Escolar Documentos
Profissional Documentos
Cultura Documentos
Observe o seguinte:
Sabia que, no mnimo, sao 50.630.860 jogadas necessarias para ganhar o
premio da Mega-Sena?
Se um macaco, batendo ao acaso no teclado do computador, com cer-
teza ele levaria 1.000.000.000.000.000.000.000.000.000.000.000.000 de anos
compondo uma obra se Shakespeare?
E
mais facil ganhar na Mega-Sena do que estar vivo?
Pr
e requisito
Teoria dos Conjuntos
Contagem
1
2
Princpios
Esitem tres tipos de interpretacao para a probabilidade:
Classica: Dene-se simplesmente pela parte de um todo. Dizemos que
todos os eventos sao equiprovaveis, isto e, todos apresentam a mesma
possibilidade de ocorrencia - probabilidade equiprov
avel entre eventos dis-
tintos.
#A
P (A) =
#A + #Ac
M aneiras de como pode ocorrer o evento A
P (A) =
numero de eventos simples dif erentes
Suponha o conjunto do alfabeto latino: alf abeto = {a, b, c, d, ...x, y, z}
com 24 elementos. Qual a probabilidade de retirar a letra s?
s 1 1
P (A) = c
= =
s+s 1 + 23 24
Frequentista: Simplemente e a proporcao de ocorrencia - probabilidade
proporcional.
#A
P (A) =
N
N umero de ocorrencias de A
P (A) =
N umero de repeticoes do experimento
Suponha lancar 48 vezes o dado de seis faces. Suponha que a face cinco
foi sorteada 8 vezes. Qual a probabilidade de retirar a face cinco?
8 1
P (5) = =
48 6
Beyesiana: Dene-se pela informacao inicial chamada de a priori. Quando
e lancada uma hipotese (semente) sobre um estimador, a probabilidade
beyesiana ajusta a informacao para a probabiliade mais adequada medi-
ante informac
oes repassadas.
P (X|) = l()P (|X)
Fundamentos
Em um espaco amostral de um experimento qualquer, a razao entre a ocorrencia
de um evento simples e chamado de probabilidade - dentre tantos outros eventos
possveis de ocorrencia.
Experimento: Qualquer procedimento, tecnica, mecanismo ou sistema
observacional que resulte na capacidade de mensurar a probabildade e
chamado de experimentacao ou simplesmente de experimento. Portanto,
o experimento observacional e qualquer procedimento de recolher
dados ou realizar mensuracoes em todos os nveis de medidas possveis.
Nao importa se as variaveis sao qualitativas ou quantitativas.
3
Defini
coes Oficiais
Espaco Amostral
o conjunto de resultados possveis. Considera-se resultado possvel o
E
resultado elementar e indivisvel . A colecao de todos os resultados indivisveis
e o conjunto .
= { | = {1 , 2 , 3 , ...i , .., n }n }
.-Algebra (A)
Considere a classe dos eventos alatorios sob preposicoes
A1. A
A2. Se A A ent
ao Ac A
A3. Se A A e B A A B A
O -Algebra (A) e uma classe estendida de satisfazendo as propriedades de
classe A1, A2 e A3; torna-se Algebra. Desde que e um conjunto nao vazio.
Quando a extensao e proprietaria:
A4. A
n n
A5. n; A1 , A2 , ...An A i=1 Ai A i=1 Ai A
umero finito de aplicacoes operatorias e Ac .
sob fechamento em n
E
Dene-se a possibilidade por , ISTO NAO PROBABILIDADE, mas
sim a POSSIBILIDADE, representado por ,mediante as preposicoes A1, A2,
A3, A4 e A5. Por exemplo: quais as possibilidades de jogarmos uma moeda e
sortearmos cara/ coroa? Aplicaremos aqui preposicoes:
A1. A pois = {{c}, {k}} A = {{c}, {k}}
4
() = {, {c}, {k}, }
A = ()
A = () = {, {c}, {k}, }
O que isto signica? Signica que existe as possibiliades de ocorrer cara ou
coroa. O impossvel e representada pelo conjunto vazio . Entao existe a possi-
bilidade de jogarmos uma moeda e cair uma face do dado 6? Esta possibilidade
e conhecida como conjunto vazio, aquilo sem resposta, o impossvel que, por sua
vez, esta previsto dentro da classe -Algebra.
1. CASO DISCRETO: Se for nito e enumeravel o -Algebra para to-
das partes: A = P (). A quantidade de elementos formadores de A e
#A = 2# , onde # dene-se a quantidade de elementos i formadores
do conjunto.
2. CASO CONTINUO: Considera-se unioes enumeraveis de intervalos que
pertencem a toda -Algebra (A). Esta sigma e chamada de -Algebra de
Borel ou Boreliano Algebra [a,b] = {A [a, b] : A : borel}
Vari
avel Aleat
oria
Uma variavel aleatoria X em um espaco de probabilidade (, A, P ) e uma funcao
real denida no espaco tal que [X x] e o evento aleatorio para todo x ;
X:
Probabilidade
Dene-se probabilidade pelos sequintes axiomas:
AXIOMA 1. P (A) 0
AXIOMA 2. P () = 1
AXIOMA
n Aditividade Finita: Se Ai A sao disjuntos (2,2); entao
3-1.
n
P ( k=1 Ak ) = i=1 P (Ak )
AXIOMA 3-2. -aditividade:
( n )
n
limn P Ak = limn P (Ak )
k=1 i=1
Exercise 1
Defina o -
algebra em um lancamento de dados cara (c) e coroa (k).
1. Espaco Amostral:
= {c, k}
c =
3. -
algebra:
A = {, c, k, }
4. Regras:
A1. A moeda A
A2. Se C A ent
ao C c (= K) A P (K) = 1 P (C)
A2.1. Se A ent
ao c (= ) A P () = 1 P ()
A3. Se C A e K A C K A
A4. A
2 2
A5. n; {C, K}, A i=1 Ai = A i=1 Ai = A
Probabilidade I
Fun
c
ao de Probabilidade
a func
E ao P que associa cada evento ao n
umero real no intervalo [0, 1].
P1. P () = 1
Signicado: Exclusao
n
P3. P (ni=1 Ai ) = i=1 Ai
Teorema da soma (OU )
Suponha o conjunto A e o conjunto B que interseccionam entre si. Conforme a
gura abaixo: Dene-se por = (A B), por outro lado podemos escrever a
(A B) = (A B) B
(A B) (A B) = A
7
8
Interpreta c
ao: O teorema da soma garante a nao duplicidade de in-
oes. Observe que a interseccao do evento P (A B) pode ou nao existir,
formac
mas ambos os eventos existem. Compare o teorema da soma com a denicao de
probabilidade P2.
NAO
MUTUAMENTE EXCLUDENTES: A escolha de um evento nao
exclui a outra opcao. Ex. Sexo e Idade
P (A B) = P (A B) = P (A) + P (B) P (A B)
Exercise 2 Uma carteira de seguro e composta por dois tipos de clientes: tipo A
com 200 pagadores do seguro previdenciario, B: 150 que pagam o seguro sa ude.
A empresa paga um OU outro benefcio ao funcion ario. Qual a probabilidade
de encontrar um cliente A OU um cliente B.
OU
A ou B A B
P (A ou B) = P (A B)
Exemplos Aplicados nas Areas
ADMINISTRAC
AO: Suponha duas liais. A probalilidade da lial A
falhar na entrega das encomendas e de 22%, enquanto a outra lial B de
falhar e de 12%, raro e quando ambas falham juntas - segundo a matriz.
Qual a probabilidade de uma das liais falharem?
A ou B
A B
P (A B)
P (A B) = P (A) + P (B) P (A B)
22 12 34
P (A B) = + 0= = 34%
100 100 100
A probabilidade da lial A ou da lial B falhar e de 34%
Sim ou N ao
Sim N ao
P (Sim N ao)
P (Sim N ao) = P (Sim) + P (N ao) P (Sim N ao)
8, 3 250 33, 33
P (Sim N ao) = + 0= = 33, 3%
100 1000 100
A probabilidade do erro independente da aceitacao e de 33, 3%.
75 (100 75) 12 88
P (A B) = + = = 88%
100 100 100 100
A probabilidade de apresentar amonia e nitrato em sua composicao e de
88%.
Teorema multiplicativo (E )
Este teorema e um dos principais teoremas probabilsticos. Dene-se por:
P (A B) = P (A) P (B|A)
Le-se: A Probabilidade de ocorrer o evento A e B e a probabilidade de ocor-
rer o evento A no primeiro lance do experimento e ocorrer o evento B no
segundo lance do experimento, nesta ordem.
P (A B) = P (A) P (B)
SEM REPOSIC
AO: Ao retirar uma bola, esta escolhida n
ao
e reposta `a
urna. E o experimento gera um novo estado, isto e, houve alteracao do
espaco amostral:
12
P (A B) = P (A) P (B|A)
Exerccios
Exercise 4 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5
bolas brancas. Qual a probabilidade de retirar 1 bola branca e 1 bola vermelha?
Com reposic
ao.
B1 e V 1
B1 V1
P (B1 V1 )
P (B1 V1 ) = P (B1 )P (V1 |B1 )
P (B1 V1 ) = P (B1 )P (V1 )
( )( )
5 2
P (B1 V1 ) =
5+1+2 5+1+2
52 10
P (B1 V1 ) = = = 15, 6%
88 64
Exercise 5 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5
bolas brancas. Qual a probabilidade de retirar 1 bola branca e 1 bola vermelha?
Sem reposic
ao.
B1 e V 1
B1 V1
P (B1 V1 )
P (B1 V1 ) = P (B1 )P (V1 |B1 )
( )( )
5 2
P (B1 V1 ) =
5+1+2 4+1+2
52 10
P (B1 V1 ) = = = 17, 8%
87 56
14
Exercise 6 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5 bolas
brancas. Qual a probabilidade de retirar 2 bolas vermelhas? Sem reposic
ao
V1 e V2
V1 V2
P (V1 V2 )
P (V1 V2 ) = P (V1 )P (V2 |V1 )
( )( )
2 1
P (V1 V2 ) =
5+1+2 5+1+1
21 2
P (V1 V2 ) = = = 0, 0357 = 3, 57%
87 56
Exercise 7 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5 bolas
brancas. Qual a probabilidade de retirar 2 bolas vermelhas? Com reposic
ao.
V1 e V2
V1 V2
P (V1 V2 )
P (V1 V2 ) = P (V1 )P (V2 |V1 )
P (V1 V2 ) = P (V1 )P (V2 )
( )( )
2 2
P (V1 V2 ) =
5+1+2 5+1+2
22 4
P (V1 V2 ) = = = 0, 0625 = 6, 25%
88 64
15
Exercise 8 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5 bo-
las brancas. Qual a probabilidade de retirar 2 bolas vermelhas e 1 branca? Sem
reposic
ao.
V1 e V2 e B1
V1 V2 B1
P (V1 V2 V3 ) = P (V1 )P (V2 |V1 )P (B1 |V2 ; V 1)
( )( )( )
2 1 1
P (V1 V2 V3 ) =
5+1+2 5+1+1 4+1+1
211 2
P (V1 V2 ) = = = 0, 005952 = 0, 59%
876 336
PE e PE
PE PE
P (P E P E)
P (P E P E) = P (P E)P (P E|P E)
( )( )
1 1
P (P E P E) = 0, 016%
28 + 34 + 17 27 + 34 + 17
mais difcil retirar duas pecas especcas do que retirar qualquer
E
uma. A chance de retirar peca e:
P (2 Qualquer)
Chance =
P (2 P entes)
P (2 Qualquer) 2, 53
Chance = = = 156
P (2 P entes) 0, 016
o que signica que temos 156 vezes a chance de retirar qualquer peca
do que dois pentes de memoria.
18
Probabilidade II - Vari
aveis
Discretas
Conceitos b
asicos
M
edia Poderada
Iniciaremos este conceito com um exemplo pratico.
Peso Nota
Prova 1 40% 97
Prova 2 40% 80
Trabalho 20% 68
n
i xi
= i=1
x n (1)
i=1 i
19
20
Definic
ao da M edia Poderada: E a soma de todos os valores com as
suas respectivas e destintas importancias em relacao a todos os outros
dados do conjunto. Dene-se o formalismo por:
n
i xi
x = i=1n (2)
i=1 i
n ( )
i
x= x i n (3)
i=1 i=1 i
( )
i
f azendo p(xi ) = n (4)
i=1 i
n
x
= xi pi (5)
i=1
derada por
n
x
= [
xi p(xi) (8)
i=1
( )
[ pbi
com p(x i) = n (9)
i=1 pbi
Esperanca Matem
atica
Se denirmos pi como sendo a probabilidade de ocorrer xi , a equacao 7 torna-
se a esperanca matematica:
n
x
= xi p(xi , ) (14)
i=1
( )
p()
com p(xi , ) = n (15)
i=1 p()
Definic
ao rigorosa da esperan ca matem atica: SeX e uma variavel
aleat
oria discreta com probabilidade p(xi , ), tal que i=1 p(xi , ) = 1 e
0 < p(xi , ) < 1, temos que a esperanca matematica e denida por:
E(X) = xi p(xi ; ) = P (X = xi ) (16)
i=1 i=1
22
Probabilidade complementar
De acordo com a denicao A1. da probabilidade
P () = 1
sumpondo o evento .
P ( c ) = 1
P () + P ( c ) = 1
P ( c ) = 1 P ()
Assim temos a probailidade do evento:
P ()
e a probabilidade complementar:
P ( c ) = 1 P ()
Expans
ao binomial
(
n= )
n i ni
(a + b)n = ab
i=1
i
(
n=
n!
)
n
(a + b) = ai bni
i=1
(n i)!i!
Distribui
cao Birnouli
apenas um modelo simples selecionador entre a probabiliade do evento e a
E
probabilidade complementar do evento: P ()P ( c ). O modelo e valido apenas
para um unico lancamento.
P (X = x) = px (1 p)1x
onde
23
X e a vari
avel aleatoria
p e a probabiliade a priori (ja conhecida)
Para utilizac
ao da formula e como procede:
1. Resp. 1) Dene-se o sucesso:
2. Resp. 2) Dene-se a vari
avel aleatoria X
3. Resp. 3) Aloca-se a probabilidade sucesso p
ao na equacao P (X = x) = px (1 p)1x
4. Resp. 4) Faz-se a alocac
Calcula-se pela esperanca a media e a variancia da distribuicao birnouli:
MEDIA:
E(X) = p
VARIANCIA:
V AR(X) = p(1 p)
Exercise 9 Ao jogar uma moeda, qual a probabiliade de sair cara?
Resp. 1) Define-se o sucesso: cara.
Resp. 2) Define-se a vari oria X: cara (C 1) e coroa (K 0).
avel aleat
Resp. 3) Aloca-se a probabilidade sucesso p(cara): 1
2. Nada diz a respeito
da n
ao honestidade da moeda.
Resp. 4) Faz-se a alocac
ao na equac
ao:
P (X = x) = px (1 p)1x
( )1 ( )11
1 1
P (X = 1) = 1
2 2
( )1 ( )0
1 1
P (X = 1) = 1
2 2
1
P (X = 1) =
2
Distribui
cao Binomial
Dene-se com a distribuic
ao de varias Birnoulis. Em outras palavras seria jogar
ao mesmo tempo um saco de moedas.
( )
n x
P (X = x) = p (1 p)nx
x
para varias opc
oes
n ( )
n x
P (X n) = p (1 p)nx
x=1
x
onde
24
X e a vari
avel aleatoria
n quantidade de elementos (ex: no de moedas)
MEDIA:
E(X) = np
VARIANCIA:
V AR(X) = np(1 p)
Para utilizac
ao da formula e como procede:
METODO
CONVENCIONAL:
Reescrita do problema na sequencia lida
Transcric
ao no fomato de conjuntos
Aplicac
ao da probabilidade
Aplicac
ao do Teorema da Soma
Aplicac
ao da multiplicac
ao
P (C) = P (C1 )P (K2 |C1 ) + P (K1 )P (C2 |K1 ) + P (C1 )P (C2 |C1 )
26
c
alculo...
( )( ) ( )( ) ( )( )
1 1 1 1 1 1
P (C) = + +
2 2 2 2 2 2
...resposta...
3
P (C) =
4
DISTRIBUIC BINOMIAL:
AO
n ( )
n x
P (X n) = p (1 p)nx
x=1
x
2 ( ) ( )x (
( ))2x
2 1 1
P (X 2) = 1
x=1
x 2 2
3
P (X 2) =
4
27
A REPOSIC
AO
A distribuicao binomial pode ser interpretada como sendo um experimento re-
posto, isto e, com reposic o.
a
Exercise 12 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5
bolas brancas. Qual a probabilidade de retirar 2 bolas vermelhas? Com reposic
ao
(vide exercicio 7)
2 2
p(vermelho) = =
2+1+5 8
( )
n x
P (X = x) = p (1 p)nx
x
( )2 ( )22
2! 2 2
P (X = 2) = 1
(2 2)!2! 8 8
( )2 ( )
2 4
P (X = 2) = = = 0, 0625 = 6, 25%
8 64
Distribui
cao Hipergeom
etrica
Enquanto a distribuicao Binomial e para o caso com reposicao a distribuicao
hipergeometrica e para o caso sem reposica o.
(xt )(N xt )
x
P (X = x) = (Nnx
)
n
onde
N e o tamanho da populac
ao
n e o tamanho da amostra
xt e o sucesso da populac
ao (t de total)
x e o sucesso da amostra
Calcula-se pela esperanca a media e a variancia da distribuicao Hipergeometrica:
N Xt
Fazendo XN =p e
t
N =q
MEDIA:
E(X) = np
n
VARIANCIA:
V AR(X) = npq N
N 1
METODO
CONVENCIONAL:
Reescrita do problema na sequencia lida
S = (S1 e S2 e S3 e S4 e S5 e S6 )
ou (S2 e S1 e S3 e S4 e S5 e S6 )
ou (S2 e S3 e S1 e S4 e S5 e S6 )
...ou ...
ou ... (S6 e S5 e S4 e S3 e S2 e S1 )
Transcric
ao no fomato de conjuntos
S = (S1 S2 S3 S4 S5 S6 )
(S2 S1 S3 S4 S5 S6 )
(S2 S3 S1 S4 S5 S6 )
... ...
... (S6 S5 S4 S3 S2 S1 )
30
Aplicaca
o da probabilidade e da soma
P (S) = P (S1 S2 S3 S4 S5 S6 )
+ P (S2 S1 S3 S4 S5 S6 )
+ P (S2 S3 S1 S4 S5 S6 )
... + ...
+ ... P (S6 S5 S4 S3 S2 S1 )
Permutac
ao de elementos
(S1 ; S2 ; S3 ; S4 ; S5 ; S6 ; S7 )
Pn = n! = 6! = 6.5.4.3.2.1 = 720
Aplicaca
o da soma
P (Stotal ) = Pn P (S)
P (S) = P (S1 )P (S2 |S1 )P (S3 |S2 ; S1 )P (S4 |S3 ; S2 ; S1 )P (S5 |S4 ; S3 ; S2 ; S1 )P (S6 |S5 ; S4 ; S3 ; S2
P (Stotal ) = Pn P (S)
1 1 1 1 1 1
P (Stotal ) = 6!
60 59 58 57 56 55
720
P (Stotal ) =
60.59.58.57.56.55
1
P (Stotal ) = = 0, 000001997%
50.063.860
A pbobabilidade de ganhar na MEGA-SENA e de 0, 000001997%, o
que significa necessitar de jogar no mnimo 50.063.860 de apostas
para ganhar uma u nica vez.
DISTRIBUIC HIPERGEOMETRICA
AO
Tamanho da populac
ao: N = 60
Sucesso da populac
ao: xt = 6
Tamanho da amostra: n = 6
Sucesso da amostra: x = 6
31
(xt )(N xt )
x
P (X = x) = (Nnx
)
n
(6)(606)
P (X = 6) = 6
(6066
)
6
(6)(54)
P (X = 6) = (60)0
6
6
1
P (X = 6) = (60)
6
1
P (X = 6) = ( )
60!
(606)!6!
1
P (X = 6) =
50.063.860
SEM REPOSIC
AO
A distribuic
ao hipergeometrica pode ser interpretada como sendo um experi-
mento nao reposto, isto e, sem reposic
ao.
Populac
ao: N = 8
Amostra: n = 2
Retiradas efetuadas: x = 2
Bolas vermelhas: xt = 2
Compare o resultado deste problema com o exerccio 6.
32
Tamanho da populacao: N = 12
Sucesso da populacao: xt = 8
Tamanho da amostra: n = 10
Sucesso da amostra: x = 6
(xt )(N xt )
x
P (X = x) = (Nnx
)
n
Tamanho da populacao: N = 27
Sucesso da populacao: xt = 6
Tamanho da amostra: n = 4
Sucesso da amostra: x = 1
(xt )(N xt )
x
P (X = x) = (Nnx
)
n
Distribui
cao Poisson
A distribuic
ao de Poisson e uma distribuicao parcialmente discreta e parcial-
mente contnua. e denido por:
x e
P (X = x) = sendo = t
x!
onde
e o coeciente de Poisson
x e o sucesso (discreto).
e e o n
umero de Euler (e=2,71828182818...).
MEDIA:
E(X) =
VARIANCIA:
V AR(X) =
A distribuic
ao de Poisson e muito u
til em nos casos que dados discretos sao
atribudos em ambientes contnuos. Por exemplo, o bombardeio em uma area
aonde os lancamentos das bombas sao discretas na regiao, contnua, como e
a area. Outro exemplo seria um call-center onde a chegada de um telefonema
(discreto) aparece no decorrer da evolucao do tempo (contnuo). Portanto alguns
exemplos do uso da distribuic ao de Poisson sao:
Produc
ao: defeitos da linha de producao, teste de qualidade, entrada de
ensumos, sada de produtos...
Emiss
ao de partculas: tecnologia militar, radiacao, balstica, optica fsica...
= 0, 98 pessoas/minuto
t = 4 minutos
x=2
34
e e o n
umero de Euler (e=2,71828182818...).
x e
P (X = x) =
x!
3, 922 e3,92
P (X = 2) = = 0, 1524 = 15, 2%
2!
A probabilidade de chegar exatamente 2 pessoas nos pr oximos quatro minutos
no caixa e de 15, 2%.
Exercise 16 LINHA DE PRODUC A f
AO: abrica de fitas fez uma amostra do
produto utilizando-se uma fita de 420 metros. A finalidade da amostra e de
mensurar os possveis defeitos da fabricacao. Foram contados 68 falhas (pontos
ou buracos) na fita. Qual a probabilidade de encontar 2 defeitos em um metro
de fita na linha de produc
ao?
= 68
420 = 0, 161 defeitos/metro.
t = 1 metro de fita
= t = 0, 161 1 = 0, 161 defeito (Esperado em 1 metro de fita)
x = 2 defeitos
e e o n
umero de Euler (e=2,71828182818...).
x e
P (X = x) =
x!
0, 1612 e0,161
P (X = 2) = = 0, 1114 = 1, 11%
2!
A probabilidade de encontrar exatamente 2 defeitos por metro na linha de produc
ao
e de 1, 1%.
Exercise 17 TECNOLOGIA MILITAR: Para analisar bombas V-1, na Se-
gunda Gerra Mundial, 576 regi oes no sul de Londres, com area de 0, 25km2
cada foram utilizadas no experimento. A area foi atingida por 535 bombas. Es-
colhida aleatoriamente uma regiao, determine a probabilidade de ser atingida
exatamente 2 vezes.
= 535
576 = 0, 929 impactos medio por regi
ao
t=1u
nica regi
ao
= t = 0, 929 1 = 0, 929 impactos (Esperado em 1 regi
ao)
x = 2 impactos
e e o n
umero de Euler (e=2,71828182818...).
x e
P (X = x) =
x!
0, 9292 e0,929
P (X = 2) = = 0, 170 = 17, 1%
2!
A probabilidade de acertar exatamente 2 bombas na regi ao delimitada foi de
17%.
35
= 2, 8 surto-contato/dia
t = 3 dias
= t = 2, 8 3 = 8, 4 surto-contato (Esperado em 4 dias)
x = 6 surto-contato
e e o n
umero de Euler (e=2,71828182818...).
x e
P (X = x) =
x!
8, 46 e8,4
P (X = 2) = = 0, 1097 = 10, 97%
6!
A probabilidade da pessoa apresentar a fobia de aranhas 6 vezes durante
3 dias e de 10, 97%.
Probabilidade
Teoria
Responda o que se pede:
1. Quais os tipos de interpretacao probabilstica?
2. O que e um evento?
3. Qual a diferenca entre evento e espaco amostral?
4. Dena o espaco amostral .
Dena matematicamente.
1. Sigma-Algebra
2. Espaco Amostral
3. Vari
avel Aleatoria
4. Probabilidade
Interprete com as suas proprias palavras
1. Sigma-Algebra
2. Espaco Amostral
3. Vari
avel Aleatoria
4. Probabilidade
Dado o segunte experimento: Jogar um dado de seis faces:
1. Dena o espaco amostral
2. Qual a vari
avel aleatoria X?
3. Dena o Sigma-Algebra
37
38
Problemas
Teorema da Soma e Mutuamente excludentes e Mutuamente n
ao ex-
cludentes
Responda se os eventos sao mutuamente excludentees ou nao:
1. Jogar uma moeda e retirar cara ou coroa.
2. Tirar um 4 ou um 6 ao lancar um dado.
3. Jogar uma moeda, retirar cara e depois lancar um dado e retirar o valor
4.
Calcule as probabilidades:
1. Calcule a probabilidade de jogar uma moeda e retirar cara ou coroa.
2. Calcule a probabilidade de tirar um 4 ou um 6 ao lancar um dado.
3. Calcule da probabilidade de jogar uma moeda, retirar cara e depois lancar
um dado e retirar o valor 4.
Teorema da Multiplica
cao e depend
encia e independ
encia
Responda se os eventos sao dependentes ou nao:
1. Uma urna com 2 bolas brancas, 3 verdes e 1 vermelha retirar uma bola
verde dado que foi retirada uma bola branca, sem reposicao.
2. Uma urna com 2 bolas brancas, 3 verdes e 1 vermelha retirar uma bola
verde dado que foi retirada uma bola branca, com reposicao.
3. Jogar uma moeda, retirar cara e depois lancar um dado e retirar o valor
4.
Calcule as probabilidades:
1. Uma urna com 2 bolas brancas, 3 verdes e 1 vermelha retirar uma bola
verde dado que foi retirada uma bola branca, sem reposicao.
39
2. Uma urna com 2 bolas brancas, 3 verdes e 1 vermelha retirar uma bola
verde dado que foi retirada uma bola branca, com reposicao.
3. Jogar uma moeda, retirar cara e depois lancar um dado e retirar o valor
4.
Casos Mistos
Calcule as probabilidades
Retirar uma bola vermelha, dado que foi retirada uma verde (sem
reposic
ao)
Retirar uma bola verde, dado que foi retirada uma vermelha (sem
reposic
ao)
A ordem nos dois topicos acima alterou o resultado?
Retirar uma bola vermelha, dado que foi retirada uma verde (com
reposic
ao)
Retirar uma bola verde, dado que foi retirada uma vermelha (com
reposic
ao)
A ordem nos dois topicos acima alterou o resultado?
Problemas Aplicados
1. O administrador entrevistou 50 funcionarios. Destes 12 nao querem fazer
hora extra, 34 nao se importam de fazer hora extra e 4 nao responderam:
Probabilidade II
Teoria
Qual a nalidade do uso das distribuicoes abaixo:
1. Birnouli
2. Binomial
3. Hipergeometrica
4. Poisson
41
Distribuic
ao Formula Media E(X) Variancia VAR(X)
Birnouli
Binomial
Hipergeometrica
Poisson
Tabela 5: Resumo
1. A distribuic
ao birnouli e a mais (simples/diccil) de todas as distribuicoes
2. A distribuic
ao Binomial, tem este nome devido `a expansao (............)
4. Poisson e a distribuic
ao mais utilizada no meio insustrial devido a sua
utilizac
ao nos processo de (..........) de qualidade.
Problemas
Distribui
cao birnouli
Calcule a probabilidade:
Distribui
cao binomial
Calcule as probabilidades:
6. P (2 X 4),
Distribui
cao Hipergeom
etrica
Calcule as probabilidades:
1. Um tanque com 27 pescados, sendo que 9 peixes sao mais frescos. Qual a
probabilidade do cliente escolher 8 peixes sendo 2 peixes frescos?
5. P (X = 3); N = 10, n = 4, Xt = 5
6. P (X 4), com N = 6, n = 5, Xt = 1.
7. P (2 X 4), com N = 8, n = 6, Xt = 3.
Distribui
cao Poisson
Calcule as probabilidades:
2. Numa linha de produc ao, 6% das pecas sao defeituosas. As pecas sao
condicionadas em 20 unidade R$10, 00 se em uma caixa houver 3 ou mais
pecas defeituosas. Quanto representa o custo de idenizacaod e cada peca.
Dado: (0, 94)1 0 0, 539
3. Uma rede computacional recebe 0,9798 conexoes por minuto. Qual a pro-
babilidade de 2 conexoes estarem ativas quando o tempo de conexao for
de 30 segundos? Qual a media e a variancia na quantidade das conexoes.
4. Uma caneta a laser usada em cirugia dispara 5.827 pontos por segundo.
Em uma area da pele de 2 cm2 o sistema optico sudivide a mesma area
em 980 quadriculados para nao repetir o disparo na mesma regiao acima
de 6 vezes. A area atingida deve preenchida em 99, 998% da area total.
Como a mao do cirurgiao oscila ao usar a caneta, determine a probabiliade
de atingir a mesma regiao acima de 6 vezes? Sujestao: P (X > 6) =
1 P (X 6).
5. P (X = 3); = 0, 4
6. P (X = 4); = 1, 2, t = 2
7. P (X 3); = 0, 5
8. P (2 X 4); = 0, 25; t = 10