Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Probabilidade e Estatística Aplicada Aula Interativa 6 Prof. Nelson Pereira Castanheira Teoria das Probabilidades Experimento aleatório Espaço amostral Eventos: simples, composto, certo, impossível número de vezes em que o evento A pode ocorrer P(A) = número de vezes em que o espaço amostral S ocorre Valores limites das probabilidades P(A) = 0, quando A = 0 (há certeza de não acontecer) P(A) = 1, quando A = S (há certeza de acontecer) Probabilidade do acontecimento P(A) Probabilidade do não acontecimento Q(A) Q(A) + P(A) = 1 Experimento: joga-se uma moeda honesta Espaço amostral: S = {cara, coroa} Evento: A = {deu cara} P(A) = ½ ou 50% 2 Seja agora o evento que consiste em jogarmos, uma única vez, um dado honesto A = {deu 5} S = {1 , 2 , 3 , 4 , 5 , 6} 1 6 Então: P(A) = Joga-se dois dados honestos S = {36 resultados possíveis} A = {a soma dos dois dados é 6} A = {(1 , 5) , (2 , 4) , (3 , 3) , (4 , 2) , (5 , 1)} 5 36 P(A) = Um nº é sorteado entre os inteiros de 1 até 10. Qual a probabilidade dele ser o 4? S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} A = { 4 } 1 10 P(A) = Eventos Mutuamente Exclusivos Ocorrendo um deles, o outro não pode ocorrer Exemplo: joguei um dado Sejam os eventos: A = {deu o número 3} B = {deu o número 4} Então, se ocorreu o evento A não pode ter ocorrido o evento B e vice-versa Os eventos A e B são mutuamente exclusivos Regra da Multiplicação 1º experimento: “a” resultados 2º experimento: “b” resultados P (1º 2º) = a . b Obs.: significa Interseção e corresponde à Multiplicação. Lê-se “E” 3 Regra da Adição para Eventos Mutuamente Exclusivos P(A B) = P(A) + P(B) Obs.: significa União e corresponde à Soma. Lê-se “OU” Joguei um dado Qual a probabilidade de ter dado 4 ou 5? P(4 5) = P(4) + P(5) 1 1 2 6 6 6 P(4 5) = =+ Eventos Não Mutuamente Exclusivos São eventos que podem ocorrer simultaneamente Exemplo: seja o experimento que consiste em retirar uma carta de um baralho comum de 52 cartas Sejam os eventos: A = extração de um ás B = extração de uma carta de ouros Observe que ao ocorrer A, poderá ter ocorrido B Regra da Adição para Eventos Não Mutuamente Exclusivos P(A B) = P(A) + P(B) – P(A B) Retirei uma carta de um baralho honesto. Qual a probabilidade dessa carta ser o ás de ouros? 4 4 52 13 52 P (ás de ouros) = 4 13 4 13 16 52 52 52 52 52 P (ás) = P (ouros) = + – . = Distribuição Binomial de Probabilidades Recordando fatorial 3! = 3 . 2 . 1 = 6 5! = 5 . 4 . 3 . 2 . 1 = 120 0! = 1 (por definição) Recordando combinação 5! 3! . (5 – 3)! 120 6 . 2 C5, 3 = C5, 3 = = 10 A Distribuição Binomial é uma distribuição discreta de probabilidade aplicável sempre que o processo de Amostragem é do tipo de Bernoulli, ou seja: a) em cada tentativa existem dois resultados possíveis e mutuamente exclusivos, denominados de sucesso e fracasso b) as séries de tentativas ou observações são eventos independentes c) a probabilidade de sucesso, indicada por “p”, permanece constante de tentativa para tentativa (processo estacionário) 5 Distribuição Binomial P(X) = CN,X . p X . q N-X = N ! X ! (N – X) ! = . p X . q N-X Importante: p = probabilidade de sucesso q = probabilidade de fracasso p + q = 1 Experimento: jogar um dado cinco vezes P (três 6 em cinco lances) = ? p = 1/6 ; q = 5/6 N = 5 (nº de tentativas) X = 3 (nº de sucessos) P(X=3) = C5,3 . p 3 . q 5-3 = 5 ! 3 ! (5 – 3) ! 1 25 216 36 P(X=3) = 0,0321 ou 3,21% = P(X=3) = 10 . . . (1/6) 3 . (5/6) 5-3 Distribuição de Poisson A Distribuição de Poisson é usada quando os eventos ocorrem em um continuum de tempo ou espaço. Os eventos são independentes e o processo é estacionário 6 Distribuição de Poisson X . e X! Obs.: = nº médio de sucessos (é sempre um valor conhecido) P(X ) = Um departamento de conserto de máquinas recebe uma média de cinco chamadas por hora. Qual a probabilidade de que, em uma hora selecionada aleatoriamente, sejam recebidas exatamente três chamadas? 53 . e5 3! 125 . 0,00674 6 = 0,1404 ou 14,04% = = P(X= 3 = 5) = Distribuição Normal de Probabilidades A Distribuição Normal é contínua e simétrica em relação à média. A curva que representa a distribuição normal é mesocúrtica e frequentemente descrita como curva em forma de sino, sendo também conhecida como Curva de Gauss Curva da Distribuição Normal de Probabilidades f(X) X Z 7 Qualquer conjunto de valores X normalmente distribuídos pode ser convertido em valores normais padronizados z pelo uso da fórmula: X S z = Z 0,00 0,01 0,02 0,03 0,0 0,0000 0,0040 0,0080 0,0120 0,1 0,0398 0,0438 0,0478 0,0517 0,2 0,0793 0,0832 0,0871 0,0910 Distribuição Normal A vida média de um tipo de lâmpada segue uma distribuição normal, com média = 2.000 horas e desvio padrão S = 200 horas. Qual a probabilidade de uma lâmpada escolhida ao acaso durar entre 2000 e 2400 horas? 1400 1600 1800 2000 2200 2400 2600 X - 3 - 2 - 1 0 1 2 3 Z f(X) P (2000 a 2400 horas) = ? X 2.400 2.000 S 200 z = + 2 P(0 z +2,0) = 0,4772 P(2.000 X 2.400) = 0,4772 ou 47,72 % =z = O que isso significa? Significa que a área limitada pela curva e pelo eixo horizontal X, para valores de z variando de 0 até +2, corresponde a 47,72% da área total sob a curva 8 Referências de Apoio CASTANHEIRA, Nelson Pereira. Estatística aplicada a todos os níveis. 5. ed. Curitiba: Intersaberes, 2010. BUSSAB, Wilton de O.; MORETTIN, Pedro A. Estatística básica. 5. ed. São Paulo: Saraiva, 2002.
Compartilhar