Beruflich Dokumente
Kultur Dokumente
PROBABILIDADES
1. PROBABILIDADES:
a. Reviso dos modelos probabilsticos.
b. Distribuies discretas de probabilidades.
c. Distribuies contnuas de probabilidades.
3.1 Comeando
Popularmente, a palavra estatstica tem o significado singelo de coleo de dados
numricos sobre determinado assunto. comum ouvirmos falar de estatsticas da
inflao e estatsticas do campeonato de futebol, entre diversas outras. No entanto, a
Estatstica no simplesmente uma tcnica de coleta e de apresentao de dados,
mas uma cincia com a qual se procura tirar concluses a partir de dados numricos
originados de observaes. Verificamos que o objetivo da Estatstica fazer
inferncias a respeito de determinada populao, a partir de uma amostra dessa
populao, como um instrumento auxiliar na tomada de deciso em condies de
incerteza.
Neste captulo, veremos que o objetivo tambm antever o desconhecido, quantificando-o
adicionalmente a determinar o erro em uma estimao (de algo tambm desconhecido, de uma
populao). Em resumo, uma preocupao em prever os fatos a partir de informaes
existentes.
Falar depois do jogo, comentar o fim da temporada so coisas fceis. Dar a cara
para bater com palpites que so elas. Muitos preferem no se arriscar em tal
empreitada, mas o bom cronista esportivo tem obrigao de ser uma espcie
de vidente. Ou economista. Ele tem que tentar prever os fatos.
A teoria do Clculo das Probabilidades comeou com uma correspondncia entre dois
matemticos franceses, Blaise Pascal (16231662) e Pierre Fermat (16011665), em 1654, a
respeito de dois problemas formulados por um jogador compulsivo, Chevalier de Mr. A partir
daquele momento, realizam-se estudos de modelos matemticos com exemplos essencialmente de jogos de azar (afinal, era a motivao naquela poca). Infelizmente, tal enfoque
propagou-se at os dias de hoje, levando a que a maioria dos livros de probabilidade traga uma
srie de exemplos referentes a jogos de azar, a retiradas de bolas de urnas, a jogadas para o
ar de moedas (chamadas honestas, como se a maioria no o fosse), no lanamento de dados
e no aparecimento de determinadas cartas de baralho, em especial ases e reis.
Adicionalmente, ao surgir o ensino da teoria dos conjuntos nas escolas brasileiras na dcada
de 1960, enfatizou-se a associao entre os conceitos de probabilidades e os de conjuntos
com o intuito de facilitar o raciocnio estatstico a partir de outros modelos aparentemente mais
estruturados e de conhecimento geral. Todavia, ambos os enfoques tiveram a sua importncia
at a dcada de 1980, e os seus seguidores estavam preocupados em proporcionar melhor
entendimento dos conceitos estatsticos tericos por meio de estruturas que, no entender
deles, facilitariam a compreenso dos modelos existentes. Nos dias de hoje, tal viso
associativa no mais vlida, sobretudo pela variedade de aplicaes (no apenas em jogos
de azar), mas pela absoluta necessidade de as pessoas entenderem como utilizar os conceitos
estatsticos na vida diria.
Pg. 3-1
E3-1
.
a. 1950
b. 1900
c. 1850
d. 1800
e. nenhuma das respostas anteriores
RESPOSTA
Pg. 3-2
Pg. 3-3
podemos ter apenas tentativas intuitivas na obteno de resultados provveis; alm disso, s
vezes preciso levar em conta um fator que muda com o tempo, tal como melhora de
desempenho de uma equipe ou efeito de mudanas sociais.
O episdio faz lembrar a histria do suo que, apavorado com a ameaa de
guerra na Europa, resolveu se isolar de tudo e de todos. Aps dezenas de
estudos, o sujeito (...) pegou um mapa-mndi e disse: aqui, apontando para
Guadalcanal. Mudou-se para a ilha pouco antes de comear uma das mais
sangrentas batalhas da Segunda Guerra.
Para aprimorar esse conhecimento, necessita-se obter matematicamente uma medida
numrica de probabilidade.
Quando no se tem qualquer informao, podem-se enumerar os resultados possveis e
descrev-los como igualmente provveis (equiprovveis). Por exemplo, guichs encontrados
vazios em uma repartio pblica com cinco guichs pode resultar em qualquer um dos
nmeros 0, 1, 2, 3, 4 e 5. Nossos motivos para consider-los equiprovveis baseiam-se no fato
de cada guich ser (quase exatamente) simtrico e as condies de chegada a essa repartio
supostamente no favorecerem um nmero mais do que outro. Quando tais consideraes de
simetria proporcionam significado razovel para a expresso igualmente provveis, podemos
dizer que sempre que uma experincia consiste em n resultados possveis e igualmente
provveis, a probabilidade de cada resultado 1/n; no entanto, embora til, essa informao
circular (define com a definio).
Se um conjunto de n ocorrncias equiprovveis inclui m maneiras equiprovveis nas quais uma
situao particular pode ocorrer, a probabilidade dessa situao m/n.
Assim, quando forem enumerados todos os resultados possveis com a hiptese de suposta
igualdade, a probabilidade de determinada situao a razo do nmero de ocorrncias favorveis situao para o nmero total de resultados. A probabilidade assim definida
chamada probabilidade a priori. Nesse exemplo, a probabilidade de encontrar um guich vazio
1/6.
Preos equilibrados. Foram formados 11 preos, alguns numerosos e
equilibrados... Esse detalhe certamente vai dificultar os apostadores da
Quinexata, que precisam acertar as cinco duplas exatas das cinco ltimas
provas.
A probabilidade tambm pode ser expressa em forma de relao de ocorrncias favorveis
para as desfavorveis a uma situao (ou vice-versa). Assim, podemos dizer que uma relao
a favor de uma situao 2 para 7, significando que a probabilidade de sua ocorrncia 2/9.
Essas consideraes resultam no denominado conceito clssico de probabilidade, o resultado
da diviso entre o nmero de casos favorveis e o nmero de casos possveis:
nmero de casos favorveis
Pr * ( A ) =
nmero de casos possveis
Essa foi a primeira definio do conceito de probabilidade, conhecida como lei de Laplace.
Os fenmenos estudados pela Estatstica so aqueles cujo resultado, mesmo em condies
uniformes de experimentao, variam de uma observao para outra. O resultado de uma
observao futura no pode, portanto, ser previsto exatamente. Entretanto, a prtica mostra
que os resultados de uma sequncia razoavelmente longa de repeties do mesmo fenmeno
apresentam uma regularidade no sentido de que a frequncia relativa com que determinado
resultado aparece na sequncia tende a se manter constante. Os fenmenos que apresentam
essa regularidade estatstica denominam-se fenmenos aleatrios.
Pg. 3-4
Desse modo, pode-se definir a probabilidade de uma situao como sendo a frequncia
relativa dessa situao em n observaes, ou seja, o nmero de ocorrncias da situao
dividido pelo nmero de observaes tendendo para infinito. medida que o nmero de
repeties aumenta, h uma estabilizao na frequncia relativa, o que conhecido como
regularidade estatstica. O erro relativo da estimativa dessa probabilidade vai-se tornando cada
vez menor medida que o nmero de repeties do experimento aumenta. Esse conceito de
probabilidade denomina-se frequencial.
Nas partidas em que venceu, o Flamengo usou uniforme branco. E no contou
com o presidente (...) no Maracanzinho. Nas duas derrotas, o time usou
uniforme rubro-negro. E tinha (...) como torcedor no ginsio. Como ser na
quarta-feira?8
Quando se realiza uma experincia, um resultado observado definido, determinado, no
podendo acontecer um nmero fracionrio de vezes. Voltando a observar uma repartio com
cinco guichs, dizemos que a probabilidade de cada um dos resultados possveis (achar de 0 a
5 guichs vagos) 1/6, e com certeza no podemos obter como probabilidade 1/6 de um com
uma nica observao dos guichs e procurando um guich vago. Ento podemos dizer que
obteremos cada resultado exatamente uma vez em cada seis observaes, ou exatamente 100
vezes em 600 observaes? A resposta, evidentemente, no, mas acreditamos muito que, se
os seis guichs forem observados muitas vezes, em mdia os seis resultados possveis
ocorrero com frequncias praticamente iguais. Se isso no acontecer, devemos suspeitar que
um outro fator esteja intervindo no que observamos. A simetria, embora passvel de definio
de um modo positivo, em muitos casos , em essncia, um fato negativo: o fato de no haver
diferena conhecida ou observvel. Se o resultado do nosso experimento demonstra alguma
inconsistncia, tal como um resultado obtido com maior frequncia na observao de um
guich do que em outro, acreditamos que isso se deve a uma causa orientadora para aquele
resultado e conclumos que no h uma simetria, base do modelo, ou que h um problema
durante a realizao da observao.
A hora do perigo. Dos 577 acidentes ocorridos entre 1959 e 1996, em que o
avio foi totalmente destrudo, com ou sem vtimas, quase dois teros
aconteceram entre a fase de descida e a de pouso. Veja a porcentagem em
cada etapa do vo:
2%, manobra;
14%, decolagem;
17%, subida;
5%, altitude de cruzeiro;
6%, descida;
34%, aproximao;
22%, pouso.
O erro humano. Entre 1987 e 1996, sete entre cada dez acidentes de jato
ocorreram por falha da prpria tripulao. Veja os motivos principais:
3%, falha no controle de trfego;
4%, mau tempo;
6%, falha de manuteno;
9%, defeito do avio;
72%, erro da tripulao;
6%, outros.
Se a observao for repetida 1.000 vezes, encontrar dois guichs vazios, por exemplo, poder
ocorrer 0, 1, 2, ... 999 ou 1.000 vezes. possvel calcular as probabilidades desses resultados
e demonstrar que a frao de sucessos (no caso, encontrar dois guichs vazios) em n
observaes tende a estabilizar-se no valor 1/6 conforme n aumenta indefinidamente. Mas
estamos lidando ainda com probabilidades a priori, obtidas a partir de uma classificao de
resultados igualmente provveis de n observaes; no podemos provar matematicamente que
as leis da natureza so as leis da probabilidade matemtica.
probabilidade a priori probabilidade que se estabelece atendendo a consideraes de
simetria ou regularidade de resultados simples
Pg. 3-5
Pg. 3-6
O primeiro axioma afirma que se atribui a todo evento do espao amostral algum nmero
real; no clculo das probabilidades, a escolha dos nmeros a serem associados aos
resultados poderia ser qualquer uma, mas intuitivamente associam-se valores entre 0 e 1.
O segundo axioma afirma que ao espao amostral como um todo atribudo o nmero 1 e
expressa a idia de que a probabilidade de um evento certo igual a 1.
O terceiro axioma caracteriza a possibilidade de simplesmente se somarem probabilidades
quando os eventos so mutuamente excludentes.
Os trs axiomas no necessitam de prova; entretanto, se a teoria resultante aplicada no
mundo real, deve-se mostrar de algum modo que os axiomas so realistas, isto , apresentam
resultados razoveis, comprovados pelo conceito frequencial de probabilidade.
de
ter
as
as
Modelos matemticos
Tendo conhecido os principais conceitos referentes ao clculo das probabilidades, veremos
agora distribuies e funes densidades de probabilidade que, pela sua importncia,
merecem um estudo especial. Tais distribuies partem da pressuposio de certas hipteses
bem definidas, e como diversas situaes reais muitas vezes se aproximam dessas premissas,
os modelos aqui descritos so teis no estudo de tais situaes.
Pg. 3-7
Condies de aplicao
As situaes nas quais se pode utilizar esse modelo devem atender a que:
a. so feitas n repeties do experimento, onde n uma constante;
b. h apenas dois resultados possveis em cada repetio, arbitrariamente denominados
sucesso e insucesso, sem a obrigao de que um sucesso seja um resultado desejvel;
c. a probabilidade de um sucesso (e tambm de um insucesso) permanece constante de
repetio em repetio; ao sucesso atribuda a probabilidade p, e ao insucesso, (1 p);
d. as repeties so independentes.
No exemplo das provas de mltipla escolha do tipo falso-verdadeiro, as condies se aplicam
porque:
a. h 1 ou 50 questes, com a mesma estrutura na prova;
b. so apenas dois os resultados possveis em cada repetio: o sucesso marcar a
resposta certa ao acaso e o insucesso marcar a resposta errada;
c. como a resposta marcada ao acaso, ao sucesso atribuda a probabilidade p = 0,5 =
50%, e ao insucesso, a probabilidade (1 p) = 0,5 = 50%; essas probabilidades
permanecem constantes de questo em questo;
d. a resposta de uma questo no influenciada pelas respostas das outras questes, e
estas so consideradas independentes.
Usando o Excel
Por exemplo, seja um teste com 3 questes tipo verdadeiro ou falso e seja a varivel aleatria
X o nmero de respostas erradas. A probabilidade de que um aluno acerte, ao acaso, uma
resposta em uma questo , ento, 0,5.
No EXCEL, a funo DISTRBINOM ajuda no clculo da resposta do problema.
DISTRBINOM retorna ou a probabilidade de x sucessos da distribuio binomial, ou ento a
soma acumulada desde x = 0 at um valor estipulado.
A sintaxe a seguinte:
DISTRBINOM(nm_s; tentativas; probabilidade_s; cumulativo)
nm_s o nmero de sucessos que se deseja
tentativas o nmero de repeties
probabilidade_s a probabilidade de sucesso em cada repetio.
Cumulativo um valor lgico: se VERDADEIRO, ento DISTRBINOM retorna o valor da
probabilidade de que existam no mximo x sucessos
a. para calcular a probabilidade de 2 acertos, por exemplo, Nm_s = 2 Tentativas = 3,
Probabilidades = 0,5 e Cumulativo = FALSO;
b. para calcular a probabilidade de, no mximo, 2 acertos, altera-se o Cumulativo para
VERDADEIRO.
Pg. 3-8
b. h cinco opes.
E5-1
RESPOSTA
O objetivo fazer com que um aluno totalmente ignorante na matria no obtenha nota acima
de 6 marcando apenas ao acaso.
Mesmo com quatro opes, a probabilidade de se obter nota maior ou igual a 6 praticamente
zero. Sendo assim, no seria necessrio colocar tambm quatro opes.
Observa-se que toda fila feita de pessoas ou objetos (que se podem contar), os quais esto
esperando pela realizao de uma determinada atividade que leva tempo (tempo esse que
mensurvel). Inicialmente, analisemos o problema com relao s entidades que proporcionam
a formao de uma fila.
Condies de aplicao
Ao se fazer um levantamento das entidades que demandam um servio em um tempo limitado
de observao, atender as seguintes condies:
a. o nmero de chegadas durante qualquer intervalo de tempo parece depender somente da
durao do intervalo de tempo; quanto maior o intervalo, maior tende a ser o nmero de
chegadas;
Pg. 3-9
Usando o Excel
No Excel, tem-se, no Colar Funo, POISSON,
POISSON retorna ou a probabilidade de x sucessos da distribuio de Poisson, ou ento a
soma acumulada desde x = 0 at um valor estipulado.
A sintaxe a seguinte:
POISSON(X; Mdia; Cumulativo)
X o nmero de sucessos que se deseja
Mdia o parmetro
Cumulativo um valor lgico: se VERDADEIRO, ento POISSON retorna o valor da
probabilidade de que exista no mximo x sucessos; se FALSO, calcula a probabilidade de
exatamente x sucessos.
E5-2
RESPOSTA
Pg. 3-10
primeiramente, com relao s entidades que formam a fila; agora vamos analisar o tempo de
processamento da atividade.
Na distribuio de Poisson, definimos a varivel aleatria como sendo o nmero de eventos em
determinado perodo, em que a mdia dos eventos naquele perodo era denotada por . Assim
como o nmero de elementos que chegam uma varivel aleatria, observamos que o tempo
entre os eventos tambm uma varivel aleatria.
Condies de aplicao
O nmero de eventos deve ter uma distribuio de Poisson.
.
Usando o Excel
No EXCEL, a funo DISTEXPON ajuda no clculo da resposta ao problema.
DISTEXPON retorna ou a probabilidade de x sucessos da distribuio exponencial, ou ento a
soma acumulada desde x = 0 at um valor estipulado.
A sintaxe a seguinte:
DISTEXPON (X; Lambda; Cumulativo)
X a quantidade de sucessos que se deseja
Lambda o parmetro
Cumulativo um valor lgico: se VERDADEIRO, ento DISTEXPON retorna o valor da
probabilidade de que exista no mximo x sucessos; se FALSO, calcula a probabilidade de
exatamente x sucessos.
E5-3
RESPOSTA
Pg. 3-11
Pg. 3-12
EXERCCIOS
Caso encontre algum exerccio que no tem um texto que o responda, pesquise a
respeito e incorpore o que descobriu ao corpo do material.
A. EXERCCIOS CONCEITUAIS
Fonte: http://rpcriativo.blogspot.com/2010/04/pensar-fora-da-caixa-pode-ser-muito.html
1.
2. .
B.EXERCCIOS de habilidade
(resolver problemas)
Pg. 3-13
Pg. 3-14
C.
Ao longo do texto.
E.EXERCCIOS de pesquisa
www.youtube.com
a.
b.
2.
1.
2.
G. Para descontrair:
3. http://www.youtube.com/watch?v=H6syI3xiBBg
4.
Pg. 3-15