Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Universidade Federal do Espírito Santo Centro de Ciências Agrárias e Engenharias Depto de Engenharia Rural Profa. Gisele Rodrigues Moreira Enga. Agrônoma Dra. Genetica e Melhoramento E-mail: gisele.moreira @ufes.br giselemoreira.webnode.com IMPORTÂNCIA DA ESTATÍSTICA E CONCEITOS BÁSICOS � NOÇÕES DE PROBABILIDADE Tópicos: � Introdução � Conceitos � Tipos de eventos � Axiomas da probabilidade � Teoremas da probabilidade 2 3 PROBABILIDADE É o estudo da variabilidade e da incerteza. INTRODUÇÃO PROBABILIDADE Ramo da matemática adequado ao estudo dos fenômenos aleatórios ou probabilísticos (regidos pela lei do acaso). Envolve métodos de quantificação das chances ou possibilidades de ocorrência associadas aos diversos resultados num experimento probabilístico. 4 INTRODUÇÃO CONCEITOS - Experimento - Espaço amostral (S) - Evento - Probabilidade clássica ou a priori - Probabilidade frequencial ou a posteriori 5 Ação ou processo, fato ou fenômeno que se está estudando. EXPERIMENTO � Experimento determinístico → mesmas condições = mesmo resultado � Experimento probabilístico → mesmas condições = resultados podem não ser os mesmos 6 2 Ex.: Ebulição da água em quatro vasilhas de mesma capacidade Experimento determinístico 7 Ex.: Lançamento de uma moeda Experimento probabilístico 8 Outros exemplos de experimentos probabilísticos: � Selecionar aleatoriamente uma ou várias cartas de um baralho; � Obter o peso de um pedaço aleatório de pão; � Obter aleatoriamente tipos sanguíneos; � Obter aleatoriamente a resistência à compressão de uma viga metálica; 9 Conjunto de todos os resultados possíveis de um experimento probabilístico, que podem ser de natureza quantitativa ou qualitativa. S = {1, 2, 3, 4, 5, 6}Ex.: ESPAÇO AMOSTRAL (S) S = {Ás, Valete, Dama, Rei, etc.} 10 Exemplo 1: Dois postos de gasolina estão localizados em uma determinada interseção. Cada um possui seis bombas. Considere o experimento em que o número de bombas em uso em determinada hora do dia é determinado para cada posto e obtenha o espaço amostral S. 0 1 2 3 4 5 6 0 (0,0) (0,1) (0,2) (0,3) (0,4) (0,5) (0,6) 1 (1,0) (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) 2 (2,0) (2,1) (2,2) (2,3) (2,4) (2,5) (2,6) 3 (3,0) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) 4 (4,0) (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) 5 (5,0) (5,1) (5,2) (5,3) (5,4) (5,5) (5,6) 6 (6,0) (6,1) (6,2) (6,3) (6,4) (6,5) (6,6) Pr im e iro po st o Segundo posto 11 Exemplo 2: Um fabricante de automóveis fornece veículos equipados com opcionais selecionados. Cada veículo é ordenado: Com ou sem transmissão automática; Com ou sem ar condicionado; Com uma das três escolhas de um sistema estéreo. Se o espaço amostral consistir no conjunto de todos os resultados possíveis de veículos, qual será o número de resultados no espaço amostral e quais são eles? 12 3 Transmissão (T) Automática (TA) Com ar (Car) E1 E2 E3 Sem ar (Sar) E1 E2 E3 Manual (TM) Com ar E1 E2 E3 Sem ar E1 E2 E3 Figura 1. Diagrama em forma de árvore para diferentes tipos de veículos. E1 = estéreo 1; E2 = estéreo 2 e E3 = estéreo 3 S: {TACarE1, TACarE2, TACarE3, TASarE1, TASarE2, ..., TMSarE3} Resposta: 12 resultados 13 DIAGRAMAS EM FORMA DE ÁRVORE Se algo pode ser realizado de n1 formas diferentes e após isto uma segunda coisa pode ser realizada de n2 formas diferentes, ..., e finalmente uma k-ésima coisa pode ser realizada de nk formas diferentes, então todas as k coisas podem ser realizadas na ordem especificada de n1n2...nk formas diferentes. 14 15 Exemplo 3: Se um homem tem duas camisas (C1 e C2) e quatro gravatas (G1, G2, G3 e G4). Quantas e quais são as combinações possíveis de camisa e gravata? C1 C2 G2 G3 G4 G1 G2 G3 8 combinações G1 G4 Qualquer conjunto particular de resultados de S, ou todo subconjunto de S. S = {1, 2, 3, 4, 5, 6} Evento A = {1} Evento B = {2} Etc. EVENTO 16 Se um evento E ocorre de h formas diferentes em um total de n formas possíveis no espaço amostral de S, todas sendo igualmente prováveis, então a probabilidade do evento é: 17 PROBABILIDADE CLÁSSICA OU A PRIORI: S amostral espaço do elementos de Número E evento do elementos de Número)( == n hEP 18 Experimento: Lançamento de uma moeda Probabilidade de sair cara? Se a moeda é honesta (não tende para nenhum dos dois lados) e existem duas formas igualmente prováveis de ocorrerem, cara e coroa, então: %50ou 2 1 )( )()( == Sn EnCaraP 4 19 Se após n repetições de um experimento, um evento E ocorre h vezes, então a probabilidade do evento é: PROBABILIDADE FREQUENCIAL OU A POSTERIORI: socorrênciaou provas de totalNúmero E de socorrência de Número)( == n hEP Quanto maior a amostra, mais confiável é o valor da probabilidade a posteriori. 20 (1000 vezes) ... Experimento: Lançamento de uma moeda honesta 1000 vezes Probabilidade de sair cara, uma vez que ela apareceu 532 vezes? %50ou 5,0 1000 532)( ≅=CaraP 21 Probabilidade a priori: é o valor calculado com base em considerações teóricas, dispensando uma experimentação sobre o objeto estudado. Probabilidade a posteriori: é a probabilidade avaliada, empírica, que depende da realização do experimento. É importante quando o objetivo é estabelecer um modelo adequado à interpretação de certa classe de fenônemos observados. Exercício 1: Considerando os dois postos de gasolina localizados em uma determinada interseção, cada um possui seis bombas, e o experimento em que o número de bombas em uso em determinada hora do dia é determinado para cada posto, são obtidos 49 resultados em S. 0 1 2 3 4 5 6 0 (0,0) (0,1) (0,2) (0,3) (0,4) (0,5) (0,6) 1 (1,0) (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) 2 (2,0) (2,1) (2,2) (2,3) (2,4) (2,5) (2,6) 3 (3,0) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) 4 (4,0) (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) 5 (5,0) (5,1) (5,2) (5,3) (5,4) (5,5) (5,6) 6 (6,0) (6,1) (6,2) (6,3) (6,4) (6,5) (6,6) 22 a) Obtenha os eventos: Evento A: o número de bombas em uso é o mesmo nos dois postos Evento B: o número total de bombas em uso é igual a 4 nos dois postos Evento C: o número total de bombas em uso é no máximo 4 nos dois postos Use a imaginação e obtenha outros eventos possíveis ;) {(0,0), (1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)} {(0,4), (1, 3), (2, 2), (3, 1), (4, 0)} {(0,0), (0, 1), (1, 0), (1, 1), ... , (4,0), (0,4)} 23 b) Sejam todos os eventos igualmente prováveis, obtenha as probabilidades dos eventos obtidos anteriormente: Evento A: o número de bombas em uso é o mesmo nos dois postos Evento B: o número total de bombas em uso é igual a 4 nos dois postos Evento C: o número total de bombas em uso é no máximo 4 nos dois postos 24 %14 49 7)( ≅=AP %10 49 5)( ≅=AP %30 49 15)( ≅=AP 5 25 A tabela a seguir apresenta os resultados para a amostra de 1000 domicílios em termos do comportamento de compra de aparelhos de televisão de tela grande. Exercício 2: Planejou comprar Efetivamente comprou Sim Não Total Sim 200 50 250 Não 100 650 750 Total 300 700 1000 Qual é o espaço amostral e quais as probabilidades de cada resultado? 26 TIPOS DE EVENTOS - Simples - Composto - Complementar - Mutuamente exclusivos ou disjuntos - Independentes ou não condicionados - Condicionado Evento simples Ex.: S = {1, 2, 3, 4, 5, 6} Evento A = {1} → Evento simples Evento B = {2} → Evento simples Evento C = {3} → Evento simples Etc. Contém um único elemento de S 27 Exemplo: Considerando os dois postos de gasolina localizados em uma determinadainterseção, cada um possui seis bombas, e o experimento em que o número de bombas em uso em determinada hora do dia é determinado para cada posto, são obtidos 49 resultados em S ⇒ 49 eventos simples!! 0 1 2 3 4 5 6 0 (0,0) (0,1) (0,2) (0,3) (0,4) (0,5) (0,6) 1 (1,0) (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) 2 (2,0) (2,1) (2,2) (2,3) (2,4) (2,5) (2,6) 3 (3,0) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) 4 (4,0) (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) 5 (5,0) (5,1) (5,2) (5,3) (5,4) (5,5) (5,6) 6 (6,0) (6,1) (6,2) (6,3) (6,4) (6,5) (6,6) 28 Evento composto Ex.: S = {(1,1), (1,2), (1,3), …, (6,6} Evento A = mesmo número A: {(1,1), (2,2), …, (6,6)} Evento B = número 4 no primeiro dado B: {(4,1), (4,2), …, (4,6)} Etc. Contém mais um elemento de S 29 0 1 2 3 4 5 6 0 (0,0) (0,1) (0,2) (0,3) (0,4) (0,5) (0,6) 1 (1,0) (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) 2 (2,0) (2,1) (2,2) (2,3) (2,4) (2,5) (2,6) 3 (3,0) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) 4 (4,0) (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) 5 (5,0) (5,1) (5,2) (5,3) (5,4) (5,5) (5,6) 6 (6,0) (6,1) (6,2) (6,3) (6,4) (6,5) (6,6) Evento A: o número de bombas em uso é o mesmo nos dois postos = {(0,0), (1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)} Evento B: o número total de bombas em uso é igual a 4 nos dois postos = {(0,4), (1, 3), (2, 2), (3, 1), (4, 0)} Etc. 30 6 Elementos que pertencem a S e não pertencem a A. Evento complementar (A) )(1)( APAP −= Diagrama de Venn - Região sombreada complementar de A 31 Ex.: S = {1, 2, 3, 4, 5, 6} Evento A = {1} ⇒ P (A) = 1/6 Evento complementar de A (A)= {2, 3, 4, 5, 6} %83ou 6 5 6 11)(1)( =−=−= APAP 32 ?)( =AP Eventos mutuamente exclusivos ou disjuntos Dois ou mais eventos não podem ocorrer simultaneamente. 33 A B Diagrama de Venn dos eventos A e B Eventos mutuamente exclusivos ou disjuntos Ex: Experimento ⇒⇒⇒⇒ lançamento de UM dado. S = {1, 2, 3, 4, 5, 6} Evento A = {1} Evento B = {2} � 34 Eventos independentes ou não condicionados Dois ou mais eventos não exercem ações recíprocas, ou seja, a ocorrência de um não depende da ocorrência do outro. A B Diagrama de Venn dos eventos A e B 35 Eventos independentes Ex: Experimento ⇒ lançamento de DOIS dados. S = {(1,1), (1,2), (1,3), …, (6,6)} Evento A (1o dado) = {1} Evento B (2o dado) = {2} 36 7 Eventos condicionados A ocorrência de um evento A depende da ocorrência de um evento B e vice-versa. P (A/B) ou P (B/A) Exemplo: Retira-se aleatoriamente uma 1a bola nº ímpar e não é reposta. Qual a probabilidade uma 2a bola ser retirada e esta ser de cor rosa? Evento A = {ímpar} ⇒ P (A) = 6/12 Evento B/A = {rosa/ímpar} ⇒ P (B/A) = 1/11 ≅ 9% 1 37 OBS: � O evento antes da barra está condicionado! � O evento depois da barra dá a condição! 1 2 6 7 3 4 5 1110 8 9 12 AXIOMAS do cálculo de probabilidade 38 É UMA PROPOSIÇÃO EVIDENTE POR SI MESMA QUE NÃO CARECE DE DEMONSTRAÇÃO E SOBRE A QUAL SE FUNDAMENTA UMA CIÊNCIA. AXIOMA 39 1o axioma P (S) = 1 40 P (S) = P1+ P2+ ... + Pn = 1 2o axioma 0 < P (A) ≤ 1 (ou 100%), para todo evento A de S 41 0 < Pi < 1, para i = 1, 2, ..., n 3o axioma Se, A1, A2, …, An for um conjunto finito de eventos mutuamente exclusivos, então: P (A1 ∪∪∪∪ A2 ∪∪∪∪ … ∪∪∪∪ An) = P (A1) + P (A2) + … + P (An) A1 A2 AnA3 S … 42 8 TEOREMAS do cálculo de probabilidade - Teorema da soma - Teorema do produto - Teorema da probabilidade total - Teorema de Bayes 43 É UMA PROPOSIÇÃO QUE, PARA SER ADMITIDA OU SE TORNAR EVIDENTE, NECESSITA DE DEMONSTRAÇÃO. TEOREMA 44 ⇒Para eventos mutuamente exclusivos ⇒ Para eventos NÃO mutuamente exclusivos Teorema da soma das probabilidades (ou) 45 Ex.: Eventos mutuamente exclusivos Ex.: S = {Ás, Valete, Dama, Rei, etc.} Retirando-se ao acaso uma carta do baralho, qual a probailidade de tirar um Ás de COPAS ou um ÁS DE OUROS? 46 P (A ou B) = P (A ∪ B) = P (A) + P (B) Para eventos mutuamente exclusivos: A B Região sombreada A ∪ B 47 P (A = Ás de copas) = 1/52 P (B = Ás de ouros) = 1/52 P ( A ou B) = P (A ∪∪∪∪ B) = ? P (A ou B) = P (A ∪ B) = P (A) + P (B) = 1/52 + 1/52 = 0,038 ou 3,8% 48 9 Exercício 1: Considere o experimento que consiste na jogada de um dado e os eventos: A= {número que aparece na face de cima é menor ou igual a 2} e B = {o número é maior ou igual a 4}. Qual é a probabilidade de, ao lançar o dado, ocorra o evento A ou B? 49 R: 83% Exercício 2: Uma amostra de animais é retirada de um rebanho bovino e enumerada de 1, 2, 3,...,30. Nesta amostra um número é escolhido ao acaso. Qual é a probabilidade de o número escolhido ser: Divisível por 5 ou 8? 50 }24;16;8{: }30;25;20;15;10;5{: B A %30 30 3 30 6)( )()()( =+=∪ +=∪ BAP BPAPBAP P (A ou B) = P (A ∪ B) = P (A) + P (B) – P (A ∩ B) Para eventos NÃO mutuamente exclusivos: A B Região sombreada A ∩ B 51 Ex.: Eventos NÃO mutuamente exclusivos Ex.: S = {Ás, Valete, Dama, Rei, etc.} Retirando-se ao acaso uma carta do baralho, qual a probabilidade de tirar uma carta de COPAS ou um ÁS? 52 P (A = copas) = 13/52 P (B = Ás) = 4/52 P (A ∩ B) = 1/52 P ( A ou B) = P (A ∪∪∪∪ B) = ? P (A ou B) = P (A) + P (B) – P (A ∩ B) = 13/52 + 4/52 – 1/52 ≅ 0,31 ou 31% 53 54 Exercício 1: Em um certo colégio, 25% dos estudantes foram reprovados em matemática, 15% em química e 10% em matemática e química ao mesmo tempo. Um estudante é selecionado aleatoriamente. Pede-se: Qual a probabilidade de ter sido reprovado em matemática ou química? R: 30% 10 55 Exercício 2: Uma amostra de animais é retirada de um rebanho bovino e enumerada de 1, 2, 3,...,30. Nesta amostra um número é escolhido ao acaso. Qual é a probabilidade de o número escolhido ser: Divisível por 6 ou 8? 55 }24;16;8{: }30;24;18;12;6{: B A %23 30 1 30 3 30 5)( )()()()( ≅−+=∪ ∩−+=∪ BAP BAPBPAPBAP 56 A tabela a seguir apresenta os resultados para a amostra de 1000 domicílios em termos do comportamento de compra de aparelhos de televisão de tela grande. Planejou comprar Efetivamente comprou Sim Não Total Sim 200 50 250 Não 100 650 750 Total 300 700 1000 Qual é a probabilidade de, escolhido ao acaso um domicílio, este tenha habitantes que planejaram comprar aparelho de televisão de tela grande ou efetivamente compraram? R: 35% Exercício 3: ⇒ Para eventos independentes ⇒ Para eventos condicionados Teorema do produto das probabilidades (e) 57 P (A e B) = P (A ∩ B) = P (A) . P (B) Para eventos independentes: Região sombreada A ∩ B 58 Ex.: S = {Ás, Valete, Dama, Rei, etc.} Retirando-se seguidamente duas carta do baralho, qual a probabilidade de tirar uma carta de COPAS na primeira e uma de OUROS na segunda, com a reposição da primeira? Ex: Eventos independentes 59 P (A = copas) = 13/52 P (B = ouros) → 13/52 P ( A e B) = P (A ∩∩∩∩ B) = ? P (A e B) = P (A) . P (B) = 13/52 . 13/52 = 0,0625 ou 6,25% 60 OBS: Se no exemplo não fosse dito “seguidamente” e sem reposição, então deveria ser considerada a ordem de saída das cartas, ou seja: P (1ª copas e 2ª ouros) ou P(1ª ouros e 2ª copas). Logo, %5,12 52 13 . 52 13 52 13 . 52 13)( =+=∩ BAP 11 Exercício 1: (SPIEGEL, M. R.; SCHILLER, J.; SRINIVASAN, A. Probabilidade e estatística: 897 problemas resolvidos. Porto Alegre: Bookman, 2013, pág. 31) Sejam dois dados honestos: a) Encontre a probabilidade de conseguir uma soma de 7 em 1 de até 3 lançamentos; b) Quantos lançamentos são necessários para que a probabilidade em a) seja maior do que 0,95 61 R: a)91/216 b) pelo menos 17 62 a) Soma 7 em pelo menos 1 de 3 lançamentos 1º lanç. ou 2º lanç. ou 3º lanç. 1 e 6 1 e 6 1 e 6 6 e 1 6 e 1 6 e 1 2 e 5 2 e 5 2 e 5 5 e 2 5 e 2 5 e 2 3 e 4 3 e 4 3 e 4 4 e 3 4 e 3 4 e 3 36 6 )7( =somaP 36 30 )( =outrasP Logo, em cada lançamento: 63 %42ou 420 216 91 )7( 36 6 . 36 30 36 30 36 6 36 30 36 6 )7( .º3ou .º2ou .º1 )7( , somaP ..somaP lançlançlançsomaP ≅= + + = = b) Lançamentos necessários para que a probabilidade em a) seja maior do que 0,95 Número de lançamentos 1 2 3 4 5 6 Probabilidade (%) 0,17 0,14 0,12 0,096 0,080 0,067 7 8 9 10 11 12 Probabilidade (%) 0,056 0,047 0,039 0,032 0,027 0,022 13 14 15 16 17 - Probabilidade (%) 0,019 0,016 0,013 0,011 0,009 - 0,95! quemaior 0,964 lanç. 17 até adesProbabilid ⇒=∑ 64 Exercício 2: A probabilidade de uma mulher estar viva daqui a 30 anos é 3/4 e de seu marido 3/5. Um casal é escolhido aleatoriamente, calcular a probabilidade de: a) Somente a mulher estar viva; b) O homem estar vivo; c) Pelo menos um estar vivo; d) Ambos estarem vivos. R: a) 30%; b) 60%; c) 90%; d) 45% 65 a) Somente a mulher estar viva %30 5 2 . 4 3 )( ==∩ HMMVP b) O homem estar vivo 5 2)(; 5 3)(; 4 1)(; 4 3)( ==== HMPHVPMMPMVP %60 4 1 . 5 3 4 3 . 5 3 )(ou )( =+ ∩∩ MMHVPMVHVP 66 5 2)(; 5 3)(; 4 1)(; 4 3)( ==== HMPHVPMMPMVP c) Pelo menos um estar vivo d) Ambos estarem vivos %45 4 3 . 5 3 )( = ∩MVHVP %90 5 3 . 4 1 5 2 . 4 3 5 3 . 4 3 )(ou )(ou )( =++ ∩∩∩ HVMMPHMMVPHVMVP 12 Exercício 3: Considere o espaço amostral de um experimento constituído do lançamento de dois dados perfeitamente simétricos: a) Qual a probabilidade de que o primeiro dado mostre a face 2 e o segundo a face 3? b) Qual a probabilidade de que ambos os dados mostrem a mesma face? c) Qual a probabilidade de que o segundo dado mostre um número par? 67 R: a) 2,78%; b) 16,7%; c) 50% P (A e B) = P (A ∩ B) = P (A) . P (B/A) P (A ∩ B) = P (A/B) . P (B) Para eventos condicionados: A ocorrência de um evento A depende da ocorrência de um evento B e vice-versa. P (A/B) ou P (B/A) 68 OBS: O evento antes da barra está condicionado O evento depois da barra dá a condição Ex.: S = {Ás, Valete, Dama, Rei, etc.} Ex.1: Eventos condicionados 69 Retira-se duas cartas aleatoriamente, a segunda sem a reposição da primeira. Se saiu um COPAS na primeira carta, qual é a probabilidade de tirar um ÁS DE COPAS na segunda? OBS: Considere que o COPAS que saiu na primeira carta não foi o ÁS. P ( A e B) = P (A ∩∩∩∩ B) = ? 70 Evento A = {copas} → 1a carta Evento B = {Ás de copas} → 2a carta 71 P (A = copas) = 13/52 P (B = Ás de copas) → 1/52 (se independentes…) P ( A e B) = P (A ∩∩∩∩ B) = ? Porém B é condicionado a A! P (B/A) = 1/51 P (A e B) = P (A ∩ B) = P (A) . P (B/A) = 13/52 . 1/51 = 0,0049 ou 0,49% Exercício 1: Em um certo colégio 25% dos estudantes foram reprovados em matemática, 15% em química e 10% em matemática e química ao mesmo tempo. Um estudante é selecionado aleatoriamente. Pede-se: a) Se ele foi reprovado em química, qual a probabilidade de ele ter sido reprovado em matemática? b) Se ele foi reprovado em matemática, qual a probabilidade de ele ter sido reprovado em química? 72 R: a) 67%; b) 40% 13 73 ?)/( %10)( %15)( %25)( = =∩ = = QMP QMP QP MP %67)/3( 15,0)./(10,0 )()./()( ≅ = =∩ ímaparP QMP QPQMPQMP a) Se ele foi reprovado em química, qual a probabilidade de ele ter sido reprovado em matemática? b) Se ele foi reprovado em matemática, qual a probabilidade de ele ter sido reprovado em química? %40)/3( 25,0)./(10,0 )()./()( = = =∩ ímaparP MQP MPMQPQMP Exercício 2: Um dado é viciado de tal forma que a probabilidade de sair um certo número é proporcional ao seu valor. Pede-se: a) Qual é a probabilidade de sair o 3, sabendo- se que o ponto que saiu é ímpar? b) Qual é a probabilidade de sair um número par, sabendo-se que saiu um número maior que 3? 74 R: a) 33%; b) 67% 75 6 )6( ; 5 )5( ; 4 )4( ; 3 )3( ; 2 )2( ; 1 )1( PPPPPP Se o dado é viciado de maneira que a probabilidade de sair um certo número (ai) é proporcional ao seu valor, então: 21 6)6(; 21 5)5(; 21 4)4(; 21 3)3(; 21 2)2(; 21 1)1( ====== PPPPPP Se, :então ,%100ou 1)( ==∑ SaP i 76 ?)/3( 21 3)3( 21 9)ímpar( 21 6)6(; 21 5)5(; 21 4)4(; 21 3)3(; 21 2)2(; 21 1)1( = =∩ = ====== ímparP ímparP P PPPPPP %33)/3( 21 9)./3( 21 3 )()./3()3( ≅ = =∩ ímparP ímparP ímparPímparPímparP a) Qual é a probabilidade de sair o 3, sabendo-se que o ponto que saiu é ímpar? 77 b) Qual é a probabilidade de sair um número par, sabendo-se que saiu um número maior que 3? ?)3/( 21 10)3( 21 15)3( 21 6)6(; 21 5)5(; 21 4)4(; 21 3)3(; 21 2)2(; 21 1)1( => =>∩ => ====== parP parP P PPPPPP %67)3/( 21 15).3/( 21 10 )3().3/()3( ≅> >= >>=>∩ parP parP PparPparP 78 Exercícios: Teoremas da soma e do produto 1) Uma urna contém 5 bolas pretas, três vermelhas e duas brancas. Foram extraídas 3 bolas com reposição. Qual a probabilidade de terem sido duas pretas e uma vermelha? R: 22,5% 14 79 10 2)B(; 10 3)V(; 10 5)P( === PPP Retira-se 3 bolas com reposição %5,22 10 9)1 e 2( 10 5 . 10 5 . 10 3 10 5 . 10 3 . 10 5 10 3 . 10 5 . 10 5)1 e 2( )()()()1 e 2( == + + = ∩∩+∩∩+∩∩= VPP VPP PPVPPVPPVPPPVPP E se fosse sem reposição? 80 2) Uma urna contém 5 bolas vermelhas e 3 brancas. Uma bola é selecionada, aleatoriamente, dessa urna e não é reposta. Em seguida, duas bolas de cor diferente da bola extraída anteriormente (branca ou vermelha) são colocadas na urna. Se uma segunda bola é extraída aleatoriamente, qual a probabilidade de: a) A segunda bola ser vermelha? b) A segunda bola ser da mesma cor da primeira? R: a) 57%; b) 36% 81 8 3)B(; 8 5)V( == PP Retira-se 1ª bola sem reposição 7 ?)B(; 7 ?)V( == PP Retira-se uma bola: 9 2)BB/12(; 9 7)V/12(for 1 9 5)VB/12(; 9 4)VV/12(for 1 aaa aaa ==⇒ ==⇒ aa aa PBPBranca PPVermelhaSe, 16 Se, Coloca-se duas bolas de cor diferente da 1ª. 82 %36 8 3 . 9 2 8 5 . 9 4 )B1().BB/12( )V1().VV/12( )B1B2(ou )V1V2( aaaa aa = + = + ∩∩ PPPP PP aa aa b) P (2ª V e 1ª V) ou P (2ª B e 1ª B) %9,56 8 5 . 9 4 8 3 . 9 7 )V1().VV/12( )B1().BV/12( )V1V2(ou )B1V2( aaaa aa = + = + ∩∩ PPPP PP aa aaa) P (2ª V) = 8383 3) Uma amostra composta por 500 respondentes foi selecionada em uma grande área metropolitana para fins de estudo sobre o comportamento do consumidor. Entre as questões indagadas estava: “Você gosta de comprar roupas?”. De 240 homens, 136 responderam que sim e, de 260 mulheres, 224 responderam que sim. Qual é a probabilidade de que um respondente, escolhido de modo aleatório: a) goste de comprar roupas? b) seja uma mulher e goste de comprar roupas? c) seja uma mulher ou goste de comprar roupas? d) seja um homem ou uma mulher? R: a) 72%; b) 44,8%; c) 79,2%; d) 100% 84 a) P (Sim) = P (Sim ∩ Homem) ou P (Sim ∩ Mulher) = P (Sim/H).P (H) + P (Sim/M). P (M) 260 36 er)P(não/mulh; 260 224)sim/mulher( 240 104 m)P(não/home; 240 136)sim/homem( == == P PSe Homem: Se Mulher: %72 500 260 . 260 224 500 240 . 240 136 = + = 500 260)P(mulher; 500 240)homem( ==P Sejam: 15 85 b) P (SIM ∩ Mulher) = P (Sim/Mulher). P (Mulher) %8,44 500 260 . 260 224 = = d) P (Homem ∪ Mulher) = P (Homem) + P (Mulher) %100 500 260 500 240 =+= c) P (Mulher ∪ Sim) = P (M) + P (Sim) – P (M ∩ Sim) %2,79 500 260 . 260 22472,0 500 260 = −+= c) P (Mulher ∪ Sim) = P (M) + P (Sim) – P (S/M). P (M) 86 CONCURSO PÚBLICO - UFES Edital 001/2014 Cargo: Médico Veterinário P (A) = P (A e B1) + P (A e B2)+...+ P (A e Br) P (A) = P (A ∩ B1) + P (A ∩ B2)+...+ P (A ∩ Br) Probabilidade marginal 87 P (A) = P (A/B1). P (B1) + …+ P (A/Br). P (Br) Em que, B1, B2, ..., Br correspondem a r eventos mutuamente excludentes e coletivamente exaustivos. 88 A tabela a seguir apresenta os resultados para a amostra de 1000 domicílios em termos do comportamento de compra de aparelhos de televisão de tela grande. Exemplo: Probabilidade marginal Planejou comprar Efetivamente comprou Sim Não Total Sim 200 50 250 Não 100 650 750 Total 300 700 1000 Qual é a probabilidade de, escolhido ao acaso um domicílio, este tenha habitantes que planejaram comprar aparelho de televisão de tela grande? 89 Sejam: P (A) = probabilidade “planejou comprar” P (B1) = probabilidade “efetivamente comprou” = 300/1000 P (B2) = probabilidade “efetivamente não comprou” = 700/1000 P (A) = P (A e B1) + P (A e B2) %2525,0 1000 250 1000 50 1000 200)( 1000 700 . 700 50 1000 300 . 300 200)( )()./()()./()( 2211 ou ==+= + = += AP AP BPBAPBPBAPAP Se {B1, B2, ..., Br} é uma partição do espaço amostral S. Em que P (Bi) > 0, ∀i. Dado um acontecimentoacontecimento A A qualquerqualquer, tem-se: P (A) = P (A ∩ B), ou seja: P (A) = P (A ∩ B1) + P (A ∩ B2)+...+ P (A ∩ Br) Teorema da probabilidade total ... Ai A ∩ B1 A ∩ B2 A ∩ Br A ∩ B3 B1 B2 B3 Br 90 16 Se, para eventos condicionados P(A ∩∩∩∩ B) = P (A/B). P(B) quando A é condicionado a B, então: P (A) = P (A ∩ B) P (A) = P (A ∩ B1) + P (A ∩ B2)+...+ P (A ∩ Br) P (A) = P (A/B1). P (B1) + …+ P (A/Br). P (Br) ∑ = = n i ii BPBAPAP 1 )()./()( Teorema da probabilidade total 91 Suponha que na fabricação de semicondutores, a probabilidade seja 0,10 de que um chip que esteja sujeito a altos níveis de contaminação durante a fabricação cause uma falha no produto. A probabilidade é de 0,005 de que um chip que não esteja sujeito a altos níveis de contaminação durante a fabricação cause uma falha no produto. Em uma corrida particular de produção, 20% dos chips estão sujeitos a altos níveis de contaminação. Qual é a probabilidade de, um semicondutor escolhido ao acaso, venha a falhar? Exemplo 1: Teorema da Probabilidade total 92 Qual a probabilidade de um produto usando um desses chips vir a falhar? P (causar falha no produto) = ? S ⇒ 20% chips sujeitos a altos níveis de contaminação (B1) e 80% chips NÃO sujeitos a altos níveis de contaminação (B2) Acontecimento A Acontecimento A ⇒ falha no produto A A ∩ B1 A ∩ B2 B1 B2 93 P (A) = P (A/B1). P (B1) + P (A/B2). P (B2) P (A) = ? P (A) = P (A ∩ B1) OU P (A ∩ B2) ∑ = = 2 1 )()./()( i ii BPBAPAP A A ∩ B1 A ∩ B2 B1 B2 94 Se, chip sujeito a alto nível de contaminação ⇒ 0,10 causam falha Se, chip não sujeito a alto nível de contaminação ⇒ 0,005 causam falha ∑ = = 2 1 )()./()( i ii BPBAPAP P (A) = P (A/B1). P (B1) + P (A/B2). P (B2) P (chip sujeito a alto nível de contaminação) ⇒ 20% P (chip não sujeito a alto nível de contaminação) ⇒ 80% P (A) = 0,10. 0,2 + 0,005. 0,8 P (A) = 0,024 ou 2,4% 95 Um pesquisador desenvolve sementes de quatro tipos de plantas: P1, P2, P3 e P4. Plantados canteiros-pilotos destas sementes, a probabilidade de todas as sementes P1 germinarem é de 40%, 30% para P2, 25% para P3 e 50% para P4. Escolhido um canteiro ao acaso, qual a probabilidade que todas as sementes tenham germinado? Exemplo 2: Teorema da Probabilidade total 96 17 97 A A ∩ P1 A ∩ P2 A ∩ P4 A ∩ P3 P1 P2 P3 P4 Qual a probabilidade de germinar todas as sementes? P (A) = ? Espaço amostral (S) ⇒ tipo de planta: P1, P2, P3, P4 S = {P1, P2, P3, P4} ⇒ P (P1) = P (P2) = P (P3) = P (P4) = 25% Acontecimento A Acontecimento A ⇒ germinação das sementes 98 A A ∩ P1 A ∩ P2 A ∩ P4 A ∩ P3 P1 P2 P3 P4 P (A) = P (A/P1). P (P1) + P (A/P2). P (P2) + P (A/P3). P (P3) + P (A/P4). P (P4) P (A) = ? P (A) = P (A ∩ P1) + P (A ∩ P2)+ P (A ∩ P3) + P (A ∩ P4) ∑ = = 4 1 )()./()( i ii PPPAPAP 99 Um pesquisador desenvolve sementes de quatro tipos de plantas: P1, P2, P3 e P4. Plantados canteiros-pilotos de cada um destes tipos, a probabilidade de todas as sementes P1 germinarem é de 40%, 30% para P2, 25% para P3 e 50% para P4. Escolhido um canteiro ao acaso, qual a probabilidade que todas as sementes tenham germinado? P (P1) = P (P2) = P (P3) = P (P4) = 25% P (A/P1) = 40%; P (A/P2) = 30%; P (A/P3) = 25% e P (A/P4) = 50% 100 P (P1) = P (P2) = P (P3) = P (P4) = 25% P (A/P1) = 40%; P (A/P2) = 30%; P (A/P3) = 25% e P (A/P4) = 50% %6,23ou 362,0)( 25,0.50,025,0.25,025,0.30,025,0.40,0)( = +++= AP AP P (A) = P (A/P1). P (P1) + P (A/P2). P (P2) + P (A/P3). P (P3) + P (A/P4). P (P4) ∑ = = 4 1 )()./()( i ii PPPAPAP Em torno de 30% dos gêmeos humanos são idênticos e o restante são fraternos. Gêmeos idênticos têm necessariamente o mesmo sexo – metade são homens e metade são mulheres. Um quarto dos gêmeos fraternos são ambos homens, um quarto são ambas mulheres e metade são mistos: um homem e uma mulher. Você acaba de ser comunicado de que terá gêmeos, qual a probabilidade de que sejam meninas? 101 Exemplo 3: Teorema da Probabilidade total 102102 P (gêmeos idênticos) = 30% P (gêmeos fraternos) = 70% %5,32325,0)( 25,0.7,05,0.30,0)( )()./()()./()( ou = += += AP AP GFPGFMPGIPGIMPAP Se, gêmeos idênticos ⇒ ½ homens → P(H/GI) = 0,5 ½ mulheres → P(M/GI) = 0,5 Se, gêmeos fraternos ⇒ ¼ ambos homens → P(H/GF) = 0,25 ¼ ambas mulheres → P(M/GF) = 0,25 ½ misto → P(HM/GF) = 0,5 ⇒ S = {GI, GF} A = ambos os gêmeos são meninas (M) 18 Exercício: 103 Suponha que 75% das pessoas tenham olhos castanhos, 20% tenham olhos azuis e 5% tenham olhos verdes. Suponha ainda que 70% das pessoas com olhos castanhos, 20% das pessoas com olhos verdes e 5% das pessoas com olhos azuis tenham cabelos castanhos. Qual é a probabilidade de uma pessoa, escolhida ao acaso, ter os cabelos castanhos? R: a) 54,5% A probabilidade de ocorrência de A relativa a determinada partição de S é dada por: Teorema de Bayes ∑ = ∩ ∩ = n i i i i BAP BAPABP 1 )( )()/( Se {B1, B2, ..., Br} é uma partição do espaço amostral S. Em que P (Bi) > 0, ∀i. Dado um acontecimentoacontecimento A A qualquerqualquer, tem-se: P (A) = P (A ∩ B), ou seja: P (A) = P (A ∩ B1) + P (A ∩ B2)+...+ P (A ∩ Br) 104 Teorema de Bayes ... Ai A ∩ B1 A ∩ B2 A ∩ Br A ∩ B3 B1 B2 B3 Br ∑ = = n i ii ii i BPBAP BPBAPABP 1 )()./( )()./()/( ∑ = ∩ ∩ = n i i i i BAP BAPABP 1 )( )()/( ⇒⇒⇒⇒ 105 Exemplo 1: Teorema de Bayes A Urna I têm 2 bolas brancase 3 pretas; a urna II têm 4 brancas e 1 preta; e a Urna III têm 3 brancas e 4 pretas. Uma Urna é selecionada ao acaso e uma bola é extraída ao acaso e se verifica ser branca. Determine a probabilidade de que a urna I tenha sido selecionada. 106 5 3)P(; 5 2)B( == PP P (Urna I) = 1/3 P (Urna III) = 1/3P (Urna II) = 1/3 5 1)P(; 5 4)B( == PP 7 4)P(; 7 3)B( == PP 107 %25 3 1 . 7 3 3 1 . 5 4 3 1 . 5 2 3 1 . 5 2 )/( )()./()()./(.)()./( )()./()/( 1 332211 11 1 = ++ = ++ = ABP BPBAPBPBAPBPBAP BPBAPABP ∑ = = 3 1 11 1 )()./( )()./()/( i ii BPBAP BPBAPABP B1 = Urna I ⇒ P (branca) = 2/5; P (preta) = 3/5 B2 = Urna II ⇒ P (branca) = 4/5; P (preta) = 1/5 B3 = Urna III ⇒ P (branca) = 3/7; P (preta) = 4/7 A = bola de cor branca Exemplo 2: Teorema de Bayes Suponha que na fabricação de semicondutores, a probabilidade seja 0,10 de que um chip que esteja sujeito a altos níveis de contaminação durante a fabricação cause uma falha no produto. A probabilidade é de 0,005 de que um chip que não esteja sujeito a altos níveis de contaminação durante a fabricação cause uma falha no produto. Em uma corrida particular de produção, 20% dos chips estão sujeitos a altos níveis de contaminação. Escolhido ao acaso um produto que falhou, qual é a probabilidade dele possuir um chip sujeito a altos níveis de contaminação? 108 19 A A ∩ B1 A ∩ B2 B1 B2 P (B1/A) = ? ∑ = ∩ ∩ = 2 1 1 1 )( )()/( i iBAP BAPABP ∑ = = 2 1 11 1 )()./( )()./()/( i ii BPBAP BPBAPABP⇒⇒⇒⇒ 109 %83 80,0.005,020,0.10,0 2,0.10,0)/( )()./(...)()./( )()./()/( 1 2211 11 1 = + = ++ = ABP BPBAPBPBAP BPBAPABP P (B1/A) = ? ∑ = = 2 1 11 1 )()./( )()./()/( i ii BPBAP BPBAPABP Se, chip sujeito a alto nível de contaminação ⇒ 0,10 causam falha Se, chip não sujeito a alto nível de contaminação ⇒ 0,005 causam falha P (chip sujeito a alto nível de contaminação) ⇒ 20% P (chip não sujeito a alto nível de contaminação) ⇒ 80% 110 Um pesquisador desenvolve sementes de quatro tipos de plantas: P1, P2, P3 e P4. Plantados canteiros-pilotos de cada um destes tipos, a probabilidade de todas as sementes P1 germinarem é de 40%, 30% para P2, 25% para P3 e 50% para P4. Escolhido um canteiro ao acaso, verificou-se que todas haviam germinado, qual a probabilidade que sejam P4? 111 Exemplo 3: Teorema de Bayes 112 A A ∩ P1 A ∩ P2 A ∩ P4 A ∩ P3 P1 P2 P3 P4 ∑ = ∩ ∩ = 4 1 4 4 4 )( )()/( i PAP PAPAPP ∑ = = n i PPPAP PPPAPAPP 1 44 44 4 )()./( )()./()/( ⇒⇒⇒⇒ P (A ∩ P4) = ? 113 %53ou 35,0 25,0.50,0...25,0.40,0 25,0.50,0)/( )()./(...)()./( )()./()/( 4 4411 44 4 = ++ = ++ = APP PPPAPPPPAP PPPAPAPP P (A ∩ P4) = ? P (P1) = P (P2) = P (P3) = P (P4) = 25% P (A/P1) = 40%; P (A/P2) = 30%; P (A/P3) = 25% e P (A/P4) = 50% ∑ = = n i PPPAP PPPAPAPP 1 44 44 4 )()./( )()./()/( Em torno de 30% dos gêmeos humanos são idênticos e o restante são fraternos. Gêmeos idênticos têm necessariamente o mesmo sexo – metade são homens e metade são mulheres. Um quarto dos gêmeos fraternos são ambos homens, um quarto são ambas mulheres e metade são mistos: um homem e uma mulher. Você acaba de ser comunicado de que terá gêmeos e que ambas são meninas. Com esta informação, qual é a probabilidade de que elas sejam gêmeas idênticas? Exemplo 4: Teorema de Bayes 114 20 115 P (gêmeos idênticos) = 30% P (gêmeos fraternos) = 70% )()( )()/( GFMPGIMP GIMPMGIP ∩+∩ ∩ = Se, gêmeos idênticos ⇒ ½ homens → P(H/GI) = 0,5 ½ mulheres → P(M/GI) = 0,5 Se, gêmeos fraternos ⇒ ¼ ambos homens → P(H/GI) = 0,25 ¼ ambas mulheres → P(M/GI) = 0,25 ½ misto → P(HM/GI) = 0,5 ⇒ S = {GI, GF} A = ambos os gêmeos são meninas (M) 116 P (gêmeos idênticos) = 30% P (gêmeos fraternos) = 70% %15,46ou 4615,0 25,0.7,05,0.30,0 5,0.30,0)/( )()./()()./( )()./()/( = + = + = MGIP GFPGFMPGIPGIMP GIPGIMPMGIP Se, gêmeos idênticos ⇒ ½ homens → P(H/GI) = 0,5 ½ mulheres → P(M/GI) = 0,5 Se, gêmeos fraternos ⇒ ¼ ambos homens → P(H/GF) = 0,25 ¼ ambas mulheres → P(M/GF) = 0,25 ½ misto → P(HM/GF) = 0,5 ⇒ S = {GI, GF} A = ambos os gêmeos são meninas (M) Exercício: 117 Suponha que 75% das pessoas tenham olhos castanhos, 20% tenham olhos azuis e 5% tenham olhos verdes. Suponha ainda que 70% das pessoas com olhos castanhos, 5% das pessoas com olhos azuis e 20% das pessoas com olhos verdes tenham cabelos castanhos. Qual é a probabilidade de uma pessoa de cabelos castanhos, escolhido ao acaso, ter olhos verdes? R: 1,83% FIM Literatura recomendada: DEVORE, J. L. Probabilidade e estatísitica para engenharia e ciências. 6.ed. São Paulo: Cengage Learning, 2011. 692p. MONTGOMERY, D. C.; RUNGER, G. C. Estatística aplicada e probabilidade para engenheiros. 4. ed. Rio de Janeiro: LTC, 2009, 496p. MENDES, C. T. Probabilidade para engenharias. Rio de Janeiro: LTC, 2010, 250p. SPIEGEL, M. R.; SCHILLER, J.; SRINIVASAN, A. Probabilidade e estatística: 897 problemas resolvidos. Porto Alegre: Bookman, 2013, 427p. 118
Compartilhar