Baixe o app para aproveitar ainda mais
Prévia do material em texto
ESTATÍSTICA DESCITIVA PROBABILIDADES PROBABIL IDADE DEFINIÇÕES O termo Probabilidade se refere ao estudo da aleatoriedade e da incerteza. Em qualquer situação em que podem ocorrer diversos resultados, a teoria da probabilidade oferece métodos de quantificação das chances ou possibilidades de ocorrência associadas a cada um deles. A linguagem da probabilidade é constantemente usada de maneira informal em contextos escritos e falados. Exemplos incluem declarações como: "é provável que a média Dow-Jones cresça no final do ano", "há 50% de chance de o titular ser reeleito" Neste módulo, apresentaremos alguns conceitos básicos de probabilidade, indicaremos como as probabilidades podem ser interpretadas e como suas regras podem ser aplicadas para calcular as possibilidades de ocorrência de muitos eventos. A metodologia da teoria da probabilidade permitirá que expressemos, em linguagem precisa, declarações informais como as vistas acima. Um Experimento é qualquer ação ou processo cujo resultado está sujeito à incerteza. O Espaço Amostral de um experimento, representado por S, é o conjunto de todos os resultados possíveis desse experimento. E cada um dos resultados possíveis do experimento é denominado um Ponto Amostral. Experimento Espaço Amostral (S) Pontos Amostrais PROBABIL IDADE DEFINIÇÕES Exemplos: Atirar uma moeda S = {cara, coroa} s1 = cara s2 = coroa Atirar um dado S = {1, 2, 3, 4, 5, 6} s1 = 1, s2 = 2, s3= 3, s4 = 4, s5= 5, s6 = 6 Proporção da área de uma cidade inundada em uma tempestade. S = [0,1] S = [0,1] PROBABIL IDADE DEFINIÇÕES Um Evento é qualquer subconjunto do espaço amostral. Exemplos: 1. No lançamento de um dado, podemos citar os seguintes eventos: P : O Resultado ser um numero par P = {2,4,6} n(P) = 3 F : O Resultado ser um numero menor que 5 F = {1,2,3,4} n(F) = 4 2. Em uma nova estação de bombeamento existem 3 bombas. Antes de dar a partida, podemos fazer testes para ver se as bombas estão funcionando. Os resultados possíveis dos testes podem ser: S = {FFF, NFF, FNF, FFN, FNN, NFN, NNF, NNN}. F1 : Uma bomba funcionando F1 = {FNN, NFN, NNF} n(F1) = 3 F2 : Pelo menos duas bombas funcionando F2 = {NFF, FNF, FFN, FFF} n(F2) = 4 EVENTOS OPERAÇÕES Dentre os eventos, podemos destacar dois especiais. O Evento Certo (sempre ocorre), que corresponde ao próprio espaço amostral (S), e o Evento Impossível (nunca ocorre), que corresponde ao conjunto vazio (∅). A correspondência entre eventos e subconjuntos do espaço amostral, faz com que possamos aplicar aos eventos as mesmas operações que se aplica a conjuntos. Evento Interseção (𝐴 ∩ 𝐵) é o evento formado pelos resultados que pertencem a ambos os eventos considerados. Evento União (𝐴𝑈𝐵) é o evento formado pelos resultados que pertencem a pelo menos um dos eventos considerados. A B A∩B BA 𝑨 S EVENTOS OPERAÇÕES A Evento Complementar ( 𝐴) É o evento formado pelos resultados que não pertencem ao Evento A. Diferença (𝐴 − 𝐵) É o evento formado pelos resultados que pertencem ao evento A e não pertencem ao evento B. BA A-B EVENTOS OPERAÇÕES Exclusão Lógica (𝐴U𝐵) É o evento formado pelos resultados que pertencem exclusivamente ao Evento A ou ao evento B, mas não a ambos. BA A− B B− A 𝐴 U 𝐵 = (𝐴 ∪ 𝐵) − (𝐴 ∩ 𝐵) Exemplos: S = {1, 2, 3, 4, 5, 6} Lançamento de um dado E = {2, 4, 6} F= {1, 2, 3, 4} • E U F = {1, 2, 3, 4, 6} • E ⋂ F = {2, 4} • E - F = {6} F - E = {1, 3} 𝐹 = {5,6}• 𝐸 = {1,3,5} • 𝐸 U F = {1,3,6} Tomemos os eventos : e EVENTOS EVENTOS MUTUAMENTE EXCLUSIVOS Dois eventos A e B são mutuamente exclusivos ou disjuntos, quando nenhum resultado do experimento pertence simultaneamente a A e B. BA Ou seja, A e B são mutuamente exclusivos se e somente se 𝐴 ∩ 𝐵 = ∅ Exemplo: S = {1, 2, 3, 4, 5, 6} Lançamento de um dado E = {2, 4, 6} O = {1, 3, 5} S = {FFF, NFF, FNF, FFN, FNN, NFN, NNF, NNN}. Exemplo: Número de bombas em funcionamento em uma inspeção de 3 bombas F1: Apenas uma bomba funcionando: F1 = {FNN, NFN, NNF} F2: Pelo menos duas bombas funcionando: F2 = {NFF, FNF, FFN, FFF} PROBABIL IDADES O CONCEITO DE PROBABILIDADE A probabilidade de ocorrência de um evento E, é dada pelo quociente entre o número de elementos de E n(E) e o número total de resultados possíveis n(S). Exemplo: 𝑃 𝐸 = 𝑛(𝐸) 𝑛(𝑆) S = {FFF, NFF, FNF, FFN, FNN, NFN, NNF, NNN}. Número de bombas em funcionamento em uma inspeção de 3 bombas. F2: Pelo menos duas bombas funcionando: F2 = {NFF, FNF, FFN, FFF} F1: Uma bomba funcionando: F1 = {FNN, NFN, NNF} 𝑃 𝐸 = 3 8 = 37,5% 𝑃 𝐸 = 4 8 = 50% S = {1, 2, 3, 4, 5, 6} Lançamento de um dado honesto E: Obtenção de um resultado par: E = {2, 4, 6} 𝑃 𝐸 = 3 6 = 50% Exemplo: PROBABIL IDADES AXIOMAS As probabilidades atribuídas aos diferentes resultados de um determinado experimento devem satisfazer, por definição, aos seguintes axiomas: 𝑃 𝐸 ≥ 0 𝑃 𝑆 = 1 Se 𝐴1, 𝐴2, 𝐴3… , são eventos mutuamente exclusivos, então: 𝑃 𝐴1 ∪ 𝐴2 ∪ 𝐴3… = 𝑃(𝐴𝑖) O Axioma 1 reflete a noção intuitiva de que a chance de ocorrência de qualquer evento E, deve ser não-negativa. Como todos os resultados possíveis do experimento pertencem ao espaço amostral S, o Axioma 2 diz que a probabilidade a ser atribuída ao evento certo é 1. Axioma 1: Axioma 2: Axioma 3: O Axioma 3 formaliza a ideia de que, se dois eventos não ocorrem simultaneamente, a chance de pelo menos um ocorrer será a soma das chances dos eventos individuais. PROBABIL IDADES PROPRIEDADES Com base nos Axiomas anteriores, pode-se deduzir algumas propriedades das probabilidades: Propriedade 1: Para qualquer evento 𝐴, temos: 𝑃 𝐴 = 1 − 𝑃( 𝐴) Demonstração: Consequência as axiomas 2 e 3. Propriedade 2: Se 𝐴 e 𝐵 forem eventos mutuamente exclusivos então: 𝑃 𝐴 ∩ 𝐵 = 0 Demonstração: Como, por definição, 𝐴 ∩ 𝐵 = ∅. Em consequência do axioma 2 e da propriedade 1 temos 𝑃 𝐴 ∩ 𝐵 = 0. Propriedade 3: Para quaisquer eventos A e B temos: 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵) Demonstração: Basta notar que o evento 𝐴𝑈𝐵 é formado pelos resultados que pertencem a 𝐴, mais os que pertencem a 𝐵, e mais os que pertencem a ambos. Propriedade 4: Se tivermos eventos 𝐴1, 𝐴2, 𝐴3… , tais que : i. 𝐴𝑖 ∩ 𝐴𝑗 = ∅ , para quaisquer par i e j ii. 𝐴1 ∪ 𝐴2 ∪ 𝐴3 ∪⋯ = 𝑆 Esses eventos são ditos exaustivos Nesse caso teremos 𝑃 𝐴𝑖 = 1. PROBABIL IDADES PROBABILIDADE CONDICIONAL A Probabilidade de B Condicionada a A ou Probabilidade Condicional de B dado que ocorreu A, é a probabilidade de ocorrer o evento B, sabendo-se que ocorreu A. 𝑃 𝐵/𝐴 = 𝑛(𝐴 ∩ 𝐵) 𝑛(𝐴) BA A∩B Exemplo: S = {1, 2, 3, 4, 5, 6} Lançamento de um dado honesto A: Obtenção de um resultado ímpar: A = {1,3,5} B: Obtenção de um resultado maior que 2 : B = {3,4,5,6} 𝑃 𝐵/𝐴 = 2 3 = 66,7% 𝑃 𝐴/𝐵 = 2 4 = 50% PROBABIL IDADES EVENTOS INDEPENDENTES Diz-se que dois eventos A e B são independentes quando : 𝑃 𝐵/𝐴 = 𝑃(𝐵)𝑃 𝐵/𝐴 = 𝑛(𝐴 ∩ 𝐵) 𝑛(𝐴) 𝑃 𝐴 ∩ 𝐵 = 𝑛(𝐴 ∩ 𝐵) 𝑛(𝑆) 𝑃 𝐴 = 𝑛(𝐴) 𝑛(𝑆) 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵 𝐴 ∙ 𝑃(𝐴) Das expressões (1), (2) e (3), acima, conclui-se que: Ou seja, quando a ocorrência ou não de A não altera a probabilidade de ocorrência de B. Da definição acima, pode-se concluir que se A e B são eventos independentes teremos: 𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐴) ∙ 𝑃(𝐵) Por definição podemos escrever que: (1) (3) (2) PROBABIL IDADES EVENTOS INDEPENDENTES Na verdade, teremos: S = {EEE, EEF, EFE, FEE, FFE, FEF,EFF, FFF} Três lançamentos seguidos de uma moeda honesta. Exemplo: E = Cara F = CoroaVamos representar: e Para cada lançamento temos: 𝑃 𝐸 = 0,5 𝑒 𝑃 𝐹 = 0,5 Logo a probabilidade de obter EEE é: 𝑃 𝐸𝐸𝐸 = 0,5 ∙ 0,5 ∙ 0,5 = 0,125 ou 12,5% e, para cada um dos resultados a probabilidade será 12,5%. Exemplo: Qual a probabilidade de termos os lotes dos dois fornecedores rejeitados em um determinado dia ? i. Probabilidade do lote do fornecedor 1 ser reprovado: 𝑃 𝑅1 = 0,2 𝑃 𝑅1 ∩ 𝑅2 = 0,2 ∙ 0,1 = 0,02 ou 2% ii. Probabilidade do lote do fornecedor 2 ser reprovado : 𝑃 𝑅2 = 0,1 Um fabricante de circuitos tem dois fornecedores. Cada fornecedor envia um lote de componentes todos os dias para o fabricante. Sabe-se que: 80% dos lotes do F1 são aprovados no CQ 90% dos lotes do F2 são aprovados no CQ B PROBABIL IDADES LEI DA PROBABILIDADE TOTAL Na maioria das situações não se tem as 𝑃(𝐵 ∩ 𝐴𝑘), mas sim as probabilidades condicionais 𝑃 𝐵|𝐴𝑘 e as 𝑃 𝐴𝑘 Sejam 𝐴1, 𝐴2, ⋯ , 𝐴𝑁 eventos mutuamente exclusivos e exaustivos. Então, para qualquer outro evento B, teremos: 𝑃 𝐵 = 𝑘=1 𝑁 𝑃(𝐵 ∩ 𝐴𝑘) 𝐴1 𝐴3 𝐴4 𝐴5 𝐴2 Nesses casos podemos fazer as substituições: 𝑃(𝐵 ∩ 𝐴𝑘) = 𝑃 𝐵|𝐴𝑘 ∙ 𝑃(𝐴𝑘) E a fórmula se torna: 𝑃(𝐵) = 𝑘=1 𝑁 𝑃 𝐵|𝐴𝑘 ∙ 𝑃(𝐴𝑘) PROBABIL IDADES EXEMPLO PROBABILIDADE TOTAL De todos os testes de HIV realizados em um hospital, num determinado período, 20% tiveram resultado positivo, 45% negativo e 35% foram inconclusivos. A probabilidade do paciente estar contaminado se o resultado do teste for positivo é de 80%. A probabilidade do paciente estar contaminado se o resultado do teste for negativo é de 3%. A probabilidade do paciente estar contaminado se o resultado do teste for inconclusivo é de 10%. Se tomarmos um paciente ao acaso, qual é a probabilidade do mesmo estar contaminado ? Vamos nomear os eventos da seguinte forma: B = Paciente estar Contaminado 𝐴1 = Resultado positivo 𝐴2 = Resultado negativo 𝐴3 = Resultado inconclusivo 𝑃 𝐵 = 𝑘=1 𝑁 𝑃 𝐵|𝐴𝑘 ∙ 𝑃 𝐴𝑘 = 0,8 ∙ 0,2 + 0,03 ∙ 0,45 + 0,1 ∙ 0,35 = 0,209 Ou seja, a probabilidade de se ter um paciente contaminado é 20,9% Então teremos: PROBABIL IDADES A REGRA DE BAYES Exemplo: Em certo colégio, 5% dos homens e 2% das mulheres têm mais do que 1,80m de altura. Por outro lado, 60% dos estudantes são homens. Se um estudante é selecionado aleatoriamente, qual a probabilidade de que seja uma mulher, sabendo-se que ele(a) mede mais de 1,80m ? Sejam 𝐴1, 𝐴2, ⋯ , 𝐴𝑁 eventos mutuamente exclusivos e exaustivos, tais que 𝑃 𝐴𝑘 > 0 . Então, para qualquer outro evento B, tal que 𝑃 𝐵 > 0, teremos: 𝑃 𝐴𝑘|𝐵 = 𝑃(𝐵 ∩ 𝐴𝑘) 𝑃(𝐵) = 𝑃(𝐵|𝐴𝑘) ∙ 𝑃(𝐴𝑘) 𝑘=1 𝑁 𝑃(𝐵|𝐴𝑘) ∙ 𝑃(𝐴𝑘) Vamos nomear os eventos da seguinte forma: B = Medir mais de 1,80m 𝐻 = Ser homem M = Ser mulher Assim teremos: 𝑃 𝐵 𝐻 = 0,05 𝑃 𝐵 𝑀 = 0,02 𝑃(𝐻) = 0,6 𝑃(𝑀) = 0,4 Usando a Regra de Bayes podemos escrever: 𝑃 𝑀 𝐵 = 𝑃(𝐵|𝑀) ∙ 𝑃(𝑀) 𝑃 𝐵 𝐻 ∙ 𝑃 𝐻 + 𝑃 𝐵 𝑀 ∙ 𝑃 𝑀 𝑃 𝑀 𝐵 = ? 𝑃 𝑀 𝐵 = 0,02 ∙ 0,4 0,05 ∙ 0,6 + 0,02 ∙ 0,4 = 0,008 0,038 = 0,21 = 21%
Compartilhar