P. 1
Teoria Elementar Da Probabilidade

Teoria Elementar Da Probabilidade

|Views: 119|Likes:
Publicado porDaniel Fernandes

More info:

Published by: Daniel Fernandes on Dec 14, 2011
Direitos Autorais:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/14/2011

pdf

text

original

10

Teoria Elementar da Probabilidade



DETERMINÍSTICOS
MODELOS MATEMÁTICOS
PROBABILÍSTICOS



PROCESSO (FENÓMENO) ALEATÓRIO - Quando o
acaso interfere na ocorrência de um ou mais dos
resultados nos quais tal processo se pode traduzir.
Face à conjugação de um determinado número de
condições, um resultado aleatório pode ou não ocorrer.


Exemplo 1: Lançamento ao ar de uma moeda
equilibrada. Os resultados " SAI CARA " (F) ou " SAI
COROA " (C) são aleatórios.
Cada resultado aleatório é a consequência de inúmeras
causas fortuitas.

Exemplo 2 : Lançamento de um dado e observação do
resultado apresentado na face superior.

11
ASPECTOS PERTINENTES À CARACTERIZAÇÃO DE
UMA EXPERIÊNCIA ALEATÓRIA


a) Cada experiência poderá ser repetida indefinidamente
sob condições essencialmente inalteradas.

b) Muito embora não sejamos capazes de afirmar que
resultado particular ocorrerá, seremos capazes de
descrever o conjunto de todos os possíveis resultados da
experiência.

c) Quando a experiência for executada repetidamente, os
resultados individuais parecerão ocorrer de uma forma
acidental. Contudo, quando a experiência for repetida um
grande número de vezes, aparecerá uma regularidade.




EXPERIÊNCIAS ALEATÓRIAS, ESPAÇOS AMOSTRAIS
E ACONTECIMENTOS


EXPERIÊNCIA ALEATÓRIA - Designa uma situação à
qual estejam associados, de forma não controlada, dois ou
mais resultados possíveis.

Exemplos :
• Lançamento de uma moeda F-C ao ar uma vez (
resultados possíveis : " SAI CARA " (F) ou " SAI COROA
" (C) ).
12
• Lançamento de uma moeda F-C ao ar tantas vezes
quantas as necessárias até sair F ( conjunto infinito
numerável de resultados possíveis : 1,2,3,...)
• O atraso de um comboio ( com uma infinidade de
resultados possíveis : [0, +∞[ ).




ESPAÇO AMOSTRAL - Conjunto de todos os resultados
possíveis de uma experiência aleatória.

Exemplos : Considerando as experiências aleatórias
definidas anteriormente temos:

• Espaço amostral : S = { F, C }
• Espaço amostral : S = {1, 2, 3, …}
• Espaço amostral : S = {t : t ≥ 0 }


Os espaços amostrais podem ser discretos ou contínuos,
consoante os seus elementos sejam numeráveis ou não. Os
espaços discretos podem ser finitos ou infinitos.

O espaço amostral associado a uma experiência aleatória
depende da forma como a experiência é avaliada isto é,
depende daquilo que estamos a observar.

Exemplo : Considere-se a experiência constituída pelo
lançamento ao ar da moeda F-C três vezes consecutivas.

13
• Se o resultado for avaliado pelo número de F obtidos (nº
de vezes em que " SAI CARA"), o espaço amostral é
constituído pelo conjunto {0, 1, 2, 3}.
• Se o resultado for avaliado pela sequência de F e C
então o espaço amostral é constituído por oito resultados
possíveis.

S

1º lança/ 2º lança/ 3º lança/

F
• FFF

F C
• FFC

C F
• FCF

F

C
• FCC

C

F
• CFF

F C
• CFC

C F
• CCF


C
• CCC
_________________________
Árvore de resultados Diagrama de Venn
(utilizada na representação de resultados
de experiências sequenciais)

Acontecimento - Conjunto de elementos de um espaço
amostral, isto é, conjunto de resultados possíveis
associados à realização de uma experiência aleatória.

Acontecimento simples/composto
Acontecimento certo/impossível


14


•CCF

•FFF
A
1

•FCC

•FCF
A
2

•CFC •FFC •CFF •CCC



A
1
- " Saída de duas caras " (acontecimento composto)

A
2
- " Saída de três coroas " (acontecimento simples)

Como os acontecimentos são conjuntos, podemos aplicar-
lhes as operações de reunião, intersecção e
complementaridade, definindo novos acontecimentos.

S A∪B A
A∪B - acontecimento que ocorrerá
B sse A ou B (ou ambos) ocorrerem


S A∩B A
A∩B - acontecimento que ocorrerá
B sse A e B ocorrerem


S A
A - acontecimento complementar
A de A em S, ocorrerá sse A não
ocorrer


Dois acontecimentos dizem-se mutuamente exclusivos se
não puderem ocorrer simultaneamente, isto é se A∩B = ∅

15
Conceito de probabilidade

• Definição clássica
Se uma experiência aleatória tiver N resultados
mutuamente exclusivos e igualmente prováveis e se um
acontecimento A contiver N
A
desses resultados ( N
A

N), então a probabilidade do acontecimento A é dada
por :
P A
N
N
A
( ) =
numero de casos favoraveis
numero de casos possiveis
|
\

|
¹
|


• Definição geométrica
Permite ultrapassar uma limitação da definição clássica
de probabilidade e que resulta do pressuposto de que o
número de resultados possíveis associados a cada
experiência aleatória é finito. Então vem que:

P A
med A
med S
( ) =

representando "med" uma medida de dimensão de uma
qualquer região incluída num espaço amostral contínuo
S de uma experiência aleatória.

• Definição frequencista
No decurso de N repetições de uma experiência
aleatória, um acontecimento A ocorre N
A
vezes
(0≤N
A
≤N). A frequência relativa de ocorrência desse
acontecimento é:
f
N
N
A
A
=

16

Define-se probabilidade de A como o limite de f
A

quando o número de repetições tende para infinito:

P A f
N
N
N
A
N
A
( ) lim lim = =
→∞ →∞


• Definição axiomática
Baseia-se em propriedades resultantes das definições
anteriores e assenta nos três axiomas seguintes:

0 ≤ P(A) ≤ 1
P(S) = 1
P (A∪B) = P(A) + P(B) se A e B mutuamente exclusivos

Propriedades:

P(A) + P(A) = 1
P(∅) = 0
P (A∪B) = P(A) + P(B) − P(A∩B) para A e B quaisquer
A ⊂ B ¬ P(A) ≤ P(B)


Métodos de enumeração

• Regra da multiplicação

n
2



n
1


n
1
.n
2



n
2



procedimento
1
procedimento
2

17
• Regra da adição

procedim. 1

procedim. 2
n
1


n
2


n
1
+ n
2





• Arranjos e Permutações
Considerem-se n elementos distintos. Pretende-se contar o
número de maneiras de escolher k elementos (0≤k≤n) de entre
esses n , considerando a sua ordem. Existem:


( )
A
n
n k
k
n
=

!
!

Se k = n vem:
A n P
n
n
n
= = !

• Combinações
Considerem-se novamente n elementos distintos.O número de
maneiras de escolher k elementos (0≤k≤n) de entre esses n, sem
consider a sua ordem é:


( )
C
n
k
n
k n k
k
n
=
|
\

|
¹
|
=

!
! !


• Permutações com alguns elementos repetidos
Considerem-se novamente n elementos pertencentes a k
espécies distintas.O número de permutações possíveis desses n
elementos é dado por:

n
n n n
k
!
! ! !
1 2



em que n n n n
k 1 2
+ + + =  .
18
Probabilidade condicionada e acontecimentos
independentes

Probabilidade condicionada,
( )
P AB - probabilidade de
ocorrência de um acontecimento A quando se admite
que ocorreu um acontecimento B :

P AB ( ) =
( )
( )
P A B
P B

(com P(B) > 0)
ou

( ) ( ) ( )
P A B P AB P B ∩ = ⋅

P(A) - probabilidade a priori
P(A|B) - probabilidade a posteriori

Dois acontecimentos dizem-se independentes sse:

( ) ( ) ( )
P A B P A P B ∩ = ⋅
e portanto de um modo equivalente:


( ) ( )
P AB P A = (com P(B) > 0)
ou

( ) ( )
P BA P B = (com P(A) > 0)

Teorema de Bayes

A
B
1

B
2

B
4

B
5

B
3

19
( )
( )
( )
( ) ( )
( ) ( )
P B A
P B A
P A
P AB P B
P AB P B
i
i i i
i i i
n
=

=
¿
=1


em que B
1
, B
2
,…, B
n
constituem uma partição do espaço
amostral S, isto é:
B B
i j
∩ = ∅ , ∀
i≠j


i
n
i
B S
=
=
1



( )
P B
i
> 0 , ∀
i


O resultado :
( ) ( ) ( )
P A P AB P B
i i i
n
= ⋅
¿
=1


é o enunciado do teorema da probabilidade total e obtém-
se a partir da decomposição de A em acontecimentos
mutuamente exclusivos, isto é:


( ) ( ) ( )
A A B A B A B
n
= ∩ ∪ ∩ ∪ ∪ ∩
1 2


Variáveis aleatórias

Seja ε uma experiência aleatória e S um espaço amostral
associado a essa experiência. Uma função X, que associe a
cada elemento s ε S um número real X(s), é uma variável
aleatória.
Sobre um mesmo espaço amostral podem ser definidas
diferentes funções (variáveis aleatórias).

Contrado io da aplicaçao
discreto v a discreta
continuo v a continua
min
. .
. .


¦
´
¹

quando a experiência for repetida um grande número de vezes. dois ou mais resultados possíveis. b) Muito embora não sejamos capazes de afirmar que resultado particular ocorrerá. aparecerá uma regularidade.Designa uma situação à qual estejam associados. os resultados individuais parecerão ocorrer de uma forma acidental. Exemplos : • Lançamento de uma moeda F-C ao ar uma vez ( resultados possíveis : " SAI CARA " (F) ou " SAI COROA " (C) ). Contudo. ESPAÇOS AMOSTRAIS E ACONTECIMENTOS EXPERIÊNCIA ALEATÓRIA . seremos capazes de descrever o conjunto de todos os possíveis resultados da experiência. de forma não controlada.11 ASPECTOS PERTINENTES À CARACTERIZAÇÃO DE UMA EXPERIÊNCIA ALEATÓRIA a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas. c) Quando a experiência for executada repetidamente. . EXPERIÊNCIAS ALEATÓRIAS.

C } • Espaço amostral : S = {1.Conjunto de todos os resultados possíveis de uma experiência aleatória. Exemplo : Considere-se a experiência constituída pelo lançamento ao ar da moeda F-C três vezes consecutivas. +∞[ ). …} • Espaço amostral : S = {t : t ≥ 0 } Os espaços amostrais podem ser discretos ou contínuos. 2. depende daquilo que estamos a observar. 3. Exemplos : Considerando as experiências aleatórias definidas anteriormente temos: • Espaço amostral : S = { F..2. ESPAÇO AMOSTRAL .) • O atraso de um comboio ( com uma infinidade de resultados possíveis : [0... O espaço amostral associado a uma experiência aleatória depende da forma como a experiência é avaliada isto é. .3. Os espaços discretos podem ser finitos ou infinitos. consoante os seus elementos sejam numeráveis ou não.12 • Lançamento de uma moeda F-C ao ar tantas vezes quantas as necessárias até sair F ( conjunto infinito numerável de resultados possíveis : 1.

o espaço amostral é constituído pelo conjunto {0. isto é. 2. Acontecimento simples/composto Acontecimento certo/impossível . 1.13 • Se o resultado for avaliado pelo número de F obtidos (nº de vezes em que " SAI CARA"). S 1º lança/ 2º lança/ 3º lança/ F F C F C F C C F C F C F C • FFF • FFC • FCF • FCC • CFF • CFC • CCF • CCC Diagrama de Venn _________________________ Árvore de resultados (utilizada na representação de resultados de experiências sequenciais) Acontecimento .Conjunto de elementos de um espaço amostral. • Se o resultado for avaliado pela sequência de F e C então o espaço amostral é constituído por oito resultados possíveis. 3}. conjunto de resultados possíveis associados à realização de uma experiência aleatória.

intersecção e complementaridade. podemos aplicarlhes as operações de reunião.acontecimento complementar S A de A em S. isto é se A∩B = ∅ .acontecimento que ocorrerá S A∩B B sse A e B ocorrerem A A .14 •FFF •CFC •CCF A1 •FCF •FFC •CFF •FCC A2 •CCC A1 . ocorrerá sse A não ocorrer Dois acontecimentos dizem-se mutuamente exclusivos se não puderem ocorrer simultaneamente. S A∪B B A A∪B .acontecimento que ocorrerá sse A ou B (ou ambos) ocorrerem A A∩B . definindo novos acontecimentos." Saída de três coroas " (acontecimento simples) Como os acontecimentos são conjuntos." Saída de duas caras " (acontecimento composto) A2 .

Então vem que: P (A) = med A med S representando "med" uma medida de dimensão de uma qualquer região incluída num espaço amostral contínuo S de uma experiência aleatória. • Definição frequencista No decurso de N repetições de uma experiência aleatória. então a probabilidade do acontecimento A é dada por :  numero de casos favoraveis N P ( A) = A   N  numero de casos possiveis  • Definição geométrica Permite ultrapassar uma limitação da definição clássica de probabilidade e que resulta do pressuposto de que o número de resultados possíveis associados a cada experiência aleatória é finito.15 Conceito de probabilidade • Definição clássica Se uma experiência aleatória tiver N resultados mutuamente exclusivos e igualmente prováveis e se um acontecimento A contiver NA desses resultados ( NA ≤ N). A frequência relativa de ocorrência desse acontecimento é: N fA = A N . um acontecimento A ocorre NA vezes (0≤NA≤N).

n2 .16 Define-se probabilidade de A como o limite de fA quando o número de repetições tende para infinito: P(A ) = lim fA = lim N →∞ N →∞ NA N • Definição axiomática Baseia-se em propriedades resultantes das definições anteriores e assenta nos três axiomas seguintes: 0 ≤ P(A) ≤ 1 P(S) = 1 P (A∪B) = P(A) + P(B) se A e B mutuamente exclusivos Propriedades: P(A) + P(A) = 1 P(∅) = 0 P (A∪B) = P(A) + P(B) − P(A∩B) para A e B quaisquer A ⊂ B  P(A) ≤ P(B) Métodos de enumeração • Regra da multiplicação n2 n1 n2 procedimento 1 procedimento 2 n1.

Existem: An = k Se k = n vem: n! ( n − k )! A n = n ! = Pn n • Combinações Considerem-se novamente n elementos distintos. 2 n1 n1 + n2 n2 • Arranjos e Permutações Considerem-se n elementos distintos. considerando a sua ordem. Pretende-se contar o número de maneiras de escolher k elementos (0≤k≤n) de entre esses n .O número de permutações possíveis desses n elementos é dado por: n! n1 ! n 2 !  n k ! em que n1 + n 2 +  + n k = n .O número de maneiras de escolher k elementos (0≤k≤n) de entre esses n. sem consider a sua ordem é: Cn k  n n! =  =  k k !( n − k ) ! • Permutações com alguns elementos repetidos Considerem-se novamente n elementos pertencentes a k espécies distintas.17 • Regra da adição procedim. . 1 procedim.

probabilidade a posteriori Dois acontecimentos dizem-se independentes sse: P( A ∩ B) = P( A ) ⋅ P( B) e portanto de um modo equivalente: P( A B) = P( A) ou P( B A ) = P( B) (com P(B) > 0) (com P(A) > 0) Teorema de Bayes B1 B3 A B5 B2 B4 .probabilidade de ocorrência de um acontecimento A quando se admite que ocorreu um acontecimento B : P ( A B) = P( A ∩ B) P( B) (com P(B) > 0) ou P( A ∩ B) = P( A B) ⋅ P( B) P(A) .18 Probabilidade independentes condicionada e acontecimentos Probabilidade condicionada.probabilidade a priori P(A|B) . P( A B) .

isto é: Bi ∩ B j = ∅ . discreta Contrado min io da aplicaçao   continuo → v. ∀i P( Bi ) > 0 O resultado : P( A) =  n= 1 P( A Bi ) ⋅ P( Bi ) i é o enunciado do teorema da probabilidade total e obtémse a partir da decomposição de A em acontecimentos mutuamente exclusivos. a . a . Uma função X.19 P( Bi A) = P( A Bi ) P( Bi ) P( Bi ∩ A) = n P( A)  i = 1 P( A Bi ) P( Bi ) em que B1. Sobre um mesmo espaço amostral podem ser definidas diferentes funções (variáveis aleatórias). Bn constituem uma partição do espaço amostral S.…. B2. isto é: A = ( A ∩ B1 ) ∪ ( A ∩ B2 ) ∪  ∪ ( A ∩ Bn ) Variáveis aleatórias Seja ε uma experiência aleatória e S um espaço amostral associado a essa experiência. que associe a cada elemento s ε S um número real X(s). é uma variável aleatória. ∀i≠j  n= 1 Bi = S i .  discreto → v. continua .

You're Reading a Free Preview

Descarregar
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->