Baixe o app para aproveitar ainda mais
Prévia do material em texto
Unidade I – Cálculo de Probabilidades – Capítulo 1 – Axiomas e Teoremas Fundamentais do Cálculo de Probabilidades Parte 3 – Probabilidades Condicionadas e Independência de Eventos Página 14 Probabilidades Condicionadas (ou Condicionais) Exemplo 15 (ex. 1.19) 10 A (numeradasde1a10) 8 B (numeradasde1a 8) ___ 18 Sejam os seguintes eventos: A = “a bola é azul” e U = “a bola tem o número 1” a) a 10 5 p P(A) 18 9 b) b 2 1 p P(U) 18 9 c) c 1 p P(AU) 18 d) Seja U* = “a bola tem nela inscrito o número 1, sabendo-se que ela é azul”. Deve-se notar que esse evento é diferente do evento U. Pode ser empregado o seguinte raciocínio intuitivo: sabendo que a cor da bola extraída é azul, pode-se desconsiderar as todas as bolas brancas e conceber uma urna “alterada” na qual existem apenas as bolas azuis. Então d 1 p P(U*) , onde U* indica oevento Uquando se sabe que oeventoAocorreu 10 Esse exemplo mostra que a probabilidade relaciona-se à informação disponível. Definição de probabilidade condicionada ou condicional (RT 1 – Seção 1.5) Exemplo 16 (ex. 1.20) Sejam os seguintes eventos: A = “a máquina é do modelo antigo”; N = “a máquina é do modelo novo”; D = “a peça é defeituosa”; Unidade I – Cálculo de Probabilidades – Capítulo 1 – Axiomas e Teoremas Fundamentais do Cálculo de Probabilidades Parte 3 – Probabilidades Condicionadas e Independência de Eventos Página 15 D = “a peça não é defeituosa”. De acordo com as informações sobre a produção de peças tem-se. máquina peça A N D 0,09 0,01 0,10 D 0,51 0,39 0,90 0,60 0,40 1,00 Então: a) P ND 0,01 1% b) 0,09 P D|A 0,15 15% 0,60 c) 0,01 P D|N 0,025 2,5% 0,40 Esse exemplo mostra uma análise condicionada (ou condicional) e também que o referido condicionamento equivale a uma redução do espaço amostral original. Exemplo 17 (ex. 1.21) Sejam os seguintes eventos: M = “o habitante é maior de idade”; M = “o habitante é menor de idade”; F = “o habitante é fumante”; F = “o habitante não é fumante”. idade condição M M F 0,15 0,20 0,35 F 0,25 0,40 0,65 0,40 0,60 1,00 Unidade I – Cálculo de Probabilidades – Capítulo 1 – Axiomas e Teoremas Fundamentais do Cálculo de Probabilidades Parte 3 – Probabilidades Condicionadas e Independência de Eventos Página 16 Então: a) P M F 0,25 b) 0,15 3 P M|F 0,4286 0,35 7 (diretamente, por redução do espaço amostral ou aplicando a definição de probabilidade condicionada) c) P FM 1 P FM 1 0,20 0,80 Teorema da Interseção de Eventos (ou Teorema da Multiplicação) (RT 1 – Seção 1.8) Exemplo motivador. Exemplo 18 (ex. 1.22) 2 V 3 B ___ 5 , Se a extração for realizada com reposição da primeira bola é fácil perceber que 2 1 2 P V P V 5 Mas se a extração for realizada sem reposição, qual é essa probabilidade? Da definição de probabilidade condicionada P AB P B|A para P A 0 P A segue que P AB P A P B|A . Portanto, o cálculo desejado pode ser feito assim 2 1 2 1 2 1 2 1 2 1 2 1 1 2 1P V P VV B V P VV P B V P V P V |V P B P V |B 2 1 3 2 2 6 8 2 5 4 5 4 20 20 20 5 Unidade I – Cálculo de Probabilidades – Capítulo 1 – Axiomas e Teoremas Fundamentais do Cálculo de Probabilidades Parte 3 – Probabilidades Condicionadas e Independência de Eventos Página 17 ou seja, o resultado é o mesmo que no caso anterior. Isso ocorre porque a probabilidade é não condicionada (não há informação sobre o resultado da primeira extração). Assim, na falta de informação sobre o resultado da primeira extração, o resultado do cálculo da probabilidade da segunda extração coincide com aquele correspondente ao da primeira extração. Teorema da Interseção de Eventos (ou Teorema da Multiplicação) (RT 1 – Seção 1.8) Exemplo 19 (ex. 1.23) 6 A 4 B ___ 10 , , 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 31 2 3 P A A A P A A A P A A A P A A A |A A A P A A A 1 P B B BP B B B 1 2 1 3 1 2 1 2 1 3 1 2 6 5 4 120 120 P A P A | A P A |A A 120 510 9 8 720 720 4 3 2 24 720 241 P B P B |B P B |B B 696 29 1 1 10 9 8 720 720 Exemplo 20 (ex. 1.24) 4 cartas rei 4 cartas dama 44 outras cartas , , Unidade I – Cálculo de Probabilidades – Capítulo 1 – Axiomas e Teoremas Fundamentais do Cálculo de Probabilidades Parte 3 – Probabilidades Condicionadas e Independência de Eventos Página 18 Então a) 1 2 3 1 2 1 3 1 2 4 3 4 P R R D P R P R |R P D |R R 52 51 50 b) b-i) empregando a definição de probabilidade condicionada 1 2 3 1 2 3 3 4 3 4 P R R D 4 352 51 50P R R |D 4P D 51 50 52 b-ii) empregando o raciocínio de condicionamento e redução do espaço amostral 1 2 3 4 3 P R R |D 51 50 Exemplo 21 (ex. 1.39) 13 cartas de espadas 39 cartas de outros naipes , , , , Sejam os seguintes eventos: A = “todas as cartas são de espadas” e B = “pelo menos quatro cartas são de espadas” Então 5 13 5 5 52 13 4 1 5 4 1 5 13 39 13 13 39 13 5 5 52 52 C P AB P A C C P A|B = C C CP B P B C C +C + C C Unidade I – Cálculo de Probabilidades – Capítulo 1 – Axiomas e Teoremas Fundamentais do Cálculo de Probabilidades Parte 3 – Probabilidades Condicionadas e Independência de Eventos Página 19 Independência de Eventos (RT 1 – Seções 1.6 e 1.7) Exemplo 22 (ex. 1.25) Sejam os eventos A, B e C definidos a seguir: A = “a soma dos pontos dos dados é ímpar”; B = “o número de pontos do primeiro dado é 1”; C = “a soma de pontos dos dados é sete”. O espaço amostral é representado a seguir. (1,6) (2,6) (3,6) (4,6) (5,6) (6,6) (1,5) (2,5) (3,5) (4,5) (5,5) (6,5) (1,4) (2,4) (3,4) (4,4) (5,4) (6,4) (1,3) (2,3) (3,3) (4,3) (5,3) (6,3) (1,2) (2,2) (3,2) (4,2) (5,2) (6,2) (1,1) (2,1) (3,1) (4,1) (5,1) (6,1) É fácil verificar que 2 4 6 4 2 18 1 6 1 6 1 P A , P B e P C 36 36 2 36 6 36 6 e também que 3 1 P A|B P A 6 2 logo A e B são independentes 1 P C|B P C 6 logo B e C são independentes Mas 1 P A|C 1 P A 2 e portanto A e C não são independentes Exemplo 23 Considere-se um experimento aleatório cujo espaço amostral é finito e equiprovável, com a seguinte representação 1 2 3 4S a ,a ,a ,a . Então, tem-se: i 1 P a para i 1,2,3,4 4 Unidade I – Cálculo de Probabilidades– Capítulo 1 – Axiomas e Teoremas Fundamentais do Cálculo de Probabilidades Parte 3 – Probabilidades Condicionadas e Independência de Eventos Página 20 Sejam os seguintes eventos: 1 2 1 3 1 4A a ,a , B a ,a e C a ,a É fácil verificar que 1 P AB P AC P BC 4 e também que os produtos das probabilidades dos eventos, considerados os três pares de eventos, são 1 1 1 P A P B P A P C P B P C 2 2 4 Portanto, verifica-se que, considerados dois a dois, os eventos são independentes. Contudo, considerando a interseção dos três eventos tem-se que: (i) 1 1 P ABC P a 4 (ii) 1 1 1 1 1 P A P B P C 2 2 2 8 4 Logo os três eventos não são independentes. Exemplo 24 (ex. 1.27) Considerem-se os seguintes eventos: iH "o i-ésimo filho é homem"; para i 1,2 iM "o i-ésimo filho é mulher"; para i 1,2 Admitindo-se equiprobabilidade de sexos, tem-se: i i 1 P H P H para i =1,2 2 Então 1 2 1 2 1 2 1 2 1 2 1 2 P H H P H H P H H |H H P H H 1-P M M Supondo independência de sexos entre os filhos, segue 1 2 1 2 1 2 1 2 1 2 1 2 1 1 1 1 P H H P H P H 12 2 4 4P H H | H H 1 1 1 31-P M M 1 P M P M 3 1 1 2 2 4 4 Unidade I – Cálculo de Probabilidades – Capítulo 1 – Axiomas e Teoremas Fundamentais do Cálculo de Probabilidades Parte 3 – Probabilidades Condicionadas e Independência de Eventos Página 21 Exemplo 25 (ex. 1.28) Empregando a mesma notação do exemplo anterior e com base no pressuposto de independência, tem-se: 1 2 1 2 1 P H H |H P H 2 Exemplo 26 (ex. 1.29) Sejam A, B e C os três atiradores. Considerem-se os eventos A, B, C e D definidos a seguir: A = “o atirador A acerta o alvo”; B = “o atirador B acerta o alvo”; C = “o atirador C acerta o alvo ”; D = “apenas um disparo acerta o alvo”. Sabe-se que: 1 P(A) 6 , 1 P(B) 4 e 1 P(C) 3 Então a) P D P ABC ABC ABC P ABC P ABC P ABC Supondo independência entre os disparos de atiradores distintos, tem-se P D P A P B P C P A P B P C P A P B P C 1 3 2 5 1 2 5 3 1 6 10 15 31 6 4 3 6 4 3 6 4 3 72 72 b) 6 P ABC D P ABC 672P A|D 31P D P D 31 72 (uma vez que ABC D ) Unidade I – Cálculo de Probabilidades – Capítulo 1 – Axiomas e Teoremas Fundamentais do Cálculo de Probabilidades Parte 3 – Probabilidades Condicionadas e Independência de Eventos Página 22 Exemplo 27 (ex. 1.42) Considerem-se n lançamentos consecutivos do dado (suposto equilibrado). Sejam os eventos definidos a seguir: iA "ocorre ponto 6 no i-ésimolançamento", i=1,2,...,n n i i=1 A "ocorre ponto 6 ao menos uma vez" A Então, considerando-se a independência nos lançamentos do dado, segue n n n n i i i i i=1i=1 i=1 i=1 p P A P A 1 P A 1 P A 1 P A 1 P A e portanto n n 5 1 5 1 p P A 1 isto é 6 2 6 2 Então, resolvendo a inequação acima obtem-se 5 6 1 ln 1 0,69312n log ou seja n donde n e assim n 3,8018 52 0,1823 ln 6 Como n deve ser inteiro, tem-se, finalmente, n = 4.
Compartilhar