Baixe o app para aproveitar ainda mais
Prévia do material em texto
Introdução à Probabilidade Unidade II - Aula 05 Disciplina: Introdução à Estatística Professor: ELMIRO UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIA EXATAS E DA NATUREZA DEPARTAMENTO DE ESTATÍSTICA 2014-2 Introdução No ano de 1654, um jogador da sociedade parisiense, Chevalier de Mère, propôs a Blaise Pascal (1623–1662) algumas questões sobre possibilidades de vencer em jogos. Eis a questão proposta: “Um jogo de dados entre dois adversários chega ao fim quando um dos jogadores vence três partidas em primeiro lugar. Se esse jogo for interrompido antes do final, de que maneira cada um dos adversários deve ser indenizado?”. Pascal escreveu a Pierre de Fermat (1601–1665) sobre esse problema, e a correspondência entre eles deu subsídios e consequentemente o inicio da formatação da teoria das probabilidades. Pierre-Simon Laplace (1749-1827), no livro Teoria analítica das probabilidades, demonstra admiração por essa nova teoria por meio da afirmação: “Uma ciência que começou pelo estudo dos jogos de azar e tem se transformado no mais importante objeto do conhecimento humano”. Continuação Existem muitas situações que envolvem incertezas, que sejam fenômenos ou experimentos aleatórios. Um modelo matemático ajudará a investigar, de maneira bastante precisa, esse fenômeno, que de modo geral podem ser classificados como “Determinísticos” ou “Não-Determinísticos” São Determinísticos quando os resultados são sempre os mesmos e determinados pelas condições sob as quais o procedimento seja executado. Exemplo: Deslocamento de um corpo; velocidade media; leis da física, etc. Continuação São Não-Determinísticos, Probabilísticos ou Aleatórios) quando aplicados em situações que envolvem incerteza. Desta forma os Resultados variam de uma observação para outra, mesmo em condições normais de experimentação. As condições do experimento determinam apenas o comportamento inserto do resultado observável. Para estes casos o modelo matemático aplicável é a “Teoria da Probabilidade” Exemplo: Lançamento de um dado; Índices econômicos; Tempo de vida de um paciente, etc. Continuação A teoria das probabilidades é o fundamento para a inferência estatística. O que é buscado nesta parte do curso é que sejamos capazes de compreender os conceitos mais importantes da probabilidade e as suas aplicações. O conceito de probabilidade faz parte do dia-a-dia 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. Teoria da Probabilidade OBJETIVO A teoria das probabilidades busca quantificar as chances de ocorrer um dado fenômeno aleatório ou “não determinístico”. Pode também ser vista como o ramo da matemática que cria, elabora e pesquisa modelos para estudar experimentos ou fenômenos aleatórios. Na teoria das probabilidades, estudamos os experimentos aleatórios equiprováveis, isto é, experimento onde qualquer resultado pode ocorrer com a mesma chance. Algum conceitos importantes Experimento aleatório: São aqueles onde o processo de experimentação está sujeito a influências de fatores casuais que conduzem a resultados incertos e, ao ser repetido sob as mesmas condições, pode fornecer resultados diferentes. EXEMPLOS: 1. Lançamento de uma moeda honesta; 2. Lançamento de um dado; 3. Lançamentos de duas moedas; 4. Retirada de uma carta de um baralho completo de 52 cartas; 5. Determinação da vida útil de um componente eletrônico. Características de um experimento aleatório: Pode ser repetido indefinidamente sob as mesmas condições. Podemos descrever todos os possíveis resultados. Continuação Espaço amostral: conjunto de todos os resultados possíveis de um experimento. É indicado pela letra . Os elementos do espaço amostral serão chamados de “pontos amostrais” EXEMPLOS Nos exemplos dados anteriormente, os espaços amostrais são: 1. ={c, r} 2. ={1, 2, 3, 4, 5, 6} 3. ={(c, r), (c, c), (r, c), (r, r), c=cara e r=coroa} 4. ={Ao,..., Ko, Ap,..., Kp, Ae ,..., Ke, Ac,..., Kc} 5. ={t t 0} Continuação... Evento: Conjunto de resultados desejados do espaço amostral, ou seja, um subconjunto de . Pode ser expresso por um único ponto amostral ou uma reunião deles EXEMPLOS Lançam-se dois dados (D1 e D2). Enumerar os seguintes eventos: A: saída de faces iguais; B: saída de faces cuja soma seja igual a 10; C: saída de faces cuja soma seja igual a 12); D: saída de faces onde uma face o dobro da outra; E: saída de faces cuja soma seja menor que 2; F: saída de faces cuja soma seja menor que 15. . Continuação... Solução ={(1,1) (1,2) (1,3) (1,4) (1,6) (1,6) (2,1) (2,2) (2,3) (2,4) (2,5) (2,6) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) (5,1) (5,2) (5,3) (5,4) (5,5) (5,6) (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)} Os eventos pedidos são: A = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)} B = {(4, 6), (5,5), (6, 4)} C = {(6, 6)} D = {(1, 2), (2, 1), (2, 4), (4, 2), (3, 6), (6, 3)} E = (evento impossível) F = (evento certo) Continuação... Evento simples: todo subconjunto do espaço amostral com apenas um elemento. Exemplo: Evento C: saída de faces cuja soma seja igual a 12 C = {(6, 6)} Evento composto: todo subconjunto do espaço amostral com mais de um elemento. Exemplo: Evento B: saída de faces cuja soma seja igual a 10; B = {(4, 6), (5, 5), (6, 4)} Eventos mutuamente exclusivos: se a ocorrência de um deles, implica na não-ocorrência do outro. Exemplo: Evento C: saída de faces cuja soma seja igual a 12 C = {(6, 6)} Evento B: saída de faces cuja soma seja igual a 10 B = {(4, 6), (5, 5), (6, 4)} Continuação... Evento certo: Ocorre quando um evento coincide com o espaço amostral. EXEMPLOS Evento F: saída de faces cuja soma seja menor que 15. F = (evento certo) Evento impossível: Ocorre quando um evento é vazio. EXEMPLOS Evento E: saída de faces cuja soma seja menor que 2 E = (evento impossível) Continuação... CLASSE DE EVENTOS DEFINIÇÃO: Classe de Eventos é um conjunto formado por todos os eventos possíveis (subconjuntos) do espaço amostral. É representado por F() EXEMPLO Consideremos um espaço amostral finito: = {e1, e2, e3, e4}, então: {e1} {e2} {e3} {e4} F() = {e1, e2} {e1, e3) {e1, e4} {e2, e3) {e2, e4} {e3, e4} {e1, e2, e3} {el, e2, e4} {el, e3, e4} {e2, e3, e4} {e1, e2, e3, e4} Continuação... Continuação... Diagrama de Venn É um dispositivo gráfico onde o espaço amostral é representado por um retângulo e os eventos são representados por círculos, conforme figura abaixo A B , Continuação... Operações com eventos Sejam A e B dois eventos de um espaço amostral. Consider um espaço amostral finito, então: = {e1, e2, e3,..., en}. Sejam A e B dois eventos de F(). 1. REUNIÃO DEFINIÇÃO: AB= {ei ei A ou ei B}, i = 1,2, ... ,n. A B 2. INTERSEÇÃO DEFINIÇÃO: AB= {ei ei A e ei B}, i = 1,2, ... ,n. A B 3. COMPLEMENTAÇÃO DEFINIÇÃO: 𝐴 = - A = {ei ei A}. A Continuação... Continuação... A B 4. SUBTRAÇÃO DEFINIÇÃO: A - B= {ei ei A e ei B}, i = 1,2, ... ,n Lei da Dualidade de Morgan 1. 𝐴 ∩ 𝐵 = 𝐴 ∪ 𝐵 2. 𝐴 ∪ 𝐵 = 𝐴 ∩ 𝐵 Exercício... Continuação... A1 A4 A2 A3 An .... PARTIÇÃODO ESPAÇO AMOSTRAL Definição: Dizemos que os eventos A1, A2, A3,..., An formam uma partição do Espaço Amostral se: 1. Ai i=1,2,3, ... N 2. AiAj= i=j 3. i=1 n Ai= Problemas 1. Lançam-se três moedas. Enumerar o espaço amostral e os eventos: a) faces iguais; b) cara na 1ª moeda; c) coroa na 2ª e 3ª moedas. 2. Considere a experiência que consiste em pesquisar famílias com três crianças, em relação ao sexo das mesmas, segundo a ordem do nascimento. Enumerar os eventos: A=Ocorrência de dois filhos do sexo masculino; B=Ocorrência de pelo menos um filho do sexo masculino; C=Ocorrência de no máximo duas crianças do sexo feminino. Continuação... 3. Um lote contém peça de 5, 10, 15, ... , 30 mm de diâmetro. Suponha que 2 peças sejam selecionadas no lote, Se x e y indicam respectivamente os diâmetros da 1ª e 2ª peças selecionadas, o par (x ; y) representa um ponto amostral. Usando a plano cartesiano, indicar os seguintes evento a) A={x=y} b) B={y>x} c) C={x=y-10) 4. Sejam A, B e C três eventos de um espaço amostral. Exprimir os eventos abaixo, usando as operações reunião, interseção e complementação. a) Somente A ocorre; b) A e C ocorrem e b não; c) A, B e C ocorrem; d) Pelo menos um ocorre; e) Exatamente um ocorre; f) Nenhum ocorre; g) Exatamente dois ocorrem; h) Pelo monos dois ocorrem; i) No máximo dois ocorrem. Definição de Probabilidade Continuação... Propriedades Fundamentais Se for o conjunto vazio, então: P()=0. Se for o evento complementar de A, então: P( ) = 1 - P(A). Se A e B forem eventos quaisquer tais que A B então: P(A) P(B). Se A e B são dois eventos quaisquer, então: P(A B) = P(A) + P(B) - P(A B) A A Continuação... Espaços amostrais finitos e equiprováveis Um espaço amostral é dito finito se = {a1,a2,...,an}. Considere o evento Ai = {ai} formado por um resultado simples. A cada evento simples {ai} associaremos um número pi, denominado de probabilidade de {ai}, satisfazendo às seguintes condições: 1. pi 0, i = 1, 2, ..., n. 2. p1 + p2 + ... + pn =1. Continuação... Exemplos 1. Três cavalos, A, B e C, estão numa corrida; A tem duas vezes mais chance de ganhar que B e B tem duas vezes mais chance que C. Quais são as probabilidades de vitória de cada um, isto é, P(A), P(B) e P(C)? Qual é a probabilidade de que B ou C ganhe? Solução: Seja P(C) = p. Como B tem duas vezes mais chance de ganhar do que C, então P(B)=2p. Como A tem duas vezes mais chance de vencer do que B, P(A) = 2P(B) = 2(2p) = 4p. Sabemos que a soma das probabilidades tem que ser 1; então: p + 2p + 4p = 1 7p = 1 p = 1/7. Logo, P(A) = 4/7 ; P(B) = 2/7 e P(C) = 1/7 Por definição, P(B C) = P(B) + P(C) = 2/7 + 1/7 = 3/7 Continuação... 2. Sejam A e B eventos mutuamente exclusivos. Seja P(A) = 0,20 e P(B) =0,30. Calcule as probabilidades: a. P(A) b. P(B) c. P(AB) d. P(AB) e. P(AB) e. P(AB) 3. Suponha agora que os eventos A e B sejam mutuamente exclusivos. Adicionalmente P(AB)=0,10. Calcule as mesmas probabilidades. Continuação... Tabela de contingência Revela a existência de eventos combinados, e facilita o tratamento probabilístico de tais eventos. 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. Continuação... EXEMPLO: Perguntou-se, a uma amostra de adultos formados em engenharia, em três capitais do nordeste, se eles atuavam na área. Os resultados estão a seguir. Um adulto é selecionada ao acaso. Determine a probabilidade de que: a) Seja de Natal ou tenha respondido Sim b) Seja de Recife e tenha respondido Não c) Seja de J. Pessoa. Resultado J. Pessoa Recife Natal Total Sim 160 220 180 560 Não 135 80 95 310 Total 295 300 275 870 Continuação... Probabilidade Condicional EXEMPLO 1: Um lote é formado pelos seguintes artigos: 80 não defeituosos e 20 defeituosos. Dois artigos são retirados do lote. Sejam A={o 1 artigo é defeituoso} e B={o 2 artigo é defeituoso}. Calcule P(A) e P(B) a) com reposição; b) sem reposição. Se extrairmos com reposição, P(A)=P(B)=20/100, pois cada vez que estivermos extraindo do lote, existirão 20 peças defeituosas no total de 100. Se estivermos extraindo sem reposição, é ainda verdade que P(A)=20/100. E sobre P(B)? É evidente que, a fim de calcularmos P(B) é necessário conhecer a composição do lote no momento de se extrair a segunda peça. Isto é, devemos saber se A ocorreu ou não. Este exemplo mostra a necessidade de se introduzir um novo conceito. Se não vejamos. Continuação... Se o 1 artigo retirado é defeituoso então sabemos que o evento A ocorreu, então a probabilidade do o 2 artigo ser defeituoso sabendo-se que o 1 artigo é defeituoso será representado por: P(B/A)=19/99. (probabilidade da ocorrência do evento B dado a ocorrência do evento A) Se o 1 artigo retirado é não defeituoso então sabemos que o evento A não ocorreu, então a probabilidade do o 2 artigo ser defeituoso sabendo-se que o 1 artigo é não defeituoso será representado por: P(B/A)=20/99. (probabilidade da ocorrência do evento B dado a não ocorrência do evento A) Continuação... EXEMPLO 2: Consideremos 250 alunos que cursam o primeiro ciclo de uma faculdade. Destes alunos 100 são homens (H) e 150 são mulheres (M), 110 cursam física (F) e 140 cursam química (Q). A distribuição dos alunos a seguinte: Um aluno sorteado ao acaso. Qual a probabilidade de que esteja cursando química, dado que mulher? Sexo CURSO Total Física(F) Química(Q) Homens(M) 40 60 100 Mulheres(F) 70 80 150 Total 110 140 250 Continuação... Pelo quadro vemos que esta probabilidade é de 80 150 e representamos por: P(Q/M)= 80 150 (probabilidade de que o aluno curse química, condicionado ao fato de ser mulher) Observamos porem, que P(M∩Q)= 80 250 e P(M)= 150 250 . Para obtermos o resultado do problema basta considerar que: P(Q/M) = 80 250 150 250 = 80 150 Logo P(Q/M)= P(M∩Q) P(M) . Continuação... Probabilidade Condicional: Definição A probabilidade de um evento A ocorrer, dado (ou na condição de) que o evento B já ocorreu, será dado por: P A/B = P(A B) P(B) para P(B)>0 Obs.:Sempre que calcularmos P(A/B), estaremos essencialmente calculando P(A) em relação ao espaço amostral reduzido B, em lugar de fazê-lo em relação ao espaço original Continuação... 1. Dois dados são lançados ao acaso. Qual a probabilidade da soma das faces obtidas ser igual a 6, dado que o primeiro dado saiu um número menor que 3. Solução: ={(1,1) (1,2) (1,3) (1,4) (1,6) (1,6) (2,1) (2,2) (2,3) (2,4) (2,5) (2,6) (3,1) (3,2) (3,3) (3,4) (3,6) (3,6) (4,1) (4,2) (4,3) (4,4) (4,6) (4,6) (5,1) (5,2) (5,3) (5,4) (5,5) (5,6) (6,1) (6,2) (6,3) (6,4) (6,6) (6,6)} A = {soma igual a 6} = {(1,5) (2,4) (3,3) (4,2) (5,1)} B = {1º dado com nº < 3 } = {(1,1) (1,2) (1,3) (1,4) (1,5) (1,6) (2,2) (2,1) (2,3) (2,4) (2,5) (2,6)} A B = {(1,5), (2,4)} Logo P(A | B)= 2 36 12 36 = 2/12 = 1/6 Exemplos: Continuação... 1. 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): 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 nãoà 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? Continuação... Teorema da Multiplicação A mais importante consequência da definição de probabilidade condicional é o seguinte teorema: Sejam A e B dois eventos quaisquer de um mesmo espaço amostral , então: P(A B)=P B xP A/B ou P A xP(B/A) O teorema da multiplicação de probabilidades pode ser generalizado para mais de dois eventos, assim: Sejam A1, A2,..., An eventos quaisquer de um mesmo espaço amostral , a probabilidade da ocorrência simultânea de A1, A2,..., An é dada por: P( i=1 n Ai)=P A1 .P A2/A1 .P(A3/A1∩A2)P(A4/A1∩A2∩A3) … P(An/ A1∩A2…An−1) Continuação... Exemplos: Uma caixa contém 4 lâmpadas boas e 2 queimadas. Retira-se ao acaso 3 lâmpadas, sem reposição. Calcule a probabilidade dessas 3 lâmpadas serem boas. Então P(A1A2A3) = P(A1)xP(A2/A1)xP(A3/A1 A2) = 4 6 . 3 5 . 2 4 = 1 5 Dois carros são selecionados em uma linha de produção com 12 unidades, 5 delas defeituosas. Determine a probabilidade de ambos os carros serem defeituosos. Sejam os eventos: A = o 1o carro é defeituoso. B = o 2o carro é defeituoso. Logo P(A) = 5/12 e P(B/A) = 4/11, então: , P(AB) = P(A).P(A/B) = 5/12 x 4/11 = 5/33 = 0,1515 Continuação... Teorema da probabilidade Total Sejam A um evento qualquer do espaço amostral e B1, B2,..., Bk uma partição do mesmo espaço amostral , então: P(A) = P(A / B1)P(B1)+P(A / B2)P(B2)+ ... +P(A / Bk)P(Bk) Ou seja: P(A)= P A/Bi P(Bi) Continuação... EXEMPLO: No curso de Engenharia Mecânica 5% dos homens e 2% das mulheres estão acima dos pesos ideais. Sabe-se também que 60% dos estudantes são homens. Sorteando-se aleatoriamente um estudante, calcule a probabilidade de que ele esteja acima do peso. Sejam: A = o estudante esta acima do peso. M=a estudante seja mulher e H=o estudante seja homem Então pelo teorema da multiplicação de probabilidade, teremos: P(A)=P(A/M)P(M)+P(A/H)P(H)=0,02 x 0,4 + 0,05 x 0,6 = 0,04 Continuação... Eventos independentes Dois eventos A e B são independentes se a probabilidade de ocorrência do evento B não é afetada pela ocorrência (ou não-ocorrência) do evento A, ou seja: P(A/B)=P(A) ou P(B/A)=P(B) Assim A e B são eventos independentes se P(AB) = P(A).P(B). Exemplo: Lançam-se 3 moedas. Verificar se são independentes os seguintes eventos: A: saída de cara na 1ª moeda; B: saída de coroa na 2ª e 3ª moedas. = {(ccc), (ccr), (crc), (crr), (rcc), (rcr), (rrc), (rrr)} A= {(ccc), (ccr), (crc), (crr)} P(A)= 4 8 = 1 2 B= {(crr), (rrr)} P(B)= 2 8 = 1 4 (AB)= {(crr)} P(AB)= 1 8 Como P(A).P(B)= 1 2 . 1 4 = 1 8 ⇒ P(AB)=P(A).P(B), temos que A e B são eventos independentes. Continuação... Teorema de Bayes Sejam B1, B2, ..., Bk uma partição do espaço amostral , ou seja, eventos mutuamente exclusivos. Seja A um evento qualquer associado a , então: P Bi/A = P(Bi A) P(A) = P A/Bi P(Bi) P A/B1 P B1 +…+P A/Bk P Bk Continuação... Exemplo 16: Em uma turma 60% dos estudantes são homens e 40% mulheres. Além disso, sabe-se que 1% dos homens e 4% das mulheres tem menos de 1,60m. Dado que um estudante com menos de 1,60m foi sorteado aleatoriamente, qual a probabilidade de ser mulher ? Solução: Sejam os eventos: H={Homem}, M = {Mulher}, A = {menos de 1,60m} P M/A = P(M A) P(A) = P(M A) P(M A)+P(H A) = 0,04 x 0,40 0,04 x 0,40 +(0,01x0,6) =0,727 Continuação... Exemplo: Uma determinada peça é produzido por três fábricas: 1, 2 e 3. Sabe-se que 1 produz o dobro de peças que 2, e que 2 produz o mesmo número de peças que 3. Sabe-se também que 2% das peças produzidas por 1 e por 2 são defeituosas, enquanto que 4% das produzidas por 3 são defeituosas. Todas as peças produzidas são colocadas em um deposito e em seguida uma é escolhida ao acaso. Qual a probabilidade da peça escolhida seja defeituosa?. Sabendo-se que a peça selecionada seja perfeita qual a probabilidade de ter sido produzida pela fabrica 3?
Compartilhar