Você está na página 1de 7

H.

Iglsias Pereira (DEIO)

Licenciatura em Fsica

1. ESTUDO DE ALGUNS MODELOS PROBABILSTICOS


1.1 INTRODUO
A probabilidade atribuda a acontecimentos que esto associados a experincias
com as seguintes caractersticas:

.o resultado individual imprevisvel


.so conhecidos todos os possveis resultados
.a experincia pode ser repetida em idnticas circunstncias
e que designamos por experincias aleatrias.
Nos fenmenos aleatrios apesar de serem imprevisveis os resultados individuais est
presente uma regularidade ao longo de um grande nmero de repeties da experincia.
o que acontece por exemplo, quando se lana uma moeda equilibrada. H somente
duas possibilidades "cara" ou "coroa". Na figura seguinte encontra-se o resultado de
lanamentos de uma moeda de 1 a 1000 e as respectivas frequncias relativas
(proporo) de "cara" em cada srie de lanamentos.

Lanamentos de uma moeda

proporo de caras

1,00

0,50

0,00
1

10

30

50

70

100

140

180

220

300

400

500

700

900

n de lanamentos

A proporo de "caras" muito varivel ao princpio mas vai estabilizando medida


que se aumenta o nmero de lanamentos. Esta proporo tende a estabilizar em torno

H. Iglsias Pereira (DEIO)

Licenciatura em Fsica

do valor 0.5 ao qual chamamos probabilidade de "cara". Esta experincia traduz a


noo frequencista de probabilidade segundo a qual:
Probabilidade de um resultado de uma experincia aleatria o limite para que tende a
proporo de vezes que esse resultado aparece, numa longa srie de repeties da
experincia.
Note-se que quando se lana uma moeda, embora sendo desconhecido cada resultado
individual sabe-se que os possveis resultados so "cara" e "coroa". Alm disso, a
experincia descrita na figura anterior diz-nos que a probabilidade de "cara" e
consequentemente "coroa" 1/2. De facto, se supusermos que a moeda equilibrada
havendo somente duas possibilidades de prever que a probabilidade seja igual para
cada uma delas e igual a 0.5. Estamos mum caso de "equiprobabilidade" dos resultados
o que nem sempre acontece. Note-se que temos aqui a base de qualquer modelo
probabilstico.
Espao Amostra - conjunto de todos os possveis resultados de uma experincia
aleatria.
Acontecimento um resultado ou conjunto de resultados de uma experincia aleatria.
Isto , um acontecimento um subconjunto do espao amostra.
Espao de probabilidade (modelo de probabilidade) consiste num espao amostra ,
uma famlia de acontecimentos e uma lei de probabilidade que a cada acontecimento
atribui uma probabilidade.
O espao amostra pode ser muito simples (formado por um n finito de elementos) ou
mais complexo (n infinito numervel de elementos ou mesmo infinito no numervel).
So exemplos disso o espao amostra da experincia anterior
1) Cara, Coroa
Pensemos agora na experincia que consiste em contar o n de chamadas telefnicas
que chegam central da FCUL entre o perodo das 10h s 11h, ento o espao amostra
associado a esta experincia
2) 0,1,2,3,...,100,...
Se estivermos a observar o tempo de vida de uma componente electrnica, ento
2

H. Iglsias Pereira (DEIO)

3) / R

Licenciatura em Fsica

A noo frequencista de probabilidade baseia-se numa forma experimental de definir


probabilidade. No entanto, a probabilidade de um acontecimento uma funo
matemtica que a cada acontecimento atribui um nmero real e satisfaz um conjunto de
propriedades ou axiomas. Esta axiomtica das probabilidades devida ao matemtico
russo Kolmogorov e por isso conhecida por
1.2 A AXIOMTICA DE KOLMOGOROV
Axiomtica de Kolmogorov:
A1) A, P A 0
A2) P 1
A3) A1, A2 ,..., An ,... : Ai A j , ento PA1 A2 ... An ...

PAn

n1

A partir da axiomtica podemos obter vrias propriedades da funo probabilidade,


que so de grande utilidade para calcular a probabilidade de acontecimentos mais
complexos.
Consequncias da axiomtica:
I- A, B , PA B PA PB PA B

Regra da Adio

Dem:
A3

A B A B \ A B PA B PA PB \ A B PA PB PA B
A3

B B \ A B A B P B PB \ A B PA B
II- A B PA PB
e portanto segue-se que:
III- A, 0 PA 1 A

c
IV- P A 1 PA

Exerccio: Escolheu-se aleatoriamente uma mulher americana entre os 25 e os 29 anos.


O gabinete de recenseamento diz-nos que as probabilidades de escolhermos uma
3

H. Iglsias Pereira (DEIO)

Licenciatura em Fsica

mulher com cada um dos estados civis, solteira, casada, viva ou divorciada so
respectivamente (probabilidades calculadas usando a teoria frequencista):

Estado civil

Solteira

Casada

Viva

Divorciada

Probabilidade

0.352

0.577

0.003

0.068

a) Ser que este modelo de probabilidade satisfaz a axiomtica?


b) Qual a probabilidade de que uma mulher no seja casada?
Resoluo:
a) Note-se que ={solteira, casada, viva, divorciada} ento a soma das probabilidades
de cada estado deve ser igual a 1.
0.352+0.577+0.003+0.068=1
b) Por outro lado, usando a regra da adio tem-se
P{no casado}=P{solteira}+P{viva}+P{divorciada}=0.423
ou ainda pela propriedade IV, P{no casado}=1-P{casado}=1-0.577=0.423.
1.3

PROBABILIDADE

CONDICIONAL

ACONTECIMENTOS

INDEPENDENTES
Acontecimentos independentes
Exemplo: Um casal tinha planeado ter 4 filhos. Mas tiveram 4 raparigas e tentaram ter
um rapaz, no entanto, a 5, 6 e 7 filhas foram tambm raparigas. Eles pensam que
agora tero maior chance de ter um rapaz 8 vez. Ser verdade?
Claro que no, estamos num caso de independncia, isto , a probabilidade de nascer
rapaz ou rapariga em cada nascimento mantm-se constante e igual a 0.5 e inalterada
pelo que aconteceu em nascimentos anteriores.
Assim, P( 8 filho ser rapaz se o casal tem 7 raparigas)= 0.5
Esta probabilidade que acabmos de calcular corresponde noo de probabilidade
condicional. Isto , sabendo que se realizou um acontecimento B, neste caso"o casal
4

H. Iglsias Pereira (DEIO)

Licenciatura em Fsica

tem 7 raparigas", pretendemos calcular a probabilidade de realizao de outro


acontecimento designado por A (o 8 filho ser rapaz).
Definio 1: A probabilidade condicional de um acontecimento A dado que se realizou
B, igual a

P A / B

P A B
P B

(1)

desde que P(B)>0.


Verificmos que no caso do exemplo anterior a probabilidade do acontecimento A se
mantm igual a 0.5, apesar da realizao de B.
Tal como no lanamento de uma moeda a probabilidade de "cara" sempre igual a 0.5
independentemente do nmero de cara obtidas em anteriores lanamentos. A moeda
no tem memria.
Definio 2: Dois acontecimentos so independentes se a realizao de um deles no
modifica a probabilidade de realizao do outro.
Ou seja, formalmente PA / B P A donde se tem, atendendo definio 2
Definio 3: Dois acontecimentos A e B so independentes sse

P A B P A PB

(2)

A esta regra tambm se chama regra da multiplicao.


Exerccio 1: Num voo de Tquio para Lisboa a minha bagagem vai ser transferida trs
vezes. Se a probabilidade de cada uma das transferncias no ser feita a tempo for
4
2
1
,
e
10 10 10

respectivamente, por ordem de transferncia, qual a probabilidade de a

minha bagagem no chegar?


Resoluo: P(a bagagem no chegar)=1-P(bagagem chegar)=1-

6
8
9
, este
10 10 10

c
clculo feito utilizando a propriedade (IV) P A 1 PA -e a independncia dos

acontecimentos.
Exerccio 2: Para se deslocar de casa ao emprego, o sr. Xis tem apenas trs meios de
transporte distintos sua escolha, T1, T2 e T3. Sabe-se que a probabilidade de
i)

chegar a horas ao emprego 4/10

ii)

chegar atrasado, sabendo que utilizou T1 8/10


5

H. Iglsias Pereira (DEIO)

Licenciatura em Fsica

iii)

chegar atrasado, sabendo que utilizou T2 1/2

iv)

chegar a horas, sabendo que utilizou T3 3/5

v)

utilizar T2 e T3 a mesma.

Calcule a probabilidade de Xis utilizar T1.

Defina-se o acontecimento H-"chegar a horas", ento as probabilidades referidas nas


alneas anteriores podem escrever-se:
P(H)=4/10: P(Hc/T1)=8/10; P(Hc/T2)=1/2; P(H/T3)=3/5; P(T2)=P(T3)=x
PH P

H T1 H T2 H T3

PT1PH / T1 PT2 PH / T2 PT3 P H / T3


1 2x

2 1
3
4
2
x x
2 4x 5x 6x 4 7x 2 x
10 2
5
10
7

onde 1 = PT1+ PT2 + P T3 = P T1+ 2x PT1 1 2x

E portanto P(T1)=3/7.
O resultado que utilizamos para escrever P(H) conhecido pelo nome de Teorema da
Probabilidade Total. Note-se que o espao de resultados se pode escrever como a unio
de subconjuntos disjuntos, neste caso T1,T2 e T3. Estes subconjuntos constituem o que
se costuma chamar uma partio de . Formalmente podemos enunciar este resultado
para um nmero n de elementos da partio.

H. Iglsias Pereira (DEIO)

Licenciatura em Fsica

TEOREMA DA PROBABILIDADE TOTAL:


Sejam 1 , , , subconjuntos de tais que = , = , isto
, a famlia { } uma partio de .
Seja A um acontecimento, ento
() = (| )( )

Exerccio 3: Usando os dados do exerccio anterior calculemos agora a probabilidade


do senhor Xis ter usado o transporte T1, sabendo que chegou a horas ao emprego.
A probabilidade de chegar a horas ao emprego conhecida e positiva e {T1,T2,T3}
constitui uma partio de portanto, estamos em condies de utilizar o teorema de
Bayes vindo

PT1 / H

PT1 P H / T1
PH

3 2
3 3
3
7 10

4
14 7
P
T
P
H
/
T

i
i
10
PT1 PH / T1

i1

A probabilidade de T1 foi modificada pela realizao do acontecimento H. P(T1/H)


chama-se probabilidade a posteriori de T1, e por oposio, a P(T1) chama-se
probabilidade a priori de T1.
De uma forma geral podemos enunciar o seguinte resultado:
TEOREMA DE BAYES:
Seja { } uma partio de e A um acontecimento com () > 0. Ento
( )(|)
(| )( )

( |) =

(4)