Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade Federal de Sa˜o Carlos Campus de Sorocaba 1 Probabilidade Encontramos na natureza muitas situac¸o˜es que envolvem incerteza. Definic¸a˜o: Denominamos experimento aleato´rio a` situac¸a˜o ou acontecimento cujos resultados na˜o podem ser previstos com certeza Exemplos: 1) Observar a hora do dia que ocorre falha em um determinado equipamento eletroˆnico. 2) Observar o nu´mero de quedas de energia durante um meˆs. 3) Lanc¸ar duas moedas e observar a face voltada para cima. 4) Observar as condic¸o˜es clima´ticas do pro´ximo domingo. Definic¸a˜o: Espac¸o amostral e´ o conjunto de todos os poss´ıveis resultados de um experimento aleato´rio. Notac¸a˜o: Ω Exemplos: Quais sa˜o os espac¸os amostrais dos experimentos aleato´rios dos exemplos anteriores? 1) Ω = 2) Ω = 3) Ω = 4) Ω = Definic¸a˜o de Evento: Chama-se evento a qualquer subconjunto do espac¸o amostral. Notac¸a˜o: A,B,C,... Exemplo: Alguns eventos associados: • Ao experimento 1: 1 Fernando Typewriter {1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24} Fernando Typewriter {1,2,3,4,5,6,7,8,9,...} Fernando Typewriter {cc,cC,CC,Cc} Fernando Typewriter {sol,chuva,neve,nublado} Fernando Typewriter – Ocorrer falha entre 10 e 17 horas. A = {ω ∈ R | 10 < ω < 17} – Ocorrer falha antes dos 6 horas. B = {ω ∈ R | ω < 6} • Ao experimento 2: – Ocorrer 2 ou mais quedas C = {x ∈ Z | 2 ≤ x} – Ocorrer exatamente 8 quedas D = {8} • Ao experimento 3: E: Obter pelo menos 1 cara E = {(c, c); (c, c); (c, c)} 1.1 Alguns tipos de eventos • Evento certo A = Ω Exemplo: Considerando o experimento 1, o evento: “A: ocorrer falha entre 0 e 24 horas” e´ um evento certo: A = {ω ∈ R | 0 ≤ ω ≤ 24} = Ω • Evento imposs´ıvel A = φ Exemplo: Dado o experimento 3, o evento:“A: Ocorrer treˆs caras” e´ um evento imposs´ıvel. A = φ • Evento complementar (Ac): O complemento do evento A e´ o conjunto de pontos do espac¸o amostral que na˜o pertencem a A. Ac{ω ∈ Ω | ω 3 A} Exemplo: Considere o experimento 1 Evento B: Ocorrer falha antes das 6 horas. B = {ω ∈ R | ω < 6} Evento Bc: Ocorrer falha das 6 horas em diante. Bc = {ω ∈ R | ω ≥ 6} 1.2 Operac¸o˜es com eventos • Unia˜o: A unia˜o de dois eventos A e B e´ o conjunto formado por todos os elementos do espac¸o amostral que esta˜o em A ou B (ou em ambos). Notac¸a˜o: A ∪B 2 • Intersecc¸a˜o: A intersecc¸a˜o de dois eventos A e B e´ o evento formado por todos os elementos do espac¸o amostral que esta˜o em A e em B (ao mesmo tempo). Notac¸a˜o: A ∩B • Eventos mutuamente exclusivos: Dois eventos sa˜o mutuamente exclusivos se, e so- mente se, eles na˜o teˆm elementos amostrais em comum, isto e´ A ∩ B = φ. Tambe´m sa˜o chamados de disjuntos. Exemplo: Considere o lanc¸amento de dois dados e a observac¸a˜o dos nu´meros obtidos. Qual e´ o espac¸o amostral? Ω = Exerc´ıcio 1: Escreva na forma de conjunto os seguintes eventos: A: Dar 1 nos dois dados; B: Soma dos pontos igual a 4; C: Soma dos pontos menos ou igual a 5; D: Sair 2 nos 1◦ dado. • A = • B = • C = • D = Exerc´ıcio 2: Escreva na forma de conjunto os eventos: a) B ∪D = 3 b) C ∩D = c) Cc = 1.3 Probabilidade Definic¸a˜o: Uma func¸a˜o P(.) e´ denominada probabilidade se satisfaz as seguintes condic¸o˜es: i) 0 ≤ P (A) ≤ 1,∀A ⊂ Ω ii) P (Ω) = 1 iii) P (∪nj=1Aj) = n∑ j=1 Aj , com os Aj , j = 1, . . . , n disjuntos. Observe que a probabilidade P e´ uma func¸a˜o que atribui valores nume´ricos aos eventos do espac¸o amostral. Como podemos atribuir probabilidades aos elementos do espac¸o amostral? Ha´ duas formas que sa˜o bastante difundidas,chamadas de definic¸o˜es cla´ssica e frequentista de probabilidades, mas que na verdade sa˜o casos particulares da definic¸a˜o interior. 1.3.1 Definic¸a˜o cla´ssica: Seja A ⊂ Ω P (A) = nA nΩ nA - n ◦ de elementos em A. nΩ - n ◦ total de elementos em Ω. Exemplo: No lanc¸amento de dois dados, calcular a probabilidade dos seguintes eventos: A: Dar 1 nos dois dados: P (A) = nA nΩ = 1 36 B: Soma dos pontos igual a 4. P (B) = 3 36 = 1 12 4 C: Soma dos pontos menor ou igual a 5. P (C) = 10 36 = 5 18 D: Sair 2 no 1◦ dado. P (D) = 6 36 = 1 6 1.3.2 Definic¸a˜o Frequentista Poder´ıamos definir P (A) como o limite da frequeˆncia relativa da ocorreˆncia de A em n repetic¸o˜es independentes do experimento com n tendendo ao infinito: P (A) = lim n→∞ = n◦ de ocorreˆncias de A em repetic¸o˜es do expoente n Exemplo: Suponha que os dados abaixo represente uma divisa˜o dos alunos ingressantes em treˆs cursos. Curso/sexo Masculino Feminino Total Engenharia de produc¸a˜o(E) 50 20 70 Cieˆncias da computac¸a˜o(C) 22 8 30 Biologia (B) 5 15 20 Total 77 43 120 Considere o experimento “sortear um aluno e verificar o seu curso e a qual sexo pertence” Eventos: M: Ser do sexo masculino F: Ser do sexo feminino E: Cursar engenharia de produc¸a˜o C: Cursar cieˆncia da computac¸a˜o B: Cursar biologia Calcule as seguintes probabilidades: a) P(M) = b) P(F) = c) P(E) = 5 d) P(C) = e) P(B) = f) P (E ∪B) = g) P (M ∪ F ) = h) P (M ∩ F ) = i) P (F ∩ C) = j) P (M ∪E) = k) P (F ∪ C) = l) P (Ec) = m) P (M c) = n) P ( (E ∪M)c ) = 1.4 Propriedades de probabilidades 1) Se φ e´ o evento imposs´ıvel, enta˜o P (φ) = 0 2) Se A e´ um evento, enta˜o P (Ac) = 1− P (A) 3) Se A e B sa˜o dois eventos, enta˜o P (A ∪B) = P (A) + P (B)− P (A ∩B) 4) Sejam A e B dois eventos, se A ⊂ B, enta˜o P (A) ≤ P (B) 5) Se A, B e C sa˜o treˆs eventos, enta˜o P (A∪B ∪C) = P (A)+P (B)+P (C)−P (A∩B)−P (A∩C)−P (B ∩C)−P (A∩B ∩C) 6) Se A1, A2, . . . , Ak sa˜o K eventos, enta˜o: P (∪Aii=1) = k∑ i=1 P (Ai)− k∑ i<j=2 P (Ai ∩Aj) + . . .+ (−1)k+1P (A1 ∩A2 ∩ . . . ∩Ak) Exemplos: Sejam A e B dois eventos, tais que P (A) = 0, 20, P (B) = 0, 40 e P (A ∩B) = 0, 10 a) P (A ∪B) 6 b) P (A ∩Bc) c) P (Ac ∪B) d) P ( (A ∩B)c ) 2 Probabilidade Condicional Considere novamente a tabela: Curso/sexo Masculino Feminino Total Engenharia de produc¸a˜o (E) 50 20 70 Cieˆncias da computac¸a˜o (C) 22 8 30 Biologia (B) 5 15 20 Total 77 43 120 Dado que um aluno escolhido ao acaso esteja cursando Engenharia de Produc¸a˜o (E), qual e´ a probabilidade de ser do sexo feminino? P (F | E) = 2070 Leˆ-se: Probabilidade de ser do sexo feminino dado que cursa engenharia de produc¸a˜o. Obs.: Quando falamos dado que cursa eng. de produc¸a˜o, nosso “universo´´ deixa de ser todos os alunos e passa a ser somente os alunos de eng. de produc¸a˜o. Qual e´ a probabilidade de um aluno escolhido ao acaso estar cursando biologia dado que e´ do sexo feminino? P (B | F ) = 1543 Definic¸a˜o: Sejam A e B dois eventos quaisquer, a probabilidade condicional de A dado que B correu dado por: P (A | B) = P (A ∩B) P (B) , para P (B) ≥ 0 P (A | B) = P (A), para P (B) = 0 Exemplo: Calcule: 7 a) A probabilidade de um aluno escolhido ao acaso ser do sexo feminino: P (F ) = b) A probabilidade desse aluno escolhido ao acaso ser do sexo feminino dado que cursa biolo- gia. P (F | B) = P (F ∩B) P (B) = Observe que conm a informac¸a˜o de que B ocorreu (o aluno cursa biologia), a probabilidade de ser do sexo feminino mudou, ou seja, com esta informac¸a˜o adicional, “ atualizamos ´´ a probabilidade. 2.1 Regra do produto de probabilidades Da definic¸a˜o de probabilidade condicional segue que: P (A ∩B) = P (A | B).P (B) = P (B | A).P (A) Exemplo: Considere o experimento “lanc¸ar um dado e observar o no que resulta na parte superior”. Considere os eventos: A: “Observa-se um no ı´mpar” B: “Observa-se um no maior que 3” Temos:Ω = {1, 2, . . . , 6} A: {1, 3, 5} B: {4, 5, 6} Calcule P (A | B): 8 2.2 Interdependeˆncia entre eventos Existem situac¸o˜es nas quais saber que algum evento B ocorreu na˜o teˆm qualquer interesse quanto a` ocorreˆncia ou na˜o ocorreˆncia de A. Definic¸a˜o Dois eventos A e B sa˜o independentes, se e somente se: P (A | B) = P (A) Isto e´, a informac¸a˜o da ocorreˆncia de B na˜o altera a probabilidade atribu´ıda ao evento A. Teorema: Dois eventos A e B sa˜o independentes se e somente se: P (A ∩B) = P (A).P (B) Exemplo: Suponha que um dado equilibrado e´ lanc¸ado duas vezes. Sejam: A: O 1o dado mostra no par. B: O 2o dado mostra 5 ou 6. A e B sa˜o independentes? Exerc´ıcio Sejam B e C eventos independentes com probabilidades P (B) = 0, 4 e P (C) = 0, 5 a) Calcule P (B ∩ C); P (B ∪ C) e P (B | C) b) Refac¸a o item a) considerando B e C mutuamente exclusivos: 9 Definic¸a˜o: Dizemos que os eventosB1, B2, . . . , Bk representam uma partic¸a˜o do espac¸o amostral Ω, quando: a) Bi ∩Bj = φ ... b) P (∪ki=1Bi) = Ω 2.3 Teorema da probabilidade total Suponha que os eventosB1, B2, . . . , Bk formem uma partic¸a˜o do espac¸o amostral Ω, com P (Bi) > 0 ... Enta˜o para qualquer evento A. P (A) = P (A | B1).P (B1) + P (A | B2 + . . .+ P (A | Bk).P (Bk) Exemplo: A probabilidade de haver atraso no voˆo dia´rio que leva a mala postal a certa cidade e´ 0,2. A probabilidade de haver atraso na distribuic¸a˜o local da correspondeˆncia e´ de 0,15. se na˜o houve atraso no voˆo e 0,25 se houve atraso. Qual e´ probabilidade de a correspondeˆncia ser distribu´ıda com atraso em certo dia? Temos os eventos: V: Atraso no voo V c : Na˜o ha´ atraso no voo D: Atraso na distribuic¸a˜o Sa˜o dados: • P (V ) = 0, 2 =⇒ P (V c) = 0, 8 • P (D | V c) = 0, 15 • P (D | V ) = 0, 25 Queremos P(D) Pelo teorema da probabilidade total P (D) = P (D | V ) + P (V ) + P (D | V c)P (V c) = 10 Um outro resultado muito importante envolvendo probabilidades condicionais e´ o Teorema de Bayes. Esse teorema fornece um mecanismo formal para atualizar probabilidades. 2.4 Teorema de Bayes Suponha que os eventos B1, B2, . . . , Bk formem uma partic¸a˜o de Ω, com P (Bi) > 0 .... Seja A um evento qualquer com P (A) > 0. Enta˜o, .... temos: P (Bj | A) = P (A | Bj)P (Bj)∑ i = 1kP (A | Bi)P (Bi) Exemplo: Um fabricante de sorvete recebe 20% de todo p leite que utiliza de uma fazenda F1, 30% de uma outra fazenda F2 e 50%deF3. Um o´rga˜o de fiscalizac¸a˜o inspecionou as fazendas e observou que 20% do leite produzido por F1 estava adulterado por adic¸a˜o de ac¸u´car, enquanto que para F2 e F3 essa proporc¸a˜o era de 5% e 2% respectivamente. N aindu´stria, os galo˜es de leite sa˜o armazenados sem identificac¸a˜o das fazendas. Uma amostra de leite na indu´stria indicou que o leite esta´ adulterado. O fabricante de sorvete deseja saber qual a probabilidade de que a amostra de leite em questa˜o tenha sido produzida pela fazenda F2. Exerc´ıcio: Pelo fato de um novo procedimento me´dico ter se mostrado efetivo na detecc¸a˜o pre´via de uma doenc¸a, propoˆs-se um rastreamento me´dico da populac¸a˜o. A probabilidade de que o teste identifique corretamente algue´m com a doenc¸a, dando positivo e´ 0,99 e a probabilidade de que o teste identifique algue´m sem a doenc¸a, dando negativo e´ 0,95. A incideˆncia da doenc¸a na populac¸a˜o em geral e´ 0,0001. Voceˆ fez o teste e o resultado foi positivo. Qual e´ a probabilidade de que voceˆ tenha a doenc¸a? 11
Compartilhar