Baixe o app para aproveitar ainda mais
Prévia do material em texto
17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&PA… 1/34 ANÁLISE COMBINATÓRIA ANÁLISE COMBINATÓRIA E PROBABILIDADEE PROBABILIDADE PROBABILIDADEPROBABILIDADE Autor: Ma. Luciane Aparecida Marostegan Revisora : E la ine Stur ion I N I C I A R 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&PA… 2/34 introdução Introdução A teoria das probabilidades teve início com os jogos de cartas, roletas etc. Esta permite que se calcule a chance de ocorrência de um evento em um determinado experimento aleatório. No cotidiano, usamos o cálculo de probabilidade de uma forma intuitiva. A probabilidade é a chance de determinado evento acontecer, a qual é associada a um determinado número. Nesta unidade, apresentaremos, de forma detalhada, o conteúdo da teoria das probabilidades, de forma que o(a) aluno(a) conheça uma grande parte das aplicações desse conceito. Utilizaremos um número grande de exemplos para ilustrar a teoria, proporcionando, assim, um melhor entendimento do conteúdo. 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&PA… 3/34 Neste tópico, estudaremos a teoria sobre probabilidade, que trata, resumidamente, das chances de ocorrência de um determinado evento aleatório. Vamos iniciar o tópico entendendo alguns exemplos. Considere os seguintes problemas: qual a chance de acertar as 6 dezenas da Mega Sena fazendo a aposta mínima? no lançamento simultâneo de 2 dados, qual a probabilidade de saírem duas faces iguais? no lançamento de duas moedas simultâneas, qual a probabilidade de saírem faces diferentes? ao escolher uma carta do baralho, qual a probabilidade de sair uma dama de paus? Experimento Aleatório No lançamento de um dado, não é possível saber o seu resultado. Este experimento pode apresentar 6 possibilidades distintas, que são cada uma das faces do dado (1, 2, 3, 4, 5 e 6). Probabilidade de Probabilidade de um Eventoum Evento 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&PA… 4/34 Quando escolhemos, ao acaso, uma carta de um baralho, não é possível saber qual carta foi escolhida. Este experimento pode apresentar 52 possibilidades distintas, que são cada uma das cartas do baralho. Experimentos assim são imprevisíveis e recebem o nome de experimentos aleatórios. Espaço Amostral Segundo Morgado (2006, p. 120), consideremos um experimento aleatório qualquer. O conjunto de todos os possíveis resultados desse experimento é chamado de Espaço Amostral, sendo indicado pela letra grega Ω(ômega). Indicaremos o número de elementos de um espaço amostral por n(Ω). Exemplo: ao lançarmos um dado, a face voltada para cima poderá mostrar um número qualquer de 1 a 6, assim: Ω = {1, 2, 3, 4, 5, 6} e n(Ω) = 6 Cada um dos elementos de Ω é um ponto amostral. Evento Para arrecadar fundos para uma gincana na escola, os(as) alunos(as) �zeram uma rifa de uma caixa de som com 50 números. 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&PA… 5/34 O resultado do sorteio da rifa é um experimento aleatório, cujo espaço amostral é dado por Ω = {1, 2, 3, 4, 5, . . . , 50}. Para ajudá-los, o Diretor da escola comprou todos os números múltiplos de 5 disponíveis. O conjunto de resultados que interessam ao Diretor é E = {5, 10, 15, 20, 25, 30, 35, 40, 45, 50}. Esse conjunto representa os resultados favoráveis ao Diretor. E é um subconjunto de Ω e vamos denominá-lo evento de Ω . Portanto, a probabilidade desse evento ocorrer é dada por: P(E) = No de eventos favoráveis N ∘ de eventos possíveis = 10 50 = 0, 2 ou 20 Se você decidisse comprar apenas os números com dois algarismos iguais, estaria construindo outro evento de Ω, a saber: E = {11, 22, 33, 44}. Logo, a probabilidade desse outro evento ocorrer é dada por: P(E) = No de eventos favoráveis N ∘ de eventos possíveis = 4 50 = 0, 08 ou 8 Observações: 1ª) quando E = Ω, o evento é dito evento certo, isto é, tem 100% de chance de ocorrer. 2ª) quando E = ⊘ , o evento recebe o nome de evento impossível, isto é, 0% de chance de ocorrer. Consideremos um experimento aleatório, o qual tem o seguinte espaço amostral Ω = a1, a2, . . . , an , e seja E um evento qualquer de Ω, isto é, E ⊂ Ω. De�nimos a probabilidade do evento E, que denotamos por P(E), da seguinte forma: P(E) = n(E) n(Ω) = no de elementos de E no de elementos de Ω = no de resultados favoráveis ao evento no de resultados possíveis Exemplo 1: ao escolher uma carta do baralho, qual a probabilidade de sair uma dama de paus? { } 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&PA… 6/34 Ω = 52 cartas do baralho = n(Ω) = 52 E = dama de paus = n(E) = 1 P(E) = n(E) n(Ω) = no de elementos de E no de elementos de Ω = 1 52 Probabilidade em Espaços Amostrais Equiprováveis Consideremos um espaço amostral Ω, formado por k pontos amostrais: Ω = a1, a2, . . . , ak Vamos associar, a cada ponto amostral, um número real, P ai − probabilidade do evento ai, tal que: i. 0 ≤ Pi ≤ 1. ii. Σki= 1Pi = 1, isto é, P1 + P2 + . . . + Pk = 1. Quando os pontos amostrais têm a mesma probabilidade de ocorrer, chamamos estes de Espaços Amostrais Equiprováveis. P(E) = No de elementos de E No de elementos de Ω = n(E) n(Ω) { } ( ) 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&PA… 7/34 P(E) = n(E) n(Ω) = número de casos favoráveis número de casos possíveis Exemplo: um barulho tem 52 cartas, sendo 13 cartas de cada naipe. Selecionando uma carta ao acaso, qual a probabilidade de: i. sair uma carta do naipe “paus”? ii. sair uma carta com o número 2? iii. sair uma carta com um número diferente de 2? iv. sair o número 2 do naipe “copas”? Solução: nesse experimento \(n(\mathrm{\Omega})=52\\) cartas: I. o evento de interesse é E = 13 cartas de paus. P(E) = 13 52 = 0, 25 ou 25 II. há quatro casos favoráveis: E = 2 copas, 2 paus, 2 espadas, 2 ouro. P(E) = 4 52 = 1 13 III. o evento de interesse é E = 2 de copas. P(E) = 1 52 Probabilidade da União de Dois Eventos Sejam A e B eventos de um mesmo espaço amostral Ω, vamos encontrar uma expressão para a probabilidade de ocorrer o evento A ou o evento B, isto é, a probabilidade de ocorrência do evento A ∪ B. Consideremos dois casos: I. A ∩ B = ⊘ 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&PA… 8/34 Temos: n(A ∪ B) = n(A) + n(B) Como n(Ω) ≠ 0, podemos escrever: n(A ∪ B) n(Ω) = n(A) n(Ω) + n(B) n(Ω) Da de�nição de probabilidade, segue que: P(A ∪ B) = P(A) + P(B) Nesse caso, A e B são chamados de eventos mutuamente exclusivos. II. . A ∩ B ≠ ⊘ Da teoria dos conjuntos, temos que: 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&PA… 9/34 n(A ∪ B) = n(A) + n(B) − n(A ∩ B) De modo análogo ao caso I, segue que: P(A ∪ B) = P(A) + P(B) − P(A ∩ B) O evento A ∩ B representa a ocorrência simultânea dos eventos A e B. Exemplo: dois dados são lançados simultaneamente. O Espaço Amostral desse evento, lançar dois dados simultaneamente, é: Tabela 3.1 - Espaço amostral Fonte: Elaborada pela autora. 1. Qual a probabilidade de obter-se a soma dos pontos igual a 9 ou faces iguais? Solução: sejam os eventos: A = soma vale 9 → A = {(3, 6), (4, 5), (5, 4), (6, 3)} B = os números são iguais → B = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)} A ∩B = ⊘ → P(A ∪ B) = P(A) + P(B) = 4 36 + 6 36 = 10 36 = 5 18 2. Qual é a probabilidade de obter-se a soma dos pontos igual a 8 ou faces iguais? 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 10/34 Solução: soma dos pontos igual a 8: A = {(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)} Números iguais: B = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)} A ∩ B = {(4, 4)} A ∩ B ≠ ⊘ → P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = 5 36 + 6 36 − 1 36 = 10 36 = 5 18 Teorema Seja Ω o espaço amostral �nito, resultado de um determinado experimento aleatório, se A e B são eventos de Ω, temos: P(A ∪ B) = P(A) + P(B) − P(A ∩ B) Exemplo 1: de um baralho de 52 cartas, sorteia-se uma carta. Qual a probabilidade de que seja um rei ou uma carta de ouros? Solução: para o espaço amostral Ω, temos n(Ω) = 52. Consideremos os eventos: A = ″a carta retirada é um rei ″ . B = ″a carta retirada é de ouros ″ . Então, $n(A) = 4 e P(A) = n(A) n(Ω) = 4 52 = 1 13 n(B) = 13 e P(B) = n(B) n(Ω) = 13 52 = 1 4 O evento A ∩ B é ″a carta retirada é um rei de ouros ″ ; para ele, temos : n(A ∩ B) = 1 e P(A ∩ B) = n(A ∩ B) n(Ω) = 1 52 Para o evento A ∪ B, ″a carta retirada é um rei ou um carta de ouros ″ , segue que: 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 11/34 P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = 1 13 + 1 4 − 1 52 = 4 13 Propriedade Seja Ω o espaço amostral �nito, resultado de um determinado experimento aleatório, se A e B são eventos de Ω mutuamente exclusivos, a probabilidade do evento A ∪ B é a soma das probabilidades de A e de B. Se A ∩ B = ⊘ , então P(A ∪ B) = P(A) + P(B) Exemplo 2: de um baralho de 52 cartas, sorteia-se uma carta. Qual a probabilidade de que seja um rei ou uma dama? Solução: para o espaço amostral Ω, temos n(Ω) = 52 Consideremos os eventos: A = ″a carta retirada é um rei ″ . B = ″a carta retirada é uma dama ″ . Então, n(A) = 4 e P(A) = n (A ) n ( Ω ) = 4 52 = 1 13 n(B) = 4 e P(B) = n (B ) n ( Ω ) = 4 52 = 1 13 O evento A ∩ B = ⊘ , então : n(A ∩ B) = 0 e P(A ∩ B) = 0 Para o evento A ∪ B, ″a carta retirada é um rei ou a carta retirada é dama ″ , segue que: P(A ∪ B) = P(A) + P(B) = 1 13 + 1 13 = 2 13 Eventos Complementares Dois eventos A e B são ditos complementares quando A e B são subconjuntos complementares do espaço amostral Ω. 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 12/34 A e B são complementares. Se A corresponde à condição “ocorrer um certo evento”, B = A− corresponde à condição “não ocorrer esse evento”. Note que, para os eventos A e A− , temos: A ∪ A−= Ω evento certo A ∩ A _ = ⊘ evento impossível Propriedade Seja Ω o espaço amostral �nito, resultado de um determinado experimento aleatório, seja A um evento de Ω e A− seu evento complementar. Temos que: P(A) _ = 1 − P(A) Exemplo 3: uma urna contém 100 bolas numeradas de 1 a 100. Uma bola é retirada ao acaso. Qual a probabilidade de sair uma bola com um número que não seja múltiplo de 7? Solução: de�nir o evento B : ″bola retirada com número não múltiplo de 7 ″ . O evento complementar será: B− : ″bola retirada com número múltiplo de 7 ″ . Então, B− = {7, 14, 21, 28, 35, 42, 49, 56, 63, 70, 77, 84, 91, 98} Figura 3.5 - Eventos Complementares Fonte: Elaborada pela autora. 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 13/34 P B− = 14 100 = 7 50 . Segue, daí, que a probabilidade pedida é: P(B) = 1 − P B− = 1 − 7 50 = 43 50 praticar Vamos Praticar A loja Light recebe, toda semana, 100 lotes de lâmpadas de Led. Para testar a qualidade das lâmpadas, o departamento responsável faz testes aleatórios, para identi�car a ( ) ( ) 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 14/34 quantidade de lâmpadas com defeito. No teste desta semana, duas lâmpadas foram retiradas de um lote contendo 12 lâmpadas, das quais 4 são defeituosas. Vamos calcular a probabilidade de que, pelo menos, uma das lâmpadas retiradas desse lote seja defeituosa. a) 14 33 . b) 19 33 . c) 28. d) 66. e) 1. 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 15/34 Vamos iniciar este conceito com um exemplo. Uma urna contém 20 bolas numeradas de 1 a 20. Escolhe-se uma delas ao acaso e vê-se que o número marcado é maior que 8. Qual a probabilidade deste número ser múltiplo de 5? Número maior que 8: B = {9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20}, então, = 12. Dentre eles, o número de casos favoráveis é 3, a saber, A = {10, 15, 20}, = múltiplos de 5. A probabilidade pedida é, então: P(A /B) = P múltiplo de 5 /maior que 8 = 3 12 = 1 4 , ou seja, P(A /B) = P (A∩B ) P (B ) = 3 20 12 20 = 1 4 . De�inição Sejam A e B dois eventos de um espaço amostral Ω �nito e não vazio, chama-se probabilidade de B condicionada a A a probabilidade de ocorrer o evento B, sabendo que já ocorreu o evento A. Probabilidade CondicionalProbabilidade Condicional ( ) 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 16/34 Representa-se por P(B /A): P(B /A) = P(A ∩ B) P(A) Exemplo: no lançamento de um dado honesto, calcule a probabilidade de ocorrer um número menor que 4, sabendo que o resultado é um número ímpar. Solução: o espaço amostral é Ω = {1, 2, 3, 4, 5, 6} e n(Ω) = 6. Para o evento A = ″ocorre um número ímpar ″ , temos : A = {1, 3, 5} e n(A) = 3, então P(A) = n(A) n(Ω) = 3 6 = 1 2 Para o evento B = ″ocorre um número menor que 4 ″ , temos : B = {1, 2, 3}. Daí, A ∩ B = {1, 3} e n(A ∩ B) = 2, então, P(A ∩ B) = n(A ∩ B) n(Ω) = 2 6 = 1 3 Segue que a probabilidade do evento ″ocorre um número menor que 4, sabendo − se que o resultado é um número ímpar ″ é: P(B /A) = P(A ∩ B) P(A) = 1 3 1 2 = 2 3 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 17/34 Probabilidade de Dois Eventos Simultâneos (ou Sucessivos) Dados dois eventos A e B de um espaço amostral Ω �nito e não vazio, sabemos que P(B /A) = P (A∩B ) P (A ) . Dessa fórmula, segue que: P(A ∩ B) = P(B /A) ⋅ P(A) Logo, para calcular a probabilidade de ocorrência de dois eventos simultâneos, dado por P(A ∩ B), temos que multiplicar a probabilidade de B, dado que A já ocorreu, P(B /A), pela probabilidade de ocorrência de A, P(A). Exemplo: uma urna contém 20 bolas, sendo 12 vermelhas e oito azuis. Duas bolas são retiradas sucessivamente e sem reposição. Qual a probabilidade de: a. saírem duas bolas vermelhas? b. saírem duas bolas de cores diferentes? Solução: A. veja o diagrama abaixo: 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 18/34 A probabilidade de a primeira bola ser vermelha é de P(V) = 12 20 . A probabilidade de a segunda bola ser vermelha, dado que a primeira bola retirada é vermelha, é de P(V /V) = 11 19 . Então, a probabilidade de saírem duas bolas vermelhas é: P(V ∩ V) = 12 20 ⋅ 11 19 = 33 95 B. há dois casos que nos interessam. 1. Tiramos uma bola vermelha e a outra azul ou tiramos uma bola azul e, depois, uma bola vermelha. P(V ∩ A) + P(A ∩ V) = 12 20 ⋅ 8 19 + 8 20 ⋅ 12 19 = 48 95 praticar Vamos Praticar Figura 3.6 - Urna Fonte: Elaborada pela autora. 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P…19/34 João e Maria planejavam ter 5 �lhos, 3 meninas e 2 meninos. Até o presente momento, tiveram 2 �lhos que possuem idades diferentes (não são gêmeos). Vamos calcular a probabilidade de que ambos os �lhos sejam meninos, sabendo que um deles é menino. a) 3 4 . b) 1 4 . c) 1 2 . d) 1 3 . e) 1. 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 20/34 Um dos conceitos mais importantes, no estudo das probabilidades, é o de independência. Com um exemplo, desenvolveremos uma ideia intuitiva desse conceito, e, em seguida, de�niremos o que signi�ca eventos independentes. Consideramos, então, um grupo de 36 estudantes e sejam A = o estudante tem olhos verdes e B = o estudante é do sexo masculino. Suponha que, para esses eventos, os estudantes distribuam-se conforme tabela abaixo. Eventos IndependentesEventos Independentes 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 21/34 Tabela 3.2 - Eventos independentes Fonte: Elaborada pela autora. Se escolhermos um estudante ao acaso, as probabilidades dos eventos A e B são, respectivamente: P(A) = 18 36 = 1 2 P(B) = 12 36 = 1 3 Também, P(A ∩ B) = 6 36 = 1 6 Segue, daí, que P(A /B) = P (A∩B ) P (B ) = 1 6 1 3 = 1 2 P(A /B) = P(A) Note que a probabilidade de A, sabendo que B ocorreu, é igual à probabilidade de A. Descrevemos tal situação dizendo que o fato de o evento $B$ ter ocorrido não afeta a probabilidade do evento Aocorrer. Dizemos, então, que os eventos são independentes. 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 22/34 De�inição Sejam A e B eventos de um espaço amostral Ω, com P(B) ≻ 0, o evento A é independente do evento B, se P(A /B) = P(A). Regra do Produto Sejam A e B eventos de um espaço amostral Ω, se A e B são independentes, temos: P(A ∩ B) = P(A) ⋅ P(B), isto é, a probabilidade do evento A e B é igual ao produto das probabilidades de cada evento A e B. Exemplo 1: uma moeda honesta é jogada duas vezes. Qual a probabilidade de obter-se cara, na primeira jogada, e coroa, na segunda jogada? Solução: o espaço amostral é descrito por: Ω = {CC, CC− , C−C, C−C−}, onde C = cara e C− = coroa, e n(Ω) = 4 Evento A = sair cara na primeira jogada n(A) = 2 e P(A) = 2 4 = 1 2 Evento B = sair coroa na segunda jogada Eventon(B) = 2 e P(B) = 2 4 = 1 2 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 23/34 Note que “sair cara na primeira jogada” e “sair coroa na segunda jogada” são eventos independentes; o fato de um deles concretizar-se não in�uencia na concretização do outro. Então, para o evento A ∩ B, temos, pela Regra do Produto: P(A ∩ B) = P A ⋅ P(B) = 1 2 ⋅ 1 2 = 1 4 Teorema de Bayes Suponha que A1, A2, . . . , An são eventos mutuamente exclusivos, cuja união é o espaço amostral Ω, isto é, um dos eventos deve ocorrer. Então, se A é um evento, temos o seguinte teorema importante: P Ak /A = P Ak ⋅ P A /Ak Σnj= 1P Aj ⋅ P A /Aj Isso permite-nos encontrar as probabilidades de vários eventos A1, A2, . . . , An que causam a ocorrência de A. Por esta razão, o Teorema de Bayes é, geralmente, referido como um teorema da probabilidade das causas (SPIEGEL; SCHILLER; SRINIVASAN, 2013). Exemplo: uma urna contém 6 bolas, das quais 3 são verdes e 3 são azuis. Uma segunda urna contém 10 bolas, das quais 2 são verdes e 8 são azuis. Uma bola é retirada de uma das urnas e é verde. Qual a probabilidade de que essa bola verde tenha sido retirada da segunda urna? Solução: eventos: U1 = ″bola ser retirada da primeira urna ″ → P(U1) = 1 2 ; U2 = ″bola ser retirada da segunda urna ″ → P U2 = 1 2 ; V = ″bola ser verde ″ ; A = ″bola ser azul ″ ; ( ) ( ) ( ) ( ) ( ) ( ) ( ) 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 24/34 P V /U1 = 3 6 = 1 2 ; P V /U2 = 2 10 = 1 5 Então, aplicando o Teorema de Bayes, temos: P U2 /V = P U2 ⋅ P V /U2 P U2 ⋅ P V /U2 + P U1 ⋅ P V /U1 = 1 2 ⋅ 1 5 1 2 ⋅ 1 5 + 1 2 ⋅ 1 2 = 1 10 7 20 = 1 10 ⋅ 20 7 = 20 70 = 2 7 praticar Vamos Praticar João foi ao supermercado de seu bairro comprar creme de leite para fazer uma torta de limão. Quando chegou no corredor onde �ca o creme de leite, observou que tinham 20 caixinhas de creme de leite de uma determinada marca, das quais 4 estavam com o prazo de validade vencido. Uma senhora passa e pega uma caixinha de creme de leite ao acaso. Logo em seguida, um rapaz apanha outra caixinha ao acaso. João não tinha certeza se as caixinhas que ambos pegaram eram vencidas ou não. Ficou preocupado e pensativo. Qual a probabilidade de que a senhora tenha comprado o produto com o prazo dentro da validade, mas o rapaz não? a) 16 95 . b) 12 19 . c) 3 95 . d) 16 20 . e) 4 20 . ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 25/34 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 26/34 De�ne-se probabilidade frequentista: a probabilidade de um resultado de um fenômeno aleatório é a proporção de vezes que o resultado ocorreria em uma longa série de repetições. Essa ideia liga a probabilidade a resultados reais e permite-nos, por exemplo, estimar probabilidades pela simulação de fenômenos aleatórios. Por exemplo, considerando o exemplo do dado, a estatística frequentista para calcular a probabilidade de sair uma determinada face lançaria o dado muitas vezes para concluir que, se o dado não for enviesado, a probabilidade de ocorrer uma face é de, aproximadamente, 1/6. Nas situações práticas, os eventos de um determinado espaço amostral podem não ser equiprováveis. Nesse caso, temos de calcular a probabilidade como a frequência relativa de um evento. Frequência Relativa Suponha que seja repetido n vezes um experimento aleatório E, e sejam A e B dois eventos associados a E. Admitamos que sejam, respectivamente, nA e nB o número de vezes que o evento A e o evento B ocorram nas n repetições. Probabilidade FrequentistaProbabilidade Frequentista 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 27/34 De acordo com Meyer (1983, p. 15), fA = nA n é denominada a frequência relativa do evento A nas n repetições de E. A frequência relativa fA apresenta as seguintes propriedades, de fácil veri�cação: 1. 0 ≤ fA ≤ 1. 2. fA = 1 se, e somente se, A ocorrer em todas as n repetiões. 3. fA = 0 se, e somente se, A nunca ocorrer nas n repetiões. 4. Se A e B forem eventos mutuamente exclusivos, e se fA∪B for a frequência relativa associada ao evento A ∪ B, então fA∪B = fA + fB. Exemplo: um dado foi lançado 600 vezes. Observe a tabela abaixo. Tabela 3.3 - Frequência relativa Fonte: Elaborada pela autora. Podemos dizer que os resultados obtidos foram bem próximos do esperado. Do total de 600 observações, a frequência relativa de cada lado do dado �cou bem perto dos 17% esperados para um dado de 6 faces não viciado. 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 28/34 Sucesso e Fracasso Seja um evento aleatório, no qual consideramos, unicamente, dois resultados, que chamaremos um de sucesso e o outro de fracasso. Exemplo: no lançamento de dois dados, podemos chamar de sucesso o resultado “soma 5”; nesse caso, chamaremos de fracasso o resultado “soma diferente de 5”. Note que a probabilidade de sucessoserá p = 4 36 = 1 9 , e a probabilidade do fracasso q = 1 − p = 8 9 . Vamos supor, agora, que o experimento seja repetido 10 vezes. Cada repetição do experimento chamaremos de prova. Então, podemos propor o seguinte problema: Qual a probabilidade de, nas 10 provas, obtermos 3 sucessos? Este problema é resolvido com a Fórmula de Bernoulli (século XVII), que veremos a seguir. Fórmula de Bernoulli Vamos supor que são realizadas n provas independentes de um experimento. Independente signi�ca que a probabilidade de cada prova não depende dos resultados das provas anteriores e nem dos resultados das provas posteriores. Em cada uma das n provas o resultado A pode ocorrer (sucesso) como pode não ocorrer (fracasso). Vamos supor, ainda, que a probabilidade de sucesso em cada prova seja a mesma e igual a p; consequentemente, a probabilidade de fracasso em casa prova é também constante e vale q = 1 − p. Então, a probabilidade de que, nas n provas, obtenha-se k sucessos e, portanto, n − k fracassos é dada por (IEZZI et al., 2005, p. 388): p(n, k) = Cn , k ⋅ p k ⋅ qn− k, com p + q = 1 i 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 29/34 praticar Vamos Praticar A empresa Alfa utiliza, em seu processo produtivo, um determinado insumo. Os dados colhidos nos registros da empresa mostram que o fornecedor desse insumo enviou 80 lotes anteriormente, e a equipe de qualidade total rejeitou 15 desses lotes. Utilizando o método da probabilidade frequentista, qual a probabilidade de a equipe de qualidade rejeitar o próximo lote de insumos desse fornecedor? a) 65 80 . b) 15 80 . c) 16 81 . d) 64 81 . e) 0. 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 30/34 indicações Material Complementar LIVRO Probabilidade: um curso moderno com aplicações Sheldon Ross Editora: Bookman ISBN: 9780136033134 Comentário: Este livro está na 8ª edição e utiliza os exemplos mais atuais do conteúdo abordado nesta unidade. Ademais, possui exercícios resolvidos que auxiliam no melhor entendimento e aprofundamento da unidade. 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 31/34 FILME A Grande Aposta Ano: 2015 Comentário: : “A Grande Aposta” mostra a utilização da teoria das probabilidades e as funções de distribuição de probabilidade. Estas são partes da Matemática retratadas no �lme, permitindo fazer, de forma adequada, uma análise e preci�cação de riscos em operações �nanceiras. Para conhecer mais sobre o �lme, acesse o trailer disponível. T R A I L E R 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 32/34 conclusão Conclusão Nesta unidade, aprendemos a teoria das probabilidades, suas propriedades, teoremas e aplicações. O conteúdo foi abordado a partir de vários exemplos do cotidiano do(a) aluno(a), para um melhor entendimento da teoria. As atividades, ao �nal de cada tópico, foram construídas para que o(a) aluno(a) consiga �xar todo o conteúdo abordado, bem como a leitura do artigo e a análise do �lme sugerido. O conjunto �nal desta unidade dará, ao(a) aluno(a), uma excelente base para as próximas etapas. referências Referências Bibliográ�cas IEZZI, G. et al. Matemática. São Paulo: Atual, 2005. MEYER, P. L. Probabilidade: Aplicações à Estatística. Rio de Janeiro: LTC, 1983. MORGADO, A. C. O. et al. Análise Combinatória e Probabilidade. Rio de Janeiro: IMPA, 2006. SANTOS, L. G. O problema de Monty Hall: Uma abordagem introdutória para o estudo da Probabilidade Condicional. 2015. 51 f. Dissertação (Mestrado em Matemática) - Universidade Federal de Santa Catarina, Florianópolis, 2015. Disponível em: https://repositorio.ufsc.br/xmlui/handle/123456789/160669. Acesso em: 27 nov. 2019. https://repositorio.ufsc.br/xmlui/handle/123456789/160669 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 33/34 SPIEGEL, M.; SCHILLER, J.; SRINIVASAN, A. Probabilidade e Estatística. Porto Alegre: Bookman, 2013 17/09/2021 22:31 Ead.br https://unp.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_730841_1&P… 34/34
Compartilhar