Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE DO ESTADO DO AMAZONAS Assunto: Probabilidade PROBABILIDADE Geralmente as pessoas procuram tomar decisões em função dos fatos que têm maior probabilidade de ocorrer. Exemplos: a) Se o céu está nublado, então há chance considerável de chover. Deve-se levar um guarda-chuva ao sair de casa; c) Se em determinada família há muitos casos de doença cardíaca, então há maior chance de pessoas daquela família serem afetadas; portanto, os exames preventivos precisam ser feitos mais frequentemente. PROBABILIDADE b) Se um inspetor de qualidade está observando as peças produzidas por uma máquina, e verifica que elas estão saindo fora do padrão, então ele pode deduzir que existe alta chance de essa máquina continuar produzindo peças fora do padrão. Logo, a máquina deverá receber atenção especial; MODELOS PROBABÍLISTICOS Este aspecto é a incerteza inerente às decisões que podem ser tomadas sobre determinado problema (situação). a) Por mais nublado que o céu esteja, pode não chover , ao menos durante o período de tempo em que a pessoa estiver fora de casa; b) Algumas peças poderiam estar fora do padrão por motivo meramente casuais. O processo pode estar funcionando bem; c) Apesar dos vários precedentes familiares, uma pessoa pode viver a vida inteira sem ter problemas cardíacos. MODELOS PROBABÍLISTICOS Se for possível quantificar a incerteza associada a cada fato, algumas decisões tornam-se mais fáceis. a) Qual deve ser a capacidade instalada de uma usina hidrelétrica, em função da vazão e da precipitação pluviométrica? TEORIA DO CÁLCULO DAS PROBABILIDADES b) Qual deve ser a capacidade do servidor de comércio eletrônico de uma empresa, em função da demanda prevista? A teoria do cálculo de probabilidades permite obter uma quantificação da incerteza associada a um ou mais fatos e, portanto, é extremamente útil no auxílio à tomada de decisões. TEORIA DO CÁLCULO DAS PROBABILIDADES Os modelos probabilísticos são aplicados em situações que envolvem algum tipo de incerteza ou variabilidade. Nota: Considera-se a presença de algum experimento aleatório como princípio para a construção dos modelos probabilísticos. TEORIA DO CÁLCULO DAS PROBABILIDADES EXPERIMENTO ALEATÓRIO Exemplos: a) O lançamento de um dado e a observação da face voltada para cima; não sabemos exatamente qual face vai ocorrer, apenas que será uma das seis existentes. Além disso, se o dado for não viciado e o lançamento imparcial, todas as faces têm a mesma chance de ocorrer; EXPERIMENTO ALEATÓRIO b) A observação dos diâmetros, em mm, de eixos produzidos em uma metalúrgica; sabemos que as medidas devem estar próximas de um valor nominal, mas não sabemos exatamente qual é o diâmetro de cada eixo antes de efetuar as mensurações; c) O número de mensagens que são transmitidas corretamente por dia em uma rede de computadores; sabemos que o mínimo possível é zero, mas não sabemos nem sequer o número máximo de mensagens que serão transmitidas. Nota: Nos casos em que os possíveis resultados de um experimento aleatório podem ser listados (caso discreto), um modelo probabilístico pode ser entendido como a listagem desses resultados, acompanhados de suas respectivas probabilidades. EXPERIMENTO ALEATÓRIO Experimentos ou fenômenos aleatórios são aqueles que, mesmo repetidos várias vezes sob condições semelhantes, apresentam resultados imprevisíveis, como por exemplo, o lançamento de um mesmo dado repetidas vezes. EXPERIMENTO ALEATÓRIO A teoria da probabilidade surgiu para tentar medir a “chance” de ocorrer um determinado resultado, num experimento aleatório. Numa experiência com vários resultados possíveis, todos com a “mesma chance”. CONSTRUÇÃO DE UM MODELO PROBABILÍSTICO (CASO DISCRETO) Definição do experimento Definição dos resultados possíveis do experimento Definição de uma regra que obtenha a probabilidade de cada resultado ocorrer. ESPAÇO AMOSTRAL Seja um experimento aleatório qualquer. O conjunto de todos os possíveis resultados do experimento é chamado de espaço amostral e é denotado pela letra grega . Exemplos: a) Lançamento de um dado e observação da face voltada para cima: = {1, 2, 3, 4, 5, 6} b) Retirada de uma carta de um baralho comum (52 cartas) e observação do naipe: = {copas, espadas, ouros, paus} c) O número de mensagens que são transmitidas corretamente por dia em uma rede de computadores: = {0, 1, 2, 3, ...} d) A observação do diâmetro, em mm, de um eixo produzido em uma metalúrgica: = {d, tal que d > 0} O espaço amostral pode ser: 1. Finito, formado por um número limitado de resultados possíveis, como nos exemplos anteriores a) e b); 2. Infinito enumerável, formado por um número infinito de resultados, os quais podem ser listados, como no exemplo c); 3. Infinito, formado por intervalos de números reais, como no exemplo d). Nota: Um espaço amostral é discreto quando for finito ou infinito enumerável; é dito contínuo quando for infinito, formado por intervalos de números reais. Os elementos para se tomar alguma decisão podem corresponder a um conjunto de resultados (ou eventos) associados ao experimento aleatório. Por exemplo, se o diâmetro D de um eixo, em mm, que sai da linha de produção, pertencer ao conjunto (ou evento) A = {49,0 D 51,0}, então se decide que ele é adequado. EVENTO Chamamos de evento qualquer subconjunto do espaço amostral. Exemplo: Seja o experimento de lançamento de um dado. Temos: = {1, 2, 3, 4, 5, 6}. São exemplos de eventos: A = número par do dado = {2, 4, 6}; B = número maior que 2 do dado = {3, 4, 5, 6}; C = número 6 = {6} Nota: Como um evento é um subconjunto do espaço amostral, então todos os conceitos da teoria de conjuntos podem ser aplicados a eventos. Considerando A e B eventos quaisquer, veja as principais operações: Operação Notação Conjunto Evento União A B Reúne os elementos de ambos os conjuntos Ocorre quando ocorrer pelo menos um deles (A, B ou ambos) Interseção A B Formado somente pelos elementos que estão em A e B Ocorre quando ocorrer ambos os eventos (A e B) Complementar Formado pelos elementos que não estão em A Ocorre quando não ocorrer o evento A (não A) Exemplo: Considere o lançamento de um dado e observação da face voltada para cima e os seguintes eventos: A = número par do dado = {2, 4, 6} B = número maior que 2 do dado = {3, 4, 5, 6} C = número 6 do dado= {6} Determine seus eventos complementares. Exemplo: Considere os eventos: A = número par do dado = {2, 4, 6} B = número maior que 2 do dado = {3, 4, 5, 6} C = número 6 do dado= {6} Algumas operações: A B = {2, 3, 4, 5, 6} A C = {2, 4, 6} A B = {4, 6} A C = {6} Eventos são ditos mutuamente exclusivos se e só se eles não puderem ocorrer simultaneamente. Então, para dois eventos quaisquer, A e B, temos: EVENTOS MUTUAMENTE EXCLUSIVOS A e B são mutuamente exclusivos A B = ATIVIDADE 1. Considere a experiência que consiste em pesquisar famílias com três crianças, em relação ao gênero delas, segundo a ordem do nascimento. Enumere o espaço amostral e os eventos: a) ocorrência de dois filhos do gênero masculino. b) ocorrência de no máximo duas crianças do gênero feminino. 2. Lançam-se duas moedas. Enumere o espaço amostral e os eventos: a) Faces iguais. b) Cara na 1ª moeda. c) Coroa na 2ª moeda. DEFINIÇÕES DE PROBABILIDADE DEFINIÇÃO CLÁSSICA DE PROBABILIDADE Se um experimento aleatório tem n resultados igualmente prováveis, e nA, desses resultados pertencem a certo evento A, então a probabilidade de ocorrência do evento A será: Exemplo: Retira-se uma carta de um baralho completo de 52 cartas. Quala probabilidade de sair uma carta de copas? = {C13, E13, O13, P13 } A = {cartas de copas} A = 13 DEFINIÇÃO EXPERIMENTAL DE PROBABILIDADE Muitas vezes, a alocação de probabilidades baseia-se em observações do passado. Seja um experimento aleatório com espaço amostral e um evento A de interesse. Suponha que esse experimento seja repetido n vezes e o evento A ocorreu n(A) vezes. A frequência relativa do evento A é dada por: À medida que o experimento é referido mais e mais vezes, sob as mesmas condições, a frequência relativa do evento A tenderá a ficar cada vez mais próxima da probabilidade de ocorrência do evento A. Mais especificamente: Exemplo: Um fabricante de lâmpadas fluorescentes precisa especificar o tempo de garantia de um de seus modelos. Embora os projetistas estimem que o tempo médio de vida do modelo seja de 5.000 horas, não se sabe exatamente como as lâmpadas irão comportar-se. E sem esse conhecimento seria temerário especificar o tempo de garantia. = {t, tal que t 0} Seja o evento: At = a lâmpada funcionar até o tempo t. Com os resultados do experimento, podemos calcular as frequências relativas: AXIOMAS DA PROBABILIDADE Independente de como são obtidas, usando a definição clássica ou a experimental, as probabilidades atendem a alguns axiomas. Formalmente, seja um experimento aleatório e um espaço amostral associado a ele. A cada evento Ei (i = 1, 2, ...) associaremos um número real denominado probabilidade de ocorrência de Ei, P(Ei), que deve satisfazer aos seguintes axiomas: a) 0 P(Ei) 1 b) P() = 1 e PROPRIEDADES BÁSICAS DA PROBABILIDADE: 1. P() = 0 Se o experimento é realizado, algum resultado vai ocorrer (P() = 1). Portanto, nunca ocorre P() = 0). é conhecido como evento impossível. No experimento do dado, por exemplo: P(número par) = P(2, 4, 6) = P(2) + P(4) + P(6) Esse processo de calcular probabilidade pode ser usado mesmo quando o não for equiprovável. 2. Para o caso discreto, isto é, quando os resultados possíveis podem ser listados, então, pelo axioma c) , a probabilidade de qualquer evento pode ser obtida pela soma das probabilidades dos resultados individuais, ou seja, A = {1, 2, 3, ... }, então: No experimento do dado, temos P(ocorrer a face seis) = P(6) = 1/6. Pela propriedade do evento complementar P(não ocorrer a face seis) = 1 – 1/6 = 5/6. 4. REGRA DA SOMA DAS PROBABILIDADES Sejam A e B eventos quaisquer , então: P(A B) = P(A) + P(B) – P(A B) No experimento do dado, sejam: A = {2, 4, 6} e B={3, 4, 5, 6}. Portanto, P(A)=1/2, P(B)=2/3 e P(A B) = P({4,6}) =1/3. Qual a probabilidade de ocorrer uma face com o número maior do que 1 ? P(A B) = P(A) + P(B) – P(A B) 3. Consideremos os alunos matriculados na disciplina de Estatística Básica nesta turma. Temos _____ homens com mais de 20 anos, _____ homens com menos de 20 anos, ____ mulheres com mais de 20 anos, ____ mulheres com menos de 20 anos. Uma pessoa é escolhida ao acaso dentre os ____. Os seguintes eventos são definidos: ATIVIDADE A: a pessoa tem mais de 20 anos; B: a pessoa tem menos de 20 anos; C: a pessoa é um homem; D: a pessoa é uma mulher Calcule: P(BD) e P(AC). 4. Quais dos valores abaixo não podem ser probabilidades? a) 0; b) 0,001; c) -0,2; d) 3/2; e) 2/3. ATIVIDADE PROBABILIDADE CONDICIONAL Exemplo: Os dados a seguir, representam o sumário de um dia de observação em um posto de qualidade, em que se avalia o peso dos pacotes de leite produzidos num laticínio. Condição do peso Tipo do leite Total B (B) C ( C ) UHT (U) Dentro das especificações (D) 500 4.500 1.500 6.500 Fora das especificações (F) 30 270 50 350 Total 530 4.770 1.550 6.850 Retira-se, ao acaso, um pacote de leite da população de 6.850 unidades. Pergunta-se: Condição do peso Tipo do leite Total B (B) C ( C ) UHT (U) Dentro das especificações (D) 500 4.500 1.500 6.500 Fora das especificações (F) 30 270 50 350 Total 530 4.770 1.550 6.850 a) Qual é a probabilidade de o pacote de leite estar fora das especificações? b) Qual a probabilidade de o pacote de leite retirado estar fora das especificações, sabendo que é do tipo UHT? PROBABILIDADE CONDICIONAL Sejam A e B eventos quaisquer, sendo P(B) > 0. Definimos a probabilidade condicional de A dado B por: Obs.: É importante ressaltar que a operação de interseção é comutativa, implicando: P(A B) = P(B A) PROBABILIDADE CONDICIONAL Probabilidade Condicional é um segundo evento de um espaço amostral que ocorre em um evento depois que já tenha ocorrido. Considere um espaço amostral finito e um evento A do espaço amostral, se quisermos outro evento B desse espaço amostral, essa nova probabilidade é indicada por P(B\A) e dizemos que é a probabilidade condicional de B em relação a A. PROBABILIDADE CONDICIONAL Essa probabilidade condicional irá formar um novo espaço amostral, pois agora o espaço amostral será A e os elementos do evento B irão pertencer a B A. A REGRA DO PRODUTO Uma das consequências da expressão da probabilidade condicional é a regra do produto, obtida ao isolar a probabilidade da interseção. Ou seja: O inverso também é possível, pois: Exemplo: Em um lote de 12 peças, 4 são defeituosas, 2 peças são retiradas uma após a outra, sem reposição. Qual a probabilidade de que ambas sejam boas? A={a 1ª peça é boa} B={a 2ª peça é boa} P(A ∩ B)= P(A). P(B/A)= 8/12x7/11=14/33 Para três eventos, A, B e C, a regra do produto pode ser escrita como: P(A B C) = P(A) . P(B\A) . P(C\A B) Obs.: É importante que seja observada a sequência lógica dos eventos para montar as expressões precedentes. EVENTOS INDEPENDENTES Sejam A e B . Intuitivamente, se A e B são independentes, P(A\B) = P(A) e P(B\A) = P(B). Definição: A e B são independentes se P(A B) = P(A) .P(B). c k c c k k k k k c c c Exemplo: Lançam-se 3 moedas. Verificar se são independentes os eventos: A: saída de cara na 1ª moeda; B: saída de coroa na 2ª e 3ª moedas. ={ccc, cck, ckc, ckk, kcc, kck, kkc, kkk} k c A: saída de cara na 1ª moeda; B: saída de coroa na 2ª e 3ª moedas. A = {ccc, cck, ckc, ckk} P(A) = 1/2 B= {ckk, kkk} P(B) = 1/4 Logo: P(A).P(B) = 1/2. 1/4 = 1/8 Como A B = {ckk} e P(A B) = 1/8 Temos que A e B são eventos independentes, pois P(A B) = P(A) . P(B) Obs.: 1 – Para verificarmos se 3 eventos A, B e C, são independentes, devemos verificar se as 4 proposições são satisfeitas: 1: P(A B C) = P(A) . P(B) . P(C) 2: P(A B ) = P(A) . P(B) . 3: P(A C ) = P(A) . P(C) . 4: P(B C ) = P(B) . P(C) . Se apenas uma não for satisfeita, os eventos não são independentes.(MORETTIN) 2 – Se A e B são mutuamente exclusivos, então A e B são dependentes, pois, se A ocorre, B não ocorre, isto é, a ocorrência de um evento condiciona a não ocorrência do outro. ATIVIDADE 5. A probabilidade de que A resolva um problema é de 2/3, e a probabilidade de que B o resolva é de ¾. Se ambos tentarem independentemente, qual a probabilidade de o problema ser resolvido? TEOREMA DA PROBABILIDADE TOTAL Exemplo: Imagine que você utiliza peças de quatro fornecedores, que têm diferentes desempenhos quanto a sua qualidade. As peças são classificadas como conforme ou não conforme e você conhece a proporção de peças não conformes da cada fornecedor (p1, p2, p3 e p4). Considere a formação de um lote com peças dos quatro fornecedores, conforme figura abaixo. Grupo de peças extraídas para a formação do lote E5 E2 E3 E4 E6 E1 EK F Participação do em eventos mutuamente exclusivos. Teorema da Probabilidade Total Exemplo: Uma companhia multinacional tem três fabricas que produzem o mesmotipo de produto. A fabrica I e responsável por 30% do total produzido, a fabrica II produz 45% do total, e o restante vem da fabrica III. Cada uma das fabricas, no entanto, produz uma proporção de produtos que não atendem aos padrões estabelecidos pelas normas internacionais. Tais produtos são considerados “defeituosos" e correspondem a 1%, 2% e 1,5%, respectivamente, dos totais produzidos por fabrica. No centro de distribuição, e feito o controle de qualidade da produção combinada das fabricas. a) Qual e a probabilidade de encontrar um produto defeituoso durante a inspeção de qualidade? Seja o evento A = {Produto Defeituoso} e Fi = {Produto da Fabrica i}. Temos, pelo enunciado, que: P(F1) = 0,3 ; P(F2) = 0,45 e P(F3) = 0,25. Além disso, sabemos que: P(A\F1) = 0,01, P(A\F2) = 0,02 e P(A\F3) = 0,015. Então, pelo teorema da probabilidade total: P(A) = P(F1) . P(A\F1) + P(F2) . P(A\F2) + P(F3) . P(A\F3) P(A) = 0,3 x 0,01 + 0,45 x 0,02 + 0,25 x 0,015 = 0,01575 b) Se durante a inspeção, encontramos um produto defeituoso, qual e a probabilidade que ele tenha sido produzido na fabrica II? Aplicando o Teorema de Bayes: O Teorema de Bayes é também chamado de Teorema da probabilidade a posteriori. Ele relaciona uma das parcelas da probabilidade total com a probabilidade total. ATIVIDADE Num supermercado há 2.000 lâmpadas, provenientes de 3 fábricas distintas, X, Y e Z. X produziu 500 das quais 400 são boas. Y produziu 700, das quais 600 são boas, e Z as restantes, das quais 500 são boas. Se sortearmos ao acaso uma das lâmpadas nesse supermercado, qual a probabilidade de que: a) Seja boa? b) Sendo boa, tendo sido fabricada por X? P(B) = P(X) . P(B\X) + P(Y) . P(B\Y) + P(Z) . P(B\Z) P(B) = 0,25 x 0,8 + 0,35 x 0,86 + 0,40 x 0,62 0,75 ou 75% Resolução a): b)
Compartilhar