Baixe o app para aproveitar ainda mais
Prévia do material em texto
ESTATÍSTICA APLICADA Aula 04 Probabilidade Espaço amostral - Conjunto de todos os resultados possíveis para um experimento. Fenômenos ou Experimentos: - Determinísticos - Aleatórios Exemplos: a) Lançamento de uma moeda: {cara, coroa} b) Lançamento de um dado: {1, 2, 3, 4, 5, 6} Eventos É qualquer subconjunto do espaço amostral de um experimento aleatório. Exemplo: Sair número par no lançamento de um dado. E = { 2, 4, 6} Fonte: http://oquevocefariasesoubesse.blogspot.com/2015/01/o-clima-nao-joga-dados- nem-aposta-na.html, acesso em 09/04/2022. http://oquevocefariasesoubesse.blogspot.com/2015/01/o-clima-nao-joga-dados-nem-aposta-na.html - Evento certo é o evento que tem 100% de chance de ocorrer. - Evento impossível é o evento que não tem como ocorrer. - Evento simples ou elementar é o evento que tem somente um elemento (conjunto unitário). Exemplos de eventos: 1) Sair número maior que 8 no lançamento de um dado. E = { } 2) Sair número menor que 7 no lançamento de um dado. E = {1,2,3,4,5,6 } 3) Sair número menor que 5 e maior que 3 no lançamento de um dado. E = {4} Probabilidade Chamamos de probabilidade de um evento A (subconjunto do espaço amostral S) ao número real P(A) tal que: 𝑝 𝐴 = 𝑛(𝐴) 𝑛(𝑆) 𝑛 𝐴 é 𝑜 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑜 𝑠𝑢𝑏𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝐴 𝑛 𝑆 é 𝑜 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑜 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 S (espaço amostral) 0 ≤ 𝑝 𝐴 ≤ 1 Eventos complementares São eventos cuja soma é igual a 100% ou 1. Se a probabilidade de ocorrer um evento (sucesso) é 𝑝 e a probabilidade de não ocorrer esse evento (fracasso) é 𝑞, sendo 𝑞 = 1 − 𝑝. Considere que a probabilidade de obter face 3 no lançamento de um dado honesto (sucesso) é 𝑝 = 1 6 a probabilidade de não obter face 3 (fracasso) é 𝑞 = 1 − 1 6 = 5 6 Exemplos: 1) Qual a probabilidade de obter um número ímpar no lançamento de um dado honesto? E de não obter um número ímpar? A = {1, 3, 5} S = {1, 2, 3, 4, 5, 6} 𝑝 𝐴 = 𝑛(𝐴) 𝑛(𝑆) 𝑝 𝐴 = 3 6 = 0,5 ou 50% 𝑝 ҧ𝐴 = 1 − 3 6 = 0,5 ou 50% 2) Qual a probabilidade de obter um rei ao retirar uma carta de um baralho de 52 cartas? E de não obter um rei? n(A) = 4 reis (copas, paus, ouro e espadas) n(S) = 52 𝑝 𝐴 = 𝑛(𝐴) 𝑛(𝑆) 𝑝 𝐴 = 4 52 = 0,077 ou 7,7% 𝑝 ҧ𝐴 = 1 − 4 52 = 48 52 =0,923 ou 92,3% Teorema da adição Eventos mutuamente exclusivos – não têm elementos comuns (intersecção é vazia) 𝑝 𝐴𝑈𝐵 = 𝑝 𝐴 + 𝑝(𝐵) Eventos não mutuamente exclusivos – há alguns elementos na intersecção 𝑝 𝐴𝑈𝐵 = 𝑝 𝐴 + 𝑝 𝐵 − 𝑝(𝐴 ∩ 𝐵) Exemplos 3) Uma urna contém 3 bolas azuis, 2 brancas, 4 verdes e 1 vermelha. Qual a probabilidade de ao retirar uma bola dessa urna ela ser branca ou verde? 𝑝 𝐴𝑈𝐵 = 𝑝 𝐴 + 𝑝(𝐵) 𝑝 𝐴𝑈𝐵 = 2 10 + 4 10 𝑝 𝐴𝑈𝐵 = 6 10 = 0,6 ou 60% 4) Em um dia de vendas foram atendidas 40 pessoas em uma ótica. Dessas pessoas, 12 compraram lentes de contato, 13 compraram óculos de sol e 5 compraram ambos, lentes e óculos. Qual a probabilidade de que uma pessoa tenha comprado lente de contato ou óculos de sol, nesse dia? 𝑝 𝐴 é 𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑐𝑜𝑚𝑝𝑟𝑎𝑟 𝑙𝑒𝑛𝑡𝑒𝑠 𝑑𝑒 𝑐𝑜𝑛𝑡𝑎𝑡𝑜 𝑝 𝐵 é 𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑐𝑜𝑚𝑝𝑟𝑎𝑟 ó𝑐𝑢𝑙𝑜𝑠 𝑝 𝐴 ∩ 𝐵 é 𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑐𝑜𝑚𝑝𝑟𝑎𝑟 𝑙𝑒𝑛𝑡𝑒𝑠 𝑑𝑒 𝑐𝑜𝑛𝑡𝑎𝑡𝑜 𝑒 ó𝑐𝑢𝑙𝑜𝑠 𝑝 𝐴𝑈𝐵 = 𝑝 𝐴 + 𝑝 𝐵 − 𝑝(𝐴 ∩ 𝐵) 𝑝 𝐴𝑈𝐵 = 12 40 + 13 40 − 5 40 𝑝 𝐴𝑈𝐵 = 20 40 = 0,5 ou 50% Teorema da multiplicação Eventos condicionados 𝑝 𝐴 ∩ 𝐵 = 𝑝 𝐴 . [𝑝 ൗ𝐵 𝐴 ] Eventos independentes 𝑝 𝐴 ∩ 𝐵 = 𝑝 𝐴 . 𝑝 𝐵 5) Uma urna contém 3 bolas azuis, 2 brancas, 4 verdes e 1 vermelha. Qual a probabilidade de ao retirar duas bolas dessa urna, sem reposição, a primeira ser branca e a segunda ser azul? 2 10 𝑝 𝑏𝑟𝑎𝑛𝑐𝑎 . 𝑝 𝑎𝑧𝑢𝑙 = ? . 3 9 = 6 90 = 0,066 = 6,6% 6) Uma urna A contém: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B contém: 5 bolas brancas, 2 pretas, 1 verde; uma urna C contém: 2 bolas brancas, 3 pretas, 4 verdes. Uma bola é retirada de cada urna. Qual a probabilidade de as três bolas retiradas da primeira, segunda e terceira urna serem, respectivamente, branca, preta e verde? 𝑝 𝑏𝑟𝑎𝑛𝑐𝑎 . 𝑝 𝑝𝑟𝑒𝑡𝑎 . (𝑣𝑒𝑟𝑑𝑒) = ? 3 9 . 2 8 . 4 9 = 1 27 7) Um dado foi lançado. Qual a probabilidade de ocorrer número 5 sabendo que saiu um número ímpar? A probabilidade de sair o número 5 é de 1 3 http://soniavieira.blogspot.com/2014/10/teorema-da- multiplicacao- de.html#:~:text=Dois%20eventos%20s%C3%A3o%20independe ntes%20se,ajuda%20a%20ocorr%C3%AAncia%20do%20outro, acesso em 10/04/2022. A probabilidade de sair o número 5 seria de 1 6 http://soniavieira.blogspot.com/2014/10/teorema-da-multiplicacao-de.html#:~:text=Dois%20eventos%20s%C3%A3o%20independentes%20se,ajuda%20a%20ocorr%C3%AAncia%20do%20outro 8) Dois dados são lançados simultaneamente. Qual a probabilidade da soma ser 10 ou mais que 10? {(1,1), (1,2), (1,3), (1,4), (1,5),(1,6), (2,1),(2,2),(2,3),(2,4), (2,5), (2,6), ...., (6,6)} {(4,6), (5,5),(5,6),(6,4),(6,5),(6,6)} Total de 36 pares Total de 6 pares 𝑝 𝐴 = 6 36 = 1 6 Distribuições de Probabilidades Variável Aleatória Considere um espaço amostral S e que a cada ponto amostral seja atribuído um número. Fica então definida uma função chamada variável aleatória, indicada por uma letra maiúscula, sendo seus valores indicados por letras minúsculas. Exemplo 9 (Crespo 17 ed. 1999): No lançamento simultâneo de duas moedas, o espaço amostral é S = {(Ca,Ca), (Ca, Co), (Co, Ca), (Co,Co)} E se X representa o número de caras (Ca) que aparecem, a cada ponto amostral, podemos associar um número para X . X Ponto amostral 2 (Ca,Ca) 1 (Ca,Co) 1 (Co,Ca) 0 (Co,Co) Número de caras (X) P(X) 2 1 4 1 1 4 + 1 4 = 2 4 = 1 2 0 1 4 = 1 Calculando a probabilidade: da ocorrência de 2 caras (Ca,Ca): 1 2 . 1 2 = 1 4 da ocorrência de 1 cara (Ca,Co): 1 2 . 1 2 = 1 4 da ocorrência de 1 cara (Co,Ca): 1 2 . 1 2 = 1 4 da ocorrência de nenhuma cara (Co,Co): 1 2 . 1 2 = 1 4 Essa tabela representa a distribuição de probabilidades Os valores de X são associados a uma probabilidade P(X) e podemos definir uma função probabilidade onde os valores de X constituem o domínio da função e os valores de P(X) formam o conjunto imagem. f(x) = P(X=xi) Exemplo10: No lançamento de um dado honesto o espaço amostral é S = {1, 2, 3, 4, 5, 6}. Construa uma tabela de distribuição de probabilidades para esse evento. Número obtido (X) P(X) 1 2 3 4 5 6 = 1 Τ1 6 Τ1 6 Τ1 6 Τ1 6 Τ1 6 Τ1 6 Distribuição Binomial Serão considerados: - Experimentos independentes que se repetem n vezes nas mesmas condições - Só existem dois resultados possíveis: sucesso (p) ou fracasso (q). - As probabilidades de cada resultado se mantém constantes no decorrer do experimento. A probabilidade que um evento ocorra k vezes nos n experimentos é dada pela função: 𝑓 𝑋 = 𝑃 𝑋 = 𝑘 = 𝑛 𝑘 𝑝𝑘𝑞𝑛 −𝑘 𝑛 𝑘 𝑝𝑘𝑞𝑛 −𝑘 = 𝑛! 𝑘! 𝑛 − 𝑘 ! 𝑝𝑘𝑞𝑛 −𝑘 é 𝑜 𝑡𝑒𝑟𝑚𝑜 𝑔𝑒𝑟𝑎𝑙 𝑑𝑜 𝑏𝑖𝑛ô𝑚𝑖𝑜 𝑑𝑒 𝑁𝑒𝑤𝑡𝑜𝑛 Observação: ! = 𝑓𝑎𝑡𝑜𝑟𝑖𝑎𝑙 Ex: 3! = 3.2.1=6 7! = 7.6.5.4.3.2.1 0! = 1 n! = n.(n-1).(n-2)....1 Exemplo 11) Um dado é lançado 5 vezes consecutivas e independentes. Calcule a probabilidade de ser obtido o número 4 em três lançamentos. P(k) = 𝑛 𝑘 𝑝𝑘𝑞𝑛 −𝑘 = 𝑛! 𝑘! 𝑛−𝑘 ! 𝑝𝑘𝑞𝑛 −𝑘 𝑛 = 5 k = 3 p = 1 6 𝑞 = 5 6 P(3) = 5 3 1 6 3 5 6 5 −3 P(3)= 5! 3! 5−3 ! 1 6 3 5 6 2 P(3)= 5.4.3! 3!2! . 25 7776 P(3)=0,032 Exemplo 12) Uma moeda é lançada 6 vezes consecutivas e independentes. Calcule a probabilidade de serem obtidas 4 caras nesses seis lançamentos. P(k) = 𝑛 𝑘 𝑝𝑘𝑞𝑛 −𝑘 𝑛 = 6 k = 4 p = 1 2 𝑞 = 1 2 P(4)= 6.5.4! 4!2! . 1 64 P(4)=0,23 P(4) = 6 4 1 2 4 1 2 6−4 Exemplo 13) Um casal pretende ter 4 filhos em vezes consecutivas e independentes. Calcule a probabilidadede nascerem 4 meninas. P(k) = 𝑛 𝑘 𝑝𝑘𝑞𝑛 −𝑘 𝑛 = 4 k = 4 p = 1 2 𝑞 = 1 2 P(4)= 4! 4!0! . 1 16 P(4)=0,0625 P(4) = 4 4 1 2 4 1 2 4−4 Exemplo 14) A probabilidade de um atirador acertar o alvo é 2 3 . Se ele atirar 5 vezes, qual a probabilidade de acertar exatamente 2 tiros? P(k) = 𝑛 𝑘 𝑝𝑘𝑞𝑛 −𝑘 𝑛 = 5 k = 2 p = 2 3 𝑞 = 1 − 2 3 = 1 3 P(2) = 5 2 2 3 2 1 3 5−2 P(2)= 5! 2!3! . 22 35 P(2)= 5.4.3! 2!3! . 4 243 P(2)= 0,165 = 16,5% Propriedades: 1) a variável X pode assumir todo e qualquer valor real; 2) a representação gráfica da distribuição normal é uma curva em forma de sino, simétrica em torno da média (curva normal ou de Gauss); média = moda = mediana 3) A área total limitada pela curva e pelo eixo das abscissas é igual a 1; −∞ +∞ 𝑓 𝑥 𝑑𝑥 = 1 4) A curva normal é assintótica em relação ao eixo das abscissas 5) A probabilidade de ocorrer valor maior que a média é igual à probabilidade de ocorrer valor menor que a média e valem 0,50 ou 50 % 6) Se um variável aleatória segue a função densidade de probabilidade dada a seguir ela segue uma distribuição normal 𝑓 𝑥 = 1 𝜎 2𝜋 𝑒− 1 2 ( 𝑥−𝜇 𝜎 )2 𝜇 é 𝑎 𝑚é𝑑𝑖𝑎 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖çã𝑜 𝜎 é 𝑜 𝑑𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 Distribuição normal e curva normal Distribuição normal padrão (ou reduzida) 𝑍 = 𝑥 − 𝜇 𝜎 As probabilidades associadas à distribuição normal padronizada são encontradas em tabelas. A tabela nos dá a probabilidade de Z tomar qualquer valor entre a média 0 e um dado valor z. P(0 < Z < z) Exemplo 15) Seja X a variável aleatória que representa os diâmetros dos parafusos produzidos por uma máquina. Considere que essa variável tenha distribuição normal com média 𝜇 = 2 cm e desvio padrão 𝜎= 0,04 cm. Qual a probabilidade de encontrar um parafuso com diâmetro entre 2 e 2,05 cm? Solução: P(2 < x < 2,05)? Cálculo de Z: 𝑍 = 𝑥 − 𝜇 𝜎 𝑍 = 2,05 − 2 0,04 𝑍 = 1,25 Então: P(0 < z < 1,25) P(0 < z < 1,25) = P(1,25) – P(0) P(0 < z < 1,25) = 0,8944 – 0,500 P(0 < z < 1,25) = 0,3944 ou 39,44% Exemplo 16) Qual a probabilidade de P(-0,5 < z < 1,46)? https://www.ime.usp.br/~hbolfar/aula_2013/Aula6-A12012.pdf, acesso em 18/04/2022. P(-0,5 < z < 1,46) = P(-0,5 < z < 0) + P(0 < z < 1,46) P(-0,5 < z < 0) = P(0 < z < 0,5) https://www.ime.usp.br/~hbolfar/aula_2013/Aula6-A12012.pdf P(-0,5 < z < 1,46) = P(-0,5 < z < 0) + P(0 < z < 1,46) P(-0,5 < z < 0) = P(0 < z < 0,5) P(0 < z < 0,5) = 0,6915 – 0,500 P(0 < z < 0,5) = 0,1915 P(0 < z < 1,46) = 0,9279 – 0,500 = 0,4279 P(-0,5 < z < 0) + P(0 < z < 1,48) = 0,1915 + 0,4279 P(-0,5 < z < 0) + P(0 < z < 1,46) = 0,6194 ou 61,94% Exemplo 17) Qual a probabilidade de P(1,32 < z < 1,55)? P(1,32 < z < 1,55) = P (0 < z < 1,55) - P (0 < z < 1,32) https://www.ime.usp.br/~hbolfar/aula_2013/Aula6-A12012.pdf, acesso em 18/04/2022. https://www.ime.usp.br/~hbolfar/aula_2013/Aula6-A12012.pdf P (0 < z < 1,55) = 0,9394 – 0,500 = 0,4344 P (0 < z < 1,32) = 0,9066 – 0,500 = 0,4066 P(1,32 < z < 1,55) = 0,4344 – 0,4066 = 0,0278 ou 2,78% Exemplo 18) A concentração de um poluente em água liberada por uma fábrica tem distribuição N(8; 1,5). Qual a chance, de que em um dado dia, a concentração do poluente exceda o limite regulatório de 10 ppm? Solução: P(x> 10)? 𝑍 = 𝑥 − 𝜇 𝜎 𝑍 = 10−8 1,5 = 1,33 P(x> 10) = P(Z > 1,33) 1 - P(Z ≤ 1,33) = 1 – 0,9082 = 0,0918 Em 9% do tempo o índice é maior que 10 ppm https://www.ime.usp.br/~hbolfar/aula_2013/Aula6-A12012.pdf, acesso em 18/04/2022. https://www.ime.usp.br/~hbolfar/aula_2013/Aula6-A12012.pdf Exemplo 19) Em uma fábrica de automóveis os motores de seus veículos tem duração média de 200 mil km e desvio padrão de 5 mil km. Qual a probabilidade de que um dos automóveis de sua fabricação apresente um motor que dure menos que 210 mil km? 𝑍 = 𝑥 − 𝜇 𝜎 Solução: P(x < 210000)? 𝑍 = 210000−200000 5000 = 2 P(z < 2) = 0,9772 ou 97,72% adaptado de: https://www.ime.usp.br/~hbolfar/aula_2013/Aula6-A12012.pdf, acesso em 18/04/2022. https://www.ime.usp.br/~hbolfar/aula_2013/Aula6-A12012.pdf
Compartilhar