Escolar Documentos
Profissional Documentos
Cultura Documentos
APOSTILA DE PROBABILIDADE
Probabilidade
CONTEDO
Contedo
1 Fundamentos
2 Denio
4 Probabilidade condicional
4
5
7
8
9
9
10
5 Independncia de eventos
10
11
7 Teorema de Bayes
12
5.1 Exerccios: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1 Partio do espao amostral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2 Denio: Teorema da Probabilidade Total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.3 Exerccios: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.1 Exerccios: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
11
11
12
12
13
13
14
15
16
16
16
17
18
18
10 A distribuio Normal
19
11 Referncias
23
20
22
23
Probabilidade
1 Fundamentos
Alguns experimentos so determinsticos, isto , produzem os mesmos resultados, desde que tenham sido
xadas as condies em que eles ocorrem. Por exemplo, na geometria, sabendo o lado de um quadrado,
a rea estar determinada, ou ainda se clicar sobre um cone em um computador, saber que funo ele
ir desempenhar. Existem tambm os experimentos probabilsticos, nos quais mesmo que as condies de
ocorrncia tenham sido xadas, os resultados no so previsveis. O resultado de uma observao no tem
efeito sobre o resultado de outra e tm um padro de comportamento previsvel a longo prazo. Ou seja,
os experimentos tm um componente de acaso. Como j foi dito neste curso, a probabilidade a teoria
matemtica utilizada para se estudar a incerteza oriunda de fenmenos de carter aleatrio. Vejamos a
seguir alguns conceitos importantes:
Experimentos aleatrios:
Espao amostral:
Experimento: Lanamento de uma moeda. Resultados possveis: cara (c) ou coroa ().
c
Espao amostral: = {c, c}.
Ex.:
Ex.:
Ex.:
Evento:
Ex.:
A = {cara}
Ex.:
Experimento: Lanamento de um dado. Evento B: Sair uma face par do dado. B = {2, 4, 6}.
Ex.:
Eventos especiais:
Evento simples: um resultado ou um evento que no pode mais ser decomposto em compo-
Ex.:
Ex.:
dado.
Ex.:
1.1
Probabilidade
Ex.:
Ex.:
Ex.:
Experimento: Lanamento de um dado. Se denimos por C: ocorrncia de face par no lanamento, D: ocorrncia da face 4 no lanamento, teremos C D = {2, 4, 6}.
Experimento: Contar o no de lhos de famlias de um determinado bairro. Se denimos E: ter
menos de dois lhos e F: ter entre 1 e 5 lhos, E F = {0, 1, 2, 3, 4, 5}.
Unio
Interseco.
Ex.:
Ex.:
Ex.:
Interseco
Observemos que, sabendo que e so tambm eventos por serem subconjuntos do espao amostral:
a unio de qualquer evento com o espao amostral ser o prprio espao amostral.
a unio de qualquer evento com o conjunto vazio ser o prprio evento.
a interseco de qualquer evento com o espao amostral ser o prprio evento.
a interseco de qualquer evento com o conjunto vazio ser o conjunto vazio.
1.2
Probabilidade
Exerccios:
Ex.:
Eventos disjuntos
Ex.:
Ac
Complementar de A
1.2 Exerccios:
1.2.1 Suponha que iremos selecionar 1 estudante ao acaso de uma turma de estatstica. Construa o espao amostral
se o interesse :
(a)
(b)
(c)
(d)
1.2.2 No contexto do exerccio 1, especique dois eventos possveis de cada uma das 4 situaes.
1.2.3 Considere um experimento que consiste no lanamento de um dado equilibrado. Como j foi visto, o espao
amostral = {1, 2, 3, 4, 5, 6}. Considere os seguintes eventos: A = {2, 4, 6}, B = {1, 3, 5}, C = {1, 4, 5} e D = {4}.
(a)
(b)
(c)
(d)
Obtenha A B , A C e A D.
Obtenha B A, B C e B D.
Identique os dois eventos disjuntos entre estes 4 e explique por que o so.
Obtenha Ac , B c , C c e Dc .
Probabilidade
2 Denio
Uma funo P(.) denominada
probabilidade
Clssica:
Supe que cada um dos eventos simples tenha igual chance de ocorrer.
P(A) =
(1)
2.
Ex.: Experimento: Lanamento de uma moeda. Espao amostral: = {c, c}. Considerando
que seja uma moeda 'honesta', ou seja, que as duas faces tenham a mesma chance de ocorrer,
temos P({c}) = P({}) = 1/2.
c
Experimento: Lanamento de um dado. O espao amostral = {1, 2, 3, 4, 5, 6}. Admitindo que o dado seja equilibrado, ou seja, no haja nenhuma face com maior chance de
ocorrer, podemos considerar P({1}) = P({2}) = P({3}) = P({4}) = P({5}) = P({6}) = 1/6.
Ex.:
P(A) =
(2)
3.
Ex.:
Sub jetiva: A Probabilidade de ocorrncia do evento A estimada como um nmero entre 0 e 1 que
representa um ponto de vista pessoal sobre a possibilidade de ocorrer determinado evento.
Um empresrio abre um restaurante em uma cidade turstica, acreditando que a probabilidade subjetiva de sucesso 0,8 (otimista!)
Ex.:
Ex.:
Se voc for perguntado sobre qual a probabilidade de, diante da gravidez de uma amiga,
o beb ser do sexo masculino, qual valor responderia? (sem assumir que os sexos masculino e
feminino so equiprovveis, e sem ter uma amostra para estimar essa probabilidade.)
2.1
Probabilidade
Exerccios:
2.1 Exerccios:
2.1.1 Considere o experimento de lanar duas moedas honestas.
(a) Escreva o espao amostral e as respectivas probabilidades.
(b) Qual a probabilidade de ocorrer uma cara?
2.1.2 Joga-se um dado equilibrado. Qual a probabilidade de ocorrer um nmero menor que 3?
2.1.3 O gestor de um supermercado quer saber a probabilidade de um cliente pagar com carto de crdito e tambm
a probabilidade de pagar com carto de dbito. Dos 1728 clientes que passaram pelo caixa em uma semana, 864
optaram pelo carto de crdito como forma de pagamento e 174 pagaram pelo dbito. Calcule as probabilidades
pedidas.
2.1.4 O diretor de uma escola perguntou aos 575 alunos se eles eram destros ou canhotos. Encontrou 46 canhotos.
Estime a probabilidade de um aluno selecionado aleatoriamente nessa escola ser destro.
Unio
Estaremos ento interessados em calcular P(A B). Note que se simplesmente somarmos P(A) com P(B),
estaremos somando a regio de interseco entre os dois eventos duas vezes (a regio mais escura da
representao da unio acima). Assim, precisamos subtrair uma vez P(A B). Assim, sejam A e B eventos
de . Ento:
P(A B) = P(A) + P(B) P(A B)
(3)
(4)
porque neste caso P(A B) = . Da denio de probabilidade e a regra da adio implicam os seguintes
resultados:
7
3.1
Probabilidade
Exerccios:
Soluo:
Para encontramos a probabilidade do evento A, precisamos somar as probabilidades dos eventos simples que o compem.
Assim, P(A) = P({a}) + P({b}) + P({c}) = 0, 1 + 0, 1 + 0, 2 = 0, 4.
a.
b.
c.
d.
e.
Para encontramos a probabilidade do evento B faremos o mesmo processo da letra (a). Assim, P(B) = P({c}) + P({d}) +
P({e}) = 0, 2 + 0, 4 + 0, 2 = 0, 8.
Para encontramos a probabilidade do evento Ac : P(Ac ) = 1 P(A) = 1 0, 4 = 0, 6.
Para encontramos a probabilidade do evento A B devemos somar as probabilidades dos eventos simples
eventos A e B. Assim, P(A B) = P({c}) = 0, 2.
comuns
aos
Para encontramos a probabilidade do evento A B devemos usar a frmula da adio. Assim, P(A B) = P(A) + P(B)
P(A B) = 0, 4 + 0, 8 0, 2 = 1.
Exemplo 3.2. Um estudo sobre hbitos de fumantes compreendeu 200 indivduos casados (54 fumavam), 100
divorciados (38 fumavam) e 50 solteiros (11 fumavam). Escolhido aleatoriamente 1 indivduo, determine a
probabilidade de obter algum divorciado ou fumante.
Soluo:
Precisamos primeiro denir os eventos: C = ser casado, P(C) = 200/350 = 0, 571; D = ser divorciado, P(D) = 100/350 =
0, 286; S = ser solteiro, P(S) = 50/350 = 0, 143 e F = ser fumante, P(F ) = (54 + 38 + 11)/350 = 0, 294. Observemos ainda
que P(D F ) = 38/350 = 0, 109. Precisamos calcular P(D F ).
P(D F ) = P(D) + P(F ) P(D F ) = 0, 286 + 0, 294 0, 109 = 0, 471.
3.1 Exerccios:
3.1.1 Se P(A) = 0, 3, P(B) = 0, 2 e P(A B) = 0, 1, determine as seguintes probabilidades:
(a) P(Ac ).
(b) P(A B).
(c) P(Ac B).
(d) P(A B c ).
(e) P(Ac B).
3.1.2 Uma universidade tem 10.000 alunos dos quais 4.000 so considerados esportistas. Sabe-se ainda que 500
alunos so do curso de biologia diurno, 700 da biologia noturno, 100 so esportistas e da biologia diurno e 200 so
esportistas e da biologia noturno. Um aluno escolhido, ao acaso, e pergunta-se a probabilidade de:
(a)
(b)
(c)
(d)
(e)
Ser esportista.
Ser esportista e aluno da biologia noturno.
No ser da biologia.
Ser esportista ou aluno da biologia.
No ser esportista nem aluno da biologia.
3.1.3 Sejam A e B dois eventos em um dado espao amostral tais que P(A) = 0, 2,
P(A B) = 0, 1. Determine o valor de p.
P(B) = p, P(A B) = 0, 5 e
Probabilidade
4 Probabilidade condicional
Algumas vezes o experimento aleatrio com o qual trabalhamos pode ser separado em etapas. A informao
do que ocorreu em uma determinada etapa pode inuenciar nas probabilidades de ocorrncias nas etapas
sucessivas. O que acontece que 'ganhamos' informao e podemos recalcular as probabilidades de interesse.
A essas probabilidades recalculadas denominamos probabilidade condicional, denida da seguinte forma:
4.1 Denio:
Dados dois eventos A e B, a probabilidade condicional de A dado que ocorreu B denotada por P(A|B) e
dada por:
P(A|B) =
P(A B)
, P(B) > 0
P(B)
(5)
a.
Obter o par (3,4), sabendo-se que ocorreu face mpar no primeiro dado;
b.
Ocorrer face mpar no segundo dado, sabendo-se que ocorreu face par no primeiro dado.
Soluo:
Para o experimento lanamento de dois dados equilibrados, o espao amostral ser:
= {(1, 1), ..., (1, 6), (2, 1), ..., (2, 6), (3, 1), ..., (3, 6), (4, 1), ..., (4, 6), (5, 1), ..., (5, 6), (6, 1), ..., (6, 6)}
P(A B)
1/36
1
=
=
= 0, 056.
P(B)
1/2
18
Denamos dois eventos: C = obter face mpar no segundo dado = {(1, 1), (2, 1), ..., (6, 1), (1, 3), (2, 3), ..., (6, 3), (1, 5), (2, 5), ..., (6, 5)}
e D = obter face par no primeiro dado = {(2, 1), ..., (2, 6), (4, 1), ..., (4, 6), (6, 1), ..., (6, 6)}.
Sabemos que P(C) = 18/36 = 1/2, P(D) = 18/36 = 1/2 e P(C D) = 9/36 = 1/4. Ento:
b.
P(C|D) =
P(C D)
1/4
1
=
= = 0, 5.
P(D)
1/2
2
(6)
(7)
ou similarmente,
Dois armrios guardam bolas de voleibol e basquete. O armrio 1 tem 3 bolas de volei e 1 de
basquete, enquanto o armrio 2 tem 3 bolas de volei e 2 de basquete. Escolhendo-se, ao acaso, um armrio
e, em seguida, uma de suas bolas, calcule a probabilidade dela ser:
Exemplo 4.2.
4.3
Probabilidade
Exerccios:
a.
b.
c.
De basquete.
Soluo:
Denindo os seguintes eventos: A1 = Armrio 1; A2 = Armrio 2; V = bola de volei e B = bola de basquete, temos:
a. P(V |A1) = 3/4 = 0, 75, porque sabemos que no armrio 1, 3 das 4 bolas so de volei.
b. P(B|A2) = 2/5 = 0, 4, porque sabemos que no armrio 2, 2 das 5 bolas so de basquete.
c. Usaremos que P(B) = P(B A1)+P(B A2) = P(B|A1)P(A1)+P(B|A2)P(A2) = 1/41/2+2/51/2 = 1/8+1/5 = 0, 325.
Uma escola de ensino mdio do interior de So Paulo tem 40% de estudantes do sexo
masculino. Entre estes, 20% nunca viram o mar, ao passo que, entre as meninas, essa porcentagem de
50%. Qual a probabilidade de que um aluno selecionado ao acaso seja:
Exemplo 4.3.
a.
b.
Soluo:
Denindo os seguintes eventos: M = sexo masculino; F = sexo feminino e N = nunca ter visto o mar, temos:
a. P(M N ) = P(N |M )P(M ) = 0, 2 0, 4 = 0, 08.
b. P(F N ) = P(N |F )P(F ) = 0, 5 0, 6 = 0, 30.
4.3 Exerccios:
4.3.1 Numa cidade do interior de So Paulo, estima-se que cerca de 20% dos habitantes tm algum tipo de alergia.
Sabe-se que 50% dos alrgicos praticam esporte, enquanto essa porcentagem entre os no alrgicos de 40%. Para
um indivduo escolhido aleatoriamente nessa cidade, obtenha a probabilidade de:
rea / Classe
Exatas
Humanas
Biolgicas
Alta
120
72
169
Mdia
156
85
145
Baixa
68
112
73
5 Independncia de eventos
Dois eventos A e B so independentes se a informao da ocorrncia ou no de B no altera a probabilidade
de ocorrncia de A, ou seja, P(A|B) = P(A) e consequentemente tem-se:
10
5.1
Probabilidade
Exerccios:
(8)
P(A B) = P(A)P(B)
Exemplo 5.1.
Motorista
Sbrio
Alcoolizado
Total
Vtimas fatais
No
Sim
1228
275
2393
762
3621 1037
Total
1503
3155
4658
Soluo:
Denindo os seguintes eventos: S = motorista sbrio; A = motorista alcoolizado e F = vtimas fatais, o que desejamos saber
se o evento vtimas fatais independente da situao do motorista (sbrio ou alcoolizado). Para vericar isso, precisamos
vericar se P(F |A) = P(F ) e se P(F |S) = P(F ). Assim:
P(F |A) = 762/3155 = 0, 242 e P(F ) = 1037/4658 = 0, 223. Assim, P(F |A) = P(F ).
P(F |S) = 275/1503 = 0, 183 e P(F ) = 1037/4658 = 0, 223. Assim, P(F |S) = P(F ). Ento, o fato de o motorista estar ou no
alcoolizado interfere na ocorrncia de vtimas fatais.
5.1 Exerccios:
5.1.1 Se P(A|B) = 0, 4, P(B) = 0, 8 e P(A) = 0, 5, os eventos A e B so independentes? Por qu?
5.1.2 Se P(A|B) = 0, 3, P(B) = 0, 8 e P(A) = 0, 3, os eventos B e Ac so independentes? Por qu?
5.1.3 Se P(A) = 0, 2, P(B) = 0, 2, com A e B mutuamente excludentes, eles so independentes? Por qu?
k
i=1
Ci =
C2
C1
C4
C3
C5
C6
11
(9)
6.3
Probabilidade
Exerccios:
Exemplo 6.1.
Soluo:
Sabemos que B e B c formam uma partio de , ento podemos usar o teorema da probabilidade total para calcular P(A):
P(A) = P(A B) + P(A B c ) = P(A|B)P(B) + P(A|B c )P(B c ) = 0, 2 0, 8 + 0, 3 0, 2 = 0, 16 + 0, 06 = 0, 22.
6.3 Exerccios:
6.3.1 Suponha que 2% dos rolos de tecido de algodo e 3% dos rolos de tecido de nilon contenham falhas. Dos
rolos usados por um fabricante, 70% so de algodo e 30% so de nilon. Qual ser a probabilidade de um rolo
selecionado aleatoriamente, usado pelo fabricante, conter falhas?
7 Teorema de Bayes
Suponha que os eventos C1 , C2 , ..., Ck formam uma partio de e que suas probabilidades P (C1 ),
P (C2 ),...,P (Ck ) so conhecidas. Suponha tambm que para um evento A, as probabilidades P (A|C1 ),
P (A|C2 ), ..., P (A|Ck ) sejam conhecidas. Assim, para qualquer j,
P(Cj |A) =
P(A|Cj )P(Cj )
k
i=1
P(A|Ci )P(Ci )
(10)
Este um resultado til por permitir resolver P(Cj |A) em termos de P(A|Cj ).
Exemplo 7.1. O ELISA o tipo mais comum de teste de triagem para deteco do HIV. Um resultado
positivo em ELISA indica que o HIV est presente. Suponha que a probabilidade de uma pessoa estar
infectada com o HIV, para uma certa populao, seja 0,015. Se o HIV estiver efetivamente presente, a
probabilidade de que o teste ELISA apresente um resultado positivo 0,995. Se o HIV no estiver efetivamente presente, a probabilidade de um resultado positivo a partir do ELISA 0,01. Se o ELISA tiver
apresentado um resultado positivo, utilize o teorema de Bayes para encontrar a probabilidade de que o HIV
esteja efetivamente presente.
Soluo:
Vamos denir os seguintes eventos: P = resultado positivo no teste ELISA; N = resultado negativo no teste ELISA e H =
vrus HIV efetivamente presente. Sabemos que P(H) = 0, 015, P(P |H) = 0, 995 e P(P |H c ) = 0, 01 e precisamos encontrar
P(H|P ):
P(H|P )
=
=
P(H P )
P(P |H)P(H)
=
P(P )
P(P H) + P(P H c )
P(P |H)P(H)
0, 995 0, 015
0, 0149
=
=
= 0, 601
P(P |H)P(H) + P(P |H c )P(H c )
0, 995 0, 015 + 0, 01 0, 985
0, 0248
7.1 Exerccios:
7.1.1 Um mdico descona que um paciente tem um tumor no abdmen, pois isto ocorreu em 70% dos casos
similares que tratou. Se o paciente de fato tiver o tumor, o exame de ultrassom o detectar com probabilidade 0,9.
Entretanto, se ele no tiver o tumor, o exame pode, erroneamente, indicar que tem com probabilidade 0,1. Se o
exame detectou um tumor, qual a probabilidade de o paciente t-lo de fato?
7.1.2 Das pacientes de uma Clnica de Ginecologia com idade acima de 40 anos, 60% so ou foram casadas e 40%
so solteiras. Sendo solteira, a probabilidade de ter tido um distrbio hormonal no ltimo ano de 10%, enquanto
que para as demais essa probabilidade aumenta para 30%. Pergunta-se:
a. Qual a probabilidade de uma paciente escolhida ao acaso ter tido um distrbio hormonal?
b. Se a paciente sorteada tiver distrbio hormonal, qual a probabilidade de ser solteira?
12
Probabilidade
7.1.3 Numa certa regio, a probabilidade de chuva em um dia qualquer de primavera 0,1. Um meteorologista da
TV acerta suas previses em 80% dos dias em que chove e em 90% dos dias em que no chove.
a. Qual a probabilidade do meteorologista acertar sua previso?
b. Se houve acerto na previso feita, qual a probabilidade de ter sido um dia de chuva?
(11)
ou ainda,
X
x1
x2
x3
pi
p1
p2
p3
...
...
i
pi = 1.
1
1/6
2
1/6
3
1/6
4
1/6
5
1/6
6
1/6
Experimento: Lanamento de dois dados equilibrados. X = soma dos valores obtidos nas 2
faces.
dado 2
1
2
3
4
5
6
1
2
3
4
5
6
7
dado 1
3 4
5
4 5
6
5 6
7
6 7
8
7 8
9
8 9 10
9 10 11
2
3
4
5
6
7
8
6
7
8
9
10
11
12
Acima esto os 36 resultados possveis desta varivel aleatria. Assim, as probabilidades so obtidas contando-se o nmero
de vezes que cada resultado apareceu e dividindo-se pelos 36 resultados possveis:
13
8.2
Probabilidade
2
1/36
3
2/36
4
3/36
5
4/36
6
5/36
7
6/36
8
5/36
9
4/36
10
3/36
11
2/36
12
1/36
0.10
0.00
0.05
Probabilidades
0.15
0.20
pi
10
11
12
(12)
p(xi )
xi x
Uma populao de 1000 crianas foi analisada num estudo para determinar a efetividade de
uma vacina contra um tipo de alergia. No estudo, as crianas recebiam uma dose de vacina e, aps um
ms, passavam por um novo teste. Caso ainda tivessem tido alguma reao alrgica, recebiam outra dose
de vacina. Ao m de 5 doses todas as crianas foram consideradas imunizadas. Os resultados completos
esto na tabela a seguir:
Exemplo 8.3.
Doses
Freq.
1
245
2
288
3
256
4
145
5
66
b.
Soluo:
a. Utilizando a abordagem frequentista para atribuir probabilidades, a probabilidade de uma criana ter recebido exatamente
duas doses 288/1000=0,288. A funo de probabilidade da varivel aleatria X = nmero de doses recebidas :
b. Para isso precisamos obter a funo de distribuio no ponto 2, ou seja, calcular a probabilidade acumulada de ocorrncia
dos valores menores ou iguais a 2. Assim:
F (2) = P(X 2) = P(X = 1) + P(X = 2) = 0, 245 + 0, 288 = 0, 533.
Observe que, como a varivel s assume valores inteiros, esse valor ca inalterado no intervalo [2,3), ou seja, F(2,1)=F(2,45)=F(2,99).
Por essa razo, escrevemos F (x) = P(X x) = 0, 533, para 2 x < 3. Assim, a funo de distribuio :
0, 245
0, 533
F (x) =
0, 789
0, 934
14
se x < 1;
se 1 x < 2;
se 2 x < 3;
se 3 x < 4;
se 4 x < 5;
se x 5.
8.3
Probabilidade
1
0,245
2
0,288
3
0,256
4
0,145
1.0
Doses
Freq.
5
0,066
0.8
0.6
0.4
F(x)
0.0
0.2
valor esperado
(13)
xi p(xi )
= E(X) =
i=1
Ea
varincia
2 = V (x) = E(X )2 =
(xi )2 p(xi )
(14)
i=1
Ou alternativamente:
n
x2 p(xi )
i
i=1
11
E(X)
=
i=1
E(X 2 )
=
i=1
+92 4/36 + 102 3/36 + 112 2/36 + 122 1/36 = 54, 833
V (X)
15
(15)
8.4
Probabilidade
Exerccios:
E(X)
=
i=1
5
E(X 2 )
=
i=1
V (X)
8.4 Exerccios:
8.4.1 Seja P(X = x) = 2x+1 ,
25
a. P(X = 4); b. P(X 1);
x = 0, 1, 2, 3, 4. Calcule:
c.
d.
se x < 10;
0, 25
0, 75
se 10 x < 30;
se 30 x < 50;
se x 50.
d.
e.
f.
F (x) =
se x < 10;
se 10 x < 12;
0, 2
se 12 x < 13;
se 13 x < 25;
se x 25.
c.
d.
0, 5
0, 9
Determine:
a. A funo de probabilidade de X ; b. P(X 12);
f. Calcule a mdia e a varincia de X .
P(12 X 20);
e.
8.4.4 As rvores so sujeitas a diferentes nveis de atmosfera de dixido de carbono, sendo que 6% das rvores em
uma condio de crescimento mnimo a 350 partes por milho (ppm) de CO2 , 10% a 450 ppm (crescimento lento) de
CO2 , 47% a 550 ppm (crescimento moderado) de CO2 e 37% a 650 ppm (crescimento rpido) de CO2 . Determine
a mdia e o desvio-padro do nvel da atmosfera de dixido de carbono (em ppm) para essas rvores.
9.2
Probabilidade
1. f (x) 0, x (, );
f (x)dx = 1;
b
a
i. Como consequncia da forma com a qual atribumos probabilidades no caso contnuo, teremos
rea zero sob qualquer valor individual, ou seja, P(X = k) = 0 para qualquer k. Isso signica que, em
se tratando de variveis aleatrias contnuas, a probabilidade de ocorrncia de um valor isolado sempre
zero e, consequentemente, as probabilidades calculadas sobre os intervalos [a, b], [a, b), (a, b] e (a, b) so as
mesmas, para quaisquer valores de a e b.
ii. Um histograma que tem nas ordenadas a densidade de frequncia uma aproximao da funo de
densidade. A rea de cada barra igual a frequncia relativa dos valores do respectivo intervalo. A
frequncia relativa uma estimativa da probabilidade de um valor medido cair naquele intervalo.
Obs.:
Exemplo 9.1.
a.
P(X < 4)
Soluo:
a.
P(X < 4) =
4 x
3 8 dx
P(X > 3, 5) =
c.
d.
P(X < 4, 5) =
4
x2
2 3
1
8
5 x
3,5 8 dx
b.
e.
1
8
5 x
4 8 dx
1
8
4,5 x
dx
3
8
1
8
1
8
5
x2
2 3,5
16
2
1
8
9
2
7
16
25
2
12,25
2
= 0, 4375
12,75
16
= 0, 7969
5
x2
9
= 1 25 16 = 16 = 0, 5625
2 4
8
2
2
4,5
x2
= 1 20,25 9 = 11,25 = 0, 7031
2 3
8
2
2
16
P(X < 3, 5) ou P(X > 4, 5) como os dois eventos so disjuntos, equivale a somar as duas probabilidades.
Assim, P(X < 3, 5 X > 4, 5) = (1 P(X > 3, 5)) + (1 P(X < 4, 5)) = (1 0, 7969) + (1 0, 7031)
= 0, 2031 + 0, 2969 = 0, 5
F (x) = P(X x) =
(16)
d
dx F (x).
a.
se x < 0;
0, 2x se 0 x < 5;
se x 5;
P(X < 2, 8)
b.
17
b.
P(X > 1, 5)
c.
P(X < 2)
d.
P(X > 6)
e.
9.3
c.
Probabilidade
d.
e.
mdia
ou
valor esperado
E(X) = =
(17)
xf (x)dx
Ea
varincia
de uma varivel aleatria contnua X com funo de densidade f (x) dada por:
(18)
(x )2 f (x)dx
2 = V (x) =
2 = E(X 2 ) 2
onde
E(X 2 ) =
(20)
x2 f (x)dx
E(X)
xf (x)dx =
3
3
5
E(X 2 )
V (X)
x2 f (x)dx =
x
1
x dx =
8
8
x3
3
1
x
x2 dx =
8
8
=
3
x4
4
1
8
=
3
27
125
3
3
81
625
4
4
1
8
98
= 4, 083
24
=
544
= 17
32
9.4 Exerccios:
9.4.1 Seja f (x) = 1, 5x2 , 1 < x < 1. Calcule:
a. P(X > 0); b. P(X > 0, 5); c. P(0, 5 < X < 0, 5);
X ; f. Determine x tal que P(X > x) = 0, 05 .
d.
9.4.2 Suponha que a funo de distribuio acumulada de uma varivel aleatria X seja:
F (x) =
0, 25x + 0, 5
Determine:
a. A funo de densidade de X ;
A mdia e a varincia de X .
b.
se x < 2;
0
1
c.
se 2 x < 2;
se x 2;
d.
e.
f.
9.4.3 A quantia gasta anualmente, em milhes de reais, na manuteno do asfalto em uma cidade do interior
representada por uma varivel aleatria Y com funo de densidade dada por:
f (x) =
8
y
9
4
9
18
se 0, 5 y < 2;
caso contrrio.
Probabilidade
Determine:
a.
b.
d. A mediana de Y .
10 A distribuio Normal
Dizemos que uma varivel aleatria contnua X tem distribuio
funo de densidade dada por:
f (x) =
Normal
(x)2
1
e 22 , < x < , 2 > 0, R
2
(21)
e usamos a notao X N (, 2 ) para indicar que X tem distribuio Normal com parmetros e
2 . Esses parmetros representam a mdia e a varincia da distribuio, respectivamente. A densidade
representada na gura abaixo:
f(x)
Propriedades:
i.
ii.
f (x) 0 quando x ;
iii.
iv.
Para calcular probabilidades para uma varivel contnua com distribuio normal, teramos que fazer a
seguinte conta:
b
(x)2
1
e 22 dx
2
a qual no uma integral fcil de resolver. Por isso as probabilidades para o modelo Normal so calculadas
com o auxlio de tabelas. Para se evitar a utilizao de vrias tabelas (uma para cada par de valores
(, 2 )), utiliza-se uma transformao de forma que a varivel tenha sempre os parmetros (0,1), isto ,
19
10.1
Probabilidade
mdia 0 e varincia 1.
Considere X N (, 2 ) e dena uma nova varivel:
Z=
(22)
Normal Padro
= P (a < X < b )
a
X
b
= P
<
<
a
b
= P
<Z<
Devemos considerar algumas informaes importantes para obter as probabilidades, como o fato de a rea
total sob a curva ser igual a 1 e P(Z > 0) = P(Z < 0) = 0, 5, consequncia direta da simetria desta
densidade. Outra consequncia P(Z < 1, 5) = P(Z > 1, 5), porque a simetria em torno do zero.
Portanto, se quisermos encontrar P(Z < 1, 5) = 1 P(Z < 1, 5).
A tabela organizada da seguinte forma: somando os cabealhos de linha e coluna, obtemos os valores de Z
que deixam as reas correspondentes s clulas no corpo da tabela sua esquerda no grco da densidade.
Por exemplo, abaixo do valor 1,0 temos 0,8413 de rea (probabilidade), o qual encontramos olhando na
coluna 0 e na linha 1,0.
Exemplo 10.1.
a.
Obtenha as probabilidades:
10.1
Probabilidade
b.
c.
Soluo:
a.
X2
P(X > 4) = P
b.
22
P(X < 3) = P
>
42
<
X2
<
52
56
< X6 < 76
1
1
1
36
< 1
= P(Z < 3)
P(0 < z < a) = 0, 3212. Para encontrar o valor a, devemos somar 0,5 e procurar no corpo da tabela o valor que deixa
0,8212 de rea abaixo dele, que o 0,92. Ento, a = 0,92.
c.
f(x)
f(x)
Figura 2:
Figura 3:
f(x)
f(x)
Figura 4:
Exemplo 10.2.
b.
c.
d.
Soluo:
X10/3
1/3
b10/3
<
1/3
Figura 5:
a.
a.
0.67
b10/3
=P Z<
1/3
21
= 0, 025
10.2
Probabilidade
Deve-se ento procurar na tabela Normal padro o valor que deixe 0,025 de rea abaixo dele. Usando a simetria, podemos
buscar no corpo da tabela o valor que deixa 0,975 de rea abaixo dele, que 1,96, e usar o simtrico negativo do mesmo, que
b.
P(X > c) = 0, 05 P
X10/3
1/3
c10/3
>
X10/3
1/3
d10/3
>
1/3
c10/3
=P Z>
1/3
= 0, 05
Deve-se ento procurar na tabela Normal padro o valor que deixe 0,95 de rea abaixo dele. Esse valor o 1,64. Assim:
c10/3
c.
P(X > d) = 0, 35 P
1/3
c10/3
=P Z>
1/3
= 0, 35
Deve-se ento procurar na tabela Normal padro o valor que deixe 0,65 de rea abaixo dele. Esse valor o 0,39. Assim:
d10/3
c.
310/3
1/3
X10/3
e10/3
<
<
1/3
1/3
e10/3
= P 1 < Z <
1/3
= 0, 50
Atravs da tabela Normal padro, temos que P(X < 1) = 0, 1587. Somamos 0, 5 a essa probabilidade e procuraremos o valor
que deixa 0, 6587 de rea abaixo dele, que o 0, 41. Assim e10/3 = 0, 41 c = 0, 41 1/3 + 10/3 = 3, 57.
1/3
X n
N (0, 1)
/ n
(23)
Em resumo:
uma varivel aleatria x com distribuio (normal ou no) com mdia e desvio-padro e
amostras aleatrias de tamanho n extradas dessa populao;
Se temos...
tivermos amostras de tamanho n > 30, sendo que a aproximao melhora quanto maior for o tamanho da amostra e, se a prpria distribuio original for normal, ento
as mdias amostrais tero distribuio normal para qualquer tamanho de amostra;
P(X > 5) = P
X 5, 4
4, 44/40
>
5 5, 4
4, 44/40
22
10.3
Probabilidade
Exerccios:
10.3 Exerccios:
10.3.1 Seja X N (4, 1). Determine:
a. P(X 4); b. P(4 < X < 5); c.
d.
d.
P(5 X 7);
P(X 3/5);
e.
P(X 1);
f.
P(2 X 2).
P(7 X 6).
d.
P(X 3).
10.3.4 Uma clnica de emagrecimento recebe pacientes adultos com peso seguindo uma distribuio Normal com
mdia 130 Kg e desvio-padro 20 kg. Para efeito de determinar o tratamento mais adequado, os 25% pacientes de
menor peso so classicados como 'magros', enquanto os 25% de maior peso de 'obesos'. Dtermine os valores que
delimitam cada uma dessas classicaes.
10.3.5 Coleta-se uma amostra de 10 observaes independentes de uma N (2, 2). Determine a probabilidade de a
mdia amostral:
a. Ser inferior a 1;
c. Estar entre 0 e 2.
11 Referncias
1. Magalhes MN, Lima ACP. Noes de Probabilidade e Estatstica. 6a edio. So Paulo: Editora Edusp (2005).
2. Triola MF. Introduo Estatstica. 10a edio. Rio de Janeiro: Editora LTC (2008).
3. Montgomery DC, Runger GC. Estatstica Aplicada e Probabilidade para Engenheiros. 5a Edio. Rio de Janeiro:
Editora LTC (2012).
4. Moore DS. A Estatstica Bsica e Sua Prtica. 5a Edio. Rio de Janeiro: Editora LTC (2011).
23
Probabilidade
z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
0
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
1,0000
1
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9864
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
1,0000
2
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9982
0,9987
0,9991
0,9994
0,9995
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
3
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
0,9834
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9983
0,9988
0,9991
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
4
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7704
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9977
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
24
5
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9984
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
6
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
7
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
8
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
9
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
0,9999
1,0000