Baixe o app para aproveitar ainda mais
Prévia do material em texto
Centro de Ciências Exatas e Tecnológicas - CETEC Universidade Federal do Recôncavo da Bahia - UFRB 2a Unidade - Probabilidade Talita Costa Dias 29 de Janeiro de 2018 Introdução Fenômenos Determinísticos I Conhecidos com certeza. I Não sujeitos às leis do acaso. Exemplo: o ano atual, idade de uma pessoa jovem. Fenômenos Aleatórios I Não conhecidos com certeza. I Sujeitos às leis do acaso. Exemplo: face de um dado, se vai chover amanhã, a taxa da inflação do próximo mês. Fenômeno ou Experimento Aleatório Caracterização experimento aleatório Um experimento aleatório é um processo de observação que se caracteriza por alguns fatores: I é possível repetir o mesmo experimento sempre sob as mesmas condições iniciais; I em cada repetição o resultado pode ser diferente, isto é, não podemos afirmar que resultado particular ocorrerá; I é possível descrever o conjunto de todos os resultados possíveis do experimento, isto é, todas as possibilidades de resultados; I quando o experimento é repetido um grande número de vezes, surgirá uma regularidade nos resultados; I esta regularidade estatística é que permitirá a construção de um modelo matemático com o qual se analisará o experimento. Conceitos Básicos Espaço Amostral (Ω) I Conjunto de todos os resultados possíveis de um Experimento Aleatório. I A cada resultado do experimento ou ponto do espaço amostral associamos um ω. I Os espaços amostrais são de três tipos: finito, infinito enumerável, infinitos não-enumeráveis. Experimento 1 Lançamento de um dado equilibrado: Ω : {1, 2, 3, 4, 5, 6} Experimento 2 Tempo de vida de uma lâmpada: Ω = {t ∈ R; t ≥ 0} Conceitos Básicos Eventos I Um evento A é qualquer subconjunto do Espaço Amostral(Ω.) I Representamos um evento por letras maiúsculas, por exemplo: A,B,C,... Conceitos Básicos Classificação de Eventos I evento certo - é o evento que é o próprio espaço amostral. Ex.: Experimento aleatório: lançamento de um dado equilibrado; Ω = {1, 2, 3, 4, 5, 6} ; Evento: A - a ocorrência de um número menor ou igual a 6; A = Ω = {1, 2, 3, 4, 5, 6} . I evento impossível - é o subconjunto vazio do espaço amostral. Ex.: Experimento aleatório: tempo de vida de uma lâmpada; Ω = {t ∈ R; t ≥ 0} ; Evento: B - a ocorrência de um número menor que zero; B = ∅. I evento elementar - é o evento que tem apenas um elemento do espaço amostral. Ex.: Experimento aleatório: lançamento de uma moeda honesta; Ω = {c, c¯} ; Evento: C - a ocorrência de cara (c); C = {c} . Conceitos Básicos Operações com eventos I Todas as operações realizadas com conjuntos são válidas para eventos, dado que eles são subconjuntos do espaço amostral Ω. I Os diagramas de Venn são utilizados para ajudar na visualização dos conceitos básicos de probabilidade. I Relembraremos algumas operações que são muito utilizadas em conceitos básicos de probabilidade. Conceitos Básicos Operações com eventos - complementar 1. Indica-se por AC o complementar do evento A, e significa a não ocorrência de A. Outra forma de representação é A¯. 2. Por exemplo: se, na germinação de uma semente, o evento E1 consiste em que a semente germine. Então o complementar deste evento, E¯1, é que a semente não germine. Conceitos Básicos Operações com eventos - união 1. O evento união, A ∪ B, equivale à ocorrência de A, ou de B, ou de ambos; contém os elementos do espaço amostral que estão em pelo menos um dos dois conjuntos. 2. Por exemplo: seja, A o conjunto de alunos de uma universidade que frequentam o curso de Veterinária e B o conjunto de alunos desta mesma universidade que frequentam o curso de Agronomia. Então A ∪ B é o conjunto de alunos que fazem pelo menos um destes dois cursos. Conceitos Básicos Operações com eventos - interseção 1. O evento interseção A ∩ B equivale à ocorrência de ambos; contém os elementos do espaço amostral comum aos dois conjuntos. 2. Por exemplo: seja, A o conjunto de alunos que fazem um curso de Administração em um programa do governo e seja B o conjunto de alunos que fazem um curso de Informática neste mesmo programa do governo. Então A ∩ B é o conjunto de alunos que fazem o curso de Administração e o curso de Informática. Conceitos Básicos Exercício Defina o espaço amostral dos seguintes experimentos aleatórios: (i) Numa linha de produção, conta-se o número de peças defeituosas num intervalo de uma hora. (ii) Investigam-se famílias com três crianças, anotando-se a configuração segundo o sexo. (iii) Numa entrevista telefônica com 250 assinantes, anota-se se o proprietário tem ou não máquina de secar roupa. (iv) Mede-se a duração de lâmpadas, deixando-as acesas até que se queimem. Conceitos Básicos Exercício Defina o espaço amostral dos seguintes experimentos aleatórios (continuação): (v) De um grupo de cinco pessoas (A,B,C,D,E), sorteiam-se duas, uma após a outra, com reposição, e anota-se a configuração tomada. (vi) Mesmo que (v), mas sem reposição. Conceitos Básicos Experimento aleatório: lançamento de um dado equilibrado Ω = {1, 2, 3, 4, 5, 6} ; a) sair uma face par e maior que 3 b) sair uma face par e face 1 c) sair uma face par ou maior que 3 d) sair uma face par ou face 1 e) não sair face par Conceitos Básicos Experimento aleatório: lançamento de um dado equilibrado Ω = {1, 2, 3, 4, 5, 6} ; A = {2, 4, 6}, B = {4, 5, 6} e B = {1} a) A ∩ B b) A ∩ C c) A ∪ B d) A ∪ C e) Ac Axiomas de Probabilidade 1. P(Ω) = 1; 2. Para todo subconjunto A ∈ A, 0 ≤ P(A) ≤ 1; 3. Para toda sequência A1,A2, · · · ∈ A, mutuamente exclusivos(não podem ocorrer ao mesmo tempo, Ai ∩ Aj = ∅ se i 6= j), temos P ( ∞⋃ i=1 Ai ) = ∞∑ i=1 P (Ai ) Propriedades de uma probabilidade Considere as seguintes propriedades que se derivam dos axiomas anteriores: 1. P(Ac) = 1− P(A), onde Ac é o evento complementar; 2. P(A ∪ B) = P(A) + P(B)− P(A ∩ B); 3. se A ⊆ B, então P(A) ≤ P(B); 4. P(A− B) = P(A)− P(A ∩ B); Probabilidade Exemplo Probabilidade Axiomática Numa parcela de cultivo de mangueira, foram coletadas folhas de 100 árvores escolhidas aleatoriamente. As folhas foram analisadas e se observou deficiência de alguns nutrientes: I árvores com deficiência de zinco (Z), P(Z ) = 0.30 I árvores com deficiência de potássio (K), P(K ) = 0.30 I árvores com deficiência de zinco e potássio P(Z ∩ K ) = 0.20 Qual a probabilidade de selecionar uma árvore que tenha deficiência de zinco ou de potássio? P(Z ∪ K ) = P(Z ) + P(K )− P(Z ∩ K ) P(Z ∪ K ) = 0.3 + 0.3− 0.2 = 0.4 Probabilidade Exemplo Probabilidade Axiomática Numa parcela de cultivo de mangueira, foram coletadas folhas de 100 árvores escolhidas aleatoriamente. As folhas foram analisadas e se observou deficiência de alguns nutrientes: I árvores com deficiência de zinco (Z), P(Z ) = 0.30 I árvores com deficiência de potássio (K), P(K ) = 0.30 I árvores com deficiência de zinco e potássio P(Z ∩ K ) = 0.20 Qual a probabilidade de selecionar uma árvore que tenha deficiência de zinco ou de potássio? P(Z ∪ K ) = P(Z ) + P(K )− P(Z ∩ K ) P(Z ∪ K ) = 0.3 + 0.3− 0.2 = 0.4 Probabilidade Exemplo Probabilidade Axiomática Numa parcela de cultivo de mangueira, foram coletadas folhas de 100 árvores escolhidas aleatoriamente. As folhas foram analisadas e se observou deficiência de alguns nutrientes: I árvores com deficiência de zinco (Z), P(Z ) = 0.30 I árvores com deficiência de potássio (K), P(K ) = 0.30 I árvores com deficiência de zinco e potássio P(Z ∩ K ) = 0.20 Qual a probabilidade de selecionar uma árvore que tenha deficiência de zinco ou de potássio? P(Z ∪ K ) = P(Z ) + P(K )− P(Z ∩ K ) P(Z ∪ K ) = 0.3 + 0.3− 0.2 = 0.4 Probabilidade Probabilidade de um Evento Considere um espaço amostral Ω eqüiprobabilístico, isto é, quando todos os eventos têm a mesma probabilidadede ocorrência. Então, a probabilidade de ocorrência de um evento E é dado por: P(E ) = número de casos favoráveis ao evento E número de casos possíveis no experimento . Probabilidade Exemplo ilustrativo Lançamos uma moeda honesta, qual a probabilidade de ocorrer cara? Considere que: I o espaço amostral - Ω = {c , c¯} I o evento - E = {c} Portanto, P(E ) = P(c) = 1 2 . Exemplo ilustrativo Num sorteio concorrem todos os números de 1 a 20. Escolhendo-se um desses números ao acaso, qual a probabilidade de que o número sorteado tenha dois algarismos? Considere que todos os números são equiprováveis. I o espaço amostral - Ω = {1, 2, . . . , 20} I o evento - E = {10, 11, . . . , 20} Portanto, P(E ) = 11 20 . Probabilidade Probabilidade condicional Caracterização de uma probabilidade condicional: I quando se impõe uma condição que reduz o espaço amostral; I a ocorrência de um evento altera a ocorrência de outro evento; I não estabelece relação causa-efeito entre os eventos, simplesmente relaciona a probabilidade dos eventos ocorrerem; Definição probabilidade condicional Sejam A e B dois eventos de um espaço probabilístico (Ω,A,P), com P(B) 6= 0. Denomina-se probabilidade de A condicionada a B, a probabilidade de ocorrência do evento A dado que B ocorre, P(A|B) = P(A ∩ B) P(B) . Analogamente, P(B|A) = P(A ∩ B) P(A) , onde P(A) 6= 0. Probabilidade Exemplo ilustrativo Considere as probabilidades dos seguintes eventos: I F - pessoa fumante; I NF - pessoa não fumante; I H - pessoa hipertensa; I NH- pessoa não hipertensa; NH H Total NF 0.600 0.150 0.750 F 0.075 0.175 0.250 Total 0.675 0.325 1.000 Calcule a probabilidade dos seguintes eventos: I P(F |H) = P(F ∩ H) P(H) = 0.175 0.325 = 0.538 I P(NH|F ) = P(NH ∩ F ) P(F ) = 0.075 0.25 = 0.300 Probabilidade Exemplo ilustrativo Considere as probabilidades dos seguintes eventos: I F - pessoa fumante; I NF - pessoa não fumante; I H - pessoa hipertensa; I NH- pessoa não hipertensa; NH H Total NF 0.600 0.150 0.750 F 0.075 0.175 0.250 Total 0.675 0.325 1.000 Calcule a probabilidade dos seguintes eventos: I P(F |H) = P(F ∩ H) P(H) = 0.175 0.325 = 0.538 I P(NH|F ) = P(NH ∩ F ) P(F ) = 0.075 0.25 = 0.300 Probabilidade Exemplo ilustrativo Considere as probabilidades dos seguintes eventos: I F - pessoa fumante; I NF - pessoa não fumante; I H - pessoa hipertensa; I NH- pessoa não hipertensa; NH H Total NF 0.600 0.150 0.750 F 0.075 0.175 0.250 Total 0.675 0.325 1.000 Calcule a probabilidade dos seguintes eventos: I P(F |H) = P(F ∩ H) P(H) = 0.175 0.325 = 0.538 I P(NH|F ) = P(NH ∩ F ) P(F ) = 0.075 0.25 = 0.300 Probabilidade Exemplo ilustrativo Considere as probabilidades dos seguintes eventos: I F - pessoa fumante; I NF - pessoa não fumante; I H - pessoa hipertensa; I NH- pessoa não hipertensa; NH H Total NF 0.600 0.150 0.750 F 0.075 0.175 0.250 Total 0.675 0.325 1.000 Calcule a probabilidade dos seguintes eventos: I P(H ∪ NF ) = P(H) + P(NF )− P(H ∩ NF ) = 0.325 + 0.75− 0.15 = 0.925 Probabilidade Exemplo ilustrativo Considere as probabilidades dos seguintes eventos: I F - pessoa fumante; I NF - pessoa não fumante; I H - pessoa hipertensa; I NH- pessoa não hipertensa; NH H Total NF 0.600 0.150 0.750 F 0.075 0.175 0.250 Total 0.675 0.325 1.000 Calcule a probabilidade dos seguintes eventos: I P(H ∪ NF ) = P(H) + P(NF )− P(H ∩ NF ) = 0.325 + 0.75− 0.15 = 0.925 Probabilidade Teorema do produto I A definição de probabilidade condicional nos permite calcular diretamente a probabilidade da intersecção de dois eventos. I Sejam A e B dois eventos associados a um espaço amostral Ω, então P(A|B) = P(A ∩ B) P(B) −→ P(A ∩ B) = P(B).P(A|B) P(B|A) = P(A ∩ B) P(A) −→ P(A ∩ B) = P(A).P(B|A) Probabilidade Exemplo ilustrativo Em uma turma de Estatística, 65% dos alunos são do sexo masculino. Sabe-se que 30% dos alunos têm carro, enquanto que essa proporção entre as alunas se reduz para 18%. Utilizando o número de matricula, sorteia-se ao acaso um estudante desta turma. Qual a probabilidade de que seja do sexo feminino e possua carro? I probabilidade sexo feminino −→ P(F ) = 0.35 I C |F - possuir carro sabendo que é do sexo feminino −→ P(C |F ) = 0.18 P(C ∩ F ) = P(C |F ).P(F ) −→ 0, 18.0, 35 = 0, 063 Probabilidade Exemplo ilustrativo Em uma turma de Estatística, 65% dos alunos são do sexo masculino. Sabe-se que 30% dos alunos têm carro, enquanto que essa proporção entre as alunas se reduz para 18%. Utilizando o número de matricula, sorteia-se ao acaso um estudante desta turma. Qual a probabilidade de que seja do sexo feminino e possua carro? I probabilidade sexo feminino −→ P(F ) = 0.35 I C |F - possuir carro sabendo que é do sexo feminino −→ P(C |F ) = 0.18 P(C ∩ F ) = P(C |F ).P(F ) −→ 0, 18.0, 35 = 0, 063 Probabilidade Exemplo ilustrativo Probabilidade Independência I Dois eventos são considerados independentes quando a ocorrência de um dos eventos não altera a probabilidade de ocorrência do outro evento. I Desta forma, considere a seguinte definição formal: sejam A e B dois eventos associados a um espaço probabilístico (Ω,A,P). Então os eventos A e B são independentes se P(A ∩ B) = P(A).P(B) Probabilidade Eventos independentes X eventos mutuamente exclusivos I Dois eventos mutuamente exclusivos podem ser independentes? I Lembre-se que dois eventos são mutuamente exclusivos se não podem ocorrer ao mesmo tempo, isto é, A ∩ B = ∅. I Eventos mutuamente exclusivos só são independentes se a probabilidade de um deles é igual zero. Probabilidade Esquema de eventos independentes Probabilidade Exemplo ilustrativo Considere as probabilidades dos seguintes eventos: I C - pessoa cega; I NC - pessoa não cega; I S - pessoa surda; I NS- pessoa não surda; S NS Total C 0.0004 0.0796 0.0800 NC 0.0046 0.9154 0.9200 Total 0.0050 0.9950 1.000 São independentes os eventos: ser cega (C) e ser surda (S)? I P(C ∩ S) = 0.0004 I P(C ∩ S) = P(C )P(S) = 0, 0800.0, 0050 = 0.0004 O produto das probabilidades é igual a probabilidade da intersecção, logo os eventos são independentes. Probabilidade Exemplo ilustrativo Considere as probabilidades dos seguintes eventos: I C - pessoa cega; I NC - pessoa não cega; I S - pessoa surda; I NS- pessoa não surda; S NS Total C 0.0004 0.0796 0.0800 NC 0.0046 0.9154 0.9200 Total 0.0050 0.9950 1.000 São independentes os eventos: ser cega (C) e ser surda (S)? I P(C ∩ S) = 0.0004 I P(C ∩ S) = P(C )P(S) = 0, 0800.0, 0050 = 0.0004 O produto das probabilidades é igual a probabilidade da intersecção, logo os eventos são independentes. Probabilidade Exemplo ilustrativo Considere as probabilidades dos seguintes eventos: I C - pessoa cega; I NC - pessoa não cega; I S - pessoa surda; I NS- pessoa não surda; S NS Total C 0.0004 0.0796 0.0800 NC 0.0046 0.9154 0.9200 Total 0.0050 0.9950 1.000 São independentes os eventos: ser cega (C) e ser surda (S)? I P(C ∩ S) = 0.0004 I P(C ∩ S) = P(C )P(S) = 0, 0800.0, 0050 = 0.0004 O produto das probabilidades é igual a probabilidade da intersecção, logo os eventos são independentes. Probabilidade Exercícios 1. Três cavalos A, B e C, estão em uma corrida; A tem duas vezes mais probabilidade de ganhar que B, e B tem duas vezes mais probabilidade de ganhar que C. Determine a probabilidade de vitória de cada cavalo. 2. Extraem-se duas cartas de um baralho comum de 52 cartas. As duas cartas são extraídas, uma após a outra, sem reposição. Determine a probabilidade de ambas serem ases. 3. Em uma caixa temos 7 bolas azuis e 3 pretas. São extraídas duas bolas, uma após a outra, com reposição. Calcular a probabilidade de ambas seremazuis. Probabilidade Exercícios 1. Uma caixa contém 2 bolas vermelhas e 3 azuis. Extraem-se ao acaso duas bolas, sem reposição. Determine a probabilidade de serem ambas azuis. 2. Uma urna contém 12 bolas: 5 brancas, 4vermelhas, e 3 pretas. Outra contém 18 bolas: 5 brancas, 6 vermelhas e 7 pretas. Uma bola é retirada de cada urna. Qual a probabilidade de que as duas bolas sejam da mesma cor? Bibliografia MAGALHÃES, Marcos N. LIMA, Antonio C. P. Noções de Probabilidade e Estatística. São Paulo. Edusp, 2004. MORETTIN, Pedro A. BUSSAB, Wilton. Estatística Básica. São Paulo. Saraiva, 2006. Bibliografia
Compartilhar