Escolar Documentos
Profissional Documentos
Cultura Documentos
Captulo 2 - No
co
es b
asicas de probabilidade
2
2.1 Experiencias aleat
orias. Espaco de resultados. Acontecimentos. . . . . . . . . . . . . . . . . . . . . 3
2.2 Nocao de probabilidade. Interpretacoes de Laplace, frequencista e subjectivista. Axiomas e teoremas deco
13
2.3 Probabilidade condicionada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4 Teoremas da probabilidade composta e da probabilidade total. Teorema de Bayes) . . . . . 27
2.5 Acontecimentos independentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Captulo 2 - No
c
oes b
asicas de probabilidade
2.1 Experi
encias aleat
orias. Espaco de resultados. Acontecimentos
Sempre que aplicamos matem
atica a fim de estudar alguns fen
omenos de observac
ao, devemos essencialmente
comecar por construir um modelo matem
atico (determinstico ou n
ao) para esses fen
omenos. Neyman, J.
Defini
c
ao: Um modelo que estipula que as condicoes sob as quais uma experiencia e realizada
determinam o resultado dessa experiencia denomina-se modelo determinstico.
Exemplos: equac
ao do movimento uniforme: s(t) = v t; lei de Ohm: V = R I.
Defini
c
ao: Denomina-se modelo probabilstico quando a realizacao de uma dada experiencia sob
determinadas condic
oes ir
a ter varios resultados possveis, aos quais, se possvel, vamos associar
um n
umero a que chamaremos probabilidade desse acontecimento.
Exemplos: fenomenos meteorol
ogicos; euromilhoes; lancamento de uma moeda . . .
PE - Conceicao Amado/Ana M. Pires - IST
2.1 (cont.)
Defini
c
ao: Uma experiencia aleat
oria e uma experiencia que, repetida sempre nas mesmas
condicoes, n
ao produz sempre o mesmo resultado.
Caractersticas:
(i) repetibilidade;
(ii) os resultados particulares s
ao imprevisveis mas e possvel descrever o conjunto dos resultados possveis;
(iii) apesar dos resultados particulares serem imprevisveis e possvel observar um padrao de regularidade ao fim de um grande
n
umero de realizac
oes.
PE - Conceicao Amado/Ana M. Pires - IST
2.1 (cont.)
Exemplos:
jogos de azar:
durac
ao de uma chamada telefonica;
caracterstica defeituosa ou n
ao defeituosa de pecas produzidas em serie.
2.1 (cont.)
Defini
c
ao: Denomina-se por resultado possvel ou elementar a toda e qualquer informacao que
pode ser registada como resultado de uma experiencia aleatoria.
Defini
c
ao: Chama-se espaco de resultados ao conjunto de todos os resultados possveis de uma
experiencia aleat
oria.
Representa-se geralmente por ou S.
A formulac
ao de um modelo probabilstico associado a uma experiencia aleatoria inicia-se pela
definicao do espaco de resultados;
Cada resultado elementar
e representado por um e um s
o elemento de ;
Os elementos de podem ser n
umeros, atributos ou uma combinacao de elementos
quantitativos e qualitativos;
pode ser finito, infinito numer
avel ou infinito n
ao numeravel.
2.1 (cont.)
Exemplos:
Experi
encia
E1 lancamento de moeda
1 = {cara, coroa}
E2 lancamento de dado
2 = { , ,
E3 durac
ao de chamada telefonica 3 = [0, +[
E4 classificac
ao de uma peca
4 = {defeituosa, n
ao defeituosa} =
= {d, n}
2.1 (cont.)
Defini
c
ao: Um acontecimento e um subconjunto do espaco de resultados de uma experiencia
aleatoria.
Em geral, os acontecimentos, s
ao representados pelas primeiras letras mai
usculas do alfabeto
latino.
Alguns acontecimentos especiais. Seja = {1 , 2 , , k , } um espaco de resultados,
entao define-se acontecimento:
2.1 (cont.)
Exemplos:
E1 : A1 = {cara}
E2 : A2 = {n.o de pontos inferior a 3} = {
(definic
ao em compreens
ao) (definicao em extensao)
E3 : A3 = {durac
ao inferior a 30 unidades} = [0, 30[
E4 : A4 = {d}
Defini
c
ao: Espaco de acontecimentos de uma experiencia aleatoria, A , e o conjunto de todos os
acontecimentos definidos num espaco de resultados.
Defini
c
ao: Dada uma experiencia aleatoria, diz-se que ocorreu o acontecimento A se e s
o se ao
realizar a experiencia (uma u
nica vez) o resultado obtido e um elemento de A.
Considere-se E2 ,
se o dado for lancado e sair
se o dado for lancado e sair
2.1 (cont.)
Mais exemplos...
E6 = Lancamento de dois dados, com faces numeradas de 1 a 6, com o objectivo de registar os
n
umeros das faces voltadas para cima.
= {( , ), ( ,
O resultado ( ,
O acontecimento
A = {( , ), ( ,
10
2.1 (cont.)
Operacoes com acontecimentos ( operacoes com conjuntos):
complementac
ao (A);
uni
ao (A B);
interseccao (A B);
diferenca (A\B)
Rever:
diagramas de Venn;
11
2.1 (cont.)
Defini
c
ao: Dois acontecimentos A e B dizem-se mutuamente exclusivos se n
ao puderem ocorrer
simultaneamente, ou seja, se A B = .
12
2.2 Noc
ao de probabilidade. Interpretac
oes de Laplace, frequencista e subjectivista. Axiomas e teoremas decorrentes
A probabilidade e uma medida que pretende quantificar a possibilidade de ocorrencia de cada
acontecimento.
A nocao de probabilidade e um conceito complexo, no entanto pode-se adiantar algumas das suas
interpretacoes.
Dado um acontecimento A, pertencente a um determinado , represente-se por P (A) a
probabilidade desse acontecimento se realizar, a qual e traduzida por um n
umero real no intervalo
[0, 1].
Interpreta
c
ao/defini
c
ao cl
assica ou de Laplace:
Dado um espaco de resultados com N elementos cuja ocorrencia (por questoes de
simetria/indiferenca) e igualmente possvel, a probabilidade de qualquer acontecimento A e dada
por
#A
n.o de casos favor
aveis a A
P (A) =
=
o
N
n. de casos possveis
= Rever calculo combinat
orio.
PE - Conceicao Amado/Ana M. Pires - IST
13
2.2 (cont.)
Limita
c
ao
A definicao cl
assica n
ao pode ser aplicada quando:
= S
ao necessarias outras interpretac
oes de probabilidade!
Defini
c
ao: Dada uma experiencia aleatoria que se realizou n vezes, e
um acontecimento A, chama-se frequencia relativa do acontecimento A,
ao quociente
n(A)
fn (A) =
n
onde n(A) representa o n
umero de vezes que se observou o acontecimento
A (ou seja, e a frequencia absoluta de A).
PE - Conceicao Amado/Ana M. Pires - IST
14
2.2 (cont.)
Exemplo: Imagine-se uma experiencia aleatoria s
o com dois resultados possveis mas que n
ao
sejam necessariamente igualmente possveis. Pode ser o caso do lancamento de uma moeda em
que n
ao se tem a certeza de que a moeda e equilibrada ou a experiencia E4 da Seccao 2.1
(classificacao de pecas em defeituosas ou n
ao defeituosas).
Repetindo a experiencia um n
umero muito elevado de vezes observa-se que a frequencia relativa
dos acontecimentos elementares (que s
ao s
o dois, neste caso), tende a estabilizar `a medida que o
n
umero de repetic
oes cresce (embora a sequencia particular de valores seja imprevisvel).
PE - Conceicao Amado/Ana M. Pires - IST
15
0.0
0.2
0.4
fn(A)
0.6
0.8
1.0
Exemplo (cont.): O gr
afico seguinte mostra 10 sequencias de frequencias
relativas (fictcias) cada uma correspondendo a 3000 realizacoes de uma
experiencia aleat
oria com o verdadeiro valor de P (A) = 0.2. a
500
1000
1500
2000
2500
3000
Simulac
ao com n
umeros pseudo-aleat
orios. C
odigo na Nota 1.
16
2.2 (cont.)
Interpreta
c
ao/defini
c
ao frequencista:
A probabilidade do acontecimento A, P (A), e o limite para o qual tende a frequencia relativa,
fn (A), quando n .
Limita
c
ao: A definic
ao frequencista n
ao pode ser aplicada quando
n
ao e possvel repetir a experiencia um n
umero muito elevado de vezes;
n
ao e possvel repetir a experiencia exactamente nas mesmas condicoes.
Exemplo:
Qual a probabilidade de ganhar o Totobola com uma u
nica aposta?
Ha 313 = 1594323 casos possveis, mas n
ao s
ao igualmente possveis! Inviabiliza a
interpretac
ao de Laplace
Os jogos entre as mesmas equipas n
ao correspondem a repeticoes nas mesmas condicoes do
pr
oximo jogo, nem s
ao em n
umero suficientemente elevado! Inviabiliza a interpretacao
frequencista
= S
ao necessarias outras interpretacoes de probabilidade!
PE - Conceicao Amado/Ana M. Pires - IST
17
2.2 (cont.)
Interpreta
c
ao/defini
c
ao subjectivista ou subjectiva:
Admite-se que cada pessoa pode atribuir a cada acontecimento um n
umero a que chama
probabilidade do acontecimento e que expressa o seu grau de credibilidade pessoal em
relacao `a ocorrencia do acontecimento.
A probabilidade subjectiva de um dado acontecimento pode variar de indivduo para indivduo,
mas deve ser coerente para o mesmo indivduo.
A coerencia e garantida pela defini
c
ao axiom
atica.
Os axiomas s
ao inspirados em propriedades verificadas pelas interpretacoes anteriores (classica
e frequencista) e a sua verificac
ao e exigida no caso da interpretacao sujectivista;
Consoante a situac
ao, e razo
avel admitir qualquer uma das interpretacoes.
18
2.2 (cont.)
Defini
c
ao axiom
atica (axiom
atica de Kolmogorov):
As probabilidades dos acontecimentos pertencentes ao conjunto dos acontecimentos definidos em
, designado por A (ver Obs. 1), e um n
umero satisfazendo os tres Axiomas seguintes:
Axioma 1 (n
ao negatividade) P (A) 0,
A A
Axioma 2 (normaliza
c
ao)
P () = 1
S+ P+
Axioma 3 (sigma-aditividade) P
i=1 Ai =
i=1 P (Ai ),
(ver Obs. 2)
Detalhes tecnicos:
Obs. 1
Obs. 2 Para mais detalhes sobre sigma-aditividade ver, por exemplo, Bauer, H. (2001), Measure and Integration
Theory, Berlin: de Gruyter
19
2.2 (cont.)
Teoremas (Resultados) decorrentes dos Axiomas:
Os axiomas permitem estabelecer um conjunto de resultados para determinar probabilidades de
acontecimentos resultantes de operac
oes entre acontecimentos (mas e sempre necessaria uma
base de partida, obtida atraves de uma das interpretacoes anteriores).
Resultado 1:
P (A) = 1 P (A)
Demonstracao:
A A = ,
AA=
P (A) + P (A) = 1
P () = 0
20
10
2.2 (cont.)
Resultado 3:
Se A B ent
ao P (A) P (B)
B
A
21
2.2 (cont.)
Resultado 4:
A,B
P (A B) = P (A) + P (B) P (A B)
Usando:
B
A\BA BB\A
22
11
2.2 (cont.)
Resultado 5: dados tres acontecimentos A, B e C, quaisquer
P (A B C) = P (A) + P (B) + P (C)
P (A B) P (A C) P (B C) +
+P (A B C)
Demonstracao: Escrever A B C = (A B) C e aplicar o resultado anterior.
Resultado 6: Dados k acontecimentos, A1 , A2 , . . . , Ak , quaisquer
!
k
k
k
X
X
[
P (Ai Aj ) +
P (Ai )
Ai =
P (A1 Ak ) = P
i=1
i=1
k+1
+ (1)
i<j=1
P (A1 Ak )
23
A = {2}
B - sai a face 1,
B = {1}
C = {1, 2}
24
12
2.3 (cont.)
Exemplo (cont.):
As probabilidades dos acontecimentos A, B e C, s
ao alteradas em face da informacao adicional de
que ocorreu o acontecimento D!
Nota
c
ao: representa-se por P (A|D) a probabilidade de A ocorrer sabendo que D ocorreu (pode
ler-se probabilidade condicionada de A dado D).
simples verificar que
E
no espaco reduzido (D)
no espaco original ()
P (A|D) = 31
P (A D)
P (D)
P (B D)
=
P (D)
P (C D)
=
P (D)
=
P (B|D) = 0
P (C|D) = 13
PE - Conceicao Amado/Ana M. Pires - IST
25
2.3 (cont.)
Defini
c
ao: A probabilidade condicionada do acontecimento A sabendo que ocorreu B (tal que
P (B) > 0) e
P (A B)
P (A|B) =
P (B)
A probabilidade condicionada (sendo fixo o acontecimento condicionante, D, com P (D) > 0) e
uma nova medida de probabilidade que verifica os Axiomas e os Resultados decorrentes destes.
A1. P (A|D) 0
A2. P (|D) = 1
P+
S+
A3. P
i=1 Ai |D =
i=1 P (Ai |D), A1 ,A2 ,...A : Ai Aj =, (i6=j)
R1. P (A|D) = 1 P (A|D)
etc.
26
13
27
2.4 (cont.)
Estas relacoes podem ser generalizadas e apresentadas no teorema seguinte.
28
14
2.4 (cont.)
A1
A2
D
A3
A4
Defini
c
ao: Os subconjuntos n
ao vazios A1 , A2 , . . . , Am formam uma particao de se
A1 A2 Am =
Ai Aj = , i6=j=1,...m
(ou seja s
ao exaustivos e mutuamente exclusivos)
PE - Conceicao Amado/Ana M. Pires - IST
29
2.4 (cont.)
Teorema da probabilidade total
Se A1 , A2 , . . . , Am e uma partic
ao de tal que P (Ai ) > 0, i , entao
P (B) = P (B|A1 )P (A1 ) + + P (B|Am )P (Am )
Teorema de Bayes
Se A1 , A2 , . . . , Am e uma partic
ao de tal que P (Ai ) > 0, i , entao para qualquer acontecimento
B tal que P (B) > 0
P (Ai |B) =
P (B|Ai )P (Ai )
P (B|Ai )P (Ai )
=
P (B)
P (B|A1 )P (A1 ) + + P (B|Am )P (Am )
Exerccio (aula)
PE - Conceicao Amado/Ana M. Pires - IST
30
15
Esta definic
ao e sempre valida.
Se A
B ent
ao P (A|B) = P (A) e P (B|A) = P (B), para A e B tais que P (A) > 0 e
P (B) > 0.
Se A
B ent
ao A
B, A
B eA
B.
31
2.5 (cont.)
Independ
encia de mais do que dois acontecimentos
Defini
c
ao: A1 , A2 , . . . , An s
ao acontecimentos mutuamente ou completamente independentes se
para qualquer n
umero inteiro 2 r n e qualquer grupo de r acontecimentos
Ai1 , Ai2 , . . . , Air
P (Ai1 Ai2 Air ) = P (Ai1 )P (Ai2 ) P (Air )
Por exemplo:
A, B e C s
ao (mutuamente) independentes se
P (A B C) = P (A)P (B)P (C)
P (A B) = P (A)P (B)
P (A C) = P (A)P (C)
P (B C) = P (B)P (C)
PE - Conceicao Amado/Ana M. Pires - IST
32
16
2.5 (cont.)
Defini
c
ao: Dois acontecimentos s
ao A e B s
ao condicionalmente independentes em relacao a um
acontecimento C se
P (A B|C) = P (A|C)P (B|C)
Observar que:
Independencia entre A, B e C implica independencia condicional mas n
ao o contr
ario, i.e, a
independencia condicional n
ao implica a independencia no sentido corrente, a n
ao ser quando
C = .
Exerccios (na aula)
PE - Conceicao Amado/Ana M. Pires - IST
33
17