Aula2 Revisao Probabilidade

Experimento Aleatorio
Axiomas de Probabildade
Conceito de uma Variavel Aleatoria
Processos Estocasticos
Revisao de Probabilidades
Bruno Barbosa Albert
Universidade Federal de Campina Grande

Centro de Engenharia Eletrica e Informatica
Departamento de Engenharia Eletrica
4 de novembro de 2016
Bruno Barbosa Albert Processos Estocasticos

Titas, Epitafio
O acaso vai me proteger
Enquanto eu andar distrado.
Bertrand Russel (1872-1970)

A experiencia nao permite nunca atingir a certeza absoluta. Nao
devemos procurar obter mais que uma probabilidade.

Ultima Aula
Apresentacao do Curso
Motivacao

Objetivos de Aprendizagem
Estabelecer a notacao.
Rever os conceitos fundamentais da teoria de probabilidades
Espaco Amostral
Eventos
Axiomas de Probabilidade
Probabilidade Condicional
Variaveis Aleatorias
Funcao de Distribuicao Cumulativa
Funcao de Massa de Probabilidade
Funcao Densidade de Probabilidade
Esperanca, Variancia e Momentos
Distribuicoes Condicionais

Definicao
Um experimento e dito aleatorio se a sua sada nao pode ser
especificada univocamente a partir do conhecimento da entrada.
Pontos importantes
Eles podem ser repetidos varias vezes.
Nos nao somos capazes de predizer a sada exata.

Espaco Amostral
Definicao
O conjunto S de todas os resultados possveis de um experimento
aleatorio e chamado de espaco amostral do experimento aleatorio.
Exemplo: Arremesso de uma moeda
S = {cara,coroa}
Espaco amostral discreto
Exemplo: Tempo de vida de um transistor
S = { : 0 }
Espaco amostral contnuo

Eventos
Definicao 1
Qualquer subconjunto do espaco amostral S e chamado de um
evento.
Conjunto Q
Chamamos de Q a colecao de todos os subconjuntos de S
Definicao 2
Um evento A e um elemento de Q.

Eventos
A = cara
Exemplo: Tempo de vida de um transistor
A = > um ano
Quando um experimento e realizado e uma sada e

observada dizemos que o evento A ocorreu se A.

Axiomas de Probabilidade
Definicao
A atribuicao de probabilidade e uma funcao de Q em <, tal que os
tres axiomas abaixo sao satisfeitos.
Axioma 1: P[A] 0 A Q
Axioma 2: P[S] = 1
Axioma 3: A, B Q e A B = entao P[A B] = P[A] + P[B]

Modelo Probabilstico
Definicao
O modelo probabilstico de um experimento aleatorio E e
especificado pela tripla (S, Q, P).

Definicao
A probabilidade condicional de um evento A dado que um evento
B ocorreu e definida como
P[A B]
P[A|B] = , P[B] > 0. (1)
P[B]

Exemplo: Retirar bolas de uma urna
Uma urna contem 2 bolas brancas e 2 bolas pretas. Uma bola e
selecionada aleatoriamente da urna sem que seja reposta. Defina o
evento A como uma bola branca foi selecionada e o evento B
como uma bola preta foi selecionada. Ache P[A|B].
Solucao:
Temos que inicialmente a probabilidade de selecionarmos a bola
branca e P[A] = 2/4 = 1/2 e a probabilidade de selecionarmos
uma bola branca dado que uma bola preta foi selecionada e
P[A|B] = 2/3.
Observe que se houvesse reposicao o evento A nao dependeria do

evento B.
Eventos Independentes
Definicao
Dois eventos A e B sao independentes se
P[A B] = P[A]P[B] (2)
e portanto
P[A B] P[A]P[B]
P[A|B] = = = P[A], P[B] > 0. (3)
P[B] P[B]

Variavel Aleatoria
Considere um experimento aleatorio com espaco amostral S.

Definicao
Uma variavel aleatoria (v.a.) X () e uma funcao real que atribui
um numero real, chamado de valor de X (), para cada ponto
S.

Variavel Aleatoria
S
X()
Figura: Uma v.a. X () atribui um numero real x a cada S.
X (cara) = 1 e X (coroa) = 1
.
Variavel Aleatoria
Eventos definidos por uma v.a.

Se X for uma v.a. e x um numero real fixo, definimos o evento
[X = x], por exemplo, como
[X = x] = { : X () = x} (4)
ou o evento [X x] como
[X x] = { : X () x} (5)
Esses eventos tem probabilidades denotadas por
P[X = x] = P{ : X () = x} e P[X x] = P{ : X () x} (6)

Variavel Aleatoria
Exemplo: Arremessar uma moeda 3 vezes

O espaco amostral S consiste de 8 elementos, denote k como cara
e c como coroa
S = {kkk, kkc, kck, kcc, ckk, ckc, cck, ccc}. (7)
Se X for uma v.a. que fornece o numero de caras, ache P[X < 2].
Solucao:
Seja A S o evento definido por X < 2. Entao
A = [X < 2] = { : X () < 2} = {kcc, ckc, cck, ccc} (8)

P[A] = P[X < 2] = 4/8 = 1/2 (9)

Definicao
A funcao de distribuicao cumulativa (fdc) de uma v.a. X e a
funcao definida por
FX (x) = P[X x] < x < . (10)
Exemplo: Considere o exemplo anterior, sua fdc

x [X x] FX (x)
x <0 0
0x <1 {ccc} 1/8
1x <2 {ccc, cck, ckc, kcc} 1/2
2x <3 {ccc, cck, ckc, kcc, ckk, kck, kkc} 7/8
x 3 S 1

FX (x)
1
7/8
1/2
1/8
0 1 2 3 4 ... x
Figura: FDC da v.a. X que representa o numero de caras em 3

arremessos de uma moeda nao viciada.
Determinacao de probabilidades a partir da fdc:
P[a < X b] = FX (b) FX (a); (11)

P[X > a] = 1 FX (a); (12)

P[X < a] = FX (a ), a = lim a , > 0. (13)
0

Se FX (x) muda de valor apenas em saltos (contaveis), ou

seja, FX (x) e uma escadinha, entao X e uma v.a. discreta.
Suponha que os saltos de FX (x) ocorrem nos pontos
x1 , x2 , . . . e que essa sequencia pode ser finita ou infinita
contavel e suponha tambem que xi < xj se i < j. Entao
FX (xi ) FX (xi1 ) = P[X xi ] P[X xi1 ] = P[X = xi ].

(14)
Definicao
A funcao pX (x) = P[X = x] e chamada de funcao de massa de
probabilidade (fmp) da v.a. discreta X .

Algumas propriedades
A fdc FX (x) e obtida da fmp por
X
FX (x) = P[X x] = pX (xk ), (15)
xk x
e X
pX (xk ) = 1. (16)
xk

Definicao
Se FX (x) for contnua e sua derivada dFX (x)/dx for definida em
qualquer lugar ou exceto em um numero finito de pontos, entao X
e uma v.a. contnua.
Definicao
A funcao fX (x) = dFX (x)/dx e chamada de funcao densidade de
probabilidade (fdp) da v.a. cotnua X .

Propriedades
Se X for contnua entao P[X = x] = 0. Observe que esse e
um evento com probabilidade zero e que nao e um evento .
A fdc FX (x) e obtida da fdp por
Z x
Fx (x) = fX (u) du = P[X x]. (17)

e Z
fX (x) dx = 1. (18)


Esperanca ou Media ou Valor Esperado
Definicao
A esperanca de uma v.a. X e
para X contnua
Z
X = mX = E X , xfX (x) dx (19)

para X discreta
X
X = mX = E X , xk pX (xk ) (20)
k

Variancia
Definicao
A variancia de uma v.a. X e
X2 = var(X ) = E[X E X ]2 = E[X 2 ] [E X ]2
para X contnua
Z
var(X ) , (x E X )2 fX (x) dx (21)

para X discreta
X
var(X ) , (xk E X )2 pX (xk ) (22)
k

Momentos
Definicao
O momento de ordem n de um v.a. X e definido como
para X contnua
Z
EXn , x n fX (x) dx (23)

para X discreta X
EXn , xkn pX (xk ) (24)
k

Algumas Distribuicoes Especiais
Discretas
Bernoulli
Binomial
Poisson
Contnuas
Uniforme
Exponencial
Normal ou Gaussiana

Definicao
A fdc condicinal da v.a X dado a ocorrencia do evento B
P{[X x] B}
FX |B (x) = FX (x|B) = P[X x|B] = , P[B] > 0.
P[B]
(25)

Definicao
A fmp condicional da v.a discreta X dado a ocorrencia do evento B
P{[X = x] B}
pX |B (x) = pX (x|B) = P[X = x|B] = , P[B] > 0.
P[B]
(26)
Definicao
A fdp condicinal da v.a contnua X dado a ocorrencia do evento B
dFX |B (x)
fX |B (x) = fX (x|B) = . (27)
dx

Aula2 Revisao Probabilidade

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula2 Revisao Probabilidade

Enviado por

Direitos autorais:

Formatos disponíveis

Experimento Aleatorio

Bruno Barbosa Albert

Universidade Federal de Campina Grande

Bruno Barbosa Albert Processos Estocasticos

Bertrand Russel (1872-1970)

Bruno Barbosa Albert Processos Estocasticos

Bruno Barbosa Albert Processos Estocasticos

Bruno Barbosa Albert Processos Estocasticos

Bruno Barbosa Albert Processos Estocasticos

Exemplo: Arremesso de uma moeda

Exemplo: Tempo de vida de um transistor

Bruno Barbosa Albert Processos Estocasticos

Bruno Barbosa Albert Processos Estocasticos

Exemplo: Arremesso de uma moeda

Exemplo: Tempo de vida de um transistor

Quando um experimento e realizado e uma sada e

Bruno Barbosa Albert Processos Estocasticos

Bruno Barbosa Albert Processos Estocasticos

Bruno Barbosa Albert Processos Estocasticos

Bruno Barbosa Albert Processos Estocasticos

Observe que se houvesse reposicao o evento A nao dependeria do

P[A B] = P[A]P[B] (2)

Bruno Barbosa Albert Processos Estocasticos

Considere um experimento aleatorio com espaco amostral S.

Bruno Barbosa Albert Processos Estocasticos

Figura: Uma v.a. X () atribui um numero real x a cada S.

Exemplo: Arremesso de uma moeda

Eventos definidos por uma v.a.

Esses eventos tem probabilidades denotadas por

P[X = x] = P{ : X () = x} e P[X x] = P{ : X () x} (6)

Bruno Barbosa Albert Processos Estocasticos

Exemplo: Arremessar uma moeda 3 vezes

S = {kkk, kkc, kck, kcc, ckk, ckc, cck, ccc}. (7)

A = [X < 2] = { : X () < 2} = {kcc, ckc, cck, ccc} (8)

Bruno Barbosa Albert Processos Estocasticos

Funcao de Distribuicao Cumulativa

FX (x) = P[X x] < x < . (10)

Exemplo: Considere o exemplo anterior, sua fdc

Bruno Barbosa Albert Processos Estocasticos

Funcao de Distribuicao Cumulativa

Figura: FDC da v.a. X que representa o numero de caras em 3

Funcao de Distribuicao Cumulativa

Determinacao de probabilidades a partir da fdc:

P[a < X b] = FX (b) FX (a); (11)

Bruno Barbosa Albert Processos Estocasticos

Funcao de Massa de Probabilidade

Se FX (x) muda de valor apenas em saltos (contaveis), ou

FX (xi ) FX (xi1 ) = P[X xi ] P[X xi1 ] = P[X = xi ].

Bruno Barbosa Albert Processos Estocasticos

Funcao de Massa de Probabilidade

Bruno Barbosa Albert Processos Estocasticos

Funcao Densidade de Probabilidade

Bruno Barbosa Albert Processos Estocasticos

Funcao Densidade de Probabilidade

Bruno Barbosa Albert Processos Estocasticos

Esperanca ou Media ou Valor Esperado

Bruno Barbosa Albert Processos Estocasticos

Bruno Barbosa Albert Processos Estocasticos

Bruno Barbosa Albert Processos Estocasticos

Algumas Distribuicoes Especiais

Bruno Barbosa Albert Processos Estocasticos

Bruno Barbosa Albert Processos Estocasticos

Bruno Barbosa Albert Processos Estocasticos