Baixe o app para aproveitar ainda mais
Prévia do material em texto
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 6 Probabilidade 10/2014 Aulas 6 – Probabilidade Probabilidade e Estatística 3/79 Interpretações de Probabilidade Aulas 6 – Probabilidade Probabilidade e Estatística 4/79 Probabilidade ¨ Vamos trabalhar com espaços amostrais DISCRETOS. ¨ Probabilidade é usada para quantificar a possibilidade ou chance de ocorrência de um resultado de um experimento aleatório. ¨ Quantificamos com um número entre [0, 1] ou em porcentagem, de 0% a 100%. Aulas 6 – Probabilidade Probabilidade e Estatística 5/79 Probabilidade ¨ Números maiores indicam que o resultado é mais provável que números menores. Probabilidade igual a 0 Resultado não ocorrerá Probabilidade igual a 1 Resultado ocorrerá com certeza. Aulas 6 – Probabilidade Probabilidade e Estatística 6/79 Definições de Probabilidade ¨ Definição Clássica; ¨ Definição Frequentista; ¨ Definição Axiomática. Aulas 6 – Probabilidade Probabilidade e Estatística 7/79 Definição Clássica ¨ A probabilidade de um acontecimento E, que é um subconjunto finito de um espaço amostral S, de resultados igualmente prováveis, é: ¨ Sendo n(E) e n(S) as quantidades de elementos de E e de S, respectivamente. ( ) ( ) ( )Sn EnEP = Aulas 6 – Probabilidade Probabilidade e Estatística 8/79 Definição Clássica ¨ A definição clássica é dúbia, já que a ideia de “igualmente provável” é a mesma de “com probabilidade igual”, isto é, a definição é circular, porque está definindo essencialmente a probabilidade com seus próprios termos. ¨ A definição não pode ser aplicada quando o espaço amostral é infinito. Aulas 6 – Probabilidade Probabilidade e Estatística 9/79 Frequência Relativa × Probabilidade ¨ Nem sempre é possível determinar, pela definição clássica, a probabilidade de ocorrência de um evento. ¨ Qual a probabilidade de um avião cair? ¨ Qual a probabilidade de que um carro seja roubado? ¨ Qual a probabilidade de um aluno de Ciência da Computação ser aprovado na disciplina de Probabilidade e Estatística? Aulas 6 – Probabilidade Probabilidade e Estatística 10/79 ¨ Respostas para esses problemas são fundamentais mas, como não podemos calcular essas probabilidades pela definição clássica, tudo o que podemos fazer é observar com que frequência esses fatos ocorrem. ¨ Com um grande número de observações, podemos obter uma boa estimativa da probabilidade de ocorrência desse tipo de eventos. ¨ Denominamos de “ ” Frequência Relativa × Probabilidade Aulas 6 – Probabilidade Probabilidade e Estatística 11/79 ¨ Seja E um experimento e A um evento de um espaço amostral associado S. Suponha que E é repetido “n” vezes e seja frA a frequência relativa do evento. Então, a probabilidade de A é definida como sendo o limite de frA quando “n” tende ao infinito. Ou seja: Frequência Relativa × Probabilidade ( ) A n frAP lim ∞→ = Aulas 6 – Probabilidade Probabilidade e Estatística 12/79 ¨ Deve-se notar que a frequência relativa do evento A é uma aproximação da probabilidade de A. As duas se igualam apenas no limite. ¨ Em geral, para um valor de n razoavelmente grande, a frA é uma boa aproximação de P(A). Frequência Relativa × Probabilidade Aulas 6 – Probabilidade Probabilidade e Estatística 13/79 Frequência Relativa × Probabilidade ¨ A proporção, ou frequência relativa, de réplicas do experimento é 0,2. ¨ Escolhemos as probabilidades de modo que a em um experimento seja igual a . Probabilidade de 0,2 ao resultado que contém um pulso corrompido em um sinal digital Se analisarmos muitos pulsos, aproximadamente 20% deles estarão corrompidos Aulas 6 – Probabilidade Probabilidade e Estatística 14/79 EXEMPLO ¨ Distribuição de frequências referente às alturas (em centímetros) dos alunos da UTFPR obtida na primeira aula. Intervalos de Classe Ponto médio Frequência absoluta Frequência Relativa Freq. Abs. Acumulada Freq. Rel. Acumulada 150 |⎯ 154 (150+154)/2 = 152 4 4 / 40 = 0,100 4 0,100 154 |⎯ 158 156 9 0,225 4 + 8 = 13 0,325 158 |⎯ 162 160 11 0,275 24 0,600 162 |⎯ 166 164 8 0,200 32 0,800 166 |⎯ 170 168 5 0,125 37 0,925 170 |⎯ 174 172 3 0,075 40 1,000 40 1 Aulas 6 – Probabilidade Probabilidade e Estatística 15/79 EXEMPLO ¨ Distribuição de frequências referente às alturas (em centímetros) dos alunos da UTFPR obtida na primeira aula. Intervalos de Classe Ponto médio Frequência absoluta Frequência Relativa Freq. Abs. Acumulada Freq. Rel. Acumulada 150 |⎯ 154 (150+154)/2 = 152 4 4 / 40 = 0,100 4 0,100 154 |⎯ 158 156 9 0,225 4 + 8 = 13 0,325 158 |⎯ 162 160 11 0,275 24 0,600 162 |⎯ 166 164 8 0,200 32 0,800 166 |⎯ 170 168 5 0,125 37 0,925 170 |⎯ 174 172 3 0,075 40 1,000 40 1 Probabilidade de um aluno ter altura entre 150 e 154 cm é de 10% Probabilidade de um aluno ter altura entre 162 e 166 cm é de 20% Soma das probabilidades de todos os resultados Aulas 6 – Probabilidade Probabilidade e Estatística 16/79 Resultados Igualmente Prováveis ¨ Toda vez que um espaço amostral consistir em N resultados possíveis que forem , a probabilidade de cada resultado é . Lançamento de um dado N = 6 Probabilidade de cada resultado é 1/6 Aulas 6 – Probabilidade Probabilidade e Estatística 17/79 ¨ Pela definição frequentista, para saber qual a probabilidade de que a face sorteada de um dado seja igual a 1, teríamos que realizar o experimento aleatório n vezes. ¨ Quanto maior n, mais próximos estaremos da probabilidade exata (1/6 = 0,1666...). Número de Lançamentos Face 1 Frequência 100 23 0,23 1.000 171 0,171 10.000 1688 0,1688 50.000 8266 0,16532 Aulas 6 – Probabilidade Probabilidade e Estatística 18/79 Probabilidade de Eventos ¨ É frequentemente necessário atribuir probabilidades a eventos que sejam compostos por vários resultados do espaço amostral. ¨ Para espaço amostral : ¨ A , denotada por P (E), é igual à soma das probabilidades dos resultados em E. Aulas 6 – Probabilidade Probabilidade e Estatística 19/79 Exemplo 1 ¨ Um experimento aleatório pode resultar em um dos resultados {a, b, c, d} com probabilidades 0,1; 0,3; 0,5 e 0,1, respectivamente. Seja A o evento {a, b}, B o evento {b, c, d} e C o evento {d}. ¨ Então quanto vale: P (A); P (B); P (C)? e P (A’ ); P (B’ ); P (C’ )? Aulas 6 – Probabilidade Probabilidade e Estatística 20/79 Exemplo 1 ¨ Quanto vale: ( )BAP ∩ ( )BAP ∪ ( )CAP ∩ Aulas 6 – Probabilidade Probabilidade e Estatística 21/79 Exemplo 2 ¨ Uma inspeção visual de um ponto em pastilhas de um processo de fabricação de semicondutores resultou na seguinte tabela: Número de partículas de contaminação 0 1 2 3 4 5 ou mais Proporção de Pastilhas 0,40 0,20 0,15 0,10 0,05 0,10 Aulas 6 – Probabilidade Probabilidade e Estatística 22/79 Exemplo 2 ¨ Se informação fosse disponível para cada pastilha, poderíamos definir o espaço amostral como o conjunto de todas as pastilhas inspecionadas, porém esse nível de detalhamento não é necessário nesse caso. ¨ Então, qual é o espaço amostral??? ¨ Podemos considerar o espaço amostral consistindo nas seis categorias que resumem o número de partículas contaminantes em uma pastilha. { }maisou 5 4, 3, 2, 1, 0,=S Aulas 6 – Probabilidade Probabilidade e Estatística 23/79 Exemplo 2 ¨ Se desse processo uma pastilha for selecionada, ao acaso, e o ponto for inspecionado, qual será a probabilidade de que ele não contenha partículas? ¨ Qual é a probabilidade de uma pastilha conter três ou mais partículas no ponto inspecionado? Aulas 6 – Probabilidade Probabilidade e Estatística 24/79 Exemplo 2 Os níveis de contaminação afetam o rendimento de dispositivos funcionais na fabricação de semicondutores,de modo que probabilidades, tais como essas, sejam regularmente estudadas. Aulas 6 – Probabilidade Probabilidade e Estatística 25/79 Exemplo 3 ¨ Suponha que uma batelada contenha seis itens {a, b, c, d, e, f} e que dois itens sejam selecionados aleatoriamente, sem reposição. Suponha que o item f seja defeituoso, porém que os outros sejam bons. ¨ Qual é a probabilidade de que o item f apareça na amostra? Aulas 6 – Probabilidade Probabilidade e Estatística 26/79 ¨ Esta definição frequentista, embora útil na prática, apresenta dificuldades matemáticas, pois o limite pode não existir. ¨ Em virtude dos problemas apresentados pela definição clássica e pela definição frequentista, foi desenvolvida uma teoria moderna, que é a Aulas 6 – Probabilidade Probabilidade e Estatística 27/79 Definição Axiomática de Probabilidade Aulas 6 – Probabilidade Probabilidade e Estatística 28/79 Axiomas de Probabilidade ¨ Os axiomas asseguram que as probabilidades atribuídas a um experimento podem ser interpretadas como frequências relativas e que as atribuições são consistentes com nosso entendimento intuitivo das relações entre frequências relativas. Se o evento A estiver contido no evento B. Então, deveríamos ter: P(A) ≤ P(B) Aulas 6 – Probabilidade Probabilidade e Estatística 29/79 Axiomas de Probabilidade ¨ Probabilidade é um número que é atribuído a cada membro de uma coleção de eventos, a partir de um experimento aleatório que satisfaça as seguintes propriedades: ¨ Se S for o espaço amostral e E for qualquer evento em um experimento aleatório: P (S) = 1; 0 ≤ P (E) ≤ 1; Para dois eventos E1 e E2 com ∅=∩ 21 EE P E1∪E2( ) = P E1( )+P E2( ) Aulas 6 – Probabilidade Probabilidade e Estatística 30/79 Axiomas de Probabilidade ¨ Estes axiomas implicam nos seguintes resultados: ¨ Se o evento E1 estiver contido no evento E2: P ∅( ) = 0 P E '( ) =1−P E( ) P E1( ) ≤ P E2( ) Aulas 6 – Probabilidade Probabilidade e Estatística 31/79 são gerados pela aplicação de operações básicas de conjuntos a eventos individuais. ¨ A pode frequentemente ser determinada a partir de probabilidades dos eventos individuais que o compreendem. A∪B A∩B Aulas 6 – Probabilidade Probabilidade e Estatística 32/79 Regra da Adição Aulas 6 – Probabilidade Probabilidade e Estatística 33/79 EXEMPLO 4 ¨ A Tabela abaixo lista a história de 940 pastilhas em um processo de fabricação de semicondutores. Suponha que uma pastilha seja selecionada, ao acaso. Localização na Ferramenta de Recobrimento Contaminação Centro Borda Total Baixa 514 68 582 Alta 112 246 358 Total 626 314 940 Aulas 6 – Probabilidade Probabilidade e Estatística 34/79 EXEMPLO 4 ¨ Seja A o evento em que a pastilha contém altos níveis de contaminação. ¨ Qual é a probabilidade do evento A ? Aulas 6 – Probabilidade Probabilidade e Estatística 35/79 EXEMPLO 4 ¨ A Tabela abaixo lista a história de 940 pastilhas em um processo de fabricação de semicondutores. Suponha que uma pastilha seja selecionada, ao acaso. Localização na Ferramenta de Recobrimento Contaminação Centro Borda Total Baixa 514 68 582 Alta 112 246 358 Total 626 314 940 A Aulas 6 – Probabilidade Probabilidade e Estatística 36/79 EXEMPLO 4 ¨ Seja C o evento em que a pastilha esteja no centro de uma ferramenta de recobrimento. ¨ Qual é a probabilidade do evento C ? Aulas 6 – Probabilidade Probabilidade e Estatística 37/79 EXEMPLO 4 ¨ A Tabela abaixo lista a história de 940 pastilhas em um processo de fabricação de semicondutores. Suponha que uma pastilha seja selecionada, ao acaso. Localização na Ferramenta de Recobrimento Contaminação Centro Borda Total Baixa 514 68 582 Alta 112 246 358 Total 626 314 940 A C Aulas 6 – Probabilidade Probabilidade e Estatística 38/79 EXEMPLO 4 ¨ Qual a probabilidade de uma pastilha ser proveniente do centro da ferramenta de recobrimento e conter altos níveis de contaminação? ¨ Qual a probabilidade de uma pastilha ser proveniente do centro da ferramenta de recobrimento ou conter altos níveis de contaminação (ou ambos)? Aulas 6 – Probabilidade Probabilidade e Estatística 39/79 Regra Geral de Adição ¨ P A∪B( ) = P A( )+P B( )−P A∩B( ) P A∪B( ) = P A( )+P B( ) Aulas 6 – Probabilidade Probabilidade e Estatística 40/79 P A∪B∪C( ) = P A( )+P B( )+P C( )−P A∩B( ) −P A∩C( )−P B∩C( )+P A∩B∩C( ) Aulas 6 – Probabilidade Probabilidade e Estatística 41/79 Uma coleção de eventos, E1, E2, ..., Ek, é dita mutuamente excludente se para todos os pares: Para uma coleção de eventos mutuamente excludentes: P E1∪E2∪!∪Ek( ) = P E1( )+P E2( )+!+P Ek( ) Ei∩Ej =∅ Aulas 6 – Probabilidade Probabilidade e Estatística 42/79 Probabilidade Condicional Aulas 6 – Probabilidade Probabilidade e Estatística 43/79 Probabilidade Condicional ¨ Algumas vezes, probabilidades necessitam ser reavaliadas à medida que informações adicionais se tornam disponíveis. ¨ A probabilidade de um evento B, sabendo qual será o resultado do evento A, é dada por: ¨ É chamada de . P B A( ) Aulas 6 – Probabilidade Probabilidade e Estatística 44/79 EXEMPLO 5 ¨ A tabela abaixo fornece um exemplo de 400 itens classificados por falha na superfície e como defeituosos (funcionalmente). Falhas na superfície Sim Não Total Defeituosos Sim 10 18 28 Não 30 342 372 Total 40 360 400 Aulas 6 – Probabilidade Probabilidade e Estatística 45/79 EXEMPLO 5 ¨ Qual a probabilidade de um item COM falhas na superfície ser defeituoso? ¨ Qual a probabilidade de um item SEM falhas na superfície ser defeituoso? Aulas 6 – Probabilidade Probabilidade e Estatística 46/79 EXEMPLO 5 ¨ A tabela abaixo fornece um exemplo de 400 itens classificados por falha na superfície e como defeituosos (funcionalmente). Falhas na superfície Sim Não Total Defeituosos Sim 10 18 28 Não 30 342 372 Total 40 360 400 D F F’ Aulas 6 – Probabilidade Probabilidade e Estatística 47/79 EXEMPLO 5 ¨ Qual a probabilidade de um item COM falhas na superfície ser defeituoso? ¨ Qual a probabilidade de um item SEM falhas na superfície ser defeituoso? ( ) 25,0=FDP ( ) 05,0' =FDP Aulas 6 – Probabilidade Probabilidade e Estatística 48/79 EXEMPLO 5 ¨ Podemos concluir que a probabilidade de itens defeituosos é cinco vezes maior para itens com falhas na superfície. ¨ O resultado sugere também que pode haver uma ligação entre falhas na superfície e itens funcionalmente defeituosos que deveria ser investigada. Aulas 6 – Probabilidade Probabilidade e Estatística 49/79 Probabilidade Condicional ¨ A de um evento B, dado um evento A, denotada como é: para . P B A( ) = P A∩B( )P A( ) P B A( ) P A( ) > 0 Aulas 6 – Probabilidade Probabilidade e Estatística 50/79 Probabilidade Condicional ¨ Essa definição pode ser entendida em um caso especial em que todos os resultados de um experimento aleatório são . Se houver n resultados totais: ¨ Logo: P A( ) = número de resultados em A( ) n P A∩B( ) = número de resultados em A∩B( ) n P A∩B( ) P A( ) = número de resultados em A∩B( ) número de resultados em A( ) Aulas 6 – Probabilidade Probabilidade e Estatística 51/79 Amostras Aleatórias ¨ Quando uma amostra é selecionada aleatoriamente a partir de uma batelada grande, é geralmente mais fácil evitar a numeração do espaço amostral e calcular probabilidades a partir de probabilidades condicionais. ¨ Selecionar aleatoriamente implica que, em cada etapa da amostragem, os itens que permanecem na batelada são igualmente prováveis de serem selecionados. Aulas 6 – Probabilidade Probabilidade e Estatística 52/79 Amostras Aleatórias Considere uma batelada que contenha 10 itens da ferramenta 1 e 40 itens da ferramenta2. Se dois itens forem selecionados aleatoriamente, sem reposição, qual será a probabilidade condicional de que um item da ferramenta 2 seja selecionado na segunda retirada, dado que um item da ferramenta 1 tenha sido selecionado primeiro? Aulas 6 – Probabilidade Probabilidade e Estatística 53/79 Regra da Multiplicação Aulas 6 – Probabilidade Probabilidade e Estatística 54/79 Regra da Multiplicação ¨ Do agora considere E o evento consistindo nos resultados contendo o primeiro item selecionado proveniente da ferramenta 1 e o segundo item proveniente da ferramenta 2. Qual a probabilidade de E? P E( ) = P E2 E1( )×P E1( ) = 8 49 Aulas 6 – Probabilidade Probabilidade e Estatística 55/79 Regra da Multiplicação ¨ Frequentemente, necessita-se calcular a probabilidade da interseção de dois eventos. A definição de probabilidade condicional pode ser reescrita e teremos, a conhecida para probabilidades. P A∩B( ) = P B A( )P A( ) = P A B( )P B( ) Aulas 6 – Probabilidade Probabilidade e Estatística 56/79 EXEMPLO 7 ¨ A probabilidade de que o primeiro estágio de uma operação, numericamente controlada, de usinagem para pistões com alta rpm atenda às especificações é igual a 0,90. ¨ Dado que o primeiro estágio atende às especificações, a probabilidade de que o segundo estágio de usinagem atenda às especificações é de 0,95. Qual a probabilidade de ambos os estágios atenderem às especificações? Aulas 6 – Probabilidade Probabilidade e Estatística 57/79 EXEMPLO 7 ¨ Sejam A e B os eventos em que o primeiro e o segundo estágios atendem às especificações, respectivamente. A probabilidade requerida é: P A∩B( ) = P B A( )P A( ) = 0,95 0, 90( ) = 0,855 Aulas 6 – Probabilidade Probabilidade e Estatística 58/79 Regra da Probabilidade Total Aulas 6 – Probabilidade Probabilidade e Estatística 59/79 EXEMPLO 8 ¨ Algumas vezes, a probabilidade de um evento é dada sujeita a cada uma das várias condições. ¨ Suponha que na fabricação de semicondutores, a probabilidade de um chip, que está sujeito a altos níveis de contaminação durante a fabricação, causar uma falha no produto seja de 0,10. A probabilidade de um chip, que não está sujeito a altos níveis de contaminação durante a fabricação, causar uma falha no produto seja de 0,005. Aulas 6 – Probabilidade Probabilidade e Estatística 60/79 EXEMPLO 8 ¨ Em uma batelada particular de produção, 20% dos chips estão sujeitos a altos níveis de contaminação. ¨ Qual é a probabilidade de um produto usando um desses chips vir a falhar? Aulas 6 – Probabilidade Probabilidade e Estatística 61/79 Regra da Probabilidade Total ¨ Claramente, a probabilidade requerida depende se o chip foi ou não exposto a altos níveis de contaminação. ¨ Para qualquer evento B, podemos escrever B como uma união da parte de B em A e da parte de B em A’. ¨ Pelo fato de A e A’ serem mutuamente excludentes, e serão mutuamente excludentes. ( ) ( )BABAB ∩∪∩= ' ( )BA∩ ( )BA∩' Aulas 6 – Probabilidade Probabilidade e Estatística 62/79 Regra da Probabilidade Total ¨ Por meio do da Regra da Adição e da Regra da Multiplicação, temos: de dois eventos Para quaisquer eventos A e B, ( ) ( ) ( ) ( ) ( ) ( ) ( )'' ' APABPAPABP ABPABPBP += ∩+∩= Aulas 6 – Probabilidade Probabilidade e Estatística 63/79 EXEMPLO 8 ¨ Voltando ao exemplo 8, temos: ¨ Seja F o evento em que o produto falha e seja A o evento em que o chip é exposto a altos níveis de contaminação. ¨ A probabilidade solicitada é P (F), então: Probabilidade de Falha Nível de Contaminação Probabilidade do Nível 0,10 Alto 0,20 0,005 Não Alto 0,80 ( ) ( ) ( ) ( ) ( ) 024,0'' =+= APAFPAPAFPFP Aulas 6 – Probabilidade Probabilidade e Estatística 64/79 Regra da Probabilidade Total ¨ Em geral, uma coleção de conjuntos E1, E2, ..., Ek, tal que: , é dita ser exaustiva. Suponha que E1, E2, ..., Ek, sejam k conjuntos mutuamente . A de múltiplos eventos será então: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )kk k EPEBPEPEBPEPEBP EBPEBPEBPBP +++= ∩++∩+∩= ! ! 2211 21 SEEE k =∪∪∪ !21 Aulas 6 – Probabilidade Probabilidade e Estatística 65/79 EXEMPLO 9 ¨ Continuando com a fabricação de semicondutores, suponha as seguintes probabilidades para falha no produto sujeito a níveis de contaminação na fabricação: ¨ Em uma batelada particular da produção, 20% dos chips estão sujeitos a níveis altos de contaminação, 30% a níveis médios de contaminação e 50% a níveis baixos de contaminação. Probabilidade de Falha 0,10 0,01 0,001 Nível de Contaminação Alto Médio Baixo Aulas 6 – Probabilidade Probabilidade e Estatística 66/79 EXEMPLO 9 ¨ Qual é a probabilidade de um produto falhar ao usar um desses chips? ¨ Seja A o evento em que um chip esteja exposto a níveis altos de contaminação. ¨ Seja M o evento em que um chip esteja exposto a níveis médios de contaminação. ¨ Seja B o evento em que um chip esteja exposto a níveis baixos de contaminação. ¨ Seja F o evento em que o produto falhou. Aulas 6 – Probabilidade Probabilidade e Estatística 67/79 INDEPENDÊNCIA Aulas 6 – Probabilidade Probabilidade e Estatística 68/79 Independência ¨ Em alguns casos, a probabilidade condicional pode ser igual a P(B). ¨ Nesse caso especial, o conhecimento de que o resultado do experimento esteja no evento A não afeta a probabilidade de que o resultado esteja no evento B. ( )ABP Aulas 6 – Probabilidade Probabilidade e Estatística 69/79 Exemplo 10 ¨ Suponha que uma produção diária de 850 peças fabricadas contenha 50 peças que não satisfaçam as exigências dos consumidores. Suponha que duas peças sejam selecionadas da batelada, porém a primeira peça seja reposta antes de a segunda peça ser selecionada. ¨ Qual é a probabilidade de que a segunda peça seja defeituosa (evento B), dado que a primeira peça é defeituosa (evento A)? Aulas 6 – Probabilidade Probabilidade e Estatística 70/79 Exemplo 10 ¨ Pelo fato de a primeira peça ser reposta antes da seleção da segunda, a batelada ainda contém 850 peças, 50 das quais são defeituosas. ¨ Assim, a probabilidade de B não depende de a primeira peça ser defeituosa. Aulas 6 – Probabilidade Probabilidade e Estatística 71/79 Exemplo 11 ¨ Do Exemplo 5, temos uma tabela com informações que relacionam falhas na superfície a itens funcionalmente defe i tuosos . Naquele caso , de te rminamos que P (D|F) = 10/40 = 0, 25 e P (D) = 28/400 = 0,07. Aulas 6 – Probabilidade Probabilidade e Estatística 72/79 Exemplo 11 ¨ Suponha que a situação seja diferente e dada pela tabela: ¨ Agora, P (D|F) = 2/40 = 0,05 e P (D) = 20/400 = 0,05. ¨ Isto indica que, a probabilidade de que o item seja defeituoso não depende de ele ter falhas na superfície. Falhas na superfície Sim (Evento F) Não Total Defeituosos Sim (Evento D) 2 18 20 Não 38 342 380 Total 40 360 400 Aulas 6 – Probabilidade Probabilidade e Estatística 73/79 Exemplo 11 ¨ Também, P (F|D) = 2/20 = 0,10 e P (F) = 40/400 = 0,10. ¨ Assim, a probabilidade de uma falha na superfície não depende de o item ser defeituoso. Aulas 6 – Probabilidade Probabilidade e Estatística 74/79 Exemplo 11 ¨ Além disso, a Regra da Multiplicação diz que: ¨ Porém, no caso especial desse problema: ( ) ( ) ( )FPDPDFP =∩ ( ) ( ) ( )FPFDPDFP =∩ Aulas 6 – Probabilidade Probabilidade e Estatística 75/79 Exemplo 11 Falhas na superfície Sim (Evento F) Não Total Defeituosos Sim (Evento D) 2 18 20 Não 38 342 380 Total 40 360 400 D F ( ) 200 1 400 2 ==∩DFP ( ) 400 40 =FP( ) 400 20 =DP Aulas 6 – Probabilidade Probabilidade e Estatística 76/79 200 1 400 40 400 20 =×= Exemplo 11 ¨ Porém, no caso especial desse problema:¨ Essas conclusões levam a uma importante definição. ( ) ( ) ( )FPDPDFP =∩ Aulas 6 – Probabilidade Probabilidade e Estatística 77/79 Independência (dois eventos) ¨ Dois eventos A e B são se qualquer uma das seguintes afirmações for verdadeira: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )BPAPBAP BPABP APBAP =∩ = = 3 2 1 Aulas 6 – Probabilidade Probabilidade e Estatística 78/79 Independência (múltiplos eventos) ¨ Os eventos E1, E2, ..., En são independentes se, e somente se: P E1∩E2∩!∩Ek( ) = P E1( )×P E2( )×!×P Ek( ) Aulas 6 – Probabilidade Probabilidade e Estatística 79/79 EXEMPLO 12 ¨ Considere que a probabilidade de uma pastilha conter uma grande partícula de contaminação seja 0,01 e que as pastilhas sejam independentes; isto é, a probabilidade de uma pastilha conter uma grande partícula não é dependente das características de qualquer uma das outras pastilhas. ¨ Se 15 pastilhas forem analisadas, qual será a probabilidade de nenhuma partícula grande ser encontrada? Aulas 6 – Probabilidade Probabilidade e Estatística 80/79 EXEMPLO 12 ¨ Seja Ei o evento em que a i-ésima pastilha não contém partículas grandes, i = 1, 2, ..., 15. Então, P(Ei) = 0,99. A probabilidade pode ser representada como: ¨ Da suposição de independência: ( )1521 EEEP ∩∩∩ ! ( ) ( ) ( ) ( ) 86,099,0 15 1521 1521 == ×××= =∩∩∩ EPEPEP EEEP ! !
Compartilhar