Escolar Documentos
Profissional Documentos
Cultura Documentos
1
Ementa
2P 1 + 2P 2 + SEM
em que media = sendo SEM a nota obtida
5
na apresentação de um seminário.
4
Data das provas
P1 08/05/2009
P2 26/06/2009
S 01/07/2009
5
Introdução
1. E experimento;
2. Ω espaço amostral;
3. A ⊂ Ω evento.
6
Experimentos
(
Determinı́sticos
Aleatórios
E2 : Lançamento de um dado.
8
E6 : Número de ovos de determinada lagarta.
9
Espaço amostral
Ω = {cara, coroa}
E2 : Lançamento de um dado.
Ω = {1, 2, 3, 4, 5, 6}
10
E3 : Lançamento de duas moedas.
Ω = {(e, e), (e, ē), (ē, e), (ē, ē)}, e= enraizar , ē=não enraizar
Ω = {0, 1, 2, 3, 4, . . .}
Ω = {t ∈ R : t ≥ 0}
Ω = {x ∈ R : x ≥ 0}
E10 : Observar o tempo de vida de lâmpadas
Ω = {t ∈ R : t ≥ 0}
Notação: A, B, C, D, . . .
P(Ω) = {∅, {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, {1, 2, 3}}
n n n
(1 + 1)n = 0 + 1 + . . . + n
n
n!
em que p =
(n − p)!p!
Observe que:
1, 2, 3, 4, 5 finito, enumerável
6 infinito, enumerável
15
pois qualquer evento A ⊂ Ω poderá ser escrito como: (a) união
ou intersecção enumerável ou diferença de conjuntos como os
definidos em (1). Por exemplo, Subconjuntos (eventos) de R
1
( i) Ponto: {x} = n x − ,x
T
n
Interpretação clássica
Ω = {1, 2, 3, 4, 5, 6}.
Observe que: para esse experimento todo evento terá uma pro-
babilidade.
Crı́ticas à definição clássica
17
( i) princı́pio da indiferença que faz apelo às propriedades de
simetria ou de homogeneidade da situação experimental.
Se o dado é perfeito porque seriam uma das faces prefe-
ridas em detrimento de outras?
(iii) É bem sabido que não há moedas perfeitas, dados perfei-
tos, gases perfeitos, água pura etc, que perfeição além do
conceito não existe. Consequentemente o conceito clássico é
muitas vezes aplicado em situações idealizadas e não consegue
vencer a dificuldade levantada quando os casos não são igual-
mente possı́veis.
20
Axiomática de Kolmogorov
21
A partir desse momento, optou-se por considerar que a teoria
da probabilidade teria como objeto de estudo certos fenômenos
observáveis, os fenômenos aleatórios.
rm(list=ls(all=TRUE))
library(ts)
f<-function(n){
y<-NULL
for(i in 1:n)y[i]<- sum(rbinom(i,1,0.50))/i
plot.ts(y,col="green")
abline(h=0.50)
}
#n=50
f(50)
#n=10000
f(10000)
22
Resolvido o problema da definição de probabilidades.
23
Álgebras, σ-álgebras e Borelianos
24
Definição de Álgebra
A1. Ω ∈ A.
A2. Se A ∈ A, então AC ∈ A.
25
Seja A uma álgebra de subconjuntos de Ω. Então valem as
seguintes propriedades:
A4. ∅ ∈ A e
26
Consideramos, a seguir, a classe não-vazia de conjuntos, A como
sendo a classe de eventos aleatórios, também chamada de ,
álgebra de eventos para definir a teoria do cálculo de proba-
bilidades.
27
Se Ω for finito então A será a álgebra de todas as partes (ou
conjunto de todos os subconjuntos ) de Ω, i.e., A = P(Ω). No
caso finito geral, se Ω tem n elementos, P(Ω) tem 2n elementos
e será denotado por #P(Ω) = 2n.
P(Ω) = {∅, {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, {1, 2, 3}}
28
Quando Ω é infinito, mesmo que enumerável uma álgebra deixa
de servir para a construção de uma teoria que seja mais forte.
Pois quando Ω é infinito existem acontecimentos interessantes
que se exprimem pela união infinita de outros acontecimentos
ou de acontecimentos elementares. Se o domı́nio da função de
conjunto, P (.), deve conter tais acontecimentos então ao invés
de o representar por uma álgebra deve-se representar por uma σ-
álgebra. Isto é, deve-se exigir que a classe dos eventos aleatórios
também satisfaça:
0
A3 Se An ∈ A para n = 1, 2, 3, . . ., então ∪∞
i=1 Ai ∈ A
29
Definição de σ-álgebra
A1. Ω ∈ A.
A2. Se A ∈ A, então AC ∈ A.
0
A3 Se An ∈ A para n = 1, 2, 3, . . ., então ∪∞
i=1 Ai ∈ A
30
Uma σ-álgebra é fechada para um número enumerável de apli-
cações das operações: ∪, ∩, e C .
32
Quando Ω é não-enumerável justifica-se, portanto, tomar para
classe dos acontecimentos (conjuntos probabilizáveis) uma σ-
álgebra que sendo mais restrita do que a classe P(Ω) torne pra-
ticável a instituição de uma medida de probabilidade. Mas que
σ-álgebra?
33
Os acontecimentos mais comuns definidos na reta (R) são os in-
tervalos, ao introduzir a σ-álgebra dos conjuntos probabilizáveis
é absolutamente natural pedir que a mesma contenha os interva-
los. Seja, por agora, I, a classe dos intervalos abertos à esquerda
e fechados à direita, os chamados borelianos da reta.
35
Axioma 1. P (A) ≥ 0.
Axioma 2. P (Ω) = 1.
0
Axioma 3 (σ-aditividade) Se A1, A2, . . . ∈ A são disjuntos (i.e., mutua-
36
mente exclusivos), então
∞
P (∪∞
X
k=1 Ak ) = P (Ak )
k=1
0
O axioma 3 implica o Axioma 3, i.e., se P é σ-aditiva, então é
finitamente aditiva. Prove!
Espaço de probabilidades
37
Dado um espaço amostral Ω e uma σ-álgebra (σ de Borel), A,
a função de probabilidade é uma função P com domı́nio A que
satisfaz:
2. P (Ω) = 1
38
As três propriedades apresentadas na definição são usualmente
referidas como Axiomas de Probabilidade (ou axiomas de Kol-
mogorov). Qualquer função que satisfaça os axiomas de Pro-
babilidade é chamada função de probabilidade. O axioma não
menciona qual é a função particular P, ele meramente requer que
P satisfaça os axiomas. Para qualquer espaço amostral muitas
e diferentes funções P podem ser definidas.
39
Lista de Exercı́cios 01
40
(c) Seja C uma classe de subconjuntos de Ω. Mostre que
existe pelo menos uma σ-álgebra que contém C. (Su-
gestão Qual a “maior”classe de subconjuntos de Ω?)
(d) Visando a plena utilização dos itens (b) e (c), como você
definiria “a menor σ-álgebra contendo C”, onde C é uma
classe de subconjuntos de Ω?
41
Seminário I: Procurar referências:
42