Escolar Documentos
Profissional Documentos
Cultura Documentos
1.1 INTRODUO
Em geral, um experimento ao ser observado e repetido sob um mesmo
conjunto especificado de condies, conduz invariavelmente ao mesmo resultado.
So os experimentos chamados de determinsticos. Entretanto, existem
experimentos em que no se obtm sempre o mesmo resultado, ainda que realizado
sob condies idnticas. Tais experimentos, por apresentarem variabilidade nos
resultados, so objeto da Teoria de Probabilidade, a qual ser introduzida aqui.
1.2 CONCEITOS BSICOS
1.2.1 EXPERIMENTO ALEATRIO
Um experimento dito aleatrio quando o seu resultado no for previsvel no
sentido comum antes de sua realizao, ou seja, um experimento cujos resultados
esto sujeitos unicamente ao acaso.
Os seguintes traos so pertinentes a esta caracterizao de experimento
aleatrio :
- Cada experimento poder ser repetido indefinidamente sob condies
essencialmente inalteradas.
- Embora o resultado preciso que ocorrer no possa ser dado, um conjunto que
descreva todos os resultados possveis para o experimento poder ser apresentado.
- Quando o experimento for executado repetidamente, os resultados individuais
parecero ocorrer de uma forma acidental. Contudo, quando o experimento for
repetido um grande nmero de vezes, uma configurao definida ou regularidade
surgir. esta regularidade que torna possvel construir um modelo matemtico
preciso atravs do qual se analisar o experimento.
EXEMPLOS
( 1 ) Jogue um dado comum e observe o nmero mostrado na face voltada para cima.
2 ESTATSTICA
Notas de Aula
_____________________________________________________________________________________
( 2 ) Jogue uma moeda quatro vezes e observe o nmero de caras obtido.
( 3 ) Uma lmpada fabricada e em seguida ensaiada. Observe a sua durao de vida.
( 4 ) Observe o tempo de espera de uma pessoa numa fila de nibus.
( 5 ) Peas so fabricadas at que 10 peas perfeitas sejam produzidas. O nmero total
de peas observado.
1.2.2 ESPAO AMOSTRAL ( S )
o conjunto de todos os possveis resultados de um experimento aleatrio. O
espao amostral depende essencialmente do que se queira observar no experimento
aleatrio. Por exemplo, podemos jogar duas moedas e observar o nmero de caras
que ocorre ou podemos observar a distncia entre elas na superfcie em que caram.
EXEMPLOS
Considere os experimentos aleatrios descritos no item 1.2.1. Definiremos os
espaos amostrais para cada exemplo dado.
( 1 ) S
1
={ 1, 2, 3, 4, 5, 6 }
( 2 ) S
2
={0, 1, 2, 3, 4 }
( 3 ) S
3
={ t R / t 0 }
( 4 ) S
4
={ t R / t 0 }
( 5 ) S
5
={ 10, 11, 12, ... }
OBSERVAO :
Um espao amostral pode ser :
Finito:
Se tem um nmero finito de elementos. Exemplos (1) e (2) acima.
Infinito Enumervel:
Se tem tantos elementos quanto o conjunto dos nmeros Naturais.
Exemplo (5) acima.
Infinito No-enumervel:
Se tem tantos elementos quanto um determinado segmento do eixo Ox, tal
como 0 x 1. Exemplos (3) e (4) acima.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
ESTATSTICA 3
Notas de Aula
______________________________________________________________________________________
1.2.3 EVENTO
qualquer subconjunto de um espao amostral. Dizemos que o evento E
ocorre se qualquer um dos resultados de E ocorre.
Um evento que contenha apenas um elemento, isto , um conjunto que
consiste de um nico resultado do experimento dito evento simples ou elementar.
Em particular, dizemos que um evento E impossvel se E = e que o
prprio espao amostral S o evento certeza.
EXEMPLO 1:
Considere a jogada de um dado e observe o nmero da face voltada para cima
. O espao amostral :
S ={ 1, 2, 3, 4, 5, 6 }
O evento nmero par o conjunto :
A ={ 2, 4, 6 }
O evento nmero maior que 4 o conjunto :
B ={ 5, 6 }
Ainda neste exemplo, se o dado lanado e ocorre a face nmero 5, ento
podemos dizer que o evento B ocorreu e que o evento A no ocorreu.
EXEMPLO 2
Em uma linha de produo, peas so fabricadas em srie e o nmero de peas
defeituosas produzidas por um perodo de 24 horas observado. O espao amostral :
S ={0, 1, 2, ... , N } onde N o nmero mximo que pode ser produzido em 24 horas.
O evento todas as peas so perfeitas o conjunto :
A ={ 0 }. Assim, se num determinado perodo de 24 horas observamos que no
ocorreu peas defeituosas, podemos dizer que o evento A ocorreu.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
4 ESTATSTICA
Notas de Aula
_____________________________________________________________________________________
1.2.3.1 Operaes Com Eventos
Como o espao amostral S e qualquer evento de S so conjuntos, todas as
operaes entre conjuntos podem ser aqui aplicadas. Assim, se A e B so dois
eventos de S, ento :
a ) Evento Unio : A U B
O evento A U B ocorre quando ocorre o evento A ou ocorre o evento B ou
ocorrem ambos os eventos A e B.
B
A
S
b) Evento Interseo : A B
O evento A B ocorre quando ambos os eventos A e B ocorrem.
B
A
S
c) Evento Complementar : A , A ou A
C
O evento A ocorre quando o evento A no ocorre.
A
S
A'
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
ESTATSTICA 5
Notas de Aula
______________________________________________________________________________________
d) Evento Diferena : A - B
O evento A - B ocorre quando ocorre o evento A mas no ocorre o evento B.
OBS.: Note que A - B B - A.
B
A
S
EXEMPLO :
Sejam A, B e C eventos quaisquer de S. Usando as operaes de unio,
interseo e complementar, podemos descrever alguns eventos tais como :
( i ) Ocorrncia de A e no ocorrncia de B e C :
A B C
( ii ) Ocorrncia de pelo menos um destes eventos :
A U B U C
( iii ) Ocorrncia de exatamente um destes eventos :
( A B C ) U ( A B C ) U ( A B C )
( iv ) Ocorrncia de nenhum destes eventos :
A B C
( v ) Ocorrncia de exatamente dois destes eventos :
( A B C ) U ( A B C ) U ( A B C )
1.2.3.2 Algumas Propriedades Operatrias
Comutativas:
A U B =B U A
A B =B A
Associativas:
A U (B U C) =(A U B) U C =(A U C) U B =A U B U C
A (B C) =(A B) C =(A C) B =A B C
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
6 ESTATSTICA
Notas de Aula
_____________________________________________________________________________________
Distributivas:
A U ( B C) =(A U B) (A U C)
A (B U C) =(A B) U (A C)
Leis de De Morgan
(A U B) = A B
(A B) = A U B
A U A=S
A A=
(A) =A
Se A B ento A B =A e A U B =B
1.2.3.3 Eventos Mutuamente Exclusivos
Dois eventos A e B so ditos mutuamente exclusivos (excludentes ou
disjuntos) quando no podem ocorrer simultaneamente. Isto , se a interseo deles
for o conjunto vazio .
B
A
S
A B =
EXEMPLO 1
Uma moeda honesta lanada e observa-se o resultado que ocorre.
Denotemos por H : cara e T : coroa . O espao amostral associado a este
experimento : S ={ H, T }.
Considere os eventos: A : ocorre cara e B : ocorre coroa
Como em cada lanamento s ocorre cara ou s coroa , A B = , e portanto
A e B so eventos mutuamente exclusivos.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
ESTATSTICA 7
Notas de Aula
______________________________________________________________________________________
EXEMPLO 2
Uma urna contm 4 bolas brancas, 6 bolas pretas e 5 bolas azuis. O
experimento consiste em retirar duas bolas com reposio da primeira e observar a
cor delas. Considere os seguintes eventos :
A : a primeira bola retirada branca
B : a segunda bola retirada preta .
Como A e B so dois eventos que podem ocorrer juntos ( possvel a primeira
bola ser branca e a segunda preta ), isto , A B , ento A e B no so eventos
mutuamente exclusivos.
EXEMPLO 3
No circuito abaixo pode ou no passar corrente de L para R, dependendo do
fechamento dos rels 1, 2, 3 e 4. Supondo que estes rels fechem aleatoriamente,
considere os seguintes eventos :
A : fecham os rels 1 e 2
B : fecham os rels 3 e 4 .
Como os rels podem fechar juntos, A B . Portanto, A e B no so
eventos mutuamente exclusivos.
L R
1 2
3 4
EXEMPLO 4:
Uma lmpada fabricada e sua durao de vida observada. Considere os eventos:
A: a lmpada dura mais do que 300 horas
B: a lmpada dura no mximo 200 horas
C: a lmpada dura pelo menos 100 horas
Os eventos A e B so mutuamente exclusivos ; os eventos A e C no so
mutuamente exclusivos e os eventos B e C tambm no so mutuamente exclusivos.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
8 ESTATSTICA
Notas de Aula
_____________________________________________________________________________________
1.3 PROBABILIDADE
1.3.1 ENFOQUE ESTATSTICO
Se repetirmos um experimento aleatrio n vezes, em certo nmero m de vezes
ocorrer o evento E ; m a freqncia com que ocorre o evento E e m/n a
freqncia relativa de ocorrncia de E.
Chamamos de probabilidade do evento E , P( E ), ao valor limite da freqncia
relativa m/n para uma seqncia muito grande de realizaes do experimento
(n). Ou seja :
P (E) =
m
n
n
lim
EXEMPLO
Considere o experimento aleatrio de jogar uma moeda honesta e observar o
resultado que ocorre. O espao amostral : S ={ H, T }.
Seja o evento E ={ H }.
medida que forem realizados os lanamentos da moeda, notamos que a
proporo (freqncia relativa) de caras se aproxima de 1/2. O grfico abaixo ilustra
esta situao apresentando a tendncia da freqncia relativa em se aproximar do
valor 1/2, medida em que o nmero de lanamentos cresce.
10 25 50 100 150
200
proporo
de
caras
nmero de lanamentos
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
ESTATSTICA 9
Notas de Aula
______________________________________________________________________________________
1.3.2 ENFOQUE CLSSICO
Seja um experimento aleatrio e S um espao amostral associado a .
Suponha que S seja finito e que todos os resultados de S sejam igualmente
provveis . Considere um evento A de S, isto A S. Ento, se n
S
e n
A
so,
respectivamente, o nmero de elementos de S e o nmero de elementos de A, a
probabilidade de ocorrncia do evento A, P(A) , o nmero real definido por:
P(A) =
n
n
A
S
OBS.:
1) Dizemos que o espao amostral S ={s
1
, s
2
, ..., s
k
} equiprovvel quando
qualquer elemento s
i
de S tem a mesma chance de ocorrncia quando o experimento
realizado.
2) Note que pela definio clssica a probabilidade de ocorrncia de um evento A
um nmero entre 0 e 1, inclusive. A razo n
A
/n
s
deve ser menor ou igual a 1 uma
vez que o nmero total de resultados possveis no pode ser menor do que o nmero
de resultados de um evento. Se um evento ocorre com certeza (S) ento sua
probabilidade 1; se certeza que ele no ocorre () ento sua probabilidade 0.
EXEMPLO 1
Qual a probabilidade de sair cara na jogada de uma moeda ?
O espao amostral S ={ H, T }, n
S
=2.
Defina o evento A ={ H }, n
A
=1.
Da : P(A) =
n
n
1
2
A
S
=
EXEMPLO 2
Qual a probabilidade de sair soma 5 na jogada de dois dados honestos?
Note que se for considerado o espao amostral S ={2,3,4,5,6,7,8,9,10,11,12}
para descrever os resultados possveis em termos de soma, teremos um espao
amostral que no equiprovvel. A soma 2, por exemplo, no tem a mesma chance
de ocorrer do que a soma 7.
O espao amostral equiprovvel a ser considerado :
S ={(1,1) , (1,2) , ... , (1,6) , (2,1), (2,2), ... , (2,6), ... , (6,1) , (6,2) , ... , (6,6)}
n
S
=36.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
10 ESTATSTICA
Notas de Aula
_____________________________________________________________________________________
Defina o evento A ={ Soma 5 } ={ (1,4) , (2,3) , (3,2) , (4,1) }.
Da : P(A) =
n
n
4
36
A
S
=
Ainda sobre o lanamento destes dois dados, podemos expressar os resultados
de seguinte maneira :
1
o
DADO
1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
2
o
DADO 3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
1.3.3 ENFOQUE AXIOMTICO
Seja um experimento aleatrio e S um espao associado a . A cada evento
A e S associamos um nmero real P(A) denominado probabilidade de A, que
obedea aos seguintes axiomas :
A1) 0 P(A) 1 , para todo A.
A2) P(S) =1.
A3) Se A e B so eventos mutuamente exclusivos, ento P(A U B) =P(A) +P(B).
A4) Se A
1
, A
2
, ... , A
n
, ... uma seqncia de eventos mutuamente exclusivos,
ento P ( . A P(A
i
i=1
i
i=1
=
U
) )
Podemos enunciar, a partir da, alguns teoremas importantes.
Teorema 1 : P() = 0
De fato:
Para um evento qualquer A, temos que A =A U e A =. Pelo axioma A3,
P(A ) =P(A U ) =P(A) +P(). Portanto P() =0.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
ESTATSTICA 11
Notas de Aula
______________________________________________________________________________________
Teorema 2 : P( A ) = 1 - P(A)
De fato:
A U A =S e A A =. Pelo axioma A3: P(S) =P(A U A) =P(A) +P(A) =1.
Portanto P(A) =1 - P(A).
Teorema 3 : Se A e B forem dois eventos quaisquer, ento :
P(A U B) = P(A) + P(B) - P(A B).
De fato:
Temos que A U B =A U (A B) e que B =(A B) U (A B). Logo, pelo
axioma A3 , P( A U B ) =P( A ) +P(A B ). Mas P(B) =P(A B) +P(A B).
Da P(A B) =P(B) - P(A B). Levando P(A B) na equao acima , vem:
P(A U B) =P(A) +P(B) - P(A B).
Note que uma demonstrao informal pode ser vista atravs de um diagrama de
Venn como este abaixo :
B
A
S
A B
Teorema 4 : Sejam A e B dois eventos quaisquer. Se A B, ento P(A) P(B).
B
A
De fato:
Podemos decompor B em dois eventos mutuamente exclusivos da seguinte forma:
B =A U ( B A). Como A ( B A ) = , A e B A so mutuamente
exclusivos. Pelo axioma A3: P(B) =P [ A U ( B A ) ] =P(A) +P( B A )
P(A). ( J que P( B A ) 0 ).
OBSERVAES :
1) Note que no teorema 3, se A e B forem mutuamente exclusivos, ento :
P( A B ) = P() = 0 e da vale P ( A U B ) =P( A ) +P( B ) .
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
12 ESTATSTICA
Notas de Aula
_____________________________________________________________________________________
2) Ainda sobre o teorema 3, temos o seguinte corolrio :
Para quaisquer eventos A, B e C :
P(A U B U C) =P(A)+P(B)+P(C)-P(A B)-P(A C)-P(BC)+P(ABC).
3 ) P(A B) =P(A) - P(A B)
EXEMPLO 1
No lanamento de um dado, qual a probabilidade de aparecer a face 2 ou a face 5?
S ={ 1, 2, 3, 4, 5, 6 }
P(1) =P(2) =... =P(6) =1/6. Os eventos face 2 e face 5 so mutuamente
exclusivos. Portanto pelo axioma A3 :
P( 2 ou 5 ) =P( 2 U 5 ) =P( 2 ) +P( 5 ) =1/6 +1/6 =1/3
EXEMPLO 2
Sejam A e B dois eventos tais que P(A) =0,4 e P(A U B) =0,7. Seja P(B) =p.
Para que valor de p, A e B sero mutuamente exclusivos ?
Se A e B forem mutuamente exclusivos, ento :
P(A U B) =P(A) +P(B)
0,7 =0,4 +p .
Da, p =0,3.
EXEMPLO 3
Retira-se uma carta de um baralho comum de 52 cartas. Qual a probabilidade
desta carta ser um rei ou uma carta de ouros ?
O espao amostral S o conjunto de todas as cartas : n
S
=52.
Sejam os eventos: A : rei, n
A
=4
B : carta de ouros, n
B
=13
O evento interseo de A com B A B : rei de ouros, n
AB
=1.
Da, pelo teorema 3, P(A U B) =P(A) +P(B) - P(A B) =
=4/52 +13/52 -1/52 =16/52 .
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
ESTATSTICA 13
Notas de Aula
______________________________________________________________________________________
EXEMPLO 4
Trs cavalos A, B, C esto numa corrida; A duas vezes mais provvel de
ganhar que B e B duas vezes mais do que C. Supondo que no haja empate, quais
as probabilidades de vitria de cada um, isto , P(A), P(B) e P(C) ?
Seja P(C) =p. Ento P(B) =2 P(C) =2p e P(A) =2 P(B) =4p.
Como a soma as probabilidades tem que ser igual a 1, temos :
p +2p +4p =1 ou p =1/7
Da, P(A) =4/7 , P(B) =2/7 e P(C) =1/7
Ainda neste exemplo, qual seria a probabilidade de B ou C ganhar ?
B C = , ento P(B U C) =P(B) +P(C) =2/7 +1/7 =3/7
EXEMPLO 5
Suponha-se que h trs revistas A, B e C com as seguintes porcentagens de
leitura : A : 9,8 % , B : 22,9 % , C : 12,1 % , A e B :5,1 % , A e C : 3,7 % , B e C :
6,0 % , A, B e C : 2,4 %. A probabilidade de que uma pessoa escolhida ao acaso
seja leitor de pelo menos uma revista :
P(A U B U C)=P(A)+P(B)+P(C) - P(AB) - P(AC) - P(BC)+P(ABC)=
=0,098 +0,229 +0,121 - 0,051 - 0,037 - 0,06 +0,024 =0,324 ou 32,4 %.
1.3.4 PROBABILIDADE CONDICIONAL
Muitas vezes, o fato de ficarmos sabendo que certo evento ocorreu faz com
que se modifique a probabilidade que atribumos a outro evento. Por exemplo, a
probabilidade de tirar o nmero 2 no lanamento de um dado reforada quando se
sabe que um nmero par saiu.
Assim, sendo A e B eventos, define-se a probabilidade condicionada do
evento A dado que B ocorreu (ou a probabilidade de A sabendo-se que B ocorreu )
por P(A | B).
1.3.4.1 Teorema do Produto
Sejam dois eventos A e B, com P(A) >0. A probabilidade de A e B
ocorrerem simultaneamente igual ao produto da probabilidade de um dos eventos
pela probabilidade condicionada do outro, isto :
P( A B ) =P( A ) . P( B | A )
ou P( A B ) =P( B ) . P( A | B )
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
14 ESTATSTICA
Notas de Aula
_____________________________________________________________________________________
Da, temos :
P(B A) =
P(A B)
P(A)
ou P(A B) =
P(A B)
P(B)
OBSERVAO :
No caso de n eventos A
1
, A
2
, ... , A
n
, temos :
P(A
1
A
2
...A
n
)=P( A
1
) . P(A
2
| A
1
) . P(A
3
| A
1
A
2
) ... P(A
n
| A
1
A
2
...A
n-1
)
1.3.5 EVENTOS INDEPENDENTES
Se a ocorrncia do evento A no modificar a probabilidade de ocorrncia do
evento B, dizemos que A e B so eventos independentes.
Assim, se A e B so eventos independentes, P(A | B) =P(A) e no teorema do
produto temos :
P( A B ) =P( A ) . P( B ) .
Reciprocamente, se P(A B) =P( A ) . P( B ), A e B so ditos independentes
.
OBSERVAES :
1) Em geral, n eventos A
1
, A
2
, ... , A
n
so independentes se : P( . A P(A
i
i=1
n
i
i=1
n
I
) ) =
.
( b ) P(A B) =P(A) - P(A B) =0,20 - 0,15 =0,05 .
EXEMPLO 9
Uma urna contm 12 bolas brancas, 5 bolas pretas e 3 bolas vermelhas.
( a ) Retiramos 2 bolas com reposio da primeira, qual a probabilidade de que
ambas sejam da mesma cor ?
( b ) Se retirarmos 5 bolas sucessivamente, sem reposio , qual a probabilidade de
que todas sejam brancas ?
Sejam os eventos : A
i
: a i-sima bola retirada branca
B
i
: a i-sima bola retirada preta
C
i
: a i-sima bola retirada vermelha
( a ) Seja o evento D : ambas as bolas so da mesma cor .
P( D ) = P [ (A
1
A
2
) U (B
1
B
2
) U (C
1
C
2
) ] =
= ( A
1
A
2
) + ( B
1
B
2
) + ( C
1
C
2
) =
= P(A
1
) P(A
2
) + P(B
1
) P(B
2
) + P(C
1
) P(C
2
) =
=(12/20) (12/20) + (5/20) (5/20) + (3/20) (3/20) =89/200 .
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
20 ESTATSTICA
Notas de Aula
_____________________________________________________________________________________
( b ) Seja o evento E : todas as cinco bolas so brancas .
P( E ) = P( A
1
A
2
A
3
A
4
A
5
) =
=P(A
1
) P(A
2
| A
1
) P(A
3
| A
1
A
2
) P(A
4
| A
1
A
2
A
3
) P(A
5
|A
1
A
2
A
3
A
4
)
= (12/20) (11/19) (10/18) (9/17) (8/16) =33/646 .
EXEMPLO 10
Dois jogadores jogam alternadamente uma moeda, ganhando o jogo aquele
que obtiver a primeira cara. Qual a probabilidade de ganho do primeiro a jogar ? E
do segundo ?
Sejam os eventos : A : o primeiro a jogar ganha o jogo
B : o segundo a jogar ganha o jogo.
O espao amostral : S : { A , B }
O evento poder ocorrer na primeira jogada ou na terceira ( a segunda do
adversrio), desde que ambos errem as anteriores, ou na quinta, etc. A probabilidade
de acerto na primeira 1/2, de acerto na terceira jogada 1/8, etc. Logo :
P( A ) =1/2 +1/8 + 1/32 + ... =
1
2
1-
1
4
=
2
3
.
P( B ) = 1 - P( A ) =1 - 2/3 =1/3 .
1.3.6 DIAGRAMA DE RVORE
Se um resultado pode ser obtido de n
1
maneiras diferentes e se, aps isso, um
segundo resultado pode ser obtido de n
2
maneiras diferentes, etc ... , e finalmente se
um k-simo resultado pode ser obtido de n
K
maneiras diferentes, ento todos os k
resultados podem ser obtidos, na ordem especificada, de n
1
n
2
...n
K
maneiras
diferentes. Neste tipo de experimentos utiliza-se um diagrama de rvore.
EXEMPLO
So dadas trs caixas, como segue :
a caixa I contm 10 lmpadas, das quais 4 so defeituosas ;
a caixa II contm 6 lmpadas, das quais 1 defeituosa ;
a caixa III contm 8 lmpadas, das quais 3 so defeituosas.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
ESTATSTICA 21
Notas de Aula
______________________________________________________________________________________
Selecionamos uma caixa aleatoriamente e ento retiramos uma lmpada,
tambm aleatoriamente. Qual a probabilidade da lmpada ser defeituosa ?
Note que realizamos o experimento numa seqncia de 2 etapas:
( i ) selecionamos uma das trs caixas.
( ii ) da caixa selecionada, retiramos ao acaso uma lmpada que pode ser defeituosa
(D) ou no defeituosa (N).
O seguinte diagrama em rvore descreve ento este processo e d a
probabilidade de cada ramo .
1/3
1/3
1/3
Caixa I
Caixa II
Caixa III
2/5
3/5
1/6
5/6
3/8
5/8
D
N
D
N
D
N
Observe que para cada ramificao a soma das probabilidades sempre igual a 1.
A probabilidade de ocorrer um determinado caminho da rvore , pelo
Teorema do Produto , o produto das probabilidades de cada ramo do caminho. Por
exemplo : a probabilidade de selecionar a caixa 1 e , na seqncia , uma lmpada
defeituosa : (1/3) (2/5) = 2/15.
Como h trs caminhos mutuamente exclusivos que nos levam a uma lmpada
defeituosa, a soma das probabilidades destes caminhos nos d a probabilidade
desejada :
P =(1/3) (2/5) +(1/3) (1/6) +(1/3) (3/8) =113/360.
O seguinte teorema vem formalizar esta idia .
1.3.7 TEOREMA DA PROBABILIDADE TOTAL
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
22 ESTATSTICA
Notas de Aula
_____________________________________________________________________________________
Suponha que os eventos A
1
, A
2
, ... , A
n
constituem uma partio de um espao
amostral S , ou seja , os eventos A
i
so mutuamente exclusivos e sua unio S .
Se B um outro evento qualquer de S , ento :
P( B ) = P(A
1
) P( B | A
1
) + P(A
2
) P( B | A
2
) + ... + P(A
n
) P( B | A
n
) .
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
ESTATSTICA 23
Notas de Aula
______________________________________________________________________________________
De fato : Considere o diagrama de Venn :
A1
A2
A3
An
A4
S
. . .
B
B = (A
1
B) U (A
2
B) U ... U (A
n
B) e
P( B ) = P [(A
1
B) U (A
2
B) U ... U (A
n
B)] =
= P(A
1
B) +P(A
2
B) +... +P(A
n
B) =
= P(A
1
) P(B | A
1
) + P(A
2
) P(B | A
2
) + ... + P(A
n
) P(B | A
n
) .
EXEMPLO
Trs mquinas A
1
, A
2
e A
3
, produzem respectivamente 50% , 30% e 20% do
total de peas de uma fbrica. As porcentagens de produo defeituosa destas
mquinas so 3% , 4% e 5%. Se uma pea selecionada aleatoriamente, qual a
probabilidade dela ser defeituosa?
Sejam os eventos : A
1
: a pea fabricada pela mquina A
1
A
2
: a pea fabricada pela mquina A
2
A
3
: a pea fabricada pela mquina A
3
B : a pea defeituosa.
0,5
0,2
0,3
mq. A1
mq. A2
mq.A3
0,03
0,97
0,04
0,96
0,05
0,95
Defeituosa
No Defeituosa
Defeituosa
Defeituosa
No Defeituosa
No Defeituosa
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
24 ESTATSTICA
Notas de Aula
_____________________________________________________________________________________
P(B) = P(A
1
) P(B | A
1
) + P(A
2
) P(B | A
2
) + P(A
3
) P(B | A
3
) =
= (0,5) (0,03) + (0,3) (0,04) + (0,2) (0,05) = 0,037.
Suponha agora , que a pea selecionada defeituosa. Qual a probabilidade
dela ter sido produzida pela mquina A
1
?
O seguinte teorema responde esta pergunta.
1.3.8 TEOREMA DE BAYES
Se os eventos A
1
, A
2
, ... , A
n
constituem uma partio do espao amostral S,
onde P(A
i
) 0 , i =1, 2, ... , n , ento para qualquer evento B de S tal que P(B) 0 :
( ) P A B
P A P BA
P B
k
k k
=
( ). ( )
( )
De fato: Usando o teorema do produto e o teorema da probabilidade total, temos:
P A B
P A B
P B
P A P BA
P A P BA
k
k k k
i i
i
k
( )
( )
( )
( ). ( )
( ). ( )
=
=
=
1
EXEMPLO
No exemplo anterior, se a pea defeituosa, a probabilidade dela ter sido
fabricada pela mquina A
1
dada por :
P(A B) =
P(A )P(B )
P(B)
(0,5) (0,03)
0,037
= 0,405 .
1
1
A
1
OBSERVAO :
Note que o Teorema de Bayes utiliza essencialmente alguma informao a
respeito do resultado do experimento. No exemplo das mquinas, sabendo-se que a
pea defeituosa (esta a informao) a probabilidade dela ser fabricada pela
mquina A
1
ficou alterada.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
ESTATSTICA 25
Notas de Aula
______________________________________________________________________________________
Ainda sobre a aplicao do Teorema da Probabilidade Total e do Teorema de
Bayes alguns exemplos so apresentados :
EXEMPLO 1
Suponha que temos duas urnas I e II, cada com duas gavetas. A urna I contm
uma moeda de ouro em uma gaveta e uma moeda de prata na outra gaveta. A urna II
contm uma moeda de ouro em cada gaveta. Uma urna escolhida ao acaso e a
seguir uma de suas gavetas aberta ao acaso.
( a ) Qual a probabilidade da moeda ser de ouro ?
( b ) Verifica-se que a moeda encontrada de ouro. Qual a probabilidade de que a
moeda provenha da urna II ?
Sejam os eventos :
A
1
: a urna I escolhida
A
2
: a urna II escolhida
O : a moeda de ouro
OURO
OURO
PRATA
OURO
1/2
1/2
URNA I
URNA II
1/2
1/2
1
OURO
PRATA
OURO
( a ) P(0) =P(A
1
) P(0 | A
1
) +P(A
2
) P(0 | A
2
) =(1/2) (1/2) +(1/2) (1) = 3/4 .
( b ) P(A 0) =
P(A ) P(0 A
P(0)
=
(1/ 2) (1)
3/ 4
= 2/ 3 .
2
2 2
)
EXEMPLO 2
Se a tenso baixa, a probabilidade de uma mquina produzir pea defeituosa
0,6 e se a tenso boa, a probabilidade 0,1. Em 20 % da produo a tenso
baixa. Qual a probabilidade de uma pea perfeita ter sido produzida com baixa
tenso ?
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
26 ESTATSTICA
Notas de Aula
_____________________________________________________________________________________
Sejam os eventos : A
1
: a tenso boa
A
2
: a tenso baixa
B : a pea perfeita.
0,8
0,2
Tenso Boa
Tenso Baixa
0,1
0,9
0,6
0,4
Defeituosa
Perfeita
Defeituosa
Perfeita
Primeiro vamos calcular a probabilidade de uma pea qualquer ser perfeita :
P(B) =P(A
1
) P(B | A
1
) +P(A
2
) P(B | A
2
) =(0,8) (0,9) +(0,2)(0,4) =0,8.
Da, pelo Teorema de Bayes :
P(A B) =
P(A ) P(B A )
P(B)
=
(0,2) (0,4)
0,8
= 0,1 .
2
2 2
EXEMPLO 3
A urna I contm x bolas brancas e y bolas vermelhas. A urna II contm z
bolas brancas e v bolas vermelhas. Uma bola escolhida ao acaso da urna I e posta
na urna II. A seguir, uma bola retirada ao acaso da urna II.
( a ) Qual ser a probabilidade de que esta bola seja branca ?
( b ) Se a bola retirada da urna II branca, qual a probabilidade dela ter vindo da
urna I ?
x
x +y
y
x +y
z +1
z +v +1
v
z +v +1
z
z +v +1
y +1
z +v +1
Branca
Vermelha
Branca
Vermelha
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
ESTATSTICA 27
Notas de Aula
______________________________________________________________________________________
( a ) P branca ( ) =
+
x
x y
z+1
z+v+1
+
y
x+y
z
z+v+1
( b ) P urna I branca ( / ) =
+
x
x y
z+1
z+v+1
x
x y
z+1
z+v+1
+
y
x+y
z
z+v+1
EXEMPLO 4
Uma cpsula espacial aproxima-se da Terra com dois defeitos: nos seus
circuitos eltricos e no sistema de foguetes propulsores. O comandante considera
que, at o instante do reingresso na atmosfera, existe 20 % de probabilidade de
reparar os circuitos eltricos e 50 % de probabilidade de reparar o sistema de
foguetes. Os reparos se processam independentemente. Por outro lado, os
especialistas em Terra consideram que as probabilidades de xito no retorno so as
seguintes :
a ) 90 %, com os circuitos eltricos e o sistema de foguetes reparados.
b ) 80 %, s com o sistema de foguetes reparado.
c) 60 %, s com os circuitos eltricos reparados.
d) 40 %, com os circuitos eltricos e o sistema de foguetes defeituosos.
Com base nas consideraes acima, qual a probabilidade de xito no
retorno? Se o retorno se processar com xito, qual a probabilidade de que tenha se
realizado nas condies mais adversas ( ambos os sistemas no reparados ) ?
Sejam os eventos :
A
1
: s os circuitos eltricos so reparados
A
2
: s o sistema de foguetes reparado
A
3
: os circuitos eltricos e o sistema de foguetes so reparados
A
4
: nenhum reparo , os circuitos eltricos e o sistema de foguetes continuam
defeituosos .
E : retorno com xito.
Note que os eventos A
1
, A
2
, A
3
, A
4
constituem uma partio do espao
amostral.
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
28 ESTATSTICA
Notas de Aula
_____________________________________________________________________________________
0,10
0,10
0,40
S
Circuitos
Eltricos
Sistema de
Foguetes
P( A
3
) =(0,20) (0,50) =0,10 ( por independncia )
P( A
1
) =0,20 - 0,10 =0,10
P( A
2
) =0,50 - 0,10 =0,40
P( A
4
) =1 - (0,10 +0,10 +0,40 ) =0,40
P( E | A
1
) =0,60 P( E | A
2
) =0,80 P( E | A
3
) =0,90 P( E | A
4
) =0,40
O seguinte diagrama de rvore resume os eventos e suas probabilidades
envolvidas neste experimento aleatrio :
0,1
0,4
0,1
0,4
0,6
0,4
0,8
0,2
0,9
0,1
0,4
0,6
Reparo nos
Circ. Eltric.
Reparo no
xito
No xito
xito
xito
xito
No xito
No xito
No xito
Reparo nos Circuitos
e no Sist de Foguetes
Sist. de Foguet.
Nenhum
Reparo
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR
ESTATSTICA 29
Notas de Aula
______________________________________________________________________________________
P( retorno com xito ) =
P(E) = (A
1
)P(E |A
1
)+P(A
2
) P(E | A
2
)+P(A
3
) P(E | A
3
)+P(A
4
) P(E | A
4
)
= (0,1) (0,6) +(0,4) (0,8) +(0,1) (0,9) +(0,4) (0,4) =0,63.
P( nenhum reparo | retorno com xito ) = P( A
4
| E ) =
P(A P(E A
P(E)
4 4
) )
=
=
(0,40) (0,40)
0,63
= 0,254 .
_____________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informtica CEFET-PR