Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 TEMA #I - CONCEITOS BÁSICOS EM PROBABILIDADES O conceito de probabilidade está associado a experiência aleatória e, de certa forma, à frequência da sua ocorrência no sentido de que ”é tanto mais provável um acontecimento quanto mais frequente é a sua ocorrência”. 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; Etc. 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 o 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: Experimento ou Experiência aleatória: Lançamento de um dado Espaço de resultados: Ω=(1, 2, 3, 4, 5 e 6) Acontecimento: (2, 4, 6) No que diz respeito à realização, podemos ter acontecimentos: 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 2 Quanto à ocorrência de resultados Mutuamente Exclusivos – quando não podem ocorrer em simultâneo. Isto é, a ocorrência de um exclui a ocorrência dos demais; Equiprováveis/Igualmente possíveis – os acontecimentos Ai, i = 1,...,n são Equiprováveis ou igualmente possíveis quando P(A1) = P(A2) = ... = P(An) = p. Por conseguinte, a probabilidade de cada um dos n pontos amostrais (acontecimentos) é p = 1/ n Medidas 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. Se um acontecimento A pode ocorrer de m maneira diferentes de um total de n possíveis, mutuamente exclusivos, então a probabilidade de ocorrência do acontecimento A – P(A) é dada por: possiveisresultadosdetotalNúmero ntoacontecimeaofavoráveispossiveisresultadosNumero n mAPP )( Abordagem frequencista de probabilidade: expressa a proporção de vezes que a ocorrência de um acontecimento é observada num grande número de provas. A probabilidade do acontecimento A é o número para que tende a frequência relativa quando se aumenta o número de provas, isto é: provasdetotalNúmero ocorrentoacontecimequaisnasprovasNumero n nAP A N Lim )( 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. Propriedades da Medida de probabilidade 1. 1)(0 AP 2. )(1)( APAP 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) e determinam a probabilidade de ocorrência simultânea de ambos acontecimentos, sejam eles, dois, três ou mais. 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. Nenhuns outros acontecimentos são tomados em consideração. Uma expressão típica é P(A). 3 Probabilidade Conjunta: a probabilidade de ocorrência de dois ou mais acontecimentos. Uma expressão típica é P(A ᴖ B) Probabilidade Condicionada: suponha que se pretende calcular a probabilidade de um acontecimento A, dado que um outro acontecimento B já ocorreu ou teve lugar. Uma expressão típica é P(A/B) - com a descrição verbal de “probabilidade de A dado B” ou "probabilidade de A condicionada por B", é dada por: )( )( )|( BP BeAP BAP (para toda P(B)>0) Existem duas regras de multiplicação e a aplicação de cada uma delas depende de se os acontecimentos são dependentes ou independentes. Assim, Se os acontecimentos são independentes a probabilidade de ocorrência simultânea é igual ao produto das suas probabilidades marginais individuais. P(AeB)=P(A)*P(B) Se os acontecimentos são dependentes a probabilidade de ocorrência simultânea é igual ao produto da ocorrência do primeiro vezes o segundo calculado na suposição de que o primeiro ocorreu. P(AeB)=P(A)*P(B|A) Exemplo 1: 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 e então P(A1) = 2/(3+2) = 2/5 e P(A2) = 2/(3+2) = 2/5. E, por conseguinte, a probabilidade de as duas bolas serem pretas nas duas extracções é dada por: 25/45/2*5/2)()()( 2121 APAPAeAP Se considerarmos uma extracção sem reposição, os acontecimentos A1 e A2 são dependentes e então P(A1) = 2/(3+2) = 2/5 e P(A2|A1) = 1/(3+1).=1/4. E, por conseguinte, a probabilidade de as duas bolas serem pretas nas duas extracções é dada por: 10/14/1*5/2)|()()( 12121 AAPAPAeAP Regra de Adição de Probabilidade Descreve a probabilidade de ocorrência de pelo menos um acontecimento, por exemplo, P(A ᴗ B). Se os acontecimentos são mutuamente exclusivos, esta probabilidade será a soma das suas probabilidades individuais: )()()( 2121 APAPAouAP 4 Exemplo 2: 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. A probabilidade de sair um 6 ou um número ímpar num único lançamento é: 3/22/16/1)()()( 2121 APAPAouAP Quando os acontecimentos não são mutuamente exclusivos, aplica-se a regra geral de adição de probabilidades. Esta regra toma em conta que dois ou mais acontecimentos poderão ocorrer simultaneamente. )()()()( 212121 AAPAPAPAouAP Exemplo 3: 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. A probabilidade de se extrair um “As” ou um “Espada” em uma única extracção é: 52/1652/152/1352/4)( 21 AAP 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. Eléctrica Manual Total Nova 40 30 70 Usada 20 10 30 Total 60 40 100 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 Probabilidadede obter uma máquina eléctrica e nova: P(EeN) = (40/100) PROBABILIDADE TOTAL E FORMULA DE BAYES 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 5 Probabilidade Total Se os acontecimentos A1, A2, ..., An definem uma petição sobre Ω, então para qualquer eventos B definido em Ω tem-se: n i ii APAAPAP 1 )().|()( )()|(...)()|()()|( 2211 nn AxPAAPAxPAAPAxPAAP 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 0.5, 0.3 e 0.2. Ocasionalmente a impressora avaria e destrói a impressão. As impressoras A, B e C avariam com probabilidades 0.01, 0.06 e 0.08. a. Um ficheiro é enviado para impressão. Qual é a probabilidade de avaria da impressora e destruição da impressão? Vamos considerar a seguinte anotação: A: “enviar para impressora A”; P(A)=0.5; B : “enviar para impressora B’; P(B)=0.3 C : “enviar para impressora C”; P(B)=0.2; D : “impressão destruída’; P(D|A)=0.01, P(D|B)=0.06, P(D|C)=0.08; P(D)=P(D|A)·P(A)+P(D|B)·P(B)+P(D|C)·P(C) =0.01×0.5+0.06×0.3+0.08×0.2=0.039 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, …, Am] quando se obtém a informação adicional de que um dado acontecimento B se realizou e se conhece P(B/Aj). Se A1, A2, ..., An definem uma partição sobre Ω, então, para B definido em Ω com P(A)>0: nj AAxPAP AAPAP AAP n i ii jj j ,...,2,1 )|(.( )|().( )|( 1 Exemplo 6: Do exemplo anterior sabe-se que a impressão do ficheiro foi destruída. Qual a probabilidade de ter sido enviada para impressora A? P(A|D)= P(D|A)·P(A) / P(D) = 0.01×0.5/ 0.039 = 0.005 / 0.039 =0.1282 „ 6 Elementos da Análise Combinatória Arranjos de n elementos em grupos de k elementos ( nkA ): Considera-se um conjunto com n elementos distintos e suponha-se que a partir dele se formam grupos com um número fixo de k elementos (k=1, 2, …, n), não repetidos, mas onde os grupos diferem pela ordem em que os elementos são seleccionados. )!( !)1)...(2)(1( kn nknnnnAnk Os arranjos de k elementos formados a partir de um conjunto com n elementos podem ser considerados amostras ordenadas sem reposição. Permutações (Pn): As permutações de um conjunto de n elementos distintos são arranjos de n elementos em grupos de k elementos, isto é, as permutações são grupos formados por todos os elementos do conjunto. !1*2)...2)(1( nnnnAP nkn Combinações ( nkC ): Calcula-se contando os arranjos de n elementos em grupos de k elementos, e eliminando as permutações que traduzem as diferentes ordens. )!(! ! knk n P AC k n kn k n k Exemplo 7: Com um conjunto de 10 pessoas quantas comissões de 3 pessoas podem formar-se? evidentemente, as comissões devem diferir apenas pelas pessoas que as compõem. A comissão com (José, João, Paulo) não é diferente da comissão com (João, José, Paulo) Aplicação da análise combinatória: Considere-se uma população com N elementos, dos quais m possuem determinado atributo. Escolhida uma amostra com n elementos (n>=0), qual a probabilidade de nela se encontrarem k elementos com o referido atributo (k = 0, 1, 2, ..., n) Como os números de elementos da população e da amostra são, respectivamente, N e n, o numero de casos possíveis é dado pelas combinações de N elementos em grupos de n, ou seja, NnC . Para calcular o numero de casos favoráveis, devem ter-se em conta as seguintes composições da população e da amostra: a população possui m elementos com o atributo em estudo e, portanto, N-m sem este atributo; a amostra tem k elementos com o referido atributo e, portanto, n-k sem ele. Então, o número de casos favoráveis é dada por: mN knmk CC . 7 Assim, se a escolha for feita sem reposição, a probabilidade de se encontrarem k elementos com o referido atributo é dado por: N n mN kn m k k C CCP . Se a escolha for feita com reposição, utiliza-se o chamado esquema binomial dada por: knkn kkn kn k k n kn n k knk k PPCN mN N mC N CmNmP )1()()( Onde P = m/N Exemplo 8: Considere-se uma população de 100 computadores dos quais 10 sofreram determinada avaria. Escolhida aleatoriamente, sem reposição, uma amostra de 5 computadores, qual a probabilidade de nenhum deles estar avariado? 584,0. 100 5 90 5 100 5 10100 05 10 0 )( C C C CCP o Caso a tiragem fosse com reposição, tem-se o esquema binomial, e vem: 59049,09,09,0.1,0. 55050)( CP o Regras de probabilidades Regra de Adição de Probabilidade Eléctrica Manual Total Nova 40 30 70 Usada 20 10 30 Total 60 40 100
Compartilhar