Baixe o app para aproveitar ainda mais
Prévia do material em texto
Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Estatística Aplicada à Engenharia Ambiental Aula 4 Prof. Carlos Henrique Ribeiro Lima Departamento de Engenharia Civil e Ambiental Universidade de Brasília 19 Agosto 2014 Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Agenda 1 Fundamentos do Cálculo de Probabilidades Regra da Probabilidade Total e Teorema de Bayes 2 Variáveis Aleatórias e suas Distribuições Introdução Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Partição do Espaço Amostral Definição: Dizemos que os eventos C1,C2, . . . ,Ck formam uma partição (ou conjunto exaustivo) do espaço amostral S, se: Ci ∩ Cj = ∅, ∀i 6= j ;⋃k i=1 Ci = S ; P(Ci) > 0,∀i . Exemplo: Experimento é jogar um dado → S = {1, 2, 3, 4, 5, 6}. Exemplo de partição: C1 = {1, 3, 5} (número ímpar) C2 = {2, 4} (número par e < que 6) C3 = {6} (número par e ≥ 6). Obs.: Quando o experimento é realizado, um e somente um dos eventos Ci ocorre. Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Partição do Espaço Amostral Definição: Dizemos que os eventos C1,C2, . . . ,Ck formam uma partição (ou conjunto exaustivo) do espaço amostral S, se: Ci ∩ Cj = ∅, ∀i 6= j ;⋃k i=1 Ci = S ; P(Ci) > 0,∀i . Exemplo: Experimento é jogar um dado → S = {1, 2, 3, 4, 5, 6}. Exemplo de partição: C1 = {1, 3, 5} (número ímpar) C2 = {2, 4} (número par e < que 6) C3 = {6} (número par e ≥ 6). Obs.: Quando o experimento é realizado, um e somente um dos eventos Ci ocorre. Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Partição do Espaço Amostral Seja agora A um evento qualquer em S e C1,C2, . . . ,Ck uma partição: Temos que o evento A ⊂ S pode ser escrito como: A = A∩S = A∩(C1∪C2∪· · ·Ck) = (A∩C1)∪(A∩C2)∪· · ·∪(A∩Ck). Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Partição do Espaço Amostral Seja agora A um evento qualquer em S e C1,C2, . . . ,Ck uma partição: Temos que o evento A ⊂ S pode ser escrito como: A = A∩S = A∩(C1∪C2∪· · ·Ck) = (A∩C1)∪(A∩C2)∪· · ·∪(A∩Ck). Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Observações 1) Alguns dos conjuntos A ∩ Ci poderão ser vazios, mas isso não inviabiliza a decomposição de A mostrada. 2) Os eventos A ∩ Ci são mutuamente excludentes, pois: (A ∩ Ci) ∩ (A ∩ Cj) = A ∩ Ci ∩ Cj = A ∩ ∅ = ∅, ∀i 6= j . 3) Assim, podemos aplicar a propriedade da adição de eventos mutuamente excludentes e escrever: P(A) = P(A ∩ C1) + P(A ∩ C2) + . . .P(A ∩ Ck) ∴ P(A) = P(A|C1)·P(C1)+P(A|C2)·P(C2)+. . .+P(A|Ck)·P(Ck). Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Observações 1) Alguns dos conjuntos A ∩ Ci poderão ser vazios, mas isso não inviabiliza a decomposição de A mostrada. 2) Os eventos A ∩ Ci são mutuamente excludentes, pois: (A ∩ Ci) ∩ (A ∩ Cj) = A ∩ Ci ∩ Cj = A ∩ ∅ = ∅, ∀i 6= j . 3) Assim, podemos aplicar a propriedade da adição de eventos mutuamente excludentes e escrever: P(A) = P(A ∩ C1) + P(A ∩ C2) + . . .P(A ∩ Ck) ∴ P(A) = P(A|C1)·P(C1)+P(A|C2)·P(C2)+. . .+P(A|Ck)·P(Ck). Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Teorema da Probabilidade Total Se os eventos C1, . . . ,Ck formam uma partição (ou seja, são mutuamente excludentes e exaustivos) do espaço amostral S, e se o evento A ⊂ S, então: P(A) = k∑ i=1 P(A|Ci) · P(Ci). Exemplo: Um lote contém 20 peças defeituosas e 80 peças perfeitas. Escolhemos 2 peças em sequência e sem reposição. Qual a probabilidade da segunda peça ser defeituosa? Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Teorema da Probabilidade Total Se os eventos C1, . . . ,Ck formam uma partição (ou seja, são mutuamente excludentes e exaustivos) do espaço amostral S, e se o evento A ⊂ S, então: P(A) = k∑ i=1 P(A|Ci) · P(Ci). Exemplo: Um lote contém 20 peças defeituosas e 80 peças perfeitas. Escolhemos 2 peças em sequência e sem reposição. Qual a probabilidade da segunda peça ser defeituosa? Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Exemplo 2.92 Suponha que 2 % dos rolos de tecido de algodão e 3 % dos rolos de tecido de náilon contenham falhas. Dos rolos usados por um fabricante, 70 % são de algodão e 30% são de náilon. Qual a probabilidade de um rolo usado pelo fabricante e selecionado aleatoriamente, conter falhas? Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Teorema de Bayes Anteriormente queríamos a probabilidade de um evento (tal como falha) dada uma condição (tal como tipo de material). Agora, após realizar um experimento, estamos interessados na probabilidade de uma condição estar presente (tipo de material) dado um resultado (falha no material). Teorema: Seja os eventos C1, · · · ,Ck uma partição de S com probabilidades conhecidas. Suponha ainda que, para um evento A, conheça-se as probabilidades P(A|Ci), ∀i = 1, . . . , k. Então, para qualquer j , tem-se P(Cj |A) = P(A|Cj) · P(Cj)∑k i=1 P(A|Ci) · P(Ci) , j = 1, 2, . . . , k e P(A > 0). Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Teorema de Bayes Anteriormente queríamos a probabilidade de um evento (tal como falha) dada uma condição (tal como tipo de material). Agora, após realizar um experimento, estamos interessados na probabilidade de uma condição estar presente (tipo de material) dado um resultado (falha no material). Teorema: Seja os eventos C1, · · · ,Ck uma partição de S com probabilidades conhecidas. Suponha ainda que, para um evento A, conheça-se as probabilidades P(A|Ci), ∀i = 1, . . . , k. Então, para qualquer j , tem-se P(Cj |A) = P(A|Cj) · P(Cj)∑k i=1 P(A|Ci) · P(Ci) , j = 1, 2, . . . , k e P(A > 0). Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Teorema de Bayes - Demonstração Temos que P(Cj |A) = P(Cj∩A)P(A) . Podemos então escrever o numerador pela regra do produto: P(Cj ∩ A) = P(A|Cj) · P(Cj) e finalmente: P(A) = k∑ i=1 P(A ∩ Ci) = k∑ i=1 P(A|Ci) · P(Ci). Carlos H. R. Lima Estatística Aplicada à EngenhariaAmbiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Teorema de Bayes De uma forma simplificada, podemos escrever o Teorema de Bayes como: P(A|B) = P(A ∩ B)P(B) = P(B|A) · P(A) P(B) P(A) é chamada probabilidade à priori, e, dada a informação de que B ocorreu, obtemos a probabilidade à posteriori P(A|B). Assim, atualizamos a probabilidade inicial multiplicando-a por P(B|A) P(B) . Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Teorema de Bayes - Exemplo Em 2.92, suponha que o rolo retirado contenha uma falha. Qual a probabilidade de que ele seja de algodão? Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Exercício - Capítulo 2: 2-131 Seis tecidos são extraídos de uma hera infestada por ácaros. A planta está infestada em 20% de sua área. Cada tecido é escolhido a partir de uma área selecionada aleatoriamente na hera. a) Qual é a probabilidade de quatro amostras sucessivas mostrarem sinais de infestação? b) Qual é a probabilidade de três de quatro amostras sucessivas mostrarem sinais de infestação? Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Regra da Probabilidade Total e Teorema de Bayes Exercício - Capítulo 2: 2-148 Um inspetor, que trabalha para uma companhia de manufatura, tem uma chance de 99% de identificar corretamente itens defeituosos e uma chance de 0, 5% de classificar incorretamente um item bom como defeituoso. A companhia tem evidência de que sua linha produz 0, 9% de itens não conformes. a) Qual é a probabilidade de um item selecionado para inspeção ser classificado como defeituoso? b) Se um item selecionado ao acaso for classificado como não defeituoso, qual será a probabilidade de que ele seja realmente bom? Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Introdução Variáveis Aleatórias Necessidade: Atribuir um número real x a todo elemento s do espaço amostral S. Exemplo: S = {cara, coroa}. Definição : Seja um experimento aleatório � com espaço amostral S. Uma função X : S → < é denominada uma variável aleatória (v.a.) se a probabilidade P(X ∈ c) é definida para todo c ∈ <. Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Introdução Variáveis Aleatórias Necessidade: Atribuir um número real x a todo elemento s do espaço amostral S. Exemplo: S = {cara, coroa}. Definição : Seja um experimento aleatório � com espaço amostral S. Uma função X : S → < é denominada uma variável aleatória (v.a.) se a probabilidade P(X ∈ c) é definida para todo c ∈ <. Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Introdução Variáveis Aleatórias - Observações 1) Variável aleatória é uma função; 2) Quando os resultados s ∈ S são números reais, definimos X (s) ≡ s (identidade); 3) Na maior parte das vezes estamos interessados nos valores de X mais do que de onde eles se originam (natureza funcional de X ). 4) O valor medido de uma variável aleatória X é denotado pela letra minúscula x . Exemplo: Jogamos um moeda 2 vezes. O espaço amostral é S = {HH,HT ,TH,TT}. Seja X = número de caras obtido. Defina a função X . Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Introdução Variáveis Aleatórias - Observações 1) Variável aleatória é uma função; 2) Quando os resultados s ∈ S são números reais, definimos X (s) ≡ s (identidade); 3) Na maior parte das vezes estamos interessados nos valores de X mais do que de onde eles se originam (natureza funcional de X ). 4) O valor medido de uma variável aleatória X é denotado pela letra minúscula x . Exemplo: Jogamos um moeda 2 vezes. O espaço amostral é S = {HH,HT ,TH,TT}. Seja X = número de caras obtido. Defina a função X . Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Introdução Variáveis aleatórias Definição: Dados �,S,X , o conjunto de todos os valores de X , isto é: RX = {X (s)|s ∈ S} = X (s) é chamado de contradomínio de X . No exemplo anterior, temos RX = {0, 1, 2}. Podemos interpretar: RX como o espaço amostral de �. Um subconjunto B de RX como um evento: B = {0, 1} ∈ RX = {0, 1, 2}. Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Introdução Variáveis Aleatórias Discretas e Contínuas Definição: Seja X uma variável aleatória. Se o contradomínio RX for finito ou numerável, então X é chamada de variável aleatória discreta . Nesse caso, RX = {x1, x2, . . . , xn} ou RX = {x1, x2, . . .}. Definição: Se RX estiver num intervalo ou numa união de intervalos (intervalos da forma (−∞, a] ou (−∞,∞) são possíveis), dizemos que X é uma variável aleatória contínua. Exemplos: X : Soma dos valores na jogada de 5 dados. X : Duração de vida de uma lâmpada. Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Introdução Variáveis Aleatórias Discretas e Contínuas Definição: Seja X uma variável aleatória. Se o contradomínio RX for finito ou numerável, então X é chamada de variável aleatória discreta . Nesse caso, RX = {x1, x2, . . . , xn} ou RX = {x1, x2, . . .}. Definição: Se RX estiver num intervalo ou numa união de intervalos (intervalos da forma (−∞, a] ou (−∞,∞) são possíveis), dizemos que X é uma variável aleatória contínua. Exemplos: X : Soma dos valores na jogada de 5 dados. X : Duração de vida de uma lâmpada. Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Variáveis Aleatórias e suas Distribuições Introdução Variáveis Aleatórias Discretas e Contínuas Definição: Seja X uma variável aleatória. Se o contradomínio RX for finito ou numerável, então X é chamada de variável aleatória discreta . Nesse caso, RX = {x1, x2, . . . , xn} ou RX = {x1, x2, . . .}. Definição: Se RX estiver num intervalo ou numa união de intervalos (intervalos da forma (−∞, a] ou (−∞,∞) são possíveis), dizemos que X é uma variável aleatória contínua. Exemplos: X : Soma dos valores na jogada de 5 dados. X : Duração de vida de uma lâmpada. Carlos H. R. Lima Estatística Aplicada à Engenharia Ambiental-2014/2 Fundamentos do Cálculo de Probabilidades Regra da Probabilidade Total e Teorema de Bayes Variáveis Aleatórias e suas Distribuições Introdução
Compartilhar