Baixe o app para aproveitar ainda mais
Prévia do material em texto
CONCEITOS BÁSICOS DE PROBABILIDADE Assim, existem dois tipos de experiências: Experiência Determinística – é aquela que produz sempre o mesmo resultado, ou seja, resultado conhecido à priori cumpridas certas condições; Experiência aleatória: processo de observação que conduz a pelo menos dois resultados possíveis, associados a uma incerteza com a qual ocorrerá; Exemplos de uma experiência aleatória: Lançamento de uma moeda e observação do lado que fica para cima; Lançamento de um dado e observação do número de pontos obtidos; Extracção de uma carta de um baralho e anotação do Rei; Características de uma experiência aleatória: Não se pode dizer à partida qual o resultado (fenómeno aleatório) da experiência a realizar, mas pode descrever-se o conjunto de todos os resultados possíveis; A existência da regularidade quando a experiência é repetida muitas vezes; A possibilidade de repetição da experiência em condições similares; Espaço de resultados: é o conjunto Ω (não vazio) formado por todos os resultados que hipoteticamente é possível obter de uma determinada experiência aleatória. Exemplo : No lançamento de um dado, os resultados básicos são os números 1, 2, 3, 4, 5, 6. Assim, o espaço de resultados é: Ω = [1, 2, 3, 4, 5, 6]. Acontecimento ou evento: é um subconjunto do espaço de resultados. É algo que a experiência aleatória pode produzir mas não se realiza necessariamente; Exemplo : Consideremos a possibilidade de saída de um número par no lançamento de um dado: Experiência aleatória: Lançamento de um dado Espaço de resultados: Ω=(1, 2, 3, 4, 5 e 6) Acontecimento: (2, 4, 6) Quanto à realização, os acontecimentos podem ser: Elementar – se só acontecer um resultado específico; Composto – se ocorrer um resultado de vários possíveis; Quanto à probabilidade de ocorrência: Certo – quando ocorre sempre: P(A) = 1 Possível – quando pode ocorrer ou não: 0<P(A)<1 Impossível – quando não ocorre: P(A) = 0 Quanto à ocorrência de resultados Mutuamente Exclusivos – quando não podem ocorrer em simultâneo. Equiprováveis/Igualmente possíveis – os acontecimentos Ai, i = 1,...,n são Equiprováveis ou igualmente possíveis quando P(A1) = P(A2) = ... = P(An) = p = 1/ n Medidas de Probabilidade A abordagem clássica de probabilidade Abordagem frequencista de probabilidade A abordagem subjectiva de probabilidade A abordagem clássica de probabilidade: descreve a probabilidade em termos da proporção de vezes em que um acontecimento pode teoricamente esperar-se que ocorra. Medidas de Probabilidade Abordagem frequencista de probabilidade: expressa a proporção de vezes que a ocorrência de um acontecimento é observada num grande número de provas. A abordagem subjectiva de probabilidade: representa o grau em que alguém acredita que o acontecimento ocorra. Tais probabilidades podem ser também descritas como palpites ou suposições. Regras de Probabilidades Regra de multiplicação de probabilidades: Descreve a probabilidade conjunta de ocorrência de dois ou mais acontecimentos, por exemplo, P(A ᴖ B) = P(A e B). Esta regra envolve vários termos importantes: Acontecimentos dependentes: dois ou mais acontecimentos diz-se ser dependentes se a ocorrência de um afecta a ocorrência dos demais. Caso contrário, os acontecimentos são independentes; Probabilidade Marginal: a probabilidade de ocorrência de um dado acontecimento - P(A). Probabilidade Conjunta: a probabilidade de ocorrência de dois ou mais acontecimentos - P(A ᴖ B) = P(A e B) Regras de Probabilidades Probabilidade Condicionada: a probabilidade de ocorrencia de um acontecimento A, dado que um outro acontecimento B já ocorreu ou teve lugar - P(A/B) (para toda P(B)>0) Ou (para toda P(A)>0) Regras de Probabilidades Existem duas regras de multiplicação e a aplicação de cada uma delas depende de se os acontecimentos são dependentes ou independentes. Se os acontecimentos são independentes: Se os acontecimentos são dependentes: Regras de Probabilidades Exemplo 3: Uma caixa contém 3 bolas brancas e 2 pretas. Seja A1 o acontecimento “primeira bola extraída ‘e preta” e A2 o acontecimento “a segunda bola extraída é preta”. Qual é a probabilidade de saírem duas bolas pretas em duas extrapolações? Se considerarmos uma extração com reposição, os acontecimentos A1 e A2 são independentes. P(A1) = 2/(3+2) = 2/5 e P(A2) = 2/(3+2) = 2/5. A probabilidade de as duas bolas serem pretas nas duas extracções é dada por: Regras de Probabilidades Se considerarmos uma extracção sem reposição, os acontecimentos A1 e A2 são dependentes. P(A1) = 2/(3+2) = 2/5 P(A2|A1) = 1/(3+1).=1/4. A probabilidade de as duas bolas serem pretas nas duas extracções é dada por: Regras de Probabilidades Regra de Adição de Probabilidade: Descreve a probabilidade de ocorrência de pelo menos um acontecimento, por exemplo, P(A ᴗ B) = P(A ou B). Se os acontecimentos são mutuamente exclusivos Se os acontecimentos não são mutuamente exclusivos Regras de Probabilidades Exemplo 1: Se definirmos A1 como sendo o acontecimento “saída de um 6 no lançamento de um dado” e A2 o acontecimento “saída de um número ímpar”, então P(A1) = 1/6 e P(A2) = 3/6 = ½. Tratando-se de acontecimentos mutuamente exclusivos, a probabilidade de sair um 6 ou um número ímpar num único lançamento é: Regras de Probabilidades Exemplo 2: Se A1 é o acontecimento que consiste na extracção de um “As” de um baralho de cartas” e A2 a extração de um “Espada”, então P(A1) = 4/52 = 1/13 e P(A2) = 13/52 = 1/4. Tratando-se de acontecimentos não mutuamente exclusivos, a probabilidade de se extrair um “As” ou um “Espada” em uma única extracção é: Resumo Exemplo 4: Um escritório possui 100 máquinas de calcular. Algumas dessas máquinas são eléctricas, enquanto outras são manuais; e algumas são novas, enquanto outras são muito usadas. A tabela dá o número de máquinas de cada categoria. Seja N = a máquina é nova; U = a máquina é usada; E = a máquina é eléctrica; e M = a máquina é manual. Os valores da Tabela acima devem entender-se do seguinte modo: Probabilidade de obter uma máquina nova: P(N) = 70/100; Probabilidade de obter uma máquina usada: P(U) = 30/100 Probabilidade de obter uma máquina eléctrica: P(E) = 60/100 Probabilidade de obter uma máquina manual: P(M) = 40/100 Probabilidade de obter uma máquina eléctrica e nova: P(EeN) = (40/100) Probabilidade de obter uma máquina manual e usada: P(MeU) = (10/100) Probabilidade de obter uma máquina manual ou nova: P(MouN)=70/100+40/100-30/100 Probabilidade de uma máquina ser Manual sabendo que é nova P(M|N) = (30/100)/(70/100) Partição do Espaço de Resultados A probabilidade condicional é de grande utilidade se conhecermos a partição do espaço de resultados. Diz-se que os acontecimentos A1 A2, ...An definem uma partição S, quando se verificam simultaneamente as seguintes condições: a)Formam grupo completo, isto é, a união de todos os acontecimentos é o próprio espaço de resultados; b)Os acontecimentos são mutuamente exclusivos dois a dois; c)Todos os acontecimentos têm probabilidade não nula, isto é, P(Aj)>0 Probabilidade Total Se os acontecimentos A1, A2, ..., An definem uma petição sobre Ω, então para qualquer eventos A definido em Ω tem-se: Probabilidade Total Exemplo 5: Num escritório existem três impressoras A, B, e C, que imprimem a velocidades diferentes. Os ficheiros são enviados para a primeira impressora que estiver disponível. A probabilidade de um ficheiro ser enviado para as impressoras A, B ou C é respectivamente 0.6, 0.3 e 0.1. Ocasionalmente a impressora avaria e destrói a impressão. As impressoras A, B e C avariam com probabilidades 0.01, 0.05 e 0.04. a) Um ficheiro é enviado para impressão. Qual é a probabilidade de avaria da impressora e destruição da impressão? Probabilidade Total Vamos considerar a seguinte anotação: A1: “enviar para impressora A”; P(A1)=0.6; A2: “enviar para impressora B’; P(A2)=0.3 A3 : “enviar para impressora C”; P(A3)=0.1; A : “Avaria da impressoara e distruição da impressão e’; P(A|A1)=0.01, P(A|A2)=0.05, P(A|A3)=0.04; P(A)=?. Fórmula de Bayes É uma extensão do conceito de probabilidade condicional e emprega-se para reavaliar as probabilidade dos acontecimentos Aj de uma partição [A1, A2, …, An] quando se obtém a informação adicional de que um dado acontecimento A se realizou e se conhece P(A/Aj). Se A1, A2, ..., An definem uma partição sobre Ω, então, para A definido em Ω com P(A)>0: Fórmula de Bayes Exemplo 6: Do exemplo anterior sabe-se que a impressão do ficheiro foi destruída. Qual a probabilidade de ter sido enviada para impressora A? Exemplo 7: Uma equipa de futebol ganha, perde ou empata, qualquer que seja o adversário, com probabilidade 0.6; 0.3 e 0.1 respectivamente. Se a equipa tiver que disputar 3 partidas na próxima semana: a) Qual é espaço de resultados implicito nesta pergunta para esta equipa? b) Qual é a probabilidade de não ganhar nenhuma partida? c) Qual é a probabilidade de ganhar uma partida? d) qual é a probabilidade de ganhar duas partidas? e) Qual é a probabilidade de ganhar as tres partidas? f) Qual é a probabilidade de ganhar pelo menos uma partida? a) Qual é espaço de resultados implicito nesta pergunta para esta equipa? 0 1 2 3 b) Qual é a probabilidade de não ganhar nenhuma partida? P(0) = 0,4*0,4*0,4 = 0,43 c) Qual é a probabilidade de ganhar uma partida? P(1)=0,6*0,4*0,4 + 0,4*0,6*0,4 + 0,4*0,4*0,6 = 3*0,6*0,42 d) qual é a probabilidade de ganhar duas partidas? P(2)=0,6*0,6*0,4 + 0,6*0,4*0,6 + 0,4*0,6*0,6 = 3*0,4*0,62 e) Qual é a probabilidade de ganhar pelo menos uma partida? P(>=1) = P(1) + P(2) + P(3) = 1 - P(0) P(>=1) = 0,6*0,42 + 0,4*0,62 + 0,63 = 1 - 0,43 possiveis resultados de total Número nto acontecime ao favoráveis resultados Numero n m A P P = = = ) ( provas de total Número ocorre nto acontecime quais nas provas Numero n n A P A N Lim = = ¥ ® ) ( ) ( ) ( ) | ( B P B A P B A P Ç = ) ( ) ( ) | ( A P B A P A B P Ç = ) ( * ) ( ) ( B P A P B A P = Ç ) | ( * ) ( ) ( A B P A P B A P = Ç 25 / 4 5 / 2 * 5 / 2 ) ( ) ( ) ( 2 1 2 1 = = = A P A P A e A P 10 / 1 4 / 1 * 5 / 2 ) | ( ) ( ) ( 1 2 1 2 1 = = = A A P A P A e A P ) ( ) ( ) ( 2 1 2 1 A P A P A ou A P + = ) ( ) ( ) ( ) ( 2 1 2 1 2 1 A A P A P A P A ou A P Ç - + = 3 / 2 2 / 1 6 / 1 ) ( ) ( ) ( 2 1 2 1 = + = + = A P A P A ou A P 52 / 16 52 / 1 52 / 13 52 / 4 ) ( 2 1 = - + = + A A P å = = n i i i A A P A P A P 1 ) | ( * ) ( ) ( ) | ( * ) ( ) | ( * ) ( ) | ( * ) ( 3 3 2 2 1 1 A A P A P A A P A P A A P A P + + = ) | ( * ) ( ) | ( * ) ( ) | ( * ) ( ) ( 3 3 2 2 1 1 A A P A P A A P A P A A P A P A P + + = 025 , 0 04 , 0 * 1 , 0 05 , 0 * 3 , 0 01 , 0 * 6 , 0 ) ( = + + = A P n j A A xP A P A A P A P A A P n i i i j j j ,..., 2 , 1 ) | ( . ( ) | ( ). ( ) | ( 1 = = å = 24 , 0 025 , 0 01 , 0 * 6 , 0 ) ( ) | ( ). ( ) | ( 1 1 1 = = = A P A A P A P A A P
Compartilhar