Probab Il I Dade

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Prof. Narciso Gonalves da Silva

www.pessoal.utfpr.edu.br/ngsilva
Probabilidade e Estatstica
2
Probabilidade
Experimento Aleatrio
Um experimento dito aleatrio quando satisfaz as seguintes
condies:
Pode ser repetido indefinidamente
possvel descrever todos os resultados do experimento,
sem predizer com certeza qual ocorrer
Obedece regularidade estatstica, ou seja, quando o
experimento for repetido um grande nmero de vezes,
surgir uma configurao definida
3
Probabilidade
Experimento Aleatrio
Exemplos:
Lanar um dado e observar a face superior
Lanar duas moedas e verificar as faces que ocorrem
Verificar o tempo de vida de uma lmpada
4
Probabilidade
Espao Amostral
o conjunto de todos os resultados possveis de um
experimento aleatrio
Exemplo:
Considere o experimento aleatrio sendo o lanamento de duas
moedas no viciadas.
E = duas moedas no viciadas so lanadas
Seja cara = k e coroa = c
= {(k,k), (k,c), (c,k), (c,c)}
5
Probabilidade
Tipos de Espao Amostral
1) Finito: tem um nmero finito de elementos
Exemplo: Lanamento de um dado
= {1, 2, 3, 4, 5, 6}
2) Infinito enumervel ou contvel: tem um nmero
infinito de elementos enumerveis
Exemplo: Uma moeda lanada sucessivas vezes at que ocorra
uma coroa (c)
= {c, kc, kkc, kkkc, kkkkc, ... }
3) Infinito no enumervel ou no contvel: tem um
nmero infinito de elementos no enumerveis
Exemplo: Observar o tempo de vida de uma lmpada
= {x / x R, x 0}
6
Probabilidade
Evento
qualquer subconjunto de um espao amostral
Sempre deve ser considerado o evento impossvel (aquele que
nunca ocorre) e o evento certo (que prprio espao amostral )
Exemplo:
No lanamento de um dado no viciado, considere o evento A
quando ocorre um nmero par:
E = uma dado no viciado lanado
A = face par ocorre
= {1, 2, 3, 4, 5, 6}
A = {2, 4, 6}
7
SejamA e B dois eventos de um espao amostral
a) Unio
Operaes com Eventos

8
b) Interseco
Operaes com Eventos

9
c) Diferena
Operaes com Eventos
10
d) Complementar
Operaes com Eventos
11
e) Mutuamente Excludentes
Operaes com Eventos

12
Exemplos:
1) Sendo os eventos A = {1, 3, 4, 7, 8}, B = {1, 2, 5, 6, 7, 9}
e = N, determinar:
a) A U B
b) A B
c) A B
d) B A
e) A
c
B
Operaes com Eventos

13
Exemplos:
2) Numa pesquisa, das pessoas entrevistadas, 120 assistem a emissora A, 150
assistem a emissora B, 40 assistem as duas emissoras e 120 no assistem
nenhuma das emissoras. Quantas pessoas foram entrevistadas?
Resposta: 350 pessoas
3) Sejam A, B e C eventos de um espao amostral . Exprimir os eventos abaixo
utilizando as operaes de unio, interseco e complementar.
a) Somente o evento B ocorre.
Resposta: A
c
B C
c
b) Pelo menos um evento ocorre.
Resposta: A U B U C
c) Os trs eventos ocorrem.
Resposta: A B C
d) Exatamente dois eventos ocorrem.
Resposta: (A B C
c
) U (A B
c
C) U (A
c
B C)
Operaes com Eventos
14
Exemplos:
4) Exprimir os eventos hachurados nos diagramas abaixo
utilizando as operaes de unio, interseco e complementar.
Operaes com Eventos
Ocorre o evento A
Ocorre o evento (A B) U (A C)
Ocorre o evento A B Ocorre o evento B U C
Ocorre o evento (A B
c
C
c
)
15
Propriedades das operaes com evento
16
Propriedades das operaes com evento
17
Partio de um Espao Amostral
18
1) Definio Frequentista (Atribuda Richard von Mises, 1883-1953)
Se em N realizaes de um experimento aleatrio, o evento A
ocorre n
A
vezes, ento a frequncia relativa de A nas N
realizaes :
N
n
= f
A
r
E a probabilidade de ocorrncia do evento A :
N
n
= A P
A
N
lim ) (
Definies de Probabilidade
19
2) Definio Clssica (Atribuda Laplace)
Seja um espao amostral finito , formado por
eventos equiprovveis. Sendo A um evento de
, ento a probabilidade de ocorrncia de A
dada por:
Pierre-Simon Laplace
(1749-1827)
) (
) (
) (
n
A n
= A P
, com 0 P(A) 1,
Onde:
n(A) o nmero de elementos do evento A
n() o nmero de elementos do espao amostral
20
Exemplo:
Qual a probabilidade de sair ao menos uma cara em dois
lanamentos consecutivos de uma moeda no viciada?
Soluo:
cara = k e coroa = c
= {(k,k), (k,c), (c,k), (c,c)}
A = sair ao menos uma cara
A = {(k,k), (k,c), (c,k)}
% 75
4
3
) (
) (
) ( = =
n
A n
= A P
21
Considere os eventos A e B associados ao espao
amostral .
1) 0 P(A) 1
2) P() = 1
3) Se A e B so eventos mutuamente excludentes,
ento P(A U B) = P(A) + P(B)
Axiomas da Probabilidade
22
1) Se um conjunto vazio, ento P() = 0.
Demonstrao:
Tem-se: U =
Como = , ento e so mutuamente excludentes.
Aplicando o 3 axioma:
P( U ) = P() + P() = P()
P() = 0
Exemplo:
A probabilidade de ocorrer face 2 e 3 no lanamento de um dado
no viciado P() = 0, enquanto que a probabilidade de ocorrer
face 2 ou 3 1/6 + 1/6 = 1/3.
Teoremas da Probabilidade
23
2) Se A
c
o evento complementar do evento A, ento
P(A
c
) = 1 P(A).
Demonstrao:
A
c
U A =
P(A
c
U A) = P()
A
c
A = , ento A
c
e A so mutuamente excludentes.
Aplicando o 3 axioma:
P(A
c
) + P(A) = P()
P(A
c
) = P() P(A)
P(A
c
) = 1 P(A)
24
Exemplo:
Uma urna contm 4 bolas verdes, 3 bolas brancas e 8 bolas amarelas.
Uma bola retirada aleatoriamente. Determinar a probabilidade de que
a bola retirada:
a) No ser amarela
b) No ser verde e nem amarela
Soluo: V = a bola retirada verde P(V) = 4/15 = 26,67%
B = a bola retirada branca P(B) = 3/15 = 20,00%
A = a bola retirada amarela P(A) = 8/15 = 53,33%
a) A
c
= a bola retirada no amarela
P(A
c
) = 1 P(A) = 1 8/15 = 7/15 = 46,67% = P(V U B)
b) V
c
A
c
= a bola retirada no verde e nem amarela
Da lei de Morgan: V
c
A
c
= (V U A)
c
P[(V UA)
c
] = 1 P(V U A). Como V e A so mutuamente excludente:
P[(V U A)
c
] = 1 [P(V) + P(A)] = 1 4/15 8/15 = 3/15 = 20,00% = P(B)
25
3) Teorema da Soma
Se A e B so dois eventos quaisquer, ou seja, podem ser
mutuamente excludentes ou no, ento:
P(A U B) = P(A) + P(B) - P(A B)
Demonstrao:
Se A B , ento A e (A
c
B) so mutuamente excludentes e
A U (A
c
B) = A U B, logo:
P[(A U (A
c
B)] = P(A U B) = P(A) + P(A
c
B) (1)
Considerando que B a unio dos eventos mutuamente excludentes
(B A) e (B A
c
), ento:
P(B) = P(B A) + P(B A
c
)
P(B A
c
) = P(B) - P(B A) (2)
Substituindo (2) em (1), tem-se:
P(A U B) = P(A) + P(B) - P(A B)
26
Exemplo:
Dois dados no viciados foram lanados simultaneamente. Determine a
probabilidade de ocorrer ao menos um ponto 5.
Soluo: A = ocorrer 5 no dado 1
B = ocorrer 5 no dado 2
A U B = ocorrer pelo menos um cinco
1 2 3 4 5 6
1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
P(A U B) = P(A) + P(B) P(A B) = 6/36 + 6/36 1/36 = 11/36 = 30,56%
n() = 36
n(A) = 6
n(B) = 6
n(A B) = 1
27
4) Se A, B e C so eventos quaisquer, ou seja, podem ser
mutuamente excludentes ou no, ento:
P(A U B U C) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P(A B C)
5) Se A - B a diferena entre os eventos quaisquer A e B,
ento, P(A - B) = P(A) - P(A B).
Demonstrao:
A = (A B) U (A B)
Como (A B) e (A B) so mutuamente excludentes,
ento aplicando o 3 axioma:
P(A) = P[(A B) U (A B)] = P(A B) + P(A B). Logo:
P(A - B) = P(A) - P(A B)
28
Exemplo:
Prove que P[(A B
c
) U (A
c
B)] = P(A) + P(B) 2.P(A B)
Soluo:
A B
c
= A B e A
c
B = B A
Como A B
c
e A
c
B so mutuamente excludentes:
P[(A B
c
) U (A
c
B)] = P(A B
c
) + P(A
c
B)
Sabe-se que: P(A B
c
) = P(A B) = P(A) P(A B) e
P(A
c
B) = P(B A) = P(B) P(B A)
sendo A B = B A
Ento: P[(A B
c
) U (A
c
B)] = P(A) + P(B) 2.P(A B)
29
6
1
) (
) (
) ( =
n
A n
= A P
3
1
) (
) (
) / ( =
B n
A n
= B A P
Considere o experimento aleatrio E = um dado honesto lanado e a face
observada e os eventos A = ocorre face 3 e B = ocorre face mpar
= {1, 2, 3, 4, 5, 6}
A = {3}
B = {1, 3, 5}
Qual a probabilidade do evento B ocorreu?
Probabilidade Condicional e Independncia
Qual a probabilidade do evento A ocorrer sabendo que o evento B j
ocorreu?
2
1
6
3
) (
) (
) ( = =
n
B n
= B P
Qual a probabilidade do evento A ocorreu?
30
Probabilidade Condicional
Definio:
Sejam A e B dois eventos quaisquer de uma espao amostral , com
P(B) > 0. A probabilidade de A ocorrer, na hiptese de B j ter
ocorrido, denotado por P(A/B), dada por:
) (
) (
) / (
B P
B A P
= B A P
No exemplo anterior:
E = um dado honesto lanado e a face observada
= {1, 2, 3, 4, 5, 6}
A = ocorre face 3 = {3}
B = ocorre face mpar = {1, 3, 5}
A B = {3}
3
1
6 3
6 1
) (
) (
) / ( = =
B P
B A P
= B A P
31
Regra do Produto
Da probabilidade condicional tem-se:
P(A B) = P(A/B).P(B)
Dois eventos A e B so ditos independentes se a probabilidade de
ocorrncia de um evento no interfere na probabilidade de ocorrncia
do outro evento, ou seja:
P(A/B) = P(A)
P(B/A) = P(B)
Logo: P(A B) = P(B A) = P(A).P(B)
32
Exemplos:
1) Num lote de 12 peas, 4 so defeituosas. Duas peas so retiradas, uma
a uma sem reposio. Qual a probabilidade de que ambas sejam no
defeituosas?
Soluo:
A = primeira pea no defeituosa => P(A) = 8/12
B = segunda pea no defeituosa => P(B/A) = 7/11
P(A B) = P(A).P(B/A) = 8/12.7/11 = 14/33 = 42,42%
Ou, utilizando a definio clssica de probabilidade:
N = duas peas retiradas so no defeituosas
66
! 2 )! 2 - 12 (
! 12
) (
2
12
= = C = n 28
! 2 )! 2 - 8 (
! 8
) (
2
8
= = C = N n
% 42 , 42
66
28
) (
2
12
2
8
= =
C
C
= B A P
33
Exemplos:
2) Considere no exemplo anterior que os eventos A e B so independentes,
ou seja, existe reposio da primeira pea aps verificar se ou no
defeituosa.
Soluo:
A = primeira pea no defeituosa => P(A) = 8/12
B = segunda pea no defeituosa => P(B) = 8/12
P(A B) = P(A).P(B/A) = 8/12.8/12 = 4/9 = 44,44%
Ou, utilizando a definio clssica de probabilidade:
N = duas peas retiradas com reposio so no defeituosas
144 12 . 12 ) ( = = n 64 8 . 8 ) ( = = N n
% 44 , 44
144
64
) (
) (
) ( = =
n
N n
= B A P
34
Definio:
Considere A
1
, A
2
, A
3
... A
n
uma partio do
espao amostral e B um evento qualquer de
. A probabilidade do evento B ocorrer dada
por:
Teorema da Probabilidade Total
n
= i
i i
A B P A P = B P
1
) / ( ). ( ) (
Tem-se: B = (A
1
B) U (A
2
B) U U (A
n
B)
P(B) = P[(A
1
B) U (A
2
B) U U (A
n
B)]
Aplicando o 3 axioma para eventos mutuamente excludentes:
P(B) = P(A
1
B) + P(A
2
B) + + P(A
n
B)
Aplicando a regra do produto:
P(B) = P(A
1
).P(B/A
1
) + P(A
2
).P(B/A
2
) + + P(A
n
).P(B/A
n
)
Em aplicaes prtica, as probabilidades dos eventos da partio de so
conhecidas ou podem ser calculadas, por isso, P(A
i
) so chamadas de
probabilidades priori dos eventos A
i
.
35
Exemplo: (MAGALHES e LIMA, 2010, pag. 58)
Um fabricante de sorvete recebe 20% do todo o leite que utiliza de uma fazenda F
1
,
30% de uma fazenda F
2
e 50% de uma fazenda F
3
. Um rgo de fiscalizao
inspecionou as fazendas e observou que 20% do leite produzido na fazenda F
1
estava
adulterado por adio de gua, enquanto que para F
2
e F
3
, essa proporo era de 5% e
2%, respectivamente. Na fbrica de sorvete os leites so armazenados dentro de um
refrigerador sem identificao das fazendas. Qual a probabilidade de que uma amostra
de leite retirada do refrigerador esteja adulterada?
Teorema da Probabilidade Total
Soluo:
Denotando por B = o leite est adulterado, deseja-se ento P(B).
A probabilidade de que o leite est adulterado e que procedente da fazenda:
F
1
: P(B/F
1
) = 0,20
F
2
: P(B/F
2
) = 0,05
F
3
: P(B/F
3
) = 0,02
A probabilidade de que o leite (adulterado ou no) procedente da fazenda:
F
1
: P(F
1
) = 0,20
F
2
: P(F
2
) = 0,30
F
3
: P(F
3
) = 0,50
Logo: P(B) = P(F
1
).P(B/F
1
) + P(F
2
).P(B/F
2
) + P(F
3
).P(B/F
3
)
P(A) = 0,20.0,20 + 0,30.0,05 + 0,50.0,02 = 0,065 = 6,5%
36
Teorema de Bayes
Definio:
Considere A
1
, A
2
, A
3
... A
n
uma partio do espao amostral e B
um evento qualquer de .
Do teorema da probabilidade total tem-se:
Onde P(A
i
) so as probabilidade priori dos eventos A
i
.
n
= i
i i
A B P A P = B P
1
) / ( ). ( ) (
Vamos supor agora que o evento B tenha ocorrido e desejamos
determinar a probabilidade posteriori do evento A
i
, ou seja,
P(A
i
/B).
Por definio, tem-se:
n
= i
i i
i i
i
A B P A P
A B P A P
= B A P
1
) / ( ). (
) / ( ). (
) / (
) (
) (
) / (
B P
B A P
= B A P
i
i
Aplicando a regra do produto e o teorema da probabilidade total:
37
Exemplo 1:
Considerando o exemplo anterior do fabricante de sorvete,
sabendo que a amostra est adulterada, determinar a
probabilidade de que o leite tenha sido fornecido pela fazenda F
2
.
Teorema de Bayes
Soluo:
Deseja-se ento P(F
2
/B).
Por definio:
= i
i i
F B P F P
F B P F P
=
B P
B F P
= B F P
3
1
2 2 2
2
) / ( ). (
) / ( ). (
) (
) (
) / (
% 08 , 23 2308 , 0
065 , 0
05 , 0 . 30 , 0
) / (
2
= = = B F P
38
Exemplo 2:
Determinadas peas so produzidas em trs fbricas F
1
, F
2
, e F
3
, sendo que a fbrica 1
e 2 produzem a mesma proporo de peas e a fbrica 3 produz o dobro das peas que
cada uma das outras duas fbricas produzem. Sabe-se tambm, que 2% das peas
produzidas pela fbrica 1 so defeituosas e que a proporo para as fbricas 2 e 3 so
3% e 4%, respectivamente. Qual a probabilidade de que uma pea defeituosa tenha
origem da fbrica 2?
Teorema de Bayes
Soluo:
Sendo x a proporo de peas produzidas pelas fbricas 1 e 2, tem-se: x + x + 2x = 1.
Logo x = 25%. Denotando por A = a pea defeituosa, deseja-se ento P(F
2
/A).
A probabilidade de que a pea (defeituosa ou no) de procedncia da fbrica:
F
1
: P(F
1
) = 0,25; F
2
: P(F
2
) = 0,25; F
3
: P(F
3
) = 0,50
A probabilidade de que a pea defeituosa e de procedncia da fbrica:
F
1
: P(A/F
1
) = 0,02; F
2
: P(A/F
2
) = 0,03; F
3
: P(A/F
3
) = 0,04
Logo: P(A) = P(F
1
).P(A/F
1
) + P(F
2
).P(A/F
2
) + P(F
3
).P(A/F
3
) = 0,0325 = 3,25%
Portanto:
% 08 , 23
0325 , 0
03 , 0 . 25 , 0
) / ( ). (
) / ( ). (
) (
) (
) / (
3
1
2 2 2
2
= =
F A P A P
F A P F P
=
A P
A F P
= A F P
= i
i i

Probab Il I Dade

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Probab Il I Dade

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Prof. Narciso Gonalves da Silva

Operaes com Eventos

Operaes com Eventos

Operaes com Eventos

Operaes com Eventos

Das könnte Ihnen auch gefallen