Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE FEDERAL DA PARAÍBA Larson/Farber Ch. 3 Probabilidade Departamento de Estatística – UFPB Luiz Medeiros Encontramos na natureza dois tipos de fenômenos Introdução • Determinísticos: Os resultados são sempre os mesmos e determinados pelas condições sob as quais o procedimento seja executado . • Exemplo: Lançamento de um corpo, velocidade média, leis da física… • Não-Determinístico (Probabilístico ou Aleatório) : Larson/Farber Ch. 3 • Não-Determinístico (Probabilístico ou Aleatório) : Aplicados em situações que envolvem incerteza. Resultados variam de uma observação para outra, mesmo em condições normais de experimentação. As condições do experimento determinam apenas o comportamento probabilístico do resultado observável . • Exemplo: Lançamento de um dado, índices econômicos, tempo de vida de um paciente, … � A teoria das probabilidades é o fundamento para a inferência estatística. O objetivo desta parte é que o aluno compreenda os conceitos mais importantes da probabilidade. • O conceito de probabilidade faz parte do dia-a-dia dos trabalhadores de todas as áreas, uma vez que seu Introdução Larson/Farber Ch. 3 dos trabalhadores de todas as áreas, uma vez que seu conceito é frequentemente utilizado. Por exemplo, podemos dizer que um aluno tem uma chance de 70% de ser aprovado em uma determinada disciplina. Um professor está 90% seguro de que um novo método de ensino proporcione uma melhor compreensão pelos alunos. Um engenheiro de produção afirma que uma nova máquina reduz em 20% o tempo de produção de um bem. • Experimentos Aleatórios: São aqueles onde o processo de experimentação está sujeito a influências de fatores casuais que conduzem a resultados incertos. Termos importantes Larson/Farber Ch. 3 resultados incertos. • Exemplo: Lançar um dado, lançar uma moeda, retirar uma carta do baralho, preço do dólar ao fina do dia. Termos importantes • Espaço Amostral (U): É o conjunto de todos os possíveis resultados de um experimento aleatório. • Exemplo: U = {1, 2, 3, 4, 5, 6} Larson/Farber Ch. 3 • n(U): É o número de combinações do espaço amostral. • Exemplo: n(U) = 6 combinações Termos importantes • Evento (E): Dado um espaço amostral U, associado a um experimento aleatótio qualquer, definimos como evento qualquer subconjunto desse espaço amostral . • Exemplo: E = {sair nº PAR} = {2, 4, 6} Larson/Farber Ch. 3 • Exemplo: E = {sair nº PAR} = {2, 4, 6} • n(E): É o número de elementos do evento. • Exemplo: n(E) = 3 elementos • Características de um experimento aleatório : Pode ser repetido indefinidamente sob as mesmas condições . Podemos descrever todos os possíveis resultados. Larson/Farber Ch. 3 resultados. Aproximação da Probabilidade pela Freqüência Relativa Realize um experimento um grande número de vezes e conte o número de vezes que o evento A ocorre. Baseado nesses resultados efetivos, P(A) é definido como: ocorreuA evento o que vezesde número)( =AP Larson/Farber Ch. 3 repetido foi oexperiment o que em vezesde número ocorreuA evento o que vezesde número)( =AP A medida que um experimento é repetido várias vezes, a probabilidade dada pela freqüência relativa de um evento tende a se aproximar da verdadeira probabilidade. •Definição: é uma medida com a qual podemos esperar a chance de ocorrência de um determinado evento, atribuindo-a um número (valor) entre 0 e 1. • As probabilidades podem ser usadas como medidas do grau de incerteza associado a Probabilidade Larson/Farber Ch. 3 medidas do grau de incerteza associado a determinado evento. A probabilidade próxima de zero indica um evento improvável de ocorrer. Uma probabilidade próximo de um indica um evento quase certo. Para obtermos o resultado em termos de percentual é só multiplicar a probabilidade por 100. Clássica Probabilidade número de maneiras que o evento A pode ocorrer número total de resultados no espaço amostral P(A) Larson/Farber Ch. 3 Principais Axiomas 1) 0 ≤ P(Ai) ≤ 1 , para todo i; 2) P(A1) + P(A2) + … + P(An) = P(U) = 1; Larson/Farber Ch. 3 3) Se A1 e A2 forem mutuamente exclusivos, ou seja, disjuntos (A1∩A2=∅), então P(A1∪A2) = P(A1) + P(A2). Diagrama de Árvore Larson/Farber Ch. 3 Diagrama de Venn Larson/Farber Ch. 3 Operações que podem ser feitas via Diagrama de Venn • A ∪ B é o evento que ocorrerá se e somente se A ou B ou ambos ocorrerem. Larson/Farber Ch. 3 • A ∩ B é o evento que ocorrerá se e somente se A e B ocorrerem simultaneamente. Operações que podem ser feitas via Diagrama de Venn Larson/Farber Ch. 3 Exemplo 1 • Em uma prefeitura 10% dos profissionais possuem curso de inglês, 40% possuem curso de informática e apenas 5% possuem os Larson/Farber Ch. 3 informática e apenas 5% possuem os dois cursos. Qual a probabilidade de um funcionário não possuir nenhum dos dois cursos? Exemplo 2 • Uma multinacional pretende expandir a sua capacidade operacional através da construção de uma nova fábrica na PB. No entanto, devido a mudanças na legislação brasileira, a empresa só dispõem de 10 meses para finalizar o projeto e ser incluído em um programa de isenção de IPI e ICMS por 15 anos. Devido a alta carga tributária brasileira, a construção dessa nova fábrica só se torna viável com a isenção desses impostos. O projeto de expansão está dividido em dois estágios sequênciais: estágio 1 (Projeto) e estágio 2 (Licenças Larson/Farber Ch. 3 dois estágios sequênciais: estágio 1 (Projeto) e estágio 2 (Licenças ambientais). Embora cada um dos estágios venha a ser programado e controlado tão de perto, a administração não poderá prever de antemão o tempo exato exigido para se completar cada estágio do projeto. Uma análise de projetos similares tem mostrado tempos de término para o estágio 1 de 2, 3 ou 4 meses com probabilidades de 0,80, 0,15 e 0,05 respectivamente, e um tempo de término para o estágio 2 de 6, 7 ou 8 meses com probabilidades de 0,75, 0,15 e 0,10. A empresa só levará o projeto adiante se a chance de sucesso for maior que 97%. Baseado nas informações coletadas, qual deverá ser a decisão da empresa. Eventos mutuamente exclusivos Dois eventos, A e B, serão mutuamente exclusivos se não puderem ocorrer na mesma tentativa, isto é, a ocorrência do evento A impede a ocorrência de B. Na teoria dos conjuntos representamos que dois eventos são mutuamente exclusivos por A∩B = ∅. Exemplo: A = {sair PAR} = {2, 4, 6} Larson/Farber Ch. 3 Exemplo: A = {sair PAR} = {2, 4, 6} B = {sair IMPAR} = {1, 3, 5} A B Exclusão mútua Eventos não mutuamente exclusivos Se dois eventos podem ocorrer na mesma tentativa, eles não são mutuamente exclusivos, ou seja, A∩B ≠ ∅. Exemplo: A = {sair PAR} = {2, 4, 6} B = {sair nº maior que 4} = {5, 6} Larson/Farber Ch. 3 A BSem exclusão mútua A ∩ B Eventos complementares O complemento do evento A é o evento . consiste em todos os resultados do espaço amostral que não estejam incluídos no evento A. )(1)( APAP −= A A Larson/Farber Ch. 3 Um gerente de vendas, após rever alguns relatórios, declara que 80% dos novos contatos com clientes não resultaram em vendas. Qual a probbilidade de que um contato com o cliente resulte em venda? )(1)( APAP −= • ocorrerá se e somente se não ocorrer A.A A Operações que podem ser feitas via Diagrama de Venn Larson/Farber Ch. 3 A A Regra da Adição Dado dois eventos A e B, utilizaremos a regra da adição quando desejarmos determinar a probabilidade de ocorrência do evento A OU do evento B. Simbolicamente, podemos representar por P(A∪B). Assim, a probabilidade de que um ou outro dos dois Larson/Farber Ch. 3 eventos ocorram é: P(A∪∪∪∪B) = P(A) + P(B) – P(A ∩∩∩∩B) A B A∪∪∪∪ B Tabela de contingência Revela a existência de eventos combinados, e facilita o tratamento probabilístico de tais eventos. É uma tabela que disponibiliza informações Larson/Farber Ch. 3 É uma tabela que disponibiliza informações diretamente nas linhas e colunas, e que além dessas informações é possível visualizar também o número de casos comuns às interseções de eventos. Perguntou-se a uma amostra de adultos em três cidades se eles eram a favor da pena de morte. Os resultados estão a seguir. Tabela de contingência João Pessoa Curitiba Belém Total Sim 100 150 150 400 Não 125 130 95 350 Não sabe 75 170 5 250 Larson/Farber Ch. 3 Não sabe 75 170 5 250 Total 300 450 250 1.000 Determine a probabilidade de sortear um adulto de Belém ou que tenha respondido SIM P(Belém ∪ SIM) Perguntou-se a uma amostra de adultos com nível superior completo, em três capitais, se eles atuavam na área. Os resultados estão a seguir. João Pessoa Recife Natal Total Sim 160 220 180 560 Não 135 80 95 310 Exemplo 3 Larson/Farber Ch. 3 1. P(Natal U Sim) 2. P(Recife ∩ Não) 3. P(João Pessoa) 4. Qual a probabilidade do adulto não ser de Recife 80 310 Total 295 300 275 870 Um adulto é selecionada ao acaso. Determine: Frequentemente, a probabilidade de um evento é influenciada pela ocorrência de um evento paralelo. Probabilidade condicional Definição: A probabilidade de um evento A ocorrer, dado (ou na condição de) que outro evento B já Larson/Farber Ch. 3 0)( para,)( )()|( >∩= BP BP BAPBAP dado (ou na condição de) que outro evento B já ocorreu. Perguntou-se a uma amostra de adultos com nível superior completo, em três capitais, se eles atuavam na área. Os resultados estão a seguir. João Pessoa Recife Natal Total Sim 160 220 180 560 Não 135 80 95 310 Exemplo 4 Larson/Farber Ch. 3 1. P(Natal | Sim) 2. P(Não | Recife) 3. P(João Pessoa | Atua na área) 4. Qual a probabilidade do adulto ter respondido não, sabendo que ele não é de natal 80 310 Total 295 300 275 870 Um adulto é selecionada ao acaso. Determine: Estudos realizados pela SDS da Paraíba, em relação a situação do status de promoção de oficiais masculinos e femininos, são apresentados na tabela abaixo (dados fictícios): Exemplo 5 Larson/Farber Ch. 3 Depois de rever o registro de promoções, um comitê feminino de oficiais levantou um caso de discriminação com base em que 288 oficiais masculinos receberam promoções mas somente 36 oficiais femininas foram promovidas. A administração da polícia argumentou que o número relativamente baixo de promoções para as oficias femininas foi devido não à discriminação, mas ao fato de que há relativamente poucas oficias mulheres na força policial. E agora, como as mulheres podem analisar os dados para defender o seu questionamento da acusação de discriminação?
Compartilhar