Baixe o app para aproveitar ainda mais
Prévia do material em texto
A B Figura 1: O diagrama de Venn de dois eventos independentes. Exerc´ıcios resolvidos da Lista 12 e Aula extra para atividade 7. Vamos comec¸ar com uma revisa˜o dois conceito de dois eventos serem independentes ou corela- cionados. Primeiro, vou usar a seguinte expressa˜o: “o evento A aconteceu” se o resultdado observado do experimento for um elemento de A. Sejam A e B dois eventos. Dizemos que os eventos A e B sa˜o independentes quando o acontecimento de um, na˜o altera a probabilidade do outro acontecer. Ou seja, a probabilidade condicional de A acontecer dado que B aconteceu e´ igual a probabilidade de A acontecer, P (A) = P (A|B). Isso tem algumas consequencias imediatos: P (A) = P (A|B) = P (A ∩B) P (B) . Multiplicando cada lada desta equac¸a˜o por P (B) obtemos P (A)P (B) = P (A ∩B). Esquematicamente, dois eventos A e B so independentes quando a area da regia˜o de in- tersec¸a˜o A ∩ B divido pelo a´rea de P (B), e´ igual a a´rea de P (A). Ou seja, a diagrama de Venn teria que ser parecido com a Figura 1. Questa˜o extra importante: Agora prove, sem usar a figura, que se dois eventos A e B, tais que P (A) > 0 e P (B) > 0, sa˜o independentes enta˜o na˜o sa˜o disjuntos. Quando dois eventos na˜o sa˜o independentes, dizemos que sa˜o corelaciondos, ou seja, o acontecimento de um influencia na probabilidade do outro acontecer. Se a probabilidade de A acontecer aumentar sabendo que B aconteceu, dizemos que sa˜o positivamente corelaciondos. Alge´bricamente isso quer dizer que: P (A|B) > P (A). Se a probabilidade de A acontecer dimunui sabendo que B aconteceu, dizemos que sa˜o negativamente corelaciondos. Algebricamente isso quer dizer que: P (A|B) < P (A). Probabilidade condicional tambe´m pode ser usado como uma ferramenta para calcular algumas probabilidades de eventos mais d´ıficeis usando a Lei da Probabilidade Total 1 (Probabilidade condicional, pa´gina 2/3, Tema 2). Para mostrar como usar isto, vou resolver alguns exerc´ıcios da lista 12. Questa˜o 1 Considere o experimento dado-moeda de lanc¸ar um dado e depois uma moeda o nu´mero de vezes que aparece no dado. Seja N o resultado do dado e C o evento em que todos os lanc¸amentos da moeda resultam em cara. Determine: P (C), P (N = n |C) para n ∈ {1, 2, 3, 4, 5, 6}, compare estes resultados com P (N = n) para n ∈ {1, 2, 3, 4, 5, 6}, dizendo como os eventos C e (N = n) esta˜o correlacionados. De imediato, e´ dificil calcular P (C). Mas usando Lei da Probabilidade Total facilita. Para tanto, note que a variv´el N pode assumir uma dos seguintes 6 valores {1, 2, 3, 4, 5, 6}. Podemos particionar o conjunto universal de acordo com esses 6 valores. Ou seja, necessari- amente, ou N = 1 ou N = 2 ou N = 3 ou N = 4 ou N = 5 ou N = 6. Logo podemos calcular a probabilidade P (C) da seguinte maneira: P (C) = P (N = 1)P (C |N = 1) + P (N = 2)P (C |N = 2) + P (N = 3)P (C |N = 3) + P (N = 4)P (C |N = 4) + P (N = 5)P (C |N = 5) + P (N = 6)P (C |N = 6).(1) Cada termo no lado direto desta equac¸a˜o e´ razoavelmente fa´cil de calcular. Por exemplo, se sabemos que N = 2, enta˜o P (C|N = 2) e´ simplesmente a probabilidade de cair duas caras em duas lanc¸amentos, ou seja ( 1 2 )2 . No caso geral, se n ∈ {1, 2, 3, 4, 5, 6} enta˜o P (C|N = n) = ( 1 2 )n . A probabilidade de cair um lado espec´ıfico do dado e´ sempre igual a 1/6. Logo, para n ∈ {1, 2, 3, 4, 5, 6} temos que P (N = n) = 1/6. Aplicando isso ao (1) temos que P (C) = 1 6 ( 1 2 )1 + 1 6 ( 1 2 )2 + 1 6 ( 1 2 )3 + 1 6 ( 1 2 )4 + 1 6 ( 1 2 )5 + 1 6 ( 1 2 )6 = 1 6 ( 1− ( 1 2 )6) = 21 128 . (2) Podemos intuitivamente ver como C e (N = n) sa˜o corelacionados. A probabilidade de obter somente caras nos lanc¸amentos de moedas diminui a medida que temos mais moedas para lanc¸ar. Ou seja, e´ mais provavel que o resultado do experimento pertence a C quando (N = 1) e menos provave´l quando (N = 2). Precisamente, a probabilidade de ω ∈ C sabendo que ω ∈ (N = 1) e´ 1/2 enquanto a probabilidade de ω ∈ C sabendo que ω ∈ (N = 2) e´ (1/2)2. Logo podemos chutar que C e (N = n) sa˜o positivamente corelacionados para n pequeno enquanto C e (N = n) sa˜o negativamente corelacionados para n grande. Intuic¸a˜o e´ muito bom, mas precisamos agora provar o que foi inferido pela intuic¸a˜o. Seja n ∈ {1, 2, 3, 4, 5, 6}. Para que C e (N = n) sejam positivamente corelacionados precisamos que: P (C |N = n) > P (C). 2 Usando o fato ja´ calculado que P (C) = 21/128 e P (C|N = n) = (1 2 )n , temos que C e (N = n) sa˜o positivamente corelacionados quando( 1 2 )n > 21 128 . Aplicando log(·) nos dois lado temos: n < log( 21 128 ) log(1 2 ) . Calculando o lado direito temos que n < 2.607682577. Concluimos que C e (N = n) sa˜o positivamente corelacionados quando n ∈ {1, 2} e, por exclusa˜o, sa˜o negativamente corelacionados quando n ∈ {3, 4, 5, 6}. Para finalizar, vamos calcular agora P (N = n |C) usando expl´ıcitamente a definic¸a˜o: P (N = n |C) = P ((N = n) ∩ C) P (C) = 1 6 ( 1 2 )n 128 21 = 26−n 63 , onde usamos o fato que P ((N = n)∩C) e´ a probabilidade de cair n no dado e cair n caras no lanc¸amentos dos dados, ou seja P ((N = n) ∩ C) = 1 6 ( 1 2 )n . Note que, para n menor, temos que P ((N = n)∩C) e´ maior. Isso ta de acordo com a nossa intuic¸a˜o? Aguardo perguntas e respostas. 3
Compartilhar