Prévia do material em texto
Introdução à Probabilidade e à Estatı́stica Prof. Kayo Douglas Universidade Federal do ABC 21 de outubro de 2016 Organização: Prof. Kayo Douglas Aulão IPE Docentes 1. Pedro Lauridsen Ribeiro 2. Vladimir Perchine 3. André Martin Timpanaro Prof. Kayo Douglas Aulão IPE Conteúdo 1. Análise Combinatória 2. Elementos de Probabilidade 3. Espaços Equiprováveis 4. Probabilidade Condicional Prof. Kayo Douglas Aulão IPE Permutações Quando queremos ver de quantas formas podemos rearranjar uma sequência de n valores Pn = n! Prof. Kayo Douglas Aulão IPE Anagramas Quando queremos calcular a quantidade de anagramas de uma palavra com n letras que não se repetem ANn = n! Prof. Kayo Douglas Aulão IPE Anagramas Quando queremos calcular a quantidade de anagramas de uma palavra de n letras, composta das letras l1, l2, l3, . . . , lk em que cada letra li se repete ti vezes ANRt1,t2,...,tk = n! t1!t2!t3! . . . tk ! Prof. Kayo Douglas Aulão IPE Anagramas Ex: A palavra CONTINENTE tem ANR1,1,3,2,1,2 = (1 + 1 + 3 + 2 + 1 + 2)! 1!1!3!2!1!2! anagramas Prof. Kayo Douglas Aulão IPE Arranjos Quando queremos ver de quantas formas diferentes podemos Ordenar k dados a partir de um conjunto de n elementos (Sem Repetição) An,k = n! (n − k)! Prof. Kayo Douglas Aulão IPE Arranjos Quando queremos ver de quantas formas diferentes podemos Ordenar k dados a partir de um conjunto de n elementos (com repetição) ARn,k = nk Prof. Kayo Douglas Aulão IPE Combinações Quando queremos ver quantos conjuntos de k elementos diferentes podemos obter a partir de um conjunto de n elementos Cn,k = ( n k ) = n! k !(n − k)! Prof. Kayo Douglas Aulão IPE Combinações Exemplo: Suponha que em uma sala de aula tenhamos 6 carteiras em um fileira, aonde querem sentar 3 meni- nos e 3 meninas. 1. De quantas maneiras diferentes as crianças podem sentar na fileira? 2. E se os 3 meninos quiserem ficar juntos e as 3 meninas quiserem ficar juntas? (ou seja, os 3 meninos em sequência e as 3 meninas em sequência, não importando qual dos grupos vem primeiro) De quantas maneiras eles poderiam sentar? 3. E se apenas os 3 meninos quiserem ficar juntos? 4. E se as crianças quiserem se sentar alternando meninas e meninos? (não importando se começamos a fileira com meninas ou meninos) Prof. Kayo Douglas Aulão IPE Combinações Exemplo: Uma pessoa quer vender três DVDs da sua coleção que conta com 15 filmes de Drama, 13 de Comédia e 6 de Aventura. Quantas escolhas existem se ela quiser vender dois DVDs de um gênero e mais um, de outro? Prof. Kayo Douglas Aulão IPE Número de soluções inteiras Positivas O Número de Soluções Inteiras Positivas da equação x1 + x2 + x3 + . . .+ xr = n é dado por: SPn,r = ( n − 1 r − 1 ) Prof. Kayo Douglas Aulão IPE Número de soluções inteiras Positivas Exemplo: Temos 10 vagas de monitores para 6 disciplinas, e precisamos decidir quantos monitores vão atuar em cada disciplina. Quantas opções de distribuição de vagas temos, se nenhuma disciplina pode ficar sem pelo menos um monitor? Prof. Kayo Douglas Aulão IPE Número de soluções inteiras Não-Negativas O Número de Soluções Inteiras Não-negativas da equação x1 + x2 + x3 + . . .+ xr = n é: SNn,r = ( n + r − 1 r − 1 ) Prof. Kayo Douglas Aulão IPE Número de soluções inteiras Não-Negativas Exemplo: De quantas formas diferentes podemos distribuir 15 bolinhas em 4 caixas? Prof. Kayo Douglas Aulão IPE Número de soluções inteiras Não-Negativas Exemplo: Temos 37 mil reais que devem ser aplicados entre 4 carteiras diferentes. Cada aplicação deve ser feita em múltiplos de mil reais, e os investimentos mı́nimos que podem ser feitos são de 2,2,3 e 8 mil reais. Quantas estratégias de aplicação diferentes existem se uma aplicação tiver que ser feita em cada carteira? Prof. Kayo Douglas Aulão IPE Número de soluções inteiras Não-Negativas Exemplo: Temos 37 mil reais que devem ser aplicados entre 4 carteiras diferentes. Cada aplicação deve ser feita em múltiplos de mil reais, e os investimentos mı́nimos que podem ser feitos são de 2,2,3 e 8 mil reais. Quantas estratégias de aplicação diferentes existem se uma aplicação tiver que ser feita em cada carteira? Prof. Kayo Douglas Aulão IPE Espaço Amostral Definição: Chamamos de Espaço Amostral o conjunto de todos os resultados possı́veis de um experimento Ex: ao lançarmos um dado, e verificamos a face virada pra cima: Ω = {1,2,3,4,5,6} Prof. Kayo Douglas Aulão IPE Espaço Equiprovável Definição: Chamamos de Espaço Equiprovável um espaço amostral onde cada elemento tem a mesma probabilidade de acontecer Ex: 1. A face de cima, ao lançarmos um dado; 2. Uma carta escolhida ao acaso num baralho; 3. Uma bola sorteada em uma caixa; Prof. Kayo Douglas Aulão IPE Evento Definição: Chamamos de Evento um subconjunto de Ω, normalmente seguindo alguma condição: Ex: se queremos saber apenas dos resultados pares no lançamento do dado: E = {2,4,6} Prof. Kayo Douglas Aulão IPE Intersecção Definição: Chamamos de Intersecção de eventos o subconjunto de Ω no qual cada elemento pertence a todos os eventos em questão A ∩ B = {x ∈ Ω tal que x ∈ A E x ∈ B} Prof. Kayo Douglas Aulão IPE União Definição: Chamamos de União de eventos o subconjunto de Ω no qual cada elemento pertence a pelo menos um dos eventos em questão A ∪ B = {x ∈ Ω tal que x ∈ A OU x ∈ B} Prof. Kayo Douglas Aulão IPE Exclusão Mútua Definição: Dizemos que dois eventos são mutuamente excludentes (ou exclusivos) quando a intersecção entre eles é vazia, ou seja, eles não podem ocorrer ao mesmo tempo. Ex: 1. Um número não pode ser par e ı́mpar ao mesmo tempo; 2. Uma moeda, ao ser lançada, não pode dar cara e coroa; 3. ao lançar bolas numa cesta, um jogador não pode acertar duas vezes em dez e acertar três vezes em dez; Prof. Kayo Douglas Aulão IPE Probabilidade Def 1:Quando repetimos um experimento n vezes a probabilidade de um evento E acontecer é dada pela proporção entre a quantidade n(E) de vezes que esperamos que esse evento ocorra nesses n lançamentos. Dessa forma P(E) = lim n→∞ n(E) n Essa definição é chamada Definição Frequentista de probabilidade Prof. Kayo Douglas Aulão IPE Probabilidade Def 2:Probabilidade é uma função que leva do espaço amostral (S ou Ω) ao intervalo [0,1] que respeita os seguintes axiomas: 1. 0 ≤ P(E) ≤ 1 2. P(Ω) = 1 3. Quando os eventos E1,E2,E3 · · · são mutuamente exclusivos dois a dois: P( ∞⋃ i=1 Ei) = ∞∑ i=1 P(Ei) Essa definição é chamada Definição Axiomática de probabilidade Prof. Kayo Douglas Aulão IPE Probabilidade Condicional Quando queremos saber a probabilidade de um evento A sabendo que um evento B aconteceu, isto é, a probabilidade de A tal que B: P(A|B) = P(A ∩ B) P(B) ou P(A|B) = |A ∩ B| |B| em espaços equiprováveis Prof. Kayo Douglas Aulão IPE Ex 3 Seja o lançamento de dois dados honestos. Qual é a probabilidade condicional de que pelo menos um deles caia no 6 se os dados caı́rem em números diferentes? Prof. Kayo Douglas Aulão IPE Ex 3 R: Considere Nd o evento onde os dois números são diferentes e 16 o evento de ao menos um deles ser 6 P(16|Nd ) = P(16 ∩ Nd ) P(Nd ) = |16 ∩ Nd | |Nd | Prof. Kayo Douglas Aulão IPE Ex 3 R: 16 = {(1,6); (2,6); (3,6); (4,6); (5,6); (6,6); (6,5); (6,4); (6,3); (6,2); (6,1)} Nd = {(x , y)|x , y = 1,2,3,4,5,6; x 6= y} 16 ∩ Nd = {(1,6); (2,6); (3,6); (4,6); (5,6); (6,5); (6,4); (6,3); (6,2); (6,1)} Prof. Kayo Douglas Aulão IPE Teorema de Bayes Quando queremos saber P(B|A) a partir de P(A|B) P(B|A) = P(A ∩ B) P(A) = P(B) · P(A|B) P(A) Prof. Kayo Douglas Aulão IPE Teorema de Bayes Resultado 1: P(A ∩ B) = P(A|B) · P(B) Prof. Kayo Douglas Aulão IPE Teorema de Bayes Resultado 2: P(A) = P(B) · P(A|B) + P(BC) · P(A|BC) Prof. Kayo Douglas Aulão IPE Ex 4 Sabe-seque um ”soro da verdade”, quando aplicado a um suspeito, é 90% eficaz quando a pessoa é culpada 99% eficaz quando é inocente. Um suspeito é retirado de um grupo de onde 95% delas jamais cometeram qualquer crime. Se o soro indica ”culpado”, qual a probabilidade de o suspeito ser inocente? Prof. Kayo Douglas Aulão IPE Ex 4 Tomando C o evento no qual o suspeito é culpado, I inocente e A o evento onde o teste aponta um suspeito como culpado. R:O exercı́cio nos dá: 1. P(I) = 95% 2. P(C) = 5% 3. P(A|I) = 1% 4. P(A|C) = 90% Prof. Kayo Douglas Aulão IPE Ex 4 R:Dessa forma P(I|A) = P(I) · P(A|I) P(I) · P(A|I) + P(C) · P(A|C) Prof. Kayo Douglas Aulão IPE Ex 4 R: P(I|A) = 0.95 · 0.01 0.95 · 0.01 + 0.05 · 0.9 Prof. Kayo Douglas Aulão IPE Exemplo Suponha que E e F sejam eventos para os quais P(E) = 0.4, P(F ) = 0.3 e P(E ∩ F ) = 0.2. Calcule: 1. P(E ∩ F ) 2. P(E ∪ F ) 3. P(F C) 4. P(EC) 5. P(E ∩ F C) 6. P(EC ∪ F ) 7. P(EC ∪ F C) 8. P(EC ∩ F C) Prof. Kayo Douglas Aulão IPE Exemplo Um grupo de 20 homens e 20 mulheres é dividido aleatoriamente em 2 grupos de 20 pessoas. Use a fórmula de Stirling n! ≈ √ 2πn (n e )n para estimar a probabilidade de ambos os grupos possuı́rem o mesmo número de homens Prof. Kayo Douglas Aulão IPE Exemplo Você pede ao seu vizinho regar uma planta enquanto você está viajando. Sem água, a planta morrerá com probabilidade 0,8; e com água, com 0,15. Você tem 90% de certeza de que o vizinho se lembrará de regar a planta. 1. Qual a probabilidade que a planta estará viva quando você voltar? 2. Se a planta estiver morta quando você voltar, qual a probabilidade de que seu vizinho tenha se esquecido de regá-la? Prof. Kayo Douglas Aulão IPE Exemplo No depósito de uma fábrica de chocolates temos caixas de bombons de 2 tipos: Tipo A Essas caixas contém 60% de bombons recheados Tipo B Essas caixas contém 30% de bombons recheados Também sabemos que 100 das 300 caixas são do tipo A enquanto que as restantes são do tipo B e que a única coisa que distingue as caixas é a composição. Se eu pegar uma dessas caixas e tirar um bombom de dentro, determine a probabilidade que essa seja uma caixa do tipo A se (a) O bombom for recheado (b) O bombom não for recheado Prof. Kayo Douglas Aulão IPE