moeda, o espao amostral ={cara, coroa} No lanamento de um dado, o espao amostral = {1, 2, 3, 4, 5, 6} No lanamento de duas moedas, uma aps a outra = {(cara, cara), (cara, coroa ), (coroa, cara), (coroa, coroa)} Ao extrairmos uma bola de uma urna contendo bolas brancas, vermelhas e pretas = {B, V, P} No lanamento de dois dados, um aps o outro. = {(1, 1), (1, 2), (1, 3) ... (5, 6), (6, 6)} (#=36)
Os acontecimentos constitudos por um s elemento do espao de resultados so chamados elementares e os constitudos por mais do que um elemento, dizem-se compostos.
Se um acontecimento inclui todos os elementos do espao de resultados designa-se por acontecimento certo ( ) e se no inclui nenhum elemento do espao de resultados um acontecimento impossvel ().
Exemplo 2:
A ={ocorrncia de soma 4} = {(1, 3), (2, 2), (3, 1)} B ={ocorrncia de resultados iguais nos dois lanamentos} = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5, (6, 6)}
Exemplo 3:
Nota:
A,
e C
so um
acontecimentos acontecimento
compostos,
D = {1, 2, 3, 4, 5, 6} E= F = {1, 3, 5}
Dado um acontecimento A, o seu complementar (em ) o conjunto cujos elementos so exactamente os elementos de que no esto em A e designa-se por
A ou Ac ou ~ A .
Carla Santos
obter nmero par. lgico que nos estamos a referir ao acontecimento F obter nmero mpar Diz-se que F o F = {1,3, 5} acontecimento
Dados dois conjuntos A e B, a interseco de A com B, designada por A B, o conjunto cujos elementos so elementos de A e B simultaneamente.
Exemplo 5:
A B = {6}
Dados dois conjuntos A e B, a unio (reunio) de A com B, designada por A B, o conjunto cujos elementos so elementos de A, de B o u de ambos.
Carla Santos
Dados dois conjuntos A e B, a diferena de B em A, designada por A \ B ou A B, o conjunto cujos elementos so os elementos de A que no pertencem a B.
A \ B = A B = { : A B}
Propriedades
Unio - U
Interseco -
Comutativa
A B = B A
A ( B C) = ( A B) C
A B = B A
A ( B C ) = ( A B) C
Associativa
Distributiva
A ( B C ) = ( A B) ( A C ) A ( B C ) = ( A B) ( A C )
Idempotncia
A A = A
A A = A
Complementar
A A =
A = A A =
A A =
A = A A =
Elemento Neutro
Elemento Absorvente
Leis de De Morgan
A B = A B
A B = A B
Carla Santos
Axiomas de Probabilidade
Da necessidade de sistematizao dos conceitos empregues na Teoria das Probabilidades e da construo de um Corpo terico coerente surgem os trs axiomas em que se baseiam todos os desenvolvimentos posteriores deste campo das cincias matemticas.
0 P( Ai ) 1 P( ) = 1
Aditividade
P( A1 A2 ) = P( A1 ) + P( A2 ) onde A
e A2 so mutuamente exclusivos
N P A i = i=1
P( A) =
Na extraco de cartas de um baralho, no lanamento de dados ou em todas as situaes em que os acontecimentos elementares so equiprovveis a probabilidade de um acontecimento pode ser calculada, sem recurso experimentao, aplicando a definio de Laplace. Para tal s necessitamos saber o nmero de casos possveis e favorveis ao acontecimento em estudo.
Carla Santos