Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade de Pernambuco - UPE Curso: Administração Disciplina: Estatística Estatística – Aula 5 Prof. Pablo Aurélio L. de A. Pinto pabloaurelioap@hotmail.com PROBABILIDADE PROBABILIDADE Os fenômenos estudados pela Estatística, mesmo em condições normais de experimentação, caracterizam-se pela sua variabilidade de uma observação para outra, dificultando a previsão de um resultado futuro. Para a explicação desses fenômenos (fenômenos aleatórios) adotaremos um modelo matemático probabilístico. A teoria da probabilidade permite que se calcule a chance de ocorrência de um número em um experimento aleatório. EXPERIMENTO ALEATÓRIO Definição: Chama-se experimento aleatório àquele cujo resultado é imprevisível, porém, pertence necessariamente a um conjunto de resultados possíveis denominado espaço amostral. É aquele experimento que quando repetido em iguais condições, podem fornecer resultados diferentes, ou seja, são resultados explicados ao acaso. CARACTERIZAÇÃO DE UM EXPERIMENTO ALEATÓRIO Experimentos aleatórios apresentam as seguintes características gerais: – Cada experimento poderá ser repetido sob as mesmas condições indefinidamente; – Não se conhece um particular valor do experimento “a priori”, porém podemos descrever todos os possíveis resultados – as possibilidades; – Quando o experimento for repetido um grande número de vezes, surgirá uma regularidade, isto é, haverá uma estabilidade da fração f=s/n (frequência relativa), em que “n” é o número de repetições e “s” o número de sucessos de um particular resultado estabelecido antes da realização. CARACTERIZAÇÃO DE UM EXPERIMENTO ALEATÓRIO A fim de entendermos melhor a caracterização de fenômenos aleatórios que envolvem o cálculo de probabilidades, vamos observar o que há de comum nos seguintes experimentos: – E1: jogar uma moeda 10 vezes e observar o número de coroas obtidas. – E2: Lançam-se dois dados e anota-se o total de pontos obtidos. – E3: jogar um dado e observar o número obtido na face superior. – E4: Contar o número de peças defeituosas da produção diária da máquina “A”. – E5: retirar uma carta de um baralho com 52 cartas e observar seu “nipe”. CARACTERIZAÇÃO DE UM EXPERIMENTO ALEATÓRIO Frequência Relativa: EXPERIMENTO ALEATÓRIO A distribuição de frequência é um instrumento importante para avaliarmos a variabilidade das observações de um fenômeno aleatório. A partir da frequência observada podemos calcular medidas de posição e variabilidade (média, mediana, moda, desvio padrão,...). A frequência é geralmente calculada a partir dos dados de estimativas de quantidades desconhecidas, associadas em geral a populações das quais os dados foram extraídos na forma de amostras. EXPERIMENTO ALEATÓRIO As frequências relativas são estimativas de probabilidades de ocorrências de certos eventos de interesse. Com suposições adequadas, e sem observarmos diretamente o fenômeno aleatório de interesse, podemos criar um modelo teórico que reproduza de maneira razoável a distribuição de frequência. Esses modelos são chamados de “modelos probabilísticos”. EXPERIMENTO ALEATÓRIO Exemplo 1: Frequência de ocorrência das faces de um dado. Lança-se um dado um número de vezes “n”, e observa-se o número de vezes em que ocorre a face i (i = 1, 2,...6). As proporções 𝑓𝑖 = 𝑠𝑖 𝑛 determinam a distribuição de frequência do experimento realizado. Lançando o dado um número n’ (n’ ≠ n) de vezes, teríamos outra distribuição de frequência, mas com um padrão muito próximo do anterior. EXPERIMENTO ALEATÓRIO Premissas: Observa-se que só pode ocorrer seis faces; O dado deve ser perfeitamente equilibrado, com vistas a não favorecer uma face em particular; Cada face deve ocorrer o mesmo número de vezes quando o dado é lançado n vezes, de modo que a proporção de ocorrência de cada face deve ser 1/6. EXPERIMENTO ALEATÓRIO Modelo para lançamento de dados: EXPERIMENTO ALEATÓRIO Exemplo 2: Probabilidade de o presidente de uma reunião ser Homem ou Mulher. De um grupo de três mulheres e dois homens, uma pessoa será sorteada para presidir uma reunião. Qual a probabilidade de o presidente ser Homem ou Mulher? Como pode-se observar só existem duas possibilidade. Premissas: O sorteio é honesto, e cada pessoa tenha igual chance de ser sorteada.: EXPERIMENTO ALEATÓRIO Exemplo 3: Lançamento de uma moeda. Lança-se uma moeda uma vez, e observa-se a face ocorrida, ou seja, se ocorreu cara (C) ou coroa (K). Qual a probabilidade de ter ocorrido cara ou coroa? Como pode-se observar, só existem duas possibilidade. Premissas: O sorteio é honesto, e a moeda deve ser perfeitamente simétrica e homogênea. ESPAÇO AMOSTRAL Definição: Um espaço amostral ou espaço de probabilidade (Ω), que consiste (no caso discreto) da enumeração (finita ou infinita) das ocorrências, é constituído pelo conjunto de todos os resultados possíveis de um experimento aleatório “E”, onde cada elemento constitui os pontos amostrais ou eventos elementares. O espaço amostral pode ser representado da seguinte forma: Ω = 𝒘𝟏, 𝒘𝟐, … ,𝒘𝒏, … ESPAÇO AMOSTRAL Exemplos de espaço amostral ou de probabilidades (Ω): Experimento: jogar uma moeda uma vez e observar o resultado. – Espaço amostral Ω = {C, K} Experimento: jogar um dado e observar o número da face. – Espaço amostral: Ω = {1, 2, 3, 4, 5, 6} Experimento: extrair uma carta de um baralho de 52 cartas e observar o naipe. – Espaço amostral: Ω = {ás de copas, ás de ouros, ás de espadas, ás de paus, dois de copas, dois de ouros, dois de espadas, dois de paus, etc...} ESPAÇO AMOSTRAL Exemplos de espaço amostral ou de probabilidades (Ω): Experimento: jogar dois dados – Espaço amostral: Ω = {(1,1); (1,2); (1,3); (1,4); (1,5); (1,6); (2,1); (2,2); (2,3); (2,4); (2,5); (2,6); ..................................................... (6,1); (6,2); (6,3); (6,4); (6,5); (6,6)} EVENTO Definição: qualquer subconjunto de um espaço amostral é denominado evento. Se este subconjunto possuir apenas um elemento, o denominamos “evento elementar”, se possuir todos os elementos do espaço amostral Ω, é denominado evento certo e, se for constituído por um conjunto vazio (ø) é chamado evento impossível. Tem-se que, n(A) é o número de resultados favoráveis a evento A. EVENTO Exemplo: no lançamento de uma moeda Ω = {cara, coroa}. Um evento de interesse “A” pode ser “obter cara no lançamento de uma moeda” e n(A) = 1. No lançamento de um dado, o evento de interesse “A” pode ser obter face par e n(A) = 3. OBS.: Assim, é possível encontrar a probabilidade P(A) de qualquer subconjunto A de Ω, isto é, a probabilidade de um evento aleatório ou simplesmente evento. ESPAÇO AMOSTRAL X EVENTO Exemplo 1: Lançamento de moedas (espaço amostral discreto). Lança-se uma moeda duas vez, e observa-se a face, ou seja, se ocorreu cara (C) ou coroa (K). O espaço amostral é definido por: Ω = {𝒘𝟏, 𝒘𝟐, 𝒘𝟑, 𝒘𝟒} = {CC, CK, KK, KC} Como pode-se observar, existem quatro possibilidades distintas, é razoável supor que cada ponto 𝒘𝒊 tenha probabilidade de ¼, se a moeda for perfeitamentesimétrica e homogênea. ESPAÇO AMOSTRAL X EVENTO Se designarmos por A o evento que consiste na obtenção de faces iguais nos dois lançamentos, então temos: n(A) = 2 Se A for qualquer evento de Ω, então: n(A) = Σj (𝒘𝒋). Onde a soma é estendida a todos os pontos amostrais Є 𝒘𝒋. ESPAÇO AMOSTRAL X EVENTO Exemplo 2: Teste de qualidade (espaço amostral discreto). Uma fábrica produz um determinado artigo. Da linha de produção são retirados três unidades, e cada um é classificado como bom (B) ou defeituoso (D). O espaço amostral do experimento é definido por: Ω = {𝒘𝟏, 𝒘𝟐, 𝒘𝟑, 𝒘𝟒, 𝒘𝟓, 𝒘𝟔, 𝒘𝟕, 𝒘𝟖} = Ω = {BBB, BBD, BDB, DBB, DDB, DBD, BDD, DDD} ESPAÇO AMOSTRAL X EVENTO Se designarmos por A o evento que consiste na obtenção de dois artigos defeituosos, então temos: A = {DDB, DBD, BDD} n(A) = P{𝒘𝟓, 𝒘𝟔, 𝒘𝟕} Se A for qualquer evento de Ω, então: n(A) = Σj (𝒘𝒋). Onde a soma é estendida a todos os pontos amostrais Є 𝒘𝒋. ESPAÇO AMOSTRAL X EVENTO Exemplo 3: Teste de qualidade (espaço amostral contínuo). Considere o experimento que consiste em retirar uma lâmpada de um lote, e medir seu “tempo de vida” antes de se queimar. O espaço amostral do experimento é definido por: Ω = {t Є R : t≥ 0} ESPAÇO AMOSTRAL X EVENTO O espaço amostral representa o conjunto de todos os números reais não negativos. Se A indicar o evento “o tempo de vida de uma lâmpada ser inferior a 20 horas”, então temos: A = {t Є R : 0 ≤ t < 20} Esse representa um exemplo de um espaço amostral contínuo. PROBABILIDADE Espaço Amostral e Eventos Aleatórios. PROBABILIDADE Conceito elementar de Probabilidade: Seja Ω um espaço amostral finito e equiprovável e A um determinado evento ou seja, um subconjunto de Ω. A probabilidade P(A) de ocorrência do evento A, será uma função definida em Ω que associa a cada evento um número real. Será calculada pela fórmula:. PROBABILIDADE Onde: – n(A) = número de elementos do evento A (resultados favoráveis). – n = número de elementos do espaço amostral (resultados possíveis). OBS.: Sendo Ω um espaço amostral finito, com “n” elementos pode-se verificar que 2n nos fornece o número total de eventos extraídos de Ω. PROBABILIDADE ESPAÇOS AMOSTRAIS FINITOS EQUIPROVÁVEIS Quando associamos a cada ponto amostral a mesma probabilidade, o espaço amostral chama-se equiprovável ou uniforme. Em particular, se Ω contém “n” pontos, então, a probabilidade de cada ponto será 1/n. Por outro lado, se um evento A contém “r” pontos, então P(A) = r(1/n) = r/n. PROBABILIDADE ESPAÇOS AMOSTRAIS FINITOS EQUIPROVÁVEIS Este método de avaliar P(A) é frequentemente enunciado da seguinte maneira: Ou PROBABILIDADE DE UM EVENTO PROPRIEDADES: A probabilidade do evento impossível é nula: sendo o evento impossível o conjunto vazio (Ø) temos: A probabilidade do evento certo é igual a unidade: Evento certo P(Ω) = 1. A probabilidade de um evento qualquer é um número real situado no intervalo real [0, 1]. PROBABILIDADE DE UM EVENTO PROPRIEDADES: A soma das probabilidades de um evento e do seu evento complementar é igual a unidade. 𝑨𝑪 é o evento que ocorre se A não ocorre. PROBABILIDADE Dados dois eventos quaisquer A e B, verificamos duas situações possíveis: Chamamos a união de A com B, quando pelo menos um dos eventos ocorre, ou seja, considera-se a probabilidade de A ocorrer ou de B ocorrer. Chamamos a intersecção de A com B, quando A e B ocorrem simultaneamente. PROBABILIDADE DE UM EVENTO PROPRIEDADES: Sendo A e B dois eventos quaisquer, podemos escrever: Daí deriva que a probabilidade da união de dois conjuntos disjuntos ou mutuamente exclusivos é dada por: PROBABILIDADE DE UM EVENTO Exemplo: Experimento: jogar um dado e observar o resultado Ω = {1, 2, 3, 4, 5, 6} Eventos: A = ocorrer número par; B = ocorrer número ímpar. A = {2, 4, 6} B = {1, 3, 5} PROBABILIDADE DE UM EVENTO Exemplo: A e B são mutuamente exclusivos, pois a ocorrência de um número par e ímpar não pode ser verificada como decorrência do mesmo evento. PROBABILIDADE DE UM EVENTO Exemplo: A e B são mutuamente exclusivos, pois a ocorrência de um número par e ímpar não pode ser verificada como decorrência do mesmo evento. PROBABILIDADE As operações de união, intersecção e complementaridade entre eventos possuem as seguintes propriedades: PROBABILIDADE As operações de união, intersecção e complementaridade entre eventos possuem as seguintes propriedades: PROBABILIDADE Exemplo: Três cavalos A, B e C, disputam uma corrida. O cavalo A tem duas vezes mais probabilidade de ganhar que B, e B tem duas vezes mais probabilidade de ganhar que C. Quais são as probabilidades de vitória de cada um, isto é, P(A), P(B) e P(C)? Faça P(C) = p; desde que B tem duas vezes mais probabilidades de ganhar que C, P(B) = 2P(C) = 2p, e assim P(A) = 2P(B) = 4p. Como a soma das probabilidades é 1, então temos: PROBABILIDADE Exemplo: Logo, temos: Qual seria a probabilidade de B ou C ganhar? PROBABILIDADE CONDICIONAL Dados dois eventos quaisquer A e B, sendo P(B)>0, definimos a probabilidade condicional de A dado B, P(A/B), ou seja, a probabilidade condicionada do evento A, quando B tiver ocorrido, como sendo. Para aplicações, convém encontrarmos uma fórmula mais prática para o cálculo da probabilidade condicional, assim: PROBABILIDADE CONDICIONAL Assim, para avaliarmos a probabilidade de A, dado B, basta contarmos o número de casos favoráveis ao evento A ∩ B, e dividirmos esse número pela quantidade de casos favoráveis ao evento B. PROBABILIDADE CONDICIONAL Exemplo: Dois dados são lançados. Consideremos os eventos. PROBABILIDADE CONDICIONAL Exemplo: Continuação. TEOREMA DO PRODUTO A partir da definição de probabilidade condicional é possível enunciar o teorema do produto, como segue: “A probabilidade da ocorrência simultânea de dois eventos, A e B, do mesmo espaço-amostral, é igual ao produto da probabilidade de um deles pela probabilidade condicional do outro, dado o primeiro.” TEOREMA DO PRODUTO Exemplo: Uma urna contém duas bolas brancas (B) e três vermelhas (V). Suponha que são sorteadas duas bolas ao acaso, com reposição. Isso significa que escolhemos a primeira bola, verificamos sua cor e devolvemos à urna; misturamos as bolas restantes e retiramos a segunda. Qual a probabilidade de ambas serem brancas? PROBABILIDADE CONDICIONAL Podemos representar o jogo da seguinte forma: TEOREMA DO PRODUTO Exemplo: Uma urna contém duas bolas brancas (B) e três vermelhas (V). Suponha que são sorteadas duas bolas ao acaso, sem reposição. Isso significa que escolhemos a primeira bola, verificamos sua cor e devolvemos à urna; misturamos as bolas restantes e retiramos a segunda. Qual a probabilidade deambas serem brancas? PROBABILIDADE CONDICIONAL Podemos representar o jogo da seguinte forma: INDEPENDÊNCIA ESTATÍSTICA Um evento A é considerado independente de um outro evento B se a probabilidade de A é igual à probabilidade condicional de A dado B, isto é, se De modo equivalente temos que: Se os eventos A e B forem independentes entre si, então temos: INDEPENDÊNCIA ESTATÍSTICA Dados “n” eventos 𝐴1, 𝐴2, 𝐴3,..., 𝐴𝑛, diremos que eles são independentes se eles forem independentes 2 a 2; 3 a 3;...;n a n. Isto é, se as igualdades abaixo forem verificadas: INDEPENDÊNCIA ESTATÍSTICA Exemplo: Em uma caixa temos 10 peças, das quais 4 são defeituosas. São retiradas duas peças, uma após a outra, com reposição. Calcular a probabilidade de ambas serem boas. INDEPENDÊNCIA ESTATÍSTICA Exemplo: Sendo Ω = {1, 2, 3, 4} um espaço amostral equiprovável e A = {1, 2}; B = {1, 3} e C = {1, 4} três eventos de Ω. Verifique se os eventos A, B e C são independentes. Solução: TEOREMA DE BAYES Sejam 𝐴1, 𝐴2, 𝐴3,..., 𝐴𝑛, n eventos mutuamente exclusivos tais que 𝐴1 U 𝐴2 U ... U 𝐴𝑛 = Ω. Sejam P(𝐴𝑖) as probabilidades conhecidas dos vários eventos, e B um evento qualquer de Ω tal que conhecemos todas as probabilidades condicionais P(B/ 𝐴𝑖). Então, para cada “i”, teremos: TEOREMA DE BAYES O resultado anterior é bastante importante, pois, como vimos, relaciona probabilidades “a priori” P(𝐴𝑖) com probabilidades “a posteriori” P(𝐴𝑖/B), probabilidade 𝐴𝑖 depois que ocorrer B. TEOREMA DE BAYES Exemplo: Suponhamos a seguinte configuração. Escolheu-se uma urna ao acaso e dela extraiu-se uma bola ao acaso, verificando-se que a bola é branca. Qual a probabilidade da bola ter vindo da urna 2? Da 3? TEOREMA DE BAYES Solução: PRINCÍPIO DA MULTIPLICAÇÃO Seja Ω um espaço amostral finito e equiprovável e A um determinado evento ou seja, um subconjunto de Ω. A probabilidade P(A) de ocorrência do evento A será calculada pela fórmula: A solução do problema é possível desde que possamos determinar n(A) (número de elementos do evento A - resultados favoráveis), e n (número de elementos do espaço amostral - resultados possíveis). PRINCÍPIO DA MULTIPLICAÇÃO Quando o problema for simples (lançamento de um dado e observar o valor, lançamento de uma moeda e observar a face, ....) é possível estabelecer o espaço amostral e a probabilidade de eventos ocorrer de forma relativamente simples e intuitiva. Porém, em situações mais complexas, o número de resultados torna-se relativamente grande para permitir uma listagem. PRINCÍPIO DA MULTIPLICAÇÃO Exemplo: Suponha que queiramos adquirir um automóvel disponíveis nas seguintes cores: Vermelho, azul, preto, branco. Existem três tipos de modelos: Quatro portas, duas portas, perua. Quais são os possíveis resultados de modelos que podemos obter? PRINCÍPIO DA MULTIPLICAÇÃO Exemplo: Quais são os possíveis resultados que podemos obter? Como pode-se observar, existem 4 X 3 = 12 resultados possíveis. PRINCÍPIO DA MULTIPLICAÇÃO Solução geral: Dados dois experimentos quaisquer, onde o primeiro comporta qualquer um dos “a” resultados possíveis, e o segundo admite qualquer um dos “b” resultados possíveis. Supondo que possa ocorrer qualquer combinação dos dois resultados possíveis, então o número total de resultados dos dois experimentos é dado por: a x b Esse resultado geralmente é denominado “princípio da multiplicação”. PRINCÍPIO DA MULTIPLICAÇÃO Solução geral: Exemplos: Jogando-se duas moedas – cada uma pode apresentar dois resultados, assim temos (2 x 2 = 4). Joga-se dois dados – cada dado pode apresentar 6 resultados possíveis, assim temos (6 x 6) = 36. Suponha que haja cinco candidatos do Partido Republicano nas prévias para a eleição presidencial dos EUA e seis do Partido democrata. Então, o número de pares possíveis de candidatos na eleição geral é (5 X 6) = 30. AMOSTRAGEM COM REPOSIÇÃO Definição: na amostragem com reposição, o elemento escolhido é devolvido à população, podendo ser escolhido novamente. Regra Geral: Se estamos realizando um processo de amostragem, onde podemos escolher “n” objetos, de uma população de “m” resultado possíveis, desde que repomos o objeto escolhido na população, podemos obter 𝑚𝑛 maneiras distintas de selecionar os objetos. AMOSTRAGEM COM REPOSIÇÃO Exemplo: Suponha que você disponha de cinco gravatas para serem escolhidas. Cada dia da semana você deve escolher uma ao acaso, e deve repor juntamente com as demais no fim do dia. De quantas maneiras podem ser escolhidas as gravatas em uma semana? AMOSTRAGEM COM REPOSIÇÃO Exemplo: Qual a probabilidade de ser escolhida a mesma gravata todos os dias? Dado que existe 78.125 resultados possíveis, e apenas cinco de ser escolhida a mesma gravata dados os dias AMOSTRAGEM COM REPOSIÇÃO Exemplos: Lançamento de uma moeda doze vezes e observar as faces ocorridas: 2 resultados possíveis, 12 vezes = 212 = 4096. Lançamento de um dado cinco vezes: 6 resultados possíveis, 5 vezes = 65 = 7776. AMOSTRAGEM SEM REPOSIÇÃO Definição: na amostragem sem reposição, o elemento, uma vez escolhido, não é devolvido à população, não podendo ser escolhido novamente. Regra Geral: Se estamos realizando um processo de amostragem, onde podemos escolher “n” objetos, de uma população de “m” resultado possíveis, desde que não repomos o objeto escolhido na população, podemos obter n(n-1)(n-2)(n- 3).....x3x2x1 maneiras distintas de selecionar os objetos. De modo equivalente, podemos obter o número de resultados possíveis, utilizando: n! AMOSTRAGEM SEM REPOSIÇÃO Exemplo: Suponha que você disponha de sete camisas para serem escolhidas. Cada manhã escolhe uma e veste. No final do dia, ao invés de devolver a camisa ao armário, coloca-a para lavar (a lavagem de roupa ocorre apenas uma vez por semana). De quantas maneiras podem ser escolhidas as camisas em uma semana? AMOSTRAGEM SEM REPOSIÇÃO ARRANJOS Definição: o número de arranjos de n objetos tomados j de cada vez representa o número de escolhas distintas possíveis de j objetos de um grupo n. Este procedimento é utilizado quando cada ordenação diferente dos objetos escolhidos é contada separadamente, ou seja, quando o ordenamento dos objetos torna-se relevante. Podemos representar por: AMOSTRAGEM SEM REPOSIÇÃO ARRANJOS Exemplo: Suponha que você disponha de dez camisas para serem escolhidas durante uma semana. De quantas maneiras distintas você pode escolher as camisas para os sete dias da semana? (considerando a escolha sem reposição). AMOSTRAGEM SEM REPOSIÇÃO ARRANJOS Exemplo: De quantas maneiras podemos escolher três letras de um conjunto de cinco letras, de modo que a ordem dos elementos seja relevante? AMOSTRAGEM SEM REPOSIÇÃO COMBINAÇÕES Definição: o número de combinações de n objetos tomados j de cada vez representa o número de escolhas distintas de j objetos de um grupo de n objetos. Esteprocedimento é utilizado quando a ordem dos objetos no grupo torna-se irrelevante. Podemos representar por: AMOSTRAGEM SEM REPOSIÇÃO COMBINAÇÕES Exemplo: De quantas maneiras podemos escolher três letras de um conjunto de cinco letras, de modo que a ordem dos elementos seja irrelevante? AMOSTRAGEM SEM REPOSIÇÃO COMBINAÇÕES Exemplo: De quantas maneiras podemos escolher três letras de um conjunto de cinco letras, de modo que a ordem dos elementos seja irrelevante?
Compartilhar