Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE SÃO TOMÁS DE MOÇAMBIQUE FACULDADE DE CIÊNCIAS ECONÓMICAS E EMPRESARIAIS FOLHA TEORICA 1-TEORIA DE PROBABILIDADE Introdução A teoria das probabilidades, teve seu início com os jogos de cartas, dados e de roleta. Esta permite que se calcule a chance de ocorrência de um número em um experimento aleatório; por outro lado, a palavra probabilidade deriva do Latim probare (provar ou testar) e informalmente é uma das muitas palavras utilizadas para eventos incertos ou conhecidos, sendo também substituída por algumas palavras como “sorte”, “risco”, “azar”, “incerteza”, “duvidoso”, dependendo do contexto. Os métodos da teoria de probabilidades são amplamente utilizados nos diferentes ramos das ciências naturais e da técnica: na teoria de segurança, teoria dos serviços à população, na física teórica, geodesia, astronomia, teoria de tiro, teoria de erros de observações, teoria de direcção automática, teoria geral das comunicações, teorias administrativas, entre outras. A teoria de probabilidades serve também de base para a estatística, matemática aplicada, a qual, por sua vez, é empregada na planificação e organização da produção, na análise de processos tecnológicos, no controle preventivo e de obtenção da qualidade da produção e para muitos outros fins. A probabilidade é um número que varia de 0 (zero) a 1 (um) e que mede a chance de ocorrência de um determinado resultado. Quanto mais próxima de zero for a probabilidade, menores são as chances de ocorrer o resultado e quanto mais próxima de um for a probabilidade, maiores são as chances. Pode mostransformar a probabilidade em um valor percentual, neste caso variando de 0%a 100%. Conceitos básicos Experimentos aleatórios Experimento é usado para descrever qualquer processo que gere resultado. Experimento aleatório é aquele que, repetido em idênticas condições, produz resultados que não podem ser previstos com certeza, ou seja, produz resultados explicados ao acaso. Embora não saibamos qual o resultado que irá ocorrer num experimento, em geral consegue descrever o conjunto de todos resultados possíveis que podem ocorrer. As variações de resultados, de experimento para experimento, são devidas a uma multiplicidade de causas que não podemos controlar. Por exemplo: se uma moeda for lançada, ela pode cair de tal forma que para cima sai cara ou coroa. Cada acontecimento aleatório, em particular a saída de cara, é resultado da acção de numerosas causas fortuitas (força com que a moeda foi lançada, a forma da moeda e muito mais). Não se pode considerar o efeito de todas estas causas no resultado, pois o seu número é muito grande e as leis de sua actuação são desconhecidas. Características Cada experimento pode ser repetido indefinidamente sob as mesmas condições; Não se conhece o resultado do experimento “a priori”, porém pode-se descrever todos os possíveis resultados. Quando o experimento for repetido um grande número de vezes surgirá uma estabilidade da fracção n r f (lei dos Grandes Números). Onde: n – número de repetições r – número de sucessos de um particular resultado Exemplo 1: a) Lançar um dado e observar o número da face de cima; b) Lançar duas moedas e observar as sequências de caras e coroas obtidas; c) De uma urna contendo 3 bolas vermelhas e 2 bolas brancas, seleccionar uma bola e observar a sua cor; d) Observar o tempo que um certo aluno gasta para ir de táxi de sua casa até a escola. http://pt.wikipedia.org/wiki/Latim Espaço Amostral ou Espaço de Resultados O Espaço amostral é o conjunto não vazio de todos os resultados possíveis de um experimento aleatório. A letra que representa o espaço amostral, é S ou Ω. O espaço amostral pode ser: Discreto – quando o espaço de resultado é finito ou infinito numerável; Continuo – quando o espaço de resultado é infinito não numerável. Nota: Cada resultado individual de S é chamado de “elemento”, “membro” ou “ponto amostral”; Se o espaço amostral é finito, pode-se listar seus elementos; Os resultados de um experimento E podem ser descritos por mais de um espaço amostral Exemplos 2: Laçando um dado com todas faces enumeradas de 1 a 6, e observar o número da face de cima. Qual será o espaço amostral desse experimento? Solução: O espaço de resultados consiste nos seis números possíveis: Ω = {1, 2, 3, 4, 5, 6}; Exemplo 3: Lançando uma moeda e um dado, simultaneamente. Escreve o espaço amostral da experiência. Solução: Seja K – saída da cara; C – saída da coroa. Pelo Princípio Fundamental de Contagem o espaço amostral da experiência terá 2*6 = 12 possibilidades: Ω = {K1, K2, K3, K4, K5, K6, C1, C2, C3, C4, C5, C6} Nota: a listagem de todos elementos do espaço amostral (Ω) pode ser feita pelo diagrama de árvore ou por uma sentença. Diagrama de árvore Exemplo 4: Um experimento consiste em jogar uma moeda. Joga se a mesma pela segunda vez, caso ocorra uma cara. Se uma coroa ocorre no primeiro lançamento, então um dado é lançado uma única vez. a) Qual será o espaço amostral do experimento. O espaço amostral será: Ω = {CC, CK, K1, K2, K3, K4, K5, K6} b) Qual é a probabilidade de sair cara e numero par? Sentença ou regra É aplicado caso o espaço amostral tenha um número muito grande de elementos (infinito). Exemplo 5: observar o número total da população de Maputo que compra pacotes iniciais da telefonia móvel da de uma dada operadora por dia. Seja X” o número total da população de Maputo que compra pacotes iniciais da telefonia móvel dessa operadora por dia” Ω = {X l X 0 } Eventos ou Acontecimentos Evento ou Acontecimento é qualquer subconjunto do espaço amostral Ω, incluindo o conjunto vazio. Em geral indicamos um evento por uma letra maiúscula do alfabeto: A, B, C,..., Z. Diremos que um evento A ocorre se, realizado o experimento, o resultado obtido for pertencente a A. Exemplo 6: Do exemplo 2 escreve o evento A constituído por todos os números pares. O sub espaço amostral constituído pelo conjunto de números pares é: A = {2, 4, 6} Exemplo 7: Do Exemplo 3 escreve o acontecimento B que consiste na saída de uma cara e de um número impar. O Subconjunto procurado é: B = {K1, K3, K5} Tipos de Eventos a) Evento nulo ou impossível – é aquele que nunca se verifica quando se realiza uma ou mais experiências. Exemplo 8: São eventos impossíveis: Saída de cara e coroa no lançamento de uma moeda uma única vez; Saída de um número impar maior que 5 no lançamento de um dado. b) Evento certo – aquele que sempre se verifica quando se realiza uma ou mais experiências. Exemplo 9: são acontecimentos (eventos) certos os seguintes: Saída de cara ou coroa no lançamento de uma moeda equilibrada; Saída de um número natural menor que 7 no lançamento de um dado. c) Evento aleatório – aquele que a sua verificação depende do acaso, ou melhor, aquele que é impossível prever o seu resultado. Classificação dos eventos aleatórios a) Eventos independentes – são aqueles que o acontecimento de um deles, não depende de outro. b) Eventos dependentes – são aqueles que o acontecimento de um deles, depende de outro. Eventos incompatíveis ou mutuamente exclusivos – são aqueles que o acontecimento de um deles exclui o outro; isto é, se a intersecção entre eles é o conjunto vazio. Os eventos A e B são mutuamente excludentes, porque não se interceptam Eventos Complementares – são aqueles mutuamente exclusivos cuja união é o espaço amostral; Os eventos A e A’ são complementares a) Eventos elementares – são aqueles formados por um só resultado (elemento) da experiência; b) Eventos não elementares – são aqueles formados por dois ou mais resultado (elemento) da experiência; Exemplo 10: um dado é lançado e observado o número de faces de cima. Ω = {1, 2, 3, 4, 5, 6} Sejam os eventos: A: ocorrência de número impar;D: ocorrência do número 4; B: ocorrência de um número par; E: ocorrência de um número menor que 7; C: ocorrência de múltiplo de 3; F: ocorrência do número 8. Classifica os eventos acima. Solução: A = {1, 3, 5}; B = {2, 4, 6}; C = {3, 6}; D = {4}; E = {1, 2, 3, 4, 5, 6}; F = {} Os eventos A, B, C e E são não elementares O evento D é elementar; O evento F é nulo ou impossível; Os eventos A e B são independentes e mutuamente exclusivo; O evento E é certo. A B A’ A Operações com eventos a) União de dois eventos Sejam A e B dois eventos; então A B será também um evento que ocorrerá se, e somente se, A e B (ou ambos) ocorrerem. b) Intersecção de dois eventos Sejam A e B dois eventos; então A B será também um evento que ocorrerá se, e somente se, A e B ocorrerem simultaneamente. Em particular, se A B = , A e B são chamados eventos mutuamente exclusivos. c) Complementar de um evento Seja A um evento; então cA ou �̅� será também um evento que ocorrerá se, e somente se, A não ocorrer. Exemplo 11: um dado é lançado e observado o número de faces de cima. Ω = {1, 2, 3, 4, 5, 6} Sejam os eventos: A: ocorrência de número par; A = {2, 4, 6} B: ocorrência de número maior ou igual a 4; B = {4, 5, 6} C: ocorrência de um número impar. C = {1, 3, 5} Indica: a) O evento que consiste na saída de um número par ou número maior ou igual a 4; A B = {2, 4, 5, 6} b) O evento que consiste na saída de um número par e um número maior ou igual a 4; A B = {4, 6} c) O evento que consiste na saída de um número par e um número impar; AC = { } = d) O evento que consiste na saída de um número menor que 4. B = {1, 2, 3, 4} Diagrama de Venn Exemplo 12: seja dados os conjuntos abaixo, represente os num diagrama de venn M = {4, 5, 6, 7, 8} N = {6, 7, 8, 9, 10, 11} 4.2 Conceitos de probabilidades Na introdução ao estudo da teoria de probabilidades, foi defenido o Experimento aleatório como sendo aquele que repetido muitas vezes em iguais condições, podem fornecer resultados diferentes, ou seja, resultados explicados ao acaso. Foi com intuito de querrer medir o quão provável um evento pode ocorrer num experimento aleatório que se desenvolveu o estudo da Probabilidade. A probabilidade de um evento A, denotado por P(A), é um número que caracteriza o grau de possibilidade da ocorrência do acontecimento A. Este número varia de 0 a 1 (0 a 100%) e quanto mais próximo de um, maior é a chance de ocorrência do evento, e quanto mais próximo de zero, menor é achance de ocorrência do evento. Definição frequenciasta de probabilidade Num esperimento aleatório, embora não saibamos qual o evento que irá ocorrer, sabemos que alguns eventos ocorrem frequentimente e outros, raramente quando a experiência se repete muitas vezes. Exemplo 13: Consideremos a seguinte tabela relativa ao lançamento de uma moeda. Nº de lançamentos 20 30 40 50 60 70 80 90 100 Nº de caras 14 12 25 19 30 39 48 42 49 Frequência relativa 0.7 0.4 0.63 0.38 0.5 0.56 0.6 0.47 0.49 Pode-se observar que à medida que aumenta o número de lançamentos, as frequências relativas do acontecimento “sair a cara” estabiliza-se a volta do valor 0.5. O valor na qual se estabiliza a frequência relativa de um acontecimento, quando o número de experências cresce consideravelmente, representa a probabilidade do acontecimento. A frequência relativa (defenição frequencista de probalidade) é a relação entre o número de provas, nas quais o acontecimento ocorreu, e o número total de provas efectuadas de fato. n m Af )( Onde: m – é o número de verificações do acontecimento; n – é o número total de provas. Definição clássica de probabilidade Para calcular a probabilidade de um acontecimento, pela definição frequencista de probabilidade, teriamos que repetir a experiência em um grande número de vezes. Além disso, por esse procedimento nunca se obteria um número exato. Como forma de evitar esta inconveniência, Laplace (1749 – 1827) anuciou a definição clássica de probabilidade.Probabilidade clássica do acontecimento A é a relação entre o número de casos favoráveis a esse acontecimento e o número total de casos elementares igualmente possíveis que se excluem mutuamente e formam um grupo completo. n m possiveiscasosdetotalNumero AntoacontecimeaofavoraveiscasosdeNumero AP )( ; m n Exemplo 14: Numa urna existem duas bolas brancas e seis vermelhas. Sorteando-se uma bola, qual é a probabilidade de ela ser branca? Solução: seja A” A bola sorteada na urna é branca” Os casos elementares, nos quais se verifica o acontecimento que nos interessa (casos favoráveis “saida de bola branca”), é igual a 2 e o número total de casos possíveis é igual à 8; isto é: m =2 e n = 8. Logo: %2525.0 8 2 )( n m AP Resposta: A probabilidade de sortear uma bola branca é de 25%. Definição Subjectiva de probabilidade (conceito personalizado) A probabilidade subjectiva constituinte uma aproximação quantitativa a credibilidade que se atribui a um acontecimento, ou seja exprime o grau de credibilidade que um indivíduo, com o conhecimento que possui da situação, associa a certo acontecimento. É neste sentido que em geral, a palavra probabilidade aparece na linguagem corrente. Exemplo 15: A taxa de desemprego no próximo ano vai cair para 30%. Um especialista em economia e com todos os seus conhecimentos, pode afirmar tal acontecimento tem uma probabilidade de ocorrência de 0.8 Propriedades 1. A probabilidade de um acontecimento certo é igual à unidade; 1)( n m AP ; Neste caso m = n 2. A probabilidade de um acontecimento impossível é igual à zero; 0)( n m AP ; Neste caso m = 0 3. A probabilidade de um acontecimento aleatório é um número positivo, compreendido entre zero e a unidade. 1)(0 AP ; Neste caso, nm 0 , o que significa que 1/0 nm ; 4. A probabilidade de um acontecimento contrário é a diferença entre a unidade e a probabilidade do econtecimento; )(1)( APAP 5. A probabilidade de dois acontecimentos complementares é igual à unidade; 1)(...)()()( 321 nAPAPAPAP Exemplo 16: Em uma urna há 25 bolas das quais 10 vermelhas e 15 brancas. Tirando uma bola deste conjunto ao acaso, achar a probabilidade de que: a) A bola seja branca; b) A bola seja vermelha; c) A bola não seja branca. Solução: Seja B “A bola retirada da urna é branca” V “A bola retirada da urna é vermelha” 10)(1 Bm ; 15)(2 Vm ; 25)()( 21 VmBm a) 4.0 25 10)( )( 1 n Bm BP b) 6.0 25 15)( )( 2 n Vm BP c) 6.04.01)(1)( BPBP Operações com probabilidades Teorema de soma A probabilidade de soma de dois eventos A e B, é igual a soma das probabilidades destes eventos a) Eventos incompatíveis: )()()( BPAPBAP b) Eventos compatíveis: )()()()( BApBPAPBAP A B Teorema de produto A probabilidade de ocorrência simultânea de dois eventos A e B, é igual ao produto das probabilidades destes eventos. a) Acontecimentos independetes: )(*)()( BPAPBAP b) Acontecimentos dependentes: )/(*)()( ABPAPBAP Probabilidade Condicional )/( ABP é a probabilidade do acontecimento B, calaculada com a suposição de que o acontecimento A já ocorreu. 0)(; )( )( )/( AP AP BAP ABP Exemplo 17: Numa certa comunidade existem apenas dois jornais disponíveis, o jornal de Notícias e o Público. Sabe- se que 91% das pessoas desta comunidade são assinantesde pelo menos um dos jornais, 58% são assinantes do jornal de Notícias e 14% são assinantes de ambos os jornais. Qual é a probabilidade de que uma pessoa escolhida ao acaso seja assinante: a) Do jornal o Público? b) Do jornal o Público sabendo que já é assinante do jornal de Notícias? Solução: Seja: A “A pessoa escolhida é assinante do jornal de Notícias” B “ A pessoa escolhida é assinante do jornal o Público” Dados: ;91.0)( BAP 58.0)( AP ; 14.0)( BAP a) %4747.0)(14.0)(58.091.0)()()()( BPBPBAPBPAPBAP b) 2414.0 58.0 14.0 )( )( )/( AP BAP ABP = 24.14% Corolário 1: A probabildade de que ocorra apenas um dos n eventos é: )(*...*)(*)(...)(*...*)(*)()(*...*)(*)()( 212121 nnn APAPAPAPAPAPAPAPAPAP Corolário 2: a probabilidade de que ocorra pelo menos um dos n eventos independentes é: )(*...*)(*)(1)( 21 nAPAPAPAP Exemplo 18: Três aparelhos de alarme funcionam independentes um do outro. As probabilidaes de um bom funcionamento dos aparelhos são: 0.9, 0.89 e 0.93 respectivamente. Achar a probabilidade de que em um determinado dia: a) Todos aparelhos funcionem; b) Funcione apenas dois aparelhos; c) Todos os aparelhos não funcionem; d) Funcione pelo menos um dos aparelhos. Seja: p – a probabilidade do funcionamento do aparelho; q – a probabilidade de avaria do aparelho. Então: p1 = 0.9; q1 = 0.1; p2 = 0.89; q2 = 0.11; p3 = 0.93; q3 = 0.07. a) Seja A “ todos os aparelhos funcionam” Tendo em conta que o funcionamento de um dado aparelho não influencia o funcionamento do outro, odemos aplicar o Teorema de produtos para eventos independentes. P(A) = p1 * p2 * p3 = 0.9 * 0.89 * 0.93 = 0.7449 b) Seja B”funcionam apenas dois aparelhos” Como funcionam apenas dois aparelhos dos três disponíveis, podemos aplicar o primeiro Corolário da probabilidade condicional. P(B) = p1 * p2 * q3 + p1 * q2 * p3 + q1 * p2 * p3 = 0.9 * 0.0.89 * 0.07 + 0.9 * 0.11 * 0.93 + 0.1 * *0.89 * 0.93 = 0.2309 c) Seja C” Não funcionam todos os aparelhos” P(C) = q1 * q2 * q3 = 0.1 * 0.11 * 0.07 = 0.0008 d) Seja D” Funcione pelo menos um dos aparelhos” Como funcionam pelo menos um dos aparelhos, podemos aplicar o primeiro Corolário da probabilidade condicional. P(D) = 1 – P(C) = 1 – 0.0008 = 0.9992 Probabilidade Total e Teorema de Bayes Probabilidade Total Suponhamos que o acontecimento A possa ocorrer se ocorrer um dos acontecimenteos que se excluem mutuamente B1, B2, ..., Bn, os quais formam um grupo completo. Suponhamos que sejam conhecidas as probabilidades condicionais P(A/B1), P(A/B2), ..., P(A/Bn), do acontecimento A. Para achar a probabilidade do acontecimento A, aplica-se o seguinte teorema: A probabilidae do acontecimento A (probabilidade total) que pode ocorrer sob condição de que ocorra um dos acontecimentos que se excluem mutuamente B1, B2, ..., Bn e que formam um grupo completo, é igual à soma dos produtos das probabilidades de cada um desses acontecimentos, pela correspondente probabilidade condicional do acontecimento A. P(A) = P(B1) * P(A/B1) + P(B2) * P(A/B2) + ... + P(Bn) * P(A/Bn) Exemplo 19: As peças produzidas numa fábrica caem para a verificação da sua standaridade a um de dois controladores. A probabilidade de que a peça caia ao primeiro controlador é igual a 0.6, e ao segundo, 0.4. Aprobabilidade de uma peça acabada ser reconhecida como standartizada pelo primeiro controlador é igual a 0.94, e pelo segumdo, 0.98. Achar a probabilidade de que a peça seja estandartizada. Solução: Seja A” A peça acabada foi reconhecida como standartizada” B1” A peça foi verificada pelo primeiro controlador” B2” A peça foi verificada pelo primeiro controlador” Pelas condições do problema, tem-se: P(B1) = 0.6; P(B2) = 0.4; P(A/B1) = 0.94; P(A/B2) = 0.98 Pela fórmula da probabilidade total teremos: P(A) = P(B1) * P(A/B1) + P(B2) * P(A/B2) = 0.6*0.94 + 0.4*0.98 = 0.564 + 0.392 = 0.956 Exemplo 20: uma urna I tem 3 bolas vermelhas (V) e 4 brancas (B); a outra urna II tem 6 bolas vermelhas e 2 branca. Uma urna é escolhida ao acaso e nela é escolhida uma bola, também ao acaso. Qual é a probabilidade de observarmos bola vermelha? Seja A “a bola escolhida é vermelha” B1 “a bola escolhida provêm da urna I” B2 “a bola escolhida provêm da urna II” P(B1) = ½ ; P(B2) = ½ ; P(A/B1) = 3/7; P(A/B2) = 6/8 P(A) = P(B1) * P(A/B1) + P(B2) * P(A/B2) = ½ * 3/7 + ½ * 6/8 = 33/56 1 1)( i iBP Teorema de Bayes Suponhamos que um certo acontecimento A pode ocorrer, sob a condição de que ocorra um dos acontecimentos que se excluem mutuamente B1, B2, ..., Bn e que formam um grupo completo. Visto que anteriormente não se sabe qual desses acontecimentos ocorrerá, eles são denominados hipóteses (probabilidade à posterior). O problema em determinar as probabilidades à posterior foi resolvido por Thomas Bayes sendo conhecido por Teorema de Bayes )/(*)(...)/(*)()/(*)( )/(*)( )/( 2211 nn i i BPABPBAPBPBAPBP BAPBiP ABP ; P(A) = P(B1) * P(A/B1) + P(B2) * P(A/B2) + ... + P(Bn) * P(A/Bn) >0 Exemplo 21: do exemplo 6, achar a probabilidade de que a peça reconhecida como standartizada tenha sido verificada pelo primeiro controlador. 59.0 956.0 94.0*6.0 )/(*)()/(*)( )/(*)( )/( 2211 11 1 BAPBPBAPBP BAPBP ABP Exemplo 22: do exemplo 7, se a bola observada foi vermelha, achar a probabilidade de que tenha vindo da urna I. 11 4 56 33 7 3 * 2 1 )/(*)()/(*)( )/(*)( )/( 2211 1 1 BAPBPBAPBP BAPBP ABP i Independência de eventos Diz-se que o evento B é independente do evento A, se a ocorrência do evento A não altera a probabilidade do evento B, ou seja, a probabilidade condicional do evento B é igual a sua probabilidade incondicional. P(B/A) = P(B) Assim, dois eventos denominam-se independentes, se a probabilidade de ocorrência simultânea é igual ao produto das probabilidades destes acontecimentos; em caso contrário, os eventos denominam-se dependentes. )(*)()( BPAPBAP Exemplo 23: numa sala existem 4 homens e 6 mulheres. Uma mosca entra na sala e pousa numa pessoa, ao acaso. a) Qual é a probabilidade de que ela pouse num homem (P(H))? b) Qual é a probabilidade de que ela pouse numa mulher (P(M))? c) Os eventos H e M são independentes? Solução: Seja H” a mosca pouse num homem” M” a mosca pouse numa Mulher” a) 4.0 10 4 )( HP b) 6.0 10 6 )( MP c) 24.06.0*4.0)(*)()( MPHPMHP Os eventos H e M são independentes; poi o sexo do indivíduo não influencia na pessoa na qual a mosca pousará.
Compartilhar