You are on page 1of 14

PROBABILIDADE

O clculo das probabilidades pertence ao campo da Matemtica, entretanto a maioria dos fenmenos de que trata a Estatstica so de natureza aleatria ou probabilstica. O conhecimento dos aspectos fundamentais do clculo das probabilidades uma necessidade essencial para o estudo da Estatstica Indutiva ou Inferncia. Experimento Aleatrio So fenmenos que, mesmo repetidos vrias vezes sob condies semelhantes, apresentam resultados imprevisveis. O resultado final depende do acaso. Exemplo: Da afirmao " provvel que o meu time ganhe a partida hoje" pode resultar: - que ele ganhe - que ele perca - que ele empate

Este resultado final pode ter trs possibilidades. Espao Amostral o conjunto universo ou o conjunto de resultados possveis de um experimento aleatrio. No experimento aleatrio "lanamento de uma moeda" temos o espao amostral {cara, coroa}.

No experimento aleatrio "lanamento de um dado" temos o espao amostral {1, 2, 3, 4, 5, 6}. No experimento aleatrio "dois lanamentos sucessivos de uma moeda" temos o espao amostral : {(ca,ca) , (co,co) , (ca,co) , (co,ca)} Obs: cada elemento do espao amostral que corresponde a um resultado recebe o nome de ponto amostral. No primeiro exemplo : cara pertence ao espao amostral {cara, coroa}. Eventos qualquer subconjunto do espao amostral de um experimento aleatrio. Se considerarmos S como espao amostral e E como evento: Assim, qualquer que seja E, se E c S (E est contido em S), ento E um evento de S. Se E = S , E chamado de evento certo. Se E S e E um conjunto unitrio, E chamado de evento elementar. Se E = , E chamado de evento impossvel. Conceito de Probabilidade Chamamos de probabilidade de um evento A (sendo que A est contido no Espao amostral) o nmero real P(A) , tal que : nmero de casos favorveis de A / nmero total de casos

OBS: Quando todos os elementos do Espao amostral tem a mesma chance de acontecer, o espao amostral chamado de conjunto equiprovvel. Exemplos: 1- No lanamento de uma moeda qual a probabilidade de obter cara em um evento A ? S = { ca, co } = 2 A = {ca} = 1 P(A) = 1/2 = 0,5 = 50%

2- No lanamento de um dado qual a probabilidade de obter um nmero par em um evento A ? S = { 1,2,3,4,5,6 } = 6 A = { 2,4,6 } = 3 P(A) = 3/6 = 0,5 = 50%

3- No lanamento de um dado qual a probabilidade de obter um nmero menor ou igual a 6 em um evento A ? S = { 1,2,3,4,5,6 } = 6 100% Obs: a probabilidade de todo evento certo = 1 ou 100%. 4- No lanamento de um dado qual a probabilidade de obter um nmero maior que 6 em um evento A ? S = { 1,2,3,4,5,6 } = 6 A={ }=0 P(A) = 0/6 = 0 = 0% A = { 1,2,3,4,5,6 } = 6 P(A) = 6/6 = 1,0 =

Obs: a probabilidade de todo evento impossvel = 0 ou 0% Eventos Complementares

Sabemos que um evento pode ocorrer ou no. Sendo p a probabilidade de que ele ocorra (sucesso) e q a probabilidade de que ele no ocorra (insucesso), para um mesmo evento existe sempre a relao: p+q=1 Obs:Numa distribuio de probabilidades o somatrio das probabilidades atribudas a cada evento elementar igual a 1 onde p1 + p2 + p3 + ... + pn = 1 . Eventos Independentes Quando a realizao ou no realizao de um dos eventos n afeta a probabilidade da realizao do outro e vice-versa. Exemplo: Quando lanamos dois dados, o resultado obtido em um deles independe do resultado obtido no outro. Ento qual seria a probabilidade de obtermos, simultaneamente, o n 4 no primeiro dado e o n 3 no segundo dado ? Assim, sendo P1 a probabilidade de realizao do primeiro evento e P2 a probabilidade de realizao do segundo evento, a probabilidade de que tais eventos se realizem simultaneamente dada pela frmula: P(1 n 2) = P(1 e 2) = P(1) x P(2) P1 = P(4 dado1) = 1/6 P2 = P(3 dado2) = 1/6

P total = P (4 dado1) x P (3 dado2) = 1/6 x 1/6 = 1/36

Eventos Mutuamente Exclusivos Dois ou mais eventos so mutuamente exclusivos quando a realizao de um exclui a realizao do(s) outro(s). Assim, no lanamento de uma moeda, o evento "tirar cara" e o evento "tirar coroa" so mutuamente exclusivos, j que, ao se realizar um deles, o outro no se realiza. Se dois eventos so mutuamente exclusivos , a probabilidade de que um ou outro se realize igual soma das probabilidades de que cada um deles se realize: P(1 U 2) = P(1 ou 2) = P(1) + P(2) Exemplo: No lanamento de um dado qual a probabilidade de se tirar o n 3 ou o n 4 ? Os dois eventos so mutuamente exclusivos ento: P = 1/6 + 1/6 = 2/6 = 1/3 DISTRIBUIO DE PROBABILIDADES Apresentaremos neste captulo trs modelos tericos de distribuio de probabilidade, aos quais um experimento aleatrio estudado possa ser adaptado, o que permitir a soluo de grande nmero de problemas prticos. Varivel Aleatria Suponhamos um espao amostral S e que a cada ponto amostral seja atribudo um nmero. Fica, ento, definida uma funo chamada varivel aleatria.

Muitas vezes no estamos interessados propriamente no resultado de um experimento aleatrio, mas em alguma caracterstica numrica a ele associada. Essa caracterstica ser chamada varivel aleatria. Assim, se o espao amostral relativo ao "lanamento simultneo de duas moedas" S = {(ca,ca), (ca,co), (co,ca), (co,co)} e se X representa o "nmero de caras" que aparecem, a cada ponto amostral podemos associar um nmero para X, de acordo com a tabela abaixo ( X a varivel aleatria associada ao nmero de caras observado):

Ponto Amostral (ca,ca) (ca,co) (co,ca) (co,co) Logo podemos escrever:

X 2 1 1 0

Nmero de caras (X) Probabilidade (X) 2 1 0 1/4 2/4 1/4

Total

4/4 = 1

Exemplo prtico de uma distribuio de probabilidade: Consideremos a distribuio de freqncias relativa ao nmero de acidentes dirios na Rodovia do SOL durante o ms de nov/97: Nmero de Acidentes Frequncia 0 1 2 3 22 5 2 1

Podemos ento escrever a tabela de distribuio de probabilidade: Nmero de Acidentes (X) Probabilidade (X) 0 1 2 3 Total 0,73 0,17 0,07 0,03 1,00

Construmos acima uma tabela onde aparecem os valores de uma varivel aleatria X e as probabilidades de X ocorrer que a tabela de distribuio de probabilidades. Funes de probabilidades: f(X) = p(X= xi) Ao definir a distribuio de probabilidade, estabelecemos uma correspondncia unvoca entre os valores da varivel aleatria X e os valores da varivel P (probabilidade). Esta correspondncia define uma funo onde os valores xi formam o domnio da funo e os valores pi o seu conjunto imagem. Assim, ao lanarmos um dado, a varivel aleatria X, definida por "pontos de um dado", pode tomar os valores 1,2,3,4,5 e 6. Ento resulta a seguinte distribuio de probabilidade: X 1 2 3 4 5 6 P (X) 1/6 1/6 1/6 1/6 1/6 1/6

T o t a l 6/6 = 1

Distribuio Binomial

Vamos imaginar fenmenos cujos resultados s podem ser de dois tipos, um dos quais considerado como sucesso e o outro insucesso. Este fenmeno pode ser repetido tantas vezes quanto se queira (n vezes), nas mesmas condies. As provas repetidas devem ser independentes, isto , o resultado de uma no deve afetar os resultados das sucessivas. No decorrer do experimento, a probabilidade p do sucesso e a probabilidade de q (q = 1 - p) do insucesso manter-se-o constantes. Nessas condies X uma varivel aleatria discreta que segue uma distribuio binomial.

P(x) = P(x) = a probabilidade de que o evento se realize x vezes em n provas. p = a probabilidade de que o evento se realize em uma s prova = sucesso. q = a probabilidade de que o evento no se realize no decurso dessa prova = insucesso. OBS: O nome binomial devido frmula, pois representa o termo geral do desenvolvimento do binmio de Newton. Parmetros da Distribuio Binomial Mdia = n . p q Desvio padro = a raiz quadrada do produto de n . p .

Varincia = n . p . q

Obs: Na probabilidade da unio de dois eventos A e B, quando h elementos comuns, devemos excluir as probabilidades dos elementos comuns a A e B

(elementos de A n B ) para no serem computadas duas vezes. Assim P(A U B) = P(A) + P(B) - P(A n B) Exemplo: Retirando-se uma carta de um baralho de 52 cartas, qual a probabilidade da carta retirada ser ou um S ou uma carta de COPAS? P(S U Copas) = P(S) + P(Copas) - P(S n Copas) = 4/52 + 13/52 - 1/52 = 16/52 Probabilidade Condicional Se A e B so dois eventos, a probabilidade de B ocorrer , depois de A ter acontecido definida por : P (B/A), ou seja, chamada probabilidade condicional de B. Neste caso os eventos so dependentes e definidos pela frmula: P (A e B ) = P (A) x P(B/A) Exemplo: Duas cartas so retiradas de um baralho sem haver reposio. Qual a probabilidade de ambas serem COPAS ? P (Copas1 e Copas2) = P(Copas1) x P(Copas2/Copas1) = 13/52 x 12/51 = 0,0588 = 5,88 % P(Copas1) = 13/52 P(Copas2/Copas1) = 12/51 Obs: No exemplo anterior se a 1 carta retirada voltasse ao baralho o experimento seria do tipo com reposio e seria um evento independente. O resultado seria:

P(Copas1) x P(Copas2) = 13/52 x 13/52 = 0,625 = 6,25 %

Espao amostral do baralho de 52 cartas: Carta pretas = 26 Pus = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei) Espadas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei) Cartas vermelhas = 26 Ouros = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei) Copas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)

DISTRIBUIO NORMAL Entre as distribuies tericas de varivel aleatria contnua, uma das mais empregadas a distribuio Normal. Muitas das variveis analisadas na pesquisa scio-econmica correspondem distribuio normal ou dela se aproximam.

Propriedades da distribuio normal :

1 - A varivel aleatria X pode assumir todo e qualquer valor real. 2 - A representao grfica da distribuio normal uma curva em forma de sino, simtrica em torno da mdia, que recebe o nome de curva normal ou de Gauss. 3 - A rea total limitada pela curva e pelo eixo das abscissas igual a 1, j que essa rea corresponde probabilidade de a varivel aleatria X assumir qualquer valor real. 4 - A curva normal assinttica em relao ao eixo das abscissas, isto , aproxima-se indefinidamente do eixo das abscissas sem, contudo, alcan-lo. 5 - Como a curva simtrica em torno da mdia, a probabilidade de ocorrer valor maior que a mdia igual probabilidade de ocorrer valor menor do que a mdia, isto , ambas as probabilidades so iguais a 0,5 ou 50%. Cada metade da curva representa 50% de probabilidade.

Quando temos em mos uma varivel aleatria com distribuio normal, nosso principal interesse obter a probabilidade de essa varivel aleatria assumir um valor em um determinado intervalo. Vejamos com proceder, por meio de um exemplo concreto. Exemplo: Seja X a varivel aleatria que representa os dimetros dos parafusos produzidos por certa mquina. Vamos supor que essa varivel tenha distribuio normal com mdia = 2 cm e desvio padro = 0,04 cm. Qual a probabilidade de um parafuso ter o dimetro com valor entre 2 e 2,05 cm ?

P ( 2 < X < 2,05) = ? Com o auxlio de uma distribuio normal reduzida, isto , uma distribuio normal de mdia = 0 e desvio padro = 1. Resolveremos o problema atravs da varivel z , onde z = (X )/S

Utilizaremos tambm uma tabela normal reduzida, que nos d a probabilidade de z tomar qualquer valor entre a mdia 0 e um dado valor z, isto : P ( 0 < Z < z) Temos, ento, que se X uma varivel aleatria com distribuio normal de mdia e desvio padro S, podemos escrever: P( < X < x ) = P (0 < Z < z)

No nosso problema queremos calcular P(2 < X < 2,05). para obter ees probabilidade, precisamos, em primeiro lugar, calcular o valor de z que correponde a x = 2,05 z = (2,05 - 2) / 0,04 = 1,25

Utilizao da Tabela Z Procuremos, agora, na tabela Z o valor de z = 1,25 Na primeira coluna encontramos o valor at uma casa decimal = 1,2. Em seguida, encontramos, na primeira linha, o valor 5, que corresponde ao ltimo algarismo do nmero 1,25. Na interseco da linha e coluna correspondentes encontramos o valor 0,3944, o que nos permite escrever:

P (0 < Z < 1,25 ) = 0,3944 ou 39,44 %, assim a probabilidade de um certo parafuso apresentar um dimetro entre a mdia = 2cm e x = 2,05 cm de 39,44 %.