Baixe o app para aproveitar ainda mais
Prévia do material em texto
Teoria das Probabilidades Abordagem Clássica 1 / 13 Introdução Até agora vimos que a análise de um conjunto de dados por meio de técnicas numéricas e gráficas permite que tenhamos uma boa ideia da distribuição desse conjunto. Em particular, a distribuição de frequências é um instrumento im- portante para avaliarmos o comportamento dos resultados de um fenômeno aleatório. Em particular, as frequências relativas são estimativas de probabili- dades de ocorrências de certos eventos de interesse. Com suposições adequadas, é posśıvel modelar um fenômeno aleatório através de um modelo teórico que denominamos de modelo pro- babiĺıstico. 2 / 13 Modelo Probabiĺıstico Em resumo, todo fenômeno aleatório terá seu modelo probabiĺıstico es- pecificado quando estabelecermos: (a) um espaço amostral, Ω, que consiste, no caso discreto, da enume- ração (finita ou infinita) de todos os resultados posśıveis do fenômeno em questão: Ω = {ω1, ω2, ..., ωn, ...}. (b) uma probabilidade, P (ωi), para cada ponto amostral ωi, de modo que seja posśıvel encontrar a probabilidade P (A) de qualquer sub- conjunto (evento) A de Ω. Mais adiante, veremos algumas abordagens para definir probabilidade de um evento A ⊂ Ω. 3 / 13 Exemplo 1 Lançamos uma moeda duas vezes. Se C indicar cara e R indicar coroa, então um espaço amostral será Ω = {(C,C)︸ ︷︷ ︸ ω1 , (C,R)︸ ︷︷ ︸ ω2 , (R,C)︸ ︷︷ ︸ ω3 , (R,R)︸ ︷︷ ︸ ω4 }. É razoável supor que cada evento simples Ai = {ωi} tenha proba- bilidade 1/4, se a moeda for perfeitamente simétrica e homogênea. Observação: O espaço amostral do Exemplo 1 é chamado de Espaço Finito e Equiprovável. 4 / 13 Abordagem Clássica Se Ω for um Espaço Finito e Equiprovável podemos utilizar a abor- dagem clássica para definir a probabilidade de um evento A ⊂ Ω. Definição Clássica de Probabilidade Seja Ω um espaço amostral finito, Ω = {ω1, ..., ωn}, em que todos os pontos amostrais têm mesma probabilidade 1/n. Se A for um evento com m pontos amostrais, então P (A) = número de casos favoráveis à ocorrência do evento A número de casos posśıveis = m n = #A #Ω . 5 / 13 Exemplo 2 Considere o lançamento de dois dados honestos. Considere os seguintes eventos: A: soma dos números obtidos igual a 9 e B: número no primeiro dado maior do que o segundo. (a) Enumere os elementos de A, B, A ∩B e A ∪B. (b) Calcule a probabilidade dos eventos dados no item (a). 6 / 13 Exemplo 2: Solução. O espaço amostral associado ao experimento aleatório é dado por Ω = {(1, 1); (1, 2); . . . (1, 6); (2, 1); (2, 2); . . . ; (2, 6); . . . ; (6, 1); (6, 2); . . . ; (6, 6)}. (a) Os eventos de interesse são: A = {(3, 6); (4, 5); (5, 4); (6, 3)}. B = {(2, 1); (3, 1); (4, 1); (5, 1); (6, 1); (3, 2); (4, 2); (5, 2); (6, 2); (4, 3); (5, 3); (6, 3); (5, 4); (6, 4); (6, 5)}. A ∩B = {(6, 3); (5, 4)}. A ∪B = {(2, 1); (3, 1); (3, 6); (4, 1); (4, 5); (5, 1); (6, 1); (3, 2); (4, 2); (5, 2); (6, 2); (4, 3); (5, 3); (6, 3); (5, 4); (6, 4); (6, 5)}. 7 / 13 Exemplo 2: Solução. (b) As probabilidades dos eventos de interesse são: P (A) = #A #Ω = 4 36 . P (B) = #B #Ω = 15 36 . P (A ∩B) = #(A ∩B) #Ω = 2 36 . P (A ∪B) = #(A ∪B) #Ω = 17 36 . 8 / 13 Espaços Amostrais Finitos Vamos considerar agora, experimentos para os quais o espaço amos- tral Ω seja um conjunto finito, não necessariamente equiprovável. Ou seja, o espaço Ω é da forma Ω = {ω1, ω2, ..., ωk}. A fim de caracterizar P (A) para este espaço, devemos inicialmente considerar o evento formado por um resultado simples, do tipo {ωi}. A cada evento simples {ωi} associaremos um número pi, denominado probabilidade de {ωi}, que satisfaça as seguintes condições: a) pi ≥ 0, i = 1, ..., k, b) p1 + p2 + · · ·+ pk = 1. 9 / 13 Espaços Amostrais Finitos Em seguida, suponha que um evento A seja constitúıdo por r resul- tados, 1 ≤ r ≤ k, a saber A = {ωj1, ωj2, ..., ωjr}, onde j1, j2, ..., jr representam qualquer um dos r ı́ndices, de 1 até k. Consequentemente, P (A) = pj1 + pj2 + · · ·+ pjr . 10 / 13 Exemplo 3 Um dado é viciado, de tal forma que a probabilidade de sair um certo ponto é dada pela expressão pi = P ({i}) = i/21 com i = 1, 2, 3, 4, 5, 6. Calcule a probabilidade dos seguintes eventos. (a) A: sair um número par; (b) B: sair um número ı́mpar; (c) C: sair um número maior do que 4. 11 / 13 Exemplo 3: Solução. O espaço amostral associado ao experimento aleatório e os eventos citados podem ser representados pelos seguintes conjuntos: Ω = {1, 2, 3, 4, 5, 6} A = {2, 4, 6} B = {1, 3, 5} C = {5, 6} Note que Ω é um espaço finito mas não é equiprovável, portanto, (a) P (A) = p2 + p4 + p6 = P ({2}) + P ({4}) + P ({6}) = 2 21 + 4 21 + 6 21 = 12 21 . (b) P (B) = p1 + p3 + p5 = P ({1}) + P ({3}) + P ({5}) = 1 21 + 3 21 + 5 21 = 9 21 . (c) P (C) = p5 + p6 = P ({5}) + P ({6}) = 5 21 + 6 21 = 11 21 . 12 / 13 Bibliografia Estat́ıstica Básica (7ª edição). Wilton O. Bussab e Pedro A. Morettin (2011). Editora Saraiva. (livro texto) Noções de Probabilidade e Estat́ıstica. Marcos N. Magalhães e Antonio C. P. de Lima (2002). Edusp. Nelson Mandela Não há qualquer paixão a atingir vivendo de forma minimalista - vivendo de uma forma que é menos do que aquela que nós seŕıamos capaz de viver. 13 / 13
Compartilhar