Aula 08 Probabilidade Obj eti vos da Aula Desenvolver e xar os conceitos de probabilidade. Introduo A aula 7 nos apresentou as tcnicas de amostragem; agora, veremos os conceitos bsicos de Probabilidade. Os fundamentos, aqui apresentados, so inter-relacionados; para facilitar seu entendimento, leia este material, detalhadamente, no mnimo duas vezes, antes de ir para a aula digital. J na web, trabalhe com a aula impressa simultaneamente. Bom aprendizado! Probabilidade A maioria dos fenmenos de que trata a estatstica so de natureza aleatria ou probabilstica; dessa forma, importante conhecer os fundamentos dos clculos de probabilidades para que se possa continuar o estudo da estatstica indutiva. Alguns fenmenos so previsveis, outros no. Em matemtica, os fenmenos previsveis so aqueles chamados determinsticos. Por exemplo: se uma pedra for lanada de um prdio e sua velocidade for Estatstica - UVB Faculdade On-line UVB 76 medida durante a queda, os resultados sero sempre iguais porque esse fenmeno obedece s leis da fsica. Entretanto, se lanarmos uma moeda comum e observarmos qual face car para cima quando estiver no solo, teremos apenas a certeza de que metade das chances de cara e a outra metade de coroa. Aqui, percebemos que existe a probabilidade de 50% de cara e 50% de coroa, isso um fenmeno probabilstico. A denio clssica de probabilidade : Se forem possveis n eventos mutuamente exclusivos e igualmente provveis, se nA desses eventos tem o atributo A, ento a probabilidade de A dada pela razo nA/n. Dessa forma, a probabilidade de um evento o nmero real P(A), tal que: Conceitos Bsicos Experimento Aleatrio (E) Nos experimentos aleatrios, mesmo em condies iniciais sempre idnticas, os resultados nais de cada vez que o experimento efetuado sero diferentes e no previsveis. Com exemplo temos: O lanamento de um dado e a observao do nmero mostrado na face de cima; O lanamento de uma moeda e a observao do nmero de caras obtido; Estatstica - UVB Faculdade On-line UVB 77 Determinao da vida til de um componente eletrnico. Freqncia Relativa Seja o experimento de lanar uma mesma moeda n vezes. Seja m o nmero de vezes que ocorre cara, podemos ento denir a freqncia relativa como: Logo, a denio clssica para a freqncia relativa : Freqncia Relativa do evento A a razo entre o nmero de vezes em que ocorreu A (nA) e o nmero de eventos observados (n). Numa longa seqncia de repeties de qualquer experimento aleatrio nas mesmas condies, a freqncia relativa aproxima-se de um nmero xo. Esse nmero uma estimativa de probabilidade do evento ocorrer. Dois axiomas devem ser verdadeiros na freqncia relativa: A probabilidade de um evento ocorrer um valor entre 0 e 1. Se cada evento de um fenmeno aleatrio pode ocorrer com determinada probabilidade, a soma dessas probabilidades igual a 1. Espao Amostral (S) Espao Amostral de um experimento aleatrio o conjunto dos resultados possveis do experimento. O Espao Amostral representado pela letra S. Exemplos: Estatstica - UVB Faculdade On-line UVB 78 No caso de lanamento de uma moeda, S={cara, coroa} No caso de lanamento de um dado comum, S={1, 2, 3, 4, 5, 6} No caso de lanamento de uma moeda 4 vezes e observao do nmero de caras, S={0, 1, 2, 3, 4} Eventos Um evento A (relativo a um espao amostral S, associado a um experimento E) um subconjunto do espao amostral S, dessa forma o prprio S constitui um evento, assim como o conjunto vazio que tambm o pode ser. Como exemplos podemos citar: No caso de lanamento de um dado comum, S={1, 2, 3, 4, 5, 6}, se nos interessa somente a ocorrncia de nmeros pares, ento o evento A={2, 4, 6} No caso de lanamento de uma moeda 4 vezes e observao do nmero de caras, S={0, 1, 2, 3, 4}, se nos interessa somente quanto 2 caras ocorrem ento A={2}. Eventos Complementares So todos os resultados do espao amostral que no fazem parte do evento. Se considerarmos p como a probabilidade de que um evento ocorra (sucesso) e q que ele no ocorra (fracasso), ento para um mesmo evento: No caso de lanamento de um dado comum, a probabilidade de tirar o nmero 5 de . Logo, a probabilidade no sair o nmero 5 de O evento complementar representado pelas seguintes simbologias Estatstica - UVB Faculdade On-line UVB 79 Eventos Independentes Dois eventos so independentes quando o resultado de um no tem dependncia do resultado do outro. Como exemplo, temos o lanamento simultneo de dois dados; o resultado do primeiro no tem inuncia sobre o resultado do segundo e vice-versa. Dessa maneira, se dois eventos so independentes, a probabilidade de que eles realizem-se, simultaneamente, igual ao produto das probabilidades de realizao dos dois eventos. Denindo p1 como a probabilidade de realizao do primeiro evento e p2 como a probabilidade do segundo evento, a probabilidade de que ambos realizem-se, simultaneamente, dada por: Exemplo: No lanamento de 2 dados, a probabilidade de no primeiro dado obtermos o nmero 1 No segundo dado, a possibilidade de obtemos o nmero 5 Ento: Evento Mutuamente Exclusivo So eventos que no tm elemento comum ou, ento, so aqueles em que a ocorrncia de um deles exclui a ocorrncia de outros. Como exemplo, podemos, novamente, recorrer ao lanamento de uma moeda, pois ao ocorrer o evento cara excluda, completamente, a Estatstica - UVB Faculdade On-line UVB 80 possibilidade de ocorrer o evento coroa, ou vice e versa, assim sendo, a ocorrncia de um impede, completamente, a ocorrncia de outro. Se dois eventos so, mutuamente, exclusivos, a probabilidade de que um ou outro realize-se igual soma da probabilidade de que cada um deles realize-se, ento, o modelo matemtico : Se lanarmos um dado probabilidade de obtermos um 4 ou um 6, ento : Probabilidade Condicional Se A e B so dois eventos, a probabilidade de B ocorrer, depois de A ter acontecido, denida por: P(B/A) Nessa probabilidade, a ocorrncia de um evento est vinculada ocorrncia de outro, da o nome probabilidade condicionada. Denimos Probabilidade Condicional de A dado que B ocorre (A/B), como segue: ,se Lembre-se representa a interseco, neste caso de A com B. Evento Composto Caracteriza-se pela ocorrncia de ambos os eventos (A e B), simultaneamente, ou ento pela ocorrncia de um ou outro evento (A ou B). Assim, a representao matemtica : Lembre-se: representa a unio, nesse caso de A com B. Estatstica - UVB Faculdade On-line UVB 81 Regras de Probabilidade As regras da adio e da multiplicao so ,freqentemente, usadas na soluo dos problemas de probabilidade, entretanto, devemos notar que para cada tipo de evento h uma regra a ser aplicada. Regra da Adio (caso geral): Regra da Adio para eventos, mutuamente, exclusivos: Regra da Multiplicao (caso geral): Regra da Multiplicao para eventos independentes: Teorema de Bayes e Diagrama de rvore Vamos apresentar aqui o conceito do Teorema de Bayes, entretanto, uma explicao detalhada que ir completar o entendimento e o Diagrama de rvore est na aula digital. Imagine que os eventos A1, A2, A3, A4,... An, so mutuamente exclusivos, ou seja, quando um ocorre, o outro no pode ocorrer e nosso espao amostral S composto de todos os diversos eventos Seja P(A1) a probabilidade conhecida da ocorrncia de cada evento. Seja B um evento qualquer de S, conhecendo-se todas as probabilidades condicionais P(B/A1). Estatstica - UVB Faculdade On-line UVB 82 Ento, o Teorema de Bayes : Permutaes Considerando que existam trs objetos a serem dispostos sobre uma mesa, de quantas maneiras isso pode acontecer? Sendo os objetos a, b e c, ento, nossas permutaes so abc, acb, bac, bca, cab, cba, logo, a resposta 6. Mas como fazer isso matematicamente? Usando o fatorial. Assim, o nmero de permutaes de n objetos diferentes dado por: Lembrando que para fazer o fatorial basta multiplicar o nmero por todos seus antecessores, veja o exemplo para permutar 6 objetos. Arranjos E se desejarmos apenas arranjar 3 dentre 6 objetos, por exemplo, de quantas formas podemos faz-lo? Em nosso exemplo n=6 e r=3, logo: Estatstica - UVB Faculdade On-line UVB 83 Combinaes Se estivermos interessados em montar comisses formadas por 3 pessoas dentre um grupo inicial de 8 pessoas, quantas combinaes podem ter, desde que duas comisses sejam a mesma, se forem constitudas pelas mesmas pessoas, no se levando em conta a ordem em que sejam escolhidas? Para responder situaes desse tipo, podemos usar o modelo e combinao: Veja: Logo: Variveis Aleatrias Unidimensionais Seja E um experimento e S o espao amostral associado ao experimento. Uma funo X, que associe a cada elemento s S um nmero real, X(s), denominada varivel aleatria, ou ainda uma varivel aleatria a funo que associa a todo evento pertencente a uma partio do espao amostral um nico nmero real. Estatstica - UVB Faculdade On-line UVB 84 O espao Rx, que o conjunto de todos os valores possveis de X, denominado contradomnio. Exemplo: E: lanamento simultneo de duas moedas; X: nmero de coroas obtidas nas duas moedas; S={(c,c), (c,k), (k,c), (k,k)}; c= cara; k= coroa; X=0, evento (c,c) de P(x)=1/4; X=1, evento (c,k) e (k,c) de P(x)=2/4; X=2, evento (k,k) de P(x)=1/4. Podemos, ento, dizer que: Varivel Aleatria Discreta possui um contradomnio nito ou innito numervel; em outras palavras, se o nmero de valores possveis de X (isto , Rx, o contradomnio) podem ser postos em uma lista como x1, x2,...,xn. No caso nito, a lista acaba; no caso innito, continua indenidamente. Varivel Aleatria Contnua possui um contradomnio intervalo ou uma coleo de intervalos, ou seja, X pode tomar todos os valores de um determinado intervalo; por exemplo, todos os valores x no intervalo 0 x 1. O exemplo citado acima (lanamento de 2 moedas) um caso de varivel aleatria discreta; perceba que o nmero de resultados, no contradomnio, numervel. Estatstica - UVB Faculdade On-line UVB 85 Funo de Probabilidade a funo que associa a cada valor assumido pela varivel aleatria a probabilidade do evento correspondente; isso , Ou seja, a probabilidade de que a varivel aleatria X assuma o valor x. Ao conjunto {(xi, p(xi)),i=1,...,n} damos o nome de Distribuio de Probabilidades da varivel aleatria X. importante vericar que para que haja uma distribuio de probabilidades de uma varivel X necessrio que: Veja no exemplo: Lanam-se 2 dados. Seja X: soma das faces. Determinar a distribuio de probabilidades de X. Esperana Matemtica Os parmetros das distribuies so caractersticas numricas muito importantes em uma distribuio de probabilidades. O primeiro parmetro a Esperana Matemtica de uma varivel aleatria, que um nmero real calculado por mdia aritmtica ponderada, conforme Estatstica - UVB Faculdade On-line UVB 86 exemplo abaixo. Suas notaes so E(X), (X), e ; adotaremos E(X). Uma seguradora para $30.000,00 em caso de acidente de carro e cobra uma taxa de $1.000,00. Sabe-se que a probabilidade de que um carro sofra acidente de 3%. Quanto espera a seguradora ganhar por carro segurado? Podemos aproximar dizendo que de 100 carros segurados 97 do lucro de $1.000,0 e 3 do prejuzo de $29.000,00 ($30.000,00-1.000,00). O lucro total = 97*1.000,00 3*29.000,00 = $10.000,00 E o lucro mdio = $10.000,00/100 = $100,00 Neste exemplo ,a Esperana Matemtica o lucro mdio por carro, ento: Onde: X1=1.000,00 e p(x1)=0,97 X2=29.000,00 e p(x2)=0,03 Dessa forma, o modelo matemtico para a Esperana Matemtica : Varincia Necessitamos tambm de uma medida que nos d o grau de concentrao de probabilidade em torno da mdia; esse outro parmetro de distribuio importante a Varincia, pois aponta a disperso ou a concentrao das probabilidades em torno da mdia. Estatstica - UVB Faculdade On-line UVB 87 Considerando as distribuies das variveis aleatrias X e Y, com suas respectivas mdias, faremos a apresentao deste conceito: Notamos que h grande concentrao de probabilidade em X e uma grande disperso em Y com relao mdia. Deniremos, agora, varincia como: Ento, pela tabela de valores: Estatstica - UVB Faculdade On-line UVB 88 Ao observamos novamente os grficos e os valores de V(X) e V(Y), conclumos que: Quanto menor a varincia, menor a disperso de probabilidades em torno da mdia e vice-versa; quanto maior a varincia, maior o grau de disperso da probabilidade em torno da mdia. Finalizando, a varincia um quadrado e muitas vezes o resultado torna-se articial; contornamos esse problema pelo uso do Desvio Padro, que conforme estudado na aula 5, a raiz quadrada positiva da varincia. Estatstica - UVB Faculdade On-line UVB 89 Referncia Bibliogrfica COSTA NETO, Pedro Luiz de Oliveira. Estatstica. 12. ed. So Paulo: Editora Edgard Blcher Ltda., 1992. CRESPO, Antonio Arnot. Estatstica Fcil. So Paulo: Editora Saraiva, 1998. MAGALHES, Marcos Nascimento e LIMA, Antnio Carlos Pedroso de. Noes de Probabilidade e Estatstica. So Paulo: 5a. ed. Editora da Universidade de So Paulo, 2002. MANDIM, Daniel. Estatstica Descomplicada. 10. ed. Braslia: Vestcon Editora Ltda., 2003. MEYER, Paul L. Probabilidade, Aplicaes Estatstica. 2. ed. Rio de Janeiro: Livros Tcnicos e Cientcos Editora S.A., 2003. MORETTIN, Luiz Gonzaga. Estatstica Bsica - Probabilidade. 3. ed. So Paulo: Livraria Cincia e Tecnologia Editora, 1983. SETEVENSON, Willian J. Estatstica Aplicada Administrao. So Paulo: Ed. Harbra, 1981. VIEIRA, Sonia. Princpios de Estatstica. 1 reimpr. da 1 ed. So Paulo: Editora Pioneira Thomson Learning, 2003.