Beruflich Dokumente
Kultur Dokumente
Introduo Conceitos fundamentais Conceitos de probabilidade Teoremas para o clculo de probabilidades Probabilidade condicional e independncia Teorema de Bayes
O termo PROBABILIDADE utilizado todos os dias de forma intuitiva, pois nos mais variados aspectos da nossa vida est presente a incerteza incerteza:
dizemos que existe uma pequena probabilidade de ganhar a Mega Sena; dizemos que existe uma grande probabilidade de chover num dia carregado de nuvens; o poltico quer saber qual a probabilidade de ganhar as prximas eleies; o aluno interroga-se sobre qual a probabilidade de obter resultado positivo num teste de perguntas mltiplas, para o qual no estudou e responde aleatoriamente.
Todos estes exemplos tm uma caracterstica comum, que o fato de no conseguirmos prever com exatido e de antemo qual o resultado No entanto os mtodos probabilsticos vo nos resultado. permitir quantificar essa incerteza.
1 2
ESTATSTICA - Diviso
Matemtica Criao de modelos
ESTATSTICA DESCRITIVA INFERNCIA ESTATSTICA
PROBABILIDADE
Probabilidade
Modelos Probabilsticos
Modelos Determinsticos
Experimentos Probabilsticos
Experimentos Determinsticos
4
Modelo determinstico: aquele em que ao conhecermos as variveis de entrada possvel determinar as variveis de sada (os seus resultados). Em experimentos determinsticos existe a certeza do resultado que ocorrer Fsica clssica fenmenos determinsticos Exemplo: Distncia percorrida no tempo em funo da velocidade
A modelagem de um experimento aleatrio implica em responder trs questes fundamentais: Quais as suas possveis formas de ocorrncia? Quais so as chances de cada ocorrncia?
Modelo aleatrio, probabilstico ou estocstico: aquele em que, mesmo conhecendo as condies do experimento, no possvel determinar o seu resultado final. Em experimentos aleatrios s possvel determinar a chance de ocorrncia de um resultado. Biologia fenmenos probabilsticos Exemplo: O nascimento de um bovino.
5
Exemplos: E1: Ao: jogar um dado de seis faces observao: face voltada para cima E2: Ao: selecionar uma carta do baralho observao: valor e naipe da carta E3: Ao: lanar uma moeda at que aparea cara observao: nmero de lanamentos E4: Ao: acender uma lmpada observao: tempo decorrido at que ela se apague
7
Exemplos: E1: Jogar um dado e observar a face voltada para cima. S1={1,2,3,4,5,6} enumervel e finito E3: Lanar uma moeda at que aparea cara e observar o nmero de lanamentos.
Cara Coroa Cara Coroa Coroa Cara
lanamentos
S3={1,2,3,4,5,...}
enumervel e infinito
E4: Acender uma lmpada e observar o tempo decorrido at que ela se apague.
S2={s de ouro,..., rei de ouro, s de paus,..., rei de paus,..., s de espada,..., rei de espada, s de copas,..., rei de copas} enumervel e finito
9
S4={t; t>0}
contnuo e infinito
10
Evento ou ocorrncia: todo conjunto particular de resultados de S ou ainda todo subconjunto de S. designado por uma letra maiscula (A, B, C). A todo evento ser possvel associar uma probabilidade.
Exemplo: Lanamento de um dado S={1,2,3,4,5,6} Espao amostral
Ponto amostral: qualquer resultado particular de um experimento aleatrio Todo espao amostral e todo evento so constitudos por pontos amostrais.
Exemplo:
Eventos
11
12
lgebra de Eventos
Como o espao amostral S e os eventos so conjuntos, as mesmas operaes realizadas com conjuntos so vlidas para os eventos. Exemplo: A e B so eventos de S
S A B
Interseco: Ocorre AB, se ocorrer A e B. S = {1, 2, 3, 4, 5, 6} A = {1, 3, 5} B = {5, 6} 5 AB = {5} S={1,2,3,4,5,6} A={1,3,5} B={5,6} Unio: Ocorre AB, se ocorrer A ou B (ou ambos). S = {1, 2, 3, 4, 5, 6} A = {1,3,5 1,3,5} B = {5,6 5,6} AB = {1, 3, 5, 6}
14
Os diagramas de Venn so teis para dar intuio geomtrica sobre a relao entre conjuntos.
13
Eventos Especiais
Evento Impossvel: aquele evento que nunca ir ocorrer, tambm conhecido como o conjunto vazio (). um evento porque subconjunto de qualquer conjunto, portanto subconjunto de S (S). S Exemplo: A1 = {(x, y); x2 + y2 < 0}
S = {1, 2, 3, 4, 5, 6} A = {1, 3, 5}
A = Ac = {2, 4, 6}
Evento Certo: aquele evento que ocorre toda vez que se realiza o experimento, portanto, esse evento o prprio S. um evento porque todo conjunto subconjunto de si mesmo (SS). S Exemplo: A2 = {(x, y); x2 + y2 0}
16
Exp.2. Lanamento de um dado e observao da face voltada para cima S={1,2,3,4,5,6} A = ocorrncia de um n mpar = {1, 3, 5} B = ocorrncia de um n maior que 4 = {5, 6}
18
Soluo:
A: sada de uma face par = {2, 4, 6} B: sada de uma face menor que 4 = {1, 2, 3}
Determine:
A B , A B , A, B , A B , A B , A B A B, B A , A B, A B , B A , A A .
Tem-se que S = {1, 2, 3, 4, 5, 6} A = {2, 4, 6} B = {1, 2, 3}
19
Anlise combinatria
Tcnicas de contagem determinar o nmero de elementos de um conjunto ou o nmero de resultados possveis de um experimento. Seja A um conjunto com n elementos distintos entre si. A = { a, b, c, d } Se so retirados x elementos do conjunto A possvel formar grupos de trs tipos: Permutaes Arranjos Combinaes
21 22
A = { a, b, c, d }
Permutaes: grupos que se distinguem apenas pela ordem dos seus elementos. Todos os grupos tm os mesmos elementos. n: nmero de elementos distintos x: nmero de elementos retirados
Arranjos: grupos que se distinguem pela ordem e pela natureza dos seus elementos.
n: nmero de elementos distintos x: nmero de elementos retirados
Quantas permutaes de quatro elementos possvel formar? {(a, b, c, d) , (a, b, d, c) , (a, c, b, d), (a, c, d, b), ...
Quantos arranjos de dois elementos possvel formar? {(a, b) , (b, a) , (a, c) , (c, a), ...
x An =
Pn = n!
P4 = 4! = 24 grupos
{(a, b, c, d), (a, b, d, c), (a, c, b, d), (a, c, d, b), (a, d, b, c), (a, d, c, b), (b, a, c, d), (b, a, d, c), (b, c, a, d), (b, c, d, a), (b, d, a, c), (b, d, c, a), (c, a, b, d), (c, a, d, b), (c, b, a, d), (c, b, d, a), (c, d, a, b), (c, d, b, a), (d, a, b, c), (d, a, c, b), (d, b, a, c), (d, b, c, a), (d, c, a, d), (d, c, d, a)}
23
n! (n x)!
A2 = 4
4! 4 3 2! = = 12 grupos (4 2)! 2!
24
{(a, b), (b, a), (a, c), (c, a), (a, d), (d, a), (b, c), (c, b), (b, d), (d, b), (c, d), (d, c)}
Combinaes: grupos que se distinguem apenas pela natureza dos seus elementos.
n: nmero de elementos distintos x: nmero de elementos retirados
Permutaes ordem (x = n)
Pn = n! grupos
Arranjos ordem e natureza (x < n)
x An =
n! grupos (n x)!
Quantas combinaes de dois elementos possvel formar? {(a, b) , (a, c) , (a, d), ...
x Cn =
n! x! (n x)!
C2 = 4
4! 4 3 2! = =6 2! (4 2)! 2! 2!
grupos
x Cn =
n! x!(n x)!
grupos
{(a, b), (a, c), (a, d), (b, c), (b, d), (c, d)}
25 26
Permutao com repetio: entre os n elementos de um conjunto existem elementos repetidos. Exemplo: se o conjunto de elementos for composto pelas letras da palavra ARARA, ento as permutaes possveis sero {ARARA, ARRAA, ARAAR, AARRA, AARAR, AAARR, RAAAR, RAARA, RARAA, RRAAA} Como calcular? Os elementos repetidos precisam ser identificados por a, b e assim sucessivamente
Conceitos de probabilidade
Jogos de azar Conceito clssico ou probabilidade a priori Teoria das probabilidades
Laplace (1812) Teoria Analtica das probabilidades sistematizou os conhecimentos da poca sobre probabilidades
Pna,b,c,... =
n! grupos a! b! c! ...
P53,2 =
5! = 10 3! 2!
27
Conceitos de probabilidade
1.Conceito clssico ou probabilidade a priori
Definio: Definio: Seja E um experimento aleatrio e S o espao amostral a ele associado, com n pontos amostrais, todos amostrais equiprovveis. Se existe, em S, m pontos favorveis realizao de um evento A, ento a probabilidade de A, indicada por P(A) P(A), ser:
pontos favorveis
Pressuposies bsicas: finito. 1. O espao amostral S enumervel e finito 2. Os resultados do espao amostral S so todos equiprovveis. equiprovveis Exemplo: Exp.: Lanar uma moeda no viciada duas vezes e observar a face voltada para cima em cada lanamento. S = {cc,ck,kc,kk} P(cc) = P(kc) = P(ck) = P(kk) = 1/4 A = ocorrncia de uma cara A = {ck,kc}
29 30
P(A) =
m #A = n #S
pontos possveis
S={cc,ck,kc,kk} A={ck,kc} n = nmero de pontos possveis = #S=4 m = nmero de pontos favorveis ocorrncia de A = #A=2
Outra situao: O espao amostral se refere ao nmero de caras que pode ocorrer em dois lanamentos de uma moeda no viciada. S={0,1,2} A = ocorrer uma cara A = {1} #S=3 #A=1 No possvel usar o conceito clssico para calcular a probabilidade de A
P(A) =
P(A) =
2 1 m #A = = = #S n 4 2
1 . 2
31
1 m #A = = #S 3 n
1 4 1 4
A probabilidade de ocorrer uma cara em dois lanamentos de uma moeda no viciada P(2) = P(cc) =
1 2
Exerccio proposto: Para usar o conceito clssico no clculo das probabilidades, recomendvel partir sempre do espao amostral bsico (mais detalhado) do experimento que, geralmente, no numrico. Espao amostral bsico S = {cc, ck, kc, kk} enumervel, mas no numrico Dez estudantes de um colgio so selecionados para formar a equipe de basquete para a competio. a) de quantas maneiras diferentes pode ser escolhida a equipe para entrar no primeiro jogo? b) quantas dessas combinaes incluem um estudante cujo nome Afonso? c) se a escolha feita por sorteio, qual a probabilidade de Afonso fazer parte da equipe neste primeiro jogo? a) C10,5 = 252 Espao amostral numrico S = {0, 1, 2} b) C9,4 = 126 c) P(A) = 126 / 252 = 0,5
33 34
f=
Richard Von Mises (1883-1953)
m n
ocorrncias de A repeties de E
35
36
f 1
P(A)
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Exerccios propostos: 1. Em Sobral (CE), observaram-se seis anos de seca no perodo de 1901-66 (66 anos). Qual a probabilidade de ser seco o prximo ano?
f= m 6 1 = = = 0,0909 n 66 11
2. Se os registros indicam que 504, dentre 813 lavadoras automticas de pratos vendidas por uma grande loja de varejo, exigiram reparos dentro da garantia de um ano, qual a probabilidade de uma lavadora dessa loja no exigir reparo dentro da garantia?
f= m 309 103 = = = 0,3801 n 813 271
39
40
10
O conceito axiomtico no fornece formas e sim condies para o clculo das probabilidades. Os conceitos a priori e a posteriori se enquadram no conceito axiomtico. Exemplo: Lanamento de um dado e observao da face voltada para cima
S={1,2,3,4,5,6} A={2} B={1,3,5} P(A P(AB)=?
P(B) = P(A) =
Primeiro axioma Terceiro axioma
#A 1 = #S 6 #B 3 = #S 6
Demonstrao:
P(A)
43
P(AB) P(A
= P(AB) P(A
44
11
Exerccio proposto: Teorema 4. Soma das Probabilidades Se A e B so dois eventos quaisquer, ento P(A P(AB) = P(A)+P(B)-P(AB) P(A)+P(B)-P(AB). Demonstrao: A probabilidade de ocorrer um acidente em uma competio de carros 0,18; a probabilidade de chover em um dia de competio 0,28; e a probabilidade de ocorrer acidente e chuva em um dia de competio 0,08. Determine a probabilidade de:
0,82 0,38 0,62
a) no ocorrer acidente na prxima competio; b) chover ou ocorrer um acidente na prxima competio; c) no chover e no ocorrer acidente na prxima competio; d) chover, mas no ocorrer acidente na prxima competio
46
P(A)+P(B)
P(AB) P(A
= P(AB) P(A
45
0,20
b) P(chover ou ocorrer um acidente) P(AB) = P(A) + P(B) P(AB) = 0,18 + 0,28 0,08 = 0,38
12
49
50
Definimos, ento, dois eventos: A1: a primeira bola azul A2: a segunda bola branca
As probabilidades dos eventos A1 e A2 sero calculadas em duas situaes: retiradas sem e com reposio da primeira bola.
A probabilidade do A2 depende da ocorrncia ou no do A1? Se ocorreu A1, ento temos P(A2/A1) P(A S = {B, B, A, A} A2/A1 = {B, B}
P(A 2 /A 1 ) =
# A 2 /A 1 2 = 4 #S
Situao 1. Consideremos que a primeira bola retirada no reposta retirada sem reposio S = {B, B, A, A, A} A1 = {A, A, A } enumervel, finito e equiprovvel
P(A 2 ) =
# A2 1 = #S 4
3 # A1 = P(A1 ) = #S 5
51
Se a bola no for reposta, a probabilidade de ocorrncia do reposta, A2 fica alterada pela ocorrncia ou no do A1 P(A2/A1) P(A2)
52
13
Eventos condicionados
Definio: dois eventos quaisquer, A e B, so condicionados quando a ocorrncia de um altera a probabilidade de ocorrncia do outro.
A probabilidade condicional de A denotada por P(A/B) (l-se probabilidade de A dado que ocorreu B) l-
Situao 2. Consideremos que a primeira bola retirada reposta antes de tirar a segunda retirada com reposio reposio. S = {B, B, A, A, A} A1 = {A, A, A }
P(A 1 ) =
3 # A1 = #S 5
53
54
A probabilidade do A2 depende da ocorrncia do A1? Se ocorreu A1, ento temos P(A2/A1) P(A S = {B, B, A, A, A } A2/A1 = {B, B}
Eventos independentes
Definio: Dois eventos quaisquer, A e B, so independentes quando a ocorrncia de um no altera a probabilidade de ocorrncia do outro.
P(A 2 /A 1 ) =
# A 2 /A 1 2 = 5 #S
# A2 2 = P(A 2 ) = 5 #S
P(A/B)=P(A) e P(B/A)=P(B)
Se a bola for reposta, a probabilidade de ocorrncia do A2 reposta, no alterada pela ocorrncia ou no do A1 P(A2/A1) = P(A2) P(A P(A
55 56
14
mutuamente exclusivos
P( A B ) P(B/A ) = P( A )
P( A B ) P( A/B ) = P(B )
AB=
Grau mximo de dependncia entre dois eventos: a ocorrncia de um impede a ocorrncia do outro
no mutuamente exclusivos
Condicionados: a ocorrncia de um altera a probabilidade de ocorrncia do outro Independentes: a ocorrncia de um no altera a probabilidade de ocorrncia do outro
58
AB
57
Exerccio proposto: Um grupo de pessoas constitudo de 60 homens e 40 mulheres. Sabe-se que 45 desses homens e 30 dessas mulheres votaram numa determinada eleio. Tomando-se, aleatoriamente, uma dessas pessoas, calcule a probabilidade de: a) ser homem; b) ser mulher; c) ter votado; d) no ter votado; e) ser homem, sabendo-se que votou; f) ser mulher, sabendo-se que no votou; g) ter votado, sabendo-se que mulher; h) no ter votado, sabendo-se que homem.
59
Eventos
Votou Homem Mulher Totais No votou Totais
45 30 75
#H 60 = = 0,6 # S 100
#M 40 = = 0,4 # S 100
15 10 25
60 40 100 e) P(H/V) =
a) P(H) = b) P(M) =
c) P(V) = # V = 75 = 0,75
#S
100
g) P(V/M) = P(V M) =
P(M)
30/100 30 = 40/100 40
d) P(NV) =
# NV 25 = = 0,25 #S 100
15
Teorema de Bayes
Seja S um espao amostral, com n parties, onde est definido o evento A.
Exemplo: Em uma fbrica de parafusos, as mquinas 1, 2 e 3 produzem 25%, 35% e 40% do total produzido. Da produo de cada mquina, 5%, 4% e 2%, respectivamente, so defeituosos. S = produo total da fbrica B1 = produo da mquina 1 B2 = produo da mquina 2 B3 = produo da mquina 3 A = produo defeituosa
B2 B1
B3
Se escolhemos ao acaso um parafuso desta fbrica, qual a probabilidade de que este parafuso seja defeituoso? P(A) ?
62
61
B1A
B2A
B3A P(A) = ?
P(A) = P[(B1A) (B2A) (B3A)] = P(B1A) + P(B2A) + P(B3A) P(B1A) = P(B1) . P(A/B1) P(B2A) = P(B2) . P(A/B2) P(B3A) = P(B3) . P(A/B3) P(A) = P(B1) . P(A/B1) + P(B2) . P(A/B2) + P(B3) . P(A/B3)
63
P(A/B1) = 0,05
Probabilidade de ser defeituoso dado que foi fabricado pela mquina 2
P(A/B2) = 0,04
Probabilidade de ser defeituoso dado que foi fabricado pela mquina 3
P(A/B3) = 0,02
64
16
P(A) = P(B1) . P(A/B1) + P(B2) . P(A/B2) + P(B3) . P(A/B3) P(A) = 0,25 . 0,05 + 0,35 . 0,04 + 0,40 . 0,02 P(A) = 0,0345
3,45% da produo de parafusos da fbrica defeituosa
Escolhe-se ao acaso um parafuso e verifica-se que ele defeituoso. Qual a probabilidade de que seja da mquina 1, da mquina 2 e da mquina 3?
Mquina 2
Teorema da Probabilidade Total: P(A) = P(B1) . P(A/B1) + P(B2) . P(A/B2) +...+ P(Bn) . P(A/Bn)
n
Mquina 3
66
P(B1/A)
Qual a probabilidade de ocorrer B1, sabendo-se que ocorreu A? Probabilidade condicionada: P(B1/A) = ?
Exemplo: Em uma fbrica de parafusos, as mquinas 1, 2 e 3 produzem 25%, 35% e 40% do total produzido. Da produo de cada mquina, 5%, 4% e 2%, respectivamente, so defeituosos.
B1 = produo da mquina 1 B2 = produo da mquina 2 B3 = produo da mquina 3 A = produo defeituosa
P(B1/A) =
P(B 1 A) P(A)
Teorema de Bayes
P(Bi /A) = P(B i ).P(A/B i )
n
Escolhe-se ao acaso um parafuso e verifica-se que ele defeituoso. Qual a probabilidade de que seja da mquina 1, da mquina 2 e da mquina 3?
P(B2/A)
i
P(B1/A) =
P(B 1 ).P(A/B 1 )
3
P(B ).P(A/B )
i=1 i
P(B i ).P(A/B i )
i=1
67
P(B1/A)
P(B3/A)
68
17
Soluo:
P(B2)= 0,35
P(B3)= 0,40
Exerccio Proposto:
P(B1/A) =
P(B2 /A) =
P(B3 /A) =
Em uma certa comunidade, 6 % de todos os adultos com mais de 45 anos tm diabetes. Um novo teste diagnostica corretamente 84% das pessoas que tm diabetes e 98% das que no tem a doena. a) Qual a probabilidade de uma pessoa diagnosticada como diabtica no teste, ter de fato a doena? 0,7283 b) Qual a probabilidade de uma pessoa que faa o teste, seja diagnosticada como no diabtica? 0,9308
DD 0,84
Se o parafuso defeituoso, a probabilidade de ter sido fabricado pela Mquina 1 0,3623; pela Mquina 2 0,4058 e pela Mquina 3 0,2319
69
Qual a probabilidade de uma pessoa diagnosticada como diabtica no teste, ter de fato a doena?
DND 0,98
P(D/DD) =
P(D).P(DD/D) P(D).P(DD/D) + P(ND).P(DD/ND) 0,06 0,84 0,0504 0,0504 = = = = 0,7283 = 72,83% (0,06 0,84) + (0,94 0,02) 0,0504 + 0,0188 0,0692
b)
Qual a probabilidade de uma pessoa que faa o teste, seja diagnosticada como no diabtica?
P(DND) = P(D).P(DND/D) + P(ND).P(DND/ND) = 0,06 0,16 + 0,94 0,98 = 0,0096+0,9212 = 0,9308 = 93,08%
71
18