Baixe o app para aproveitar ainda mais
Prévia do material em texto
(Axiomática) Na de�nição axiomática da probabilidade não se estabelece a forma explícita de calcular as probabilidades, mas unicamente as regras que o cálculo das probabilidades deve satisfazer. Três postulados ou axiomas para a Teoria das Probabilidades foram estabelecidos em 1933 pelo matemático russo Andrey Nikolaevich Kolmogorov. Não nos preocuparemos com o problema de como de�nir probabilidade para cada experimento. Assentaremos a base axiomática da teoria das probabilidades tal como foi erigida por Kolmogorov, responsável pela base matemática sólida da teoria. Seja um espaço amostral e A um subconjunto de . Uma medida de proba- bilidade P é uma aplicação de argumento A tendo os seguintes axiomas: A1) P (A) � 0. A2) P ( ) = 1. A3) (Aditividade �nita) Se A1; A2; :::; An � são disjuntos dois a dois, isto é, Ai \ Aj = ? para todo i 6= j, então P � n [ i=1 Ai � = n X i=1 P (Ai). Uma função P satisfazendo os Axiomas 1, 2 e 3 é chamada probabilidade �ni- tamente aditiva. Entretanto, no curso formal de Probabilidade você verá que, para dar conta dos problemas reais de Probabilidade, será mais conveniente supor �-aditividade: A3�) Se A1; A2; ::: � são disjuntos dois a dois, então P � 1 [ i=1 Ai � = 1 X i=1 P (Ai). Com base nos axiomas de probabilidade, pode-se demonstrar os seguintes teore- mas: Teorema 1 P (?) = 0. 8 Prova. (Em aula.) Observação 4 (Concepção Errônea) Sabemos agora que se A = ? então P (A) = 0. No entanto, a recíproca não é verdadeira, isto é, P (A) = 0 não implica neces- sariamente que A = ?! Um evento pode ter probabilidade nula e não ser impossível. Da mesma forma, sabemos pelo Axioma 2 que se A = então P (A) = 1. No entanto um evento pode ter probabilidade 1 e não ser o evento certo . É o que chamamos em probabilidade de um evento quase-certo. Vejamos o exemplo a seguir para ilustrar esses fatos. Exemplo 9 Um experimento consiste em se selecionar um ponto aleatoriamente do círculo de raio unitário centrado na origem. Então = � ! = (x; y) : x2 + y2 � 1 Como todo ponto é aleatoriamente escolhido, a probabilidade de um ponto cair numa região do círculo deveria ser a razão entre a área dessa região e a área do círculo unitário. Assim, se A � , temos P (A) = SA � , com SA a área da região de�nida pelos pontos de A. Mas então, todo evento ele- mentar desse espaço amostral tem probabilidade nula, pois se A = f(a; b)g, então SA = 0, e consequentemente P (A) = 0 � = 0. No entanto A 6= ?. Além disso, observe que todo experimento terá como um resul- tado um ponto do círculo unitário, que tinha probabilidade nula antes de ele ocorrer. Portanto eventos de probabilidade 0 não são necessariamente eventos impossíveis! 9 Seja agora o evento B como sendo o conjunto de pontos do círculo unitário tais que a abscissa é diferente da ordenada, isto é, B = f! = (x; y) : x2 + y2 � 1 e x 6= yg. Naturalmente B é subconjunto próprio de . Mas P (B) = SB � = � � = 1, pois SB (a área da região de�nida pelos pontos de B) equivale à área de . Assim B é um evento quase-certo, pois embora possamos obter um ponto do tipo (a; a) que não satisfaz ao evento B, a chance de isso ocorrer é nula. Teorema 2 Para todo A � , temos P (Ac) = 1� P (A). Prova. (Em aula.) Teorema 3 Para todo A � , temos 0 � P (A) � 1. Prova. (Em aula.) Teorema 4 Sejam A e B � . Se A � B, então (a) P (B � A) = P (B)� P (A); (b) P (A) � P (B). Prova. (Em aula.) Teorema 5 Sejam A e B � . Então P (A [B) = P (A) + P (B)� P (A \B). Prova. (Em aula.) Teorema 6 Sejam A, B e C eventos aleatórios. Então P (A [ B [ C) = P (A) + P (B) + P (C)� P (A \B)� P (A \ C)� P (B \ C) + P (A \B \ C). 10 Prova. (Em aula.) O que o teorema acima nos informa é que a probabilidade da união de três even- tos é dado pela soma das probabilidades da ocorrência individual deles, retirada da soma das probabilidades de ocorrerem dois a dois e somada com a chance de eles ocorrerem concomitantemente. O resultado acima, conhecido como o Princípio da Inclusão e Exclusão da Probabilidade, pode ser generalizado para n eventos. As- sim, a probabilidade da união de n eventos será dada pela soma das probabilidades individuais, menos a soma das probabilidades dois a dois, mais a soma das probabili- dades dos eventos tomados três a três, menos a soma das probabilidades dos eventos tomados quatro a quatro, e assim por diante. Assim, quando temos um número par de eventos a fórmula termina com uma diferença; se o número de eventos é ímpar, a fórmula termina com uma soma. Em outras palavras, sejam A1; A2; :::; An � . Então P � n [ i=1 Ai � = n X i=1 P (Ai)� X i<j P (Ai \ Aj) + X i<j<k P (Ai \ Aj \ Ak) � X i<j<k<l P (Ai \ Aj \ Ak \ Al) + :::+ (�1) n+1P (A1 \ A2 \ ::: \ An) 11
Compartilhar