Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Métodos Quantitativos Aula 2 Prof. Jéderson da Silva Probabilidade e Distribuições de Probabilidades Organização da Aula Tema 1: conceitos básicos de probabilidade Tema 2: regras básicas de probabilidade Tema 3: probabilidade condicional, multiplicação de probabilidades e independência Tema 4: teorema de bayes e tipos de variáveis aleatórias Tema 5: distribuições de probabilidades de variáveis aleatórias discretas Tema 6: distribuições de probabilidades de variáveis aleatórias contínuas Tema 1: Conceitos Básicos de Probabilidade Conceitos Experimento aleatório: é aquele que realizado seguindo sempre os mesmos passos, pode gerar resultados distintos • Exemplo: preço do dólar ao final do dia 2 Espaço amostral: é o conjunto de todos os resultados possíveis de um experimento aleatório • Discreto: formado por um conjunto contável de resultados • Contínuo: contém um intervalo, de números reais Evento: “é um subconjunto do espaço amostral de um experimento aleatório”. Eventos mutuamente excludentes: Probabilidade é utilizada para quantificar a possibilidade do acontecimento de um resultado de um experimento aleatório Probabilidade Definição Matemática Caso um espaço amostral seja formado por N resultados possíveis com mesma chance de ocorrer, a probabilidade de cada resultado é 1/N e esses resultados são denominados de equiparáveis Tema 2: Regras Básicas de Probabilidade 3 Propriedades da Probabilidade Axiomas da Probabilidade Seja S um espaço amostral e A qualquer evento em um experimento aleatório, a) b) c) Para dois eventos mutuamente excludentes Propriedade de um Evento Complementar Exemplo: lançamento de uma moeda • Suponha que ={cara}, então ={coroa} Teorema da Soma Sejam dois eventos A e B A probabilidade de pelo menos um deles acontecer é representada por: Se A e B forem mutuamente exclusivos , então a probabilidade de pelo menos um deles ocorrer é dada por: Exemplo Considerando o evento A = {sair número par} e o evento C = {sair número maior que 3} no lançamento de um dado, qual a probabilidade de pelo menos um desses eventos ocorrer? • Solução: 4 Tema 3: Probabilidade Condicional, Multiplicação de Probabilidades e Independência Probabilidade Condicional A probabilidade de um determinado evento ocorrer é condicionada ao resultado de outro evento A probabilidade condicional de um evento B, dado que aconteceu um evento A, denotada por pode ser expressa por: , para Exemplo Análise de discos de plásticos de policarbonato A – evento que um disco tenha alta resistência a choque B – evento que um disco tenha alta resistência a arranhões a) P(A) b) P(B) c) P(A|B) d) P(B|A) 5 Regra da Multiplicação das Probabilidades “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 condicionada do outro, dado o primeiro”. Exemplo Uma urna contém cinco bolas brancas e sete pretas Uma bola é retirada ao acaso e não é devolvida à urna Na sequência outra bola é retirada Qual a probabilidade de ambas serem brancas? Teorema da Probabilidade Total Sejam eventos distintos que formam uma divisão do espaço amostral; supõe-se que o espaço amostral é formado pela junção destes eventos 6 Logo, sendo B um evento qualquer desse espaço, a probabilidade da sua ocorrência é: Exemplo Fabricação de semicondutores Em uma batelada particular da produção, 20% dos chips estão sujeitos a níveis altos de (...) (...) contaminação, 30% a níveis médios de contaminação e 50% a níveis baixos de contaminação Qual é a probabilidade de um produto falhar ao usar um desses chips? Solução H um chip esteja exposto a níveis altos de contaminação M um chip esteja exposto a níveis médios de contaminação L um chip esteja exposto a níveis baixos de contaminação Independência Se a ocorrência de um evento não interferir na ocorrência do outro Para isso, pelo menos uma das afirmações deve ser satisfeita 7 a) b) c) Tema 4: Teorema de Bayes e Tipos de Variáveis Aleatórias Teorema de Bayes Se forem eventos mutuamente excludentes e B for qualquer evento, então a probabilidade de ocorrência de , dada (...) (...) a ocorrência de B é feita pelo teorema de Bayes Tipos de Variáveis Aleatórias “São funções que atribuem um número real para qualquer resultado no espaço amostral de um experimento aleatório”. Variável aleatória discreta é aquela com faixa finita (ou infinita contável) Variável aleatória contínua é aquela com um intervalo (finito ou infinito) de números reais para sua faixa 8 Tema 5: Distribuições de Probabilidades de Variáveis Aleatórias Discretas (VAD) Distribuições de Probabilidades de VAD É representada por gráfico, tabela ou fórmula que especifica a probabilidade associada com cada valor possível que a variável aleatória pode assumir Exemplos: • distribuição binomial • distribuição de Poisson Função de Probabilidade Dada uma variável aleatória discreta X que admite possíveis valores, a função, que relaciona cada valor (...) (...) de com a sua probabilidade de ocorrência, ou seja, é denominada função de probabilidade Propriedades a) b) 9 Valor Esperado ou Média de uma VAD Supõe-se que X é uma variável aleatória discreta Assim, o valor esperado ou a média é Variância e Desvio Padrão de uma VAD Variância: grau de dispersão de valores em torno da média Seja X uma variável aleatória discreta, a variância é: sendo: Desvio padrão: Distribuição Binomial Considere uma sequência de ensaios em que se quer determinar a ocorrência de sucesso ou fracasso de determinado evento (ensaios de Bernoulli) Premissas: a) Para cada ensaio há apenas duas possibilidades: sucesso (S) e fracasso (F) b) Os ensaios são independentes c) A probabilidade de (S) será expressa por p e é considerada a mesma para cada ensaio, enquanto a probabilidade de (F) será calculada por 1-p d) São realizadas n provas idênticas X tem distribuição binomial com parâmetros n, p e k, em que p é a probabilidade de sucesso em cada ensaio e k é o número de sucessos se sua função de probabilidade for dada por: 10 Exemplo 10 peças com reposição, são extraídas ao acaso de um lote de 500 peças; qual é a probabilidade de que todas sejam defeituosas, sabendo-se que 10% das peças do lote são defeituosas? Solução: • n = 10 • P(S) = P(peça defeituosa) • p = 0,1 • k = 10 Tema 6: Distribuições de Probabilidades de Variáveis Aleatórias Contínuas (VAC) Valor Esperado ou Média de uma VAC Suponha que X represente uma variável aleatória contínua Assim, o valor esperado de X ou a média de X é dada por: Distribuição Normal/ Distribuição de Gauss Considerando X uma VAC com distribuição normal, pode-se definir sua função densidade de probabilidade como: Sendo e , a média e o desvio padrão da distribuição, nesta ordem 11 Características do Modelo de Distribuição Normal a) A curva normal possui formato boca de sino, apresentando simetria em relação a média b) A média, moda e medianasão valores coincidentes c) A variável aleatória X relacionada a sua distribuição oscila de Características do Modelo de Distribuição A função densidade de probabilidade tem ponto máximo onde x é igual a média populacional Distribuição Normal Padronizada É idêntica a uma distribuição normal com e Quando temos uma variável X com distribuição normal, média e/ou desvio padrão , deve-se reduzi-la a uma variável padrão Z: Como são fixas a média e a variância, as probabilidades (áreas) sob f(z) são tabeladas 12 Assim, para determinar as probabilidades de f(x), modificam-se suas abcissas para z, calculando a probabilidade com a ajuda de uma tabela de distribuição normal padronizada onde Exemplo O diâmetro do eixo de um dispositivo óptico de armazenagem é, normalmente, distribuído com média de 0,2508 polegada e desvio padrão de 0,0005 polegada As especificações do eixo são 0,2500 ± 0,0015 polegadas Qual proporção de eixos obedece às especificações? Solução Seja X o diâmetro em polegadas, do eixo A probabilidade requerida é: 13 Referências de Apoio Martins, G. A. Estatística geral e aplicada. 4a. edição. Editora Atlas. Pgs. 421. 2010. Montgomery, D. C. Estatística aplicada e probabilidade para engenheiros. 5a. edição. Editora LTC. 2011. Winter, L. M. W. & Sganzerla, N. M. Z. Estatística II (Notas de Aula). Departamento de Estatística UFPR, 2009. Acesso em dezembro de 2014: <http://www.est.ufpr.br/ce003/m aterial/apostilace003.pdf>. Singpurwalla, D. A. Handbook of statistics. 1 Ed. 2013. Site para Consulta <http://www.portalaction.com.br/>.
Compartilhar