Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística Aplicada I Capítulo II – Teoria da Probabilidade Universidade Federal do Pará Campus Universitário de Tucuruí Faculdade de Engenharia Civil Prof. Karen Bernardo Tucuruí - PA 1 II - Teoria da Probabilidade • Introdução • Aleatoriedade • Experimento aleatório • Espaços Amostral • Evento • Eventos Mutuamente Exclusivos • Probabilidade 2 II - Teoria da Probabilidade • Teoremas Fundamentais • Probabilidades Finitas dos Espaços Amostrais Finitos • Espaços Amostrais Finitos Equiprováveis • Probabilidade Condicional • Teorema do Produto • Independência Estatística • Teorema de Bayes 3 II - Teoria da Probabilidade • Introdução • Aleatoriedade • Experimento aleatório • Espaços Amostral • Evento • Eventos Mutuamente Exclusivos • Probabilidade 4 Introdução A estatística estuda os fenômenos aleatórios e o modelo matemático será o cálculo das probabilidades. Diante de um acontecimento aleatório é possível, às vezes, atribuir-lhe uma lei ou distribuição de probabilidade. 5 II - Teoria da Probabilidade • Introdução • Aleatoriedade • Experimento aleatório • Espaços Amostral • Evento • Eventos Mutuamente Exclusivos • Probabilidade 6 Aleatoriedade Pode ser explicada considerando-se as seguintes afirmações: a. Se x + 8 = 3x – 4, então x = 6; b. A próxima carta retirada de um baralho será um ás. • A afirmação a pode ser confirmada ou negada de forma conclusiva, utilizando-se elementos da matemática; é uma afirmação categórica (verdadeira ou falsa). • Na afirmativa b, entretanto, somente pode ser afirmado que o fato é possível, mas que é possível, também, a saída de qualquer uma das 52 cartas do baralho. 7 Aleatoriedade Unicamente a realização do experimento permitirá estabelecer se a afirmação é falsa ou verdadeira; trata-se de um acontecimento aleatório. Em geral, os acontecimentos aleatórios se caracterizam por admitirem dois ou mais resultados possíveis, e não se tem elementos de juízo suficientes para predizer qual deles ocorrerá em um determinado experimento. 8 II - Teoria da Probabilidade • Introdução • Aleatoriedade • Experimento aleatório • Espaços Amostral • Evento • Eventos Mutuamente Exclusivos • Probabilidade 9 Experimento aleatório • Características: ▫ Cada experimento poderá ser repetido indefinidamente sob as mesmas condições; ▫ Não se conhece, a priori, um particular valor do experimento; entretanto, pode-se descrever todos os possíveis resultados (as possibilidades); 10 Experimento aleatório • Características: ▫ Quando o experimento for repetido um grande número de vezes, surgirá uma regularidade na apresentação dos resultados, ou seja, ocorrerá uma estabilização da fração frequência relativa: onde: n é o número de repetições, e r é o número de sucessos de um particular resultado estabelecido antes da realização do experimento. 11 Experimento aleatório Exemplos: • Jogar um dado e observar o número mostrado na face superior. • Jogar uma moeda um certo número de vezes e observar o número de coroas obtidas. • Contar o número de peças defeituosas da produção diária da máquina “A”. 12 II - Teoria da Probabilidade • Introdução • Aleatoriedade • Experimento aleatório • Espaços Amostral • Evento • Eventos Mutuamente Exclusivos • Probabilidade 13 Espaços Amostral Definição: Para cada experimento aleatório E, define-se espaço amostral S como o conjunto de todos os possíveis resultados desse experimento (Fonseca e Martins, 1996). • Exemplos: a) E: jogar um dado e observar o número na face superior. S = {1, 2, 3, 4, 5, 6} b) E: lançar duas moedas e observar o resultado. S = {(c, c), (c, k), (k, c), (k, k)}, onde c- cara e k- coroa. 14 Espaços Amostral Exemplos: c) E: Fabricar um lâmpada, colocá-la em um suporte, acendê-la e registrar o tempo de funcionamento até fundir o filamento: S = {t : t ≥ 0} d) E: Registrar a temperatura continuamente durante um período de 24 horas em uma determinada localidade; as temperaturas mínima e máxima são registradas: S = {(x, y) : x ≤ y}, onde x é a temperatura mínima e y a máxima. 15 Espaços Amostral Exemplos: e) E: Admitir que a temperatura mínima nessa localidade não poderá ser menor que um certo valor (m) e a temperatura máxima não poderá ser superior a um certo valor (M). S = {(x, y) : m ≤ x ≤ y ≤ M} 16 Espaços Amostral Exemplos: e) E: Admitir que a temperatura mínima nessa localidade não poderá ser menor que um certo valor (m) e a temperatura máxima não poderá ser superior a um certo valor (M). S = {(x, y) : m ≤ x ≤ y ≤ M} 17 II - Teoria da Probabilidade • Introdução • Aleatoriedade • Experimento aleatório • Espaços Amostral • Evento • Eventos Mutuamente Exclusivos • Probabilidade 18 Evento • Definição: ▫ É um conjunto de resultados do experimento. ▫ Em analogia com os conjuntos, é um subconjunto de S. Observação: Em particular, o espaço amostral, S, e conjunto vazio,Φ, são eventos. • S é dito o evento certo e Φ o evento impossível. 19 Evento Exemplo 1: E: lançar o dado e observar o número da face superior. S = {1, 2, 3, 4, 5, 6} Eventos: • A: ocorrer número par: ▫ A = {2, 4, 6} • B: ocorrer número impar: ▫ B = {1, 3, 5} • C: ocorrer número múltiplo de 2 e 3: ▫ C = {6}. 20 Evento Exemplo 2: E: jogar três moedas e observar o resultado. S = {(c, c, c), (c, c, k), (k, c, c), (c, k, c), (k, k, k), (k, k, c), (c, k, k), (k, c, k)} Eventos: • A: ocorrer pelo menos duas cara: ▫ A = {(c, c, k), (k, c, c), (c, k, c), (c, c, c)} • B: ocorrer somente coroa: ▫ B = {(k, k, k)}. 21 Evento • Observações: - Sendo S um espaço amostral finito com n elementos, pode-se verificar que o número total de eventos extraídos de S é dado por 𝟐𝒏; - No exemplo (1), o número total de eventos é 𝟐𝟔 = 64. 22 Evento • Observações: - A partir do uso das operações com conjuntos, novos eventos podem ser formados: a) 𝑨 ∪ 𝑩 o evento que ocorre se A ocorre ou B ocorre ou ambos ocorrem; b) 𝑨 ∩ 𝑩 é o evento que ocorre se A e B ocorrem simultaneamente; c) 𝑨 (A complementar) é o evento que ocorre se A não ocorrer. 23 Evento Exemplo: E: lançar um dado e observar o resultado. S = {1, 2, 3, 4, 5, 6} A = ocorrer número múltiplo de 2: A = {2, 4, 6} B = ocorrer número múltiplo de 3: B = {3, 6} Resolvam a) 𝑨 ∪ 𝑩 b) 𝑨 ∩ 𝑩 c) 𝑨 d) 𝑨 ∩ 𝑩 24 Evento Exemplo: E: lançar um dado e observar o resultado. S = {1, 2, 3, 4, 5, 6} A = ocorrer número múltiplo de 2: A = {2, 4, 6} B = ocorrer número múltiplo de 3: B = {3, 6} Resolvam • 𝑨 ∪ 𝑩 = {2, 3, 4, 6} • 𝑨 ∩ 𝑩 = {6} • 𝑨 = {1, 3, 5} • 𝑨 ∩ 𝑩 = {1, 2, 3, 4, 5} 25 II - Teoria da Probabilidade • Introdução • Aleatoriedade • Experimento aleatório • Espaços Amostral • Evento • Eventos Mutuamente Exclusivos • Probabilidade 26 Eventos Mutuamente Exclusivos Dois eventos A e B são denominados mutuamente exclusivos se os mesmos não puderem ocorrer simultaneamente, ou seja, A∩ B = 𝝓 Exemplo: E: lançar um dado e observar o resultado. S = {1, 2, 3, 4, 5, 6} A = ocorre número par – A = {2, 4, 6} B = ocorrer número ímpar – B = {1, 3, 5} • 𝑨 ∩ 𝑩 = 𝝓 ; ▫ logo, A e B são mutuamenteexclusivos, pois a ocorrência de um número que seja par e ímpar não pode ser verificada como decorrência do mesmo evento. 27 II - Teoria da Probabilidade • Introdução • Aleatoriedade • Experimento aleatório • Espaços Amostral • Evento • Eventos Mutuamente Exclusivos • Probabilidade 28 Probabilidade Definição: Dado um experimento aleatório E, sendo S o seu espaço amostral, a probabilidade de um evento A ocorrer, P(A), é uma função definida em S que associa a cada evento um número real, satisfazendo os seguintes axiomas: (i) 0 ≤ P(A) ≤ 1; (ii) P(S) = 1; (iii) Se A e B forem eventos mutuamente exclusivos A∩B = 𝝓 , então P(A∪ B) = P(A) + P(B) 29 II - Teoria da Probabilidade • Teoremas Fundamentais • Probabilidades Finitas dos Espaços Amostrais Finitos • Espaços Amostrais Finitos Equiprováveis • Probabilidade Condicional • Teorema do Produto • Independência Estatística • Teorema de Bayes 30 Teoremas Fundamentais Conjuntos disjuntos. Em matemática, dois conjuntos são ditos disjuntos se não tiverem nenhum elemento em comum. T1: Se 𝝓 é o conjunto vazio, então P(𝝓)=0. Demonstração: - Seja A um evento qualquer, A e 𝝓 são disjuntos, pois 𝐀 ∩ 𝝓 = 𝝓; - De (iii), temos que 𝐏 𝐀 ∪ 𝝓 = 𝑷 𝑨 + 𝑷(𝝓) - Como 𝐀 ∪ 𝝓 = 𝑨, então P(A) = 𝑷 𝑨 + 𝑷(𝝓) - Logo 𝑷 𝝓 = 𝟎 31 Teoremas Fundamentais T2: Se Ā é o complemento do evento A, então P(Ā) = 1 – P(A). Demonstração: - Do diagrama, pode-se escrever 𝐒 = 𝐀 ∪ 𝑨 . - Como 𝐀 ∩ 𝑨 = 𝝓, (são mutuamente exclusivos) 𝐏 𝐀 ∪ 𝑨 = 𝑷 𝑨 + 𝑷(𝑨 ) 𝑷 𝑺 = 𝑷 𝑨 + 𝑷(𝑨 ) e 1 = P(A) + P(Ā) de (i), temos que P(Ā) = 1 – P(A). 32 Teoremas Fundamentais • T3: Se 𝐴 ⊂ 𝐵, então P(A) ≤ P(B). Demonstração: - Do diagrama, pode-se escrever que 𝐵 = 𝐴 ∪ (𝐴 ∩ 𝐵) - Como 𝐀∩ 𝑨 ∩ 𝑩 = 𝝓 (são mutuamente exclusivos) P( B ) = P(A) + P(𝑨 ∩B) P(𝑨 ∩B) = P(B)− P(A) e, P(B) – P(A) ≥ 0, (de i), tem-se que, P(A) ≤ P(B). 33 Teoremas Fundamentais • T4: (Teorema da soma) Se A e B são dois eventos quaisquer, então: P(A∪B) = P(A)+P(B)−P(A∩B) Demonstração: a) Se A e B são mutuamente exclusivos (A∩ B = 𝝓), recai-se na preposição (iii); 34 Teoremas Fundamentais Demonstração: b) Se A e B não são mutuamente exclusivos (A∩B≠𝝓), tem-se: - Os eventos A e (𝑨 ∩B) são mutuamente exclusivos; logo, relaciona-se preposição (iii) P[A∪(𝑨 ∩B)] = P(A∪B) = P(A)+P(𝑨 ∩B) - Mas , B é a união dos eventos mutuamente exclusivos (B∩A) e (B∩𝑨 ) - Logo, P(B) = P(A∩B)+P(𝑨 ∩B). 35 Teoremas Fundamentais • Demonstração: - Substituindo o valor de P(𝑨 ∩B)=P(B)−P(A∩B) na expressão anterior, tem-se: P(A∪B) = P(A)+P(B)−P(A∩B) - Analogamente, para três eventos tem-se: P(A ∪ B ∪ C) = P(A) + P(B) + P(C) - P(A ∩ B) - P(A ∩ C) - P(A ∩ C) - P(B ∩ C)+ P(A ∩ B ∩ C) 36 Teoremas Fundamentais • Exercício Dois dados não viciados são lançados simultaneamente. Considere os eventos: A = {soma dos pontos igual a 6} e B = {pontos 1, 2 ou 3 no segundo dado}. Calcule: a) a probabilidade de ocorrer o evento A b) a probabilidade de ocorrer o evento B c) a probabilidade de ocorrer o evento união. d) a probabilidade da interseção entre A e o complemento de B e) a probabilidade da interseção entre os eventos A e B f) a probabilidade da união do complemento de A com o evento B 37 II - Teoria da Probabilidade • Teoremas Fundamentais • Probabilidades Finitas dos Espaços Amostrais Finitos • Espaços Amostrais Finitos Equiprováveis • Probabilidade Condicional • Teorema do Produto • Independência Estatística • Teorema de Bayes 38 Probabilidades Finitas dos Espaços Amostrais Finitos • Seja S um espaço amostral finito S = {a1, a2, ..., an}. • Considere-se o evento formado por um resultado simples A = {ai}. A cada evento simples {ai} associa-se um número Pi denominado probabilidade de {ai}, que satisfaz as condições: a) pi ≥ 0, i = 1, 2, ..., n b) p1 + p2 + ...+ pn = 1 • A probabilidade de cada evento composto (mais de um elemento) é definida, então, pela soma das probabilidades dos pontos de A. 39 Probabilidades Finitas dos Espaços Amostrais Finitos • Exemplo: Três cavalos A, B e C, estão em uma corrida. Se A tem duas vezes mais probabilidades de ganhar de B, e B tem duas vezes mais probabilidade de ganhar de C, quais são as probabilidades de cada um dos cavalos ganhar? Qual seria a probabilidade de B ou C ganhar? 40 Probabilidades Finitas dos Espaços Amostrais Finitos • Exemplo: Três cavalos A, B e C, estão em uma corrida. Se A tem duas vezes mais probabilidades de ganhar de B, e B tem duas vezes mais probabilidade de ganhar de C, quais são as probabilidades de cada um dos cavalos ganhar? Qual seria a probabilidade de B ou C ganhar? 41 Probabilidades Finitas dos Espaços Amostrais Finitos • Exemplo: Três cavalos A, B e C, estão em uma corrida. Se A tem duas vezes mais probabilidades de ganhar de B, e B tem duas vezes mais probabilidade de ganhar de C, quais são as probabilidades de cada um dos cavalos ganhar? Qual seria a probabilidade de B ou C ganhar? Solução (continuação): - Qual a probabilidade de B ou C ganhar? Do axioma (iii): P(B∪C) = P(B)+ P(C) = 2/7 + 1/7 = 3/7. 42 II - Teoria da Probabilidade • Teoremas Fundamentais • Probabilidades Finitas dos Espaços Amostrais Finitos • Espaços Amostrais Finitos Equiprováveis • Probabilidade Condicional • Teorema do Produto • Independência Estatística • Teorema de Bayes 43 Espaços Amostrais Finitos Equiprováveis • O espaço amostral chama-se equiprovável quando à cada ponto amostral desse espaço está associada a mesma probabilidade. • Portanto, se S contém n pontos, então a probabilidade de cada ponto será igual a 1/n. • Se um evento A contém r pontos, então: 44 Espaços Amostrais Finitos Equiprováveis • Frequentemente, este método de avaliar a probabilidade é enunciado da seguinte forma: 45 Espaços Amostrais Finitos Equiprováveis • Exemplo 1: Numa escolha aleatória de uma carta de baralho com 52 cartas, qual a probabilidade de sair um rei? e uma carta de copas? 46 Espaços Amostrais Finitos Equiprováveis • Exemplo 1: Numa escolha aleatória de uma carta de baralho com 52 cartas, qual a probabilidade de sair um rei? e uma carta de copas? Solução: Seja A = {a carta é um rei} e B = {A carta é de copas} 47 Espaços Amostrais Finitos Equiprováveis Na maioria dos casos, utiliza-se os conhecimentos de análise combinatória (Teoria de Contagem) para se obter o número de casos favoráveis e o número total de casos. Exemplo 2: De um lote de doze peças onde quatro são defeituosas, retira-se duas peças. Calcular a probabilidade: a) de ambas serem defeituosas; b) de ambas não serem defeituosas; c) de pelo menos uma ser defeituosa. 48 Espaços Amostrais Finitos Equiprováveis Soluções: a) A = {ambas são defeituosas} 49 Espaços Amostrais Finitos Equiprováveis Soluções: b) B = {ambas não são defeituosas} 50 Espaços Amostrais Finitos Equiprováveis Soluções: c) C = {pelo menos uma é defeituosa} 51 II - Teoria da Probabilidade • Teoremas Fundamentais • Probabilidades Finitas dos Espaços Amostrais Finitos • Espaços Amostrais Finitos Equiprováveis • Probabilidade Condicional • Teorema do Produto • Independência Estatística • Teorema de Bayes 52 Probabilidade Condicional• Considere o experimento aleatório E: lançar um dado e observar o resultado, e o evento A = {sair o nº 3}. Então: P(A) = 1/6. • Considere agora o evento B = {sair um nº ímpar} = {1, 3,5}, então P(B) = ½. • A probabilidade de ocorrer o evento A condicionada à ocorrência do evento B, representada por P(A/B), será P(A/B) = 1/3. 53 Probabilidade Condicional • Com a informação da ocorrência do novo evento, reduz-se o espaço amostral. No exemplo dado, S = {1, 2, 3, 4, 5, 6} foi reduzido para S* = {1, 3, 5}, e é neste espaço reduzido que a probabilidade do novo evento é avaliada. • Definição: Se A e B são dois eventos, a probabilidade do evento A ocorrer quando o evento B tiver ocorrido, é denominada probabilidade condicionada, P(A/B), dada por: 54 Probabilidade Condicional • Para o exemplo apresentado, tem-se: • No caso de aplicações mais complexas, é mais prático se utilizar a seguinte fórmula: 55 Probabilidade Condicional • Exemplo: No experimento do lançamento de dois dados, considere os eventos: A = {(x1,x2)|(x1+x2) = 10} e B = {(x1,x2)| x1>x2}, onde x1 é o resultado do dado 1 e x2 o resultado do dado 2. Avalie P(A), P(B) e P(B/A). 56 Probabilidade Condicional • Exemplo: No experimento do lançamento de dois dados, considere os eventos: A = {(x1,x2)|(x1+x2) = 10} e B = {(x1,x2)| x1>x2}, onde x1 é o resultado do dado 1 e x2 o resultado do dado 2. Avalie P(A), P(B) e P(B/A). 57 Probabilidade Condicional • Exemplo: No experimento do lançamento de dois dados, considere os eventos: A = {(x1,x2)|(x1+x2) = 10} e B = {(x1,x2)| x1>x2}, onde x1 é o resultado do dado 1 e x2 o resultado do dado 2. Avalie P(A), P(B) e P(B/A). 58 II - Teoria da Probabilidade • Teoremas Fundamentais • Probabilidades Finitas dos Espaços Amostrais Finitos • Espaços Amostrais Finitos Equiprováveis • Probabilidade Condicional • Teorema do Produto • Independência Estatística • Teorema de Bayes 59 Teorema do Produto • O Teorema do Produto pode ser enunciado a partir da definição de probabilidade condicional, como: “A probabilidade da ocorrência simultânea de dois eventos, A e B, do mesmo espaço amostral, é igual ao produto da probabilidade de um deles ocorrer pela probabilidade condicional do outro em relação ao primeiro”. • Assim: 60 Teorema do Produto • Exemplo: Em um lote de peças contendo doze unidades onde quatro são defeituosa, duas são retiradas, uma após a outra, sem reposição. Qual a probabilidade de que ambas não sejam defeituosas? 61 Teorema do Produto • Exemplo: Em um lote de peças contendo doze unidades onde quatro são defeituosa, duas são retiradas, uma após a outra, sem reposição. Qual a probabilidade de que ambas não sejam defeituosas? • Solução: A = { a primeira peça retirada é boa} B = {a segunda peça retirada é boa} 62 II - Teoria da Probabilidade • Teoremas Fundamentais • Probabilidades Finitas dos Espaços Amostrais Finitos • Espaços Amostrais Finitos Equiprováveis • Probabilidade Condicional • Teorema do Produto • Independência Estatística • Teorema de Bayes 63 Independência Estatística • Definição: Um evento A é considerado independente de um outro evento, B, se a probabilidade de A é igual a probabilidade de A condicionada a B, ou P( A) = P( A / B ) Se A é independente de B, então B é independente de A; logo: P( B ) = P( B / A) - Do teorema do produto, pode-se afirmar que, se A e B são independentes, então: P( A∩ B ) = P( A).P( B ) 64 Independência Estatística • Dados n eventos A1, A2, ..., An, diz-se que eles são independentes se o forem 2 a 2; 3 a 3, ..., n a n, isto é: 65 Independência Estatística • Exemplo 1: Uma caixa contém doze peças, sendo quatro defeituosas; retira-se duas peças, uma após a outra, com reposição. Calcular a probabilidade de ambas não possuírem defeitos? 66 Independência Estatística • Exemplo 1: Uma caixa contém doze peças, sendo quatro defeituosas; retira-se duas peças, uma após a outra, com reposição. Calcular a probabilidade de ambas não possuírem defeitos? Solução: A = {a primeira peça não possui defeito} B = {a segunda peça não possui defeito} • - Como a primeira peça foi reposta, B não é condicionado por A, ou seja, A e B são independentes; logo: 67 Independência Estatística Exemplo 2: Sendo S = {1, 2, 3, 4} um espaço amostral equiprovável, e A = {1, 2}, B = {1, 3} e C = {1, 4} eventos de S, verificar se estes eventos são independentes. 68 Independência Estatística Exemplo 2: Sendo S = {1, 2, 3, 4} um espaço amostral equiprovável, e A = {1, 2}, B = {1, 3} e C = {1, 4} eventos de S, verificar se estes eventos são independentes. • Solução: S = {1, 2, 3, 4}; A = {1, 2}; B = {1, 3}; C = {1, 4}; 69 Independência Estatística • Solução (continuação): 70 Independência Estatística • Solução (continuação): - Portanto, os eventos A, B e C não são independentes. 71 II - Teoria da Probabilidade • Teoremas Fundamentais • Probabilidades Finitas dos Espaços Amostrais Finitos • Espaços Amostrais Finitos Equiprováveis • Probabilidade Condicional • Teorema do Produto • Independência Estatística • Teorema de Bayes 72 Teorema de Bayes • Sejam A1, A2, A3, ..., An, n eventos mutuamente exclusivos, tais que • Sejam (Ai) as probabilidades conhecidas dos vários eventos, e B um evento qualquer de S, tal que são conhecidas todas as probabilidades condicionais P(B/Ai). Então, para cada i, tem-se: que é o Teorema de Bayes. 73 Teorema de Bayes • Exemplo: Tem-se três urnas (u1, u2, u3), cada uma contendo bolas pretas, brancas e vermelhas, nas quantidades mostradas no quadro abaixo. De uma urna escolhida ao acaso retira-se uma bola também ao acaso, verificando-se que a mesma é branca. Qual a probabilidade da bola escolhida ter vindo da urna 2? e da urna 3? 74 Teorema de Bayes • Solução: 75 Teorema de Bayes • Solução (continuação): 76
Compartilhar