Escolar Documentos
Profissional Documentos
Cultura Documentos
Um experimento é dito aleatório quando o seu resultado não for previsível aleatório. O espaço amostral depende essencialmente do que se queira
no sentido comum antes de sua realização, ou seja, é um experimento observar no experimento aleatório. Por exemplo, podemos jogar duas
cujos resultados estão sujeitos unicamente ao acaso. moedas e observar o número de caras que ocorre ou podemos observar a
distância entre elas na superfície em que caíram.
Os seguintes traços são pertinentes a esta caracterização de experimento
aleatório: EXEMPLOS
- Cada experimento poderá ser repetido indefinidamente sob condições Considere os experimentos aleatórios descritos no item 1.1. Definiremos os
- Embora o resultado preciso que ocorrerá não possa ser dado, um (1) Ω = { 1, 2, 3, 4, 5, 6 }
1
conjunto que descreva todos os resultados possíveis para o experimento (2) Ω = {0, 1, 2, 3, 4 }
2
poderá ser apresentado.
(3) Ω = { t Є R / t ≥ 0 }
3
- Quando o experimento for executado repetidamente, os resultados
(4) Ω = { t Є R / t ≥ 0 }
4
individuais parecerão ocorrer de uma forma acidental. Contudo, quando o
(5) Ω = { 10, 11, 12, ... }
experimento for repetido um grande número de vezes, uma configuração 5
1
OBSERVAÇÃO : Um espaço amostral pode ser : Então:
__
Finito: Quando tem um número finito de elementos. A ∪A =Ω
1.3.1 Tipos de Evento: f) Impossível: É aquele evento que jamais ocorrerá em sucessivas
a) Simples: É qualquer evento formado apenas por uma unidade. repetições de uma experiência aleatória.
Ex: O evento face 4, é um evento simples do espaço amostral do Ex: Lançar um dado e não ocorrer nenhuma face voltada para cima.
c) Complementares: O evento “Ā” é complementar do evento “A”, quando quando o resultado desta experiência for as faces 2 ou 4 ou 6.
2
Ocorrência de pelo menos um entre dois eventos: Ocorre pelo
menos um entre dois eventos, quando o resultado da experiência b) Evento Interseção: A ∩ B
aleatória for um elemento que pertença a um dos dois eventos ou a
O evento A ∩ B ocorre quando ambos os eventos A e B ocorrem.
ambos.
Exemplo: A = {2,3} B ={3,4} A ou B = A ∪ B = A + B = {2,3,4}
Ω
a) Evento União: A U B
3
d) Evento Diferença: A - B 1.3.3 Algumas Propriedades Operatórias
• Associativas:
A U (B U C) = (A U B) U C = (A U C) U B = A U B U C
A ∩ (B ∩ C) = (A ∩ B) ∩ C = (A ∩ C) ∩ B = A ∩ B ∩ C
• Distributivas:
A U ( B ∩ C) = (A U B) ∩ (A U C)
A ∩ (B U C) = (A ∩ B) U (A ∩ C)
EXEMPLO:
• Leis De Morgan:
Sejam A, B e C eventos quaisquer de Ω. Usando as operações de união,
(A U B)’ = A’ ∩ B’
interseção e complementar, podemos descrever alguns eventos tais como:
(A ∩ B)’ = A’ U B’
(1) Ocorrência de A e não ocorrência de B e C:
A ∩ B’ ∩ C’
AUBUC
( A ∩ B’ ∩ C’ ) U ( A’ ∩ B ∩ C’ ) U ( A’ ∩ B’ ∩ C )
A’ ∩ B’ ∩ C’
( A ∩ B ∩ C’ ) U ( A ∩ B’ ∩ C ) U ( A’ ∩ B ∩ C )
4
2. CONCEITO CLÁSSICO DE PROBABILIDADE: 3. CONCEITO EMPÍRICO OU ESTATÍSTICO
Seja ξ um experimento aleatório e Ω um espaço amostral associado a ξ. A probabilidade da ocorrência do evento “A”, é dado pelo limite da
Suponha que Ω seja finito e que todos os resultados de Ω sejam freqüência relativa deste evento, quando o número de repetições tende
de elementos de A, a probabilidade de ocorrência do evento A, P(A) , é o Ex: Ocorrência do evento “cara” no lançamento de uma moeda.
número real definido por:
N° de provas fi fri
1 1 1,000
n( A ) 10 4 0,400
P(A ) = 20 9 0,450
n(Ω ) 30 18 0,600
100 52 0,520
Observação: 150 76 0,507
190 94 0,495
1. Dizemos que o espaço amostral Ω = {Ω1, Ω2, ..., Ωk} é equiprovável
quando qualquer elemento Ωi de Ω tem a mesma chance de ocorrência Quando se realiza uma seqüência de provas sobre um acontecimento, a
quando o experimento é realizado. sua freqüência varia com o nº de provas. À medida, porém, que cresce o nº
2. Note que pela definição clássica a probabilidade de ocorrência de um de provas, as grandes variações vão se tornando mais escassas e as
evento A é um número entre 0 e 1, inclusive. A razão n(A)/n(Ω) deve ser pequenas tornam-se mais freqüentes e a freqüência relativa tende a se
menor ou igual a 1 uma vez que o número total de resultados possíveis estabilizar, podendo ser entendida, para fins práticos, como medida
não pode ser menor do que o número de resultados de um evento. Se experimental da respectiva probabilidade.
Exemplo: 1,5
fri%
0,5
O espaço amostral é Ω = { C, K }, n = 2.
Ω
0
Defina o evento A = { K }, n = 1. 0 50 100 150 200
A
Daí: nº de provas
n(A ) 1
P(A ) = =
n(Ω ) 2
5
4. AXIOMAS De fato:
exclusivos, então:
Então:
6
Exemplo: Exemplo:
Retira-se uma carta de um baralho comum de 52 cartas. Qual a No lançamento de um dado, qual a probabilidade de aparecer a face 2 ou a
probabilidade desta carta ser um rei ou uma carta de ouros? face 5?
Sejam os eventos: A: “rei”, n = 4 P(1) = P(2) = ... = P(6) = 1/6. Os eventos “face 2” e “face 5” são
A
mutuamente exclusivos. Portanto pelo axioma A3:
B: “carta de ouros”, n = 13
B P(2 ou 5) = P( 2 U 5 ) = P( 2 ) + P( 5 ) = 1/6 + 1/6 = 1/3
P(A U B) = P(A) + P(B) - P(A ∩ B) = 4/52 +13/52 -1/52 = 16/52 . Para quaisquer eventos A, B e C:
b) Se dois eventos são mutuamente exclusivos, a probabilidade de P(A U B U C) = P(A)+P(B)+P(C)-P(A ∩ B)-P(A ∩ C)-P(B∩C)+P(A∩B∩C).
ocorrer ao menos um deles é dada pela soma das probabilidades de
cada um ocorrer separadamente.
2º Teorema: Teorema para evento complementar
Note que no teorema 3, se A e B forem mutuamente exclusivos, então
P(Ω ) = P( A ) + P( A )
2º Teorema: Teorema para evento complementar 1 = P(A ) + P(A )
P(A ) = 1 − P(A )
7
Ω Assim, sendo A e B eventos, define-se a probabilidade condicionada do
evento A dado que B ocorreu (ou a probabilidade de A sabendo-se que B
ocorreu) por P(A | B).
OBSERVAÇÃO:
e a probabilidade de A, dado B, é: 1
P(B / A ) = 3 = 2
P( A ∩ B ) 1 3
P( A / B ) = 2
P (B )
8
P (A ) = P (A / B)
4º Teorema: Teorema do Produto para Probabilidade Condicional
É evidente que, se A é independente de B, B é independente de A; assim:
A probabilidade de dois eventos ocorrerem simultaneamente é igual ao
produto da probabilidade de ocorrer um evento pela probabilidade do outro, P (B) = P (B / A )
sob a condição de que o primeiro evento já tenha ocorrido. É o produto em
cruz da probabilidade condicional. Considerando o teorema do produto, então:
P (A ∩ B) = P (A ) ⋅ P (B)
No caso de B dado A:
P(A ∩ B) = P(A) ⋅ P( B / A) Ex: Em uma caixa temos 10 peças, das quais 4 são defeituosas. São
retiradas duas peças, uma após a outra, com reposição. Calcular a
No caso de A dado B:
probabilidade de ambas serem boas.
P(A ∩ B) = P(A) ⋅ P( B / A)
A= {a primeira peça é boa}
B={a segunda peça é boa}
Ex: Em um lote de 12 peças, 4 são defeituosas, 2 peças são retiradas uma
após a outra sem reposição. Qual a probabilidade de que ambas sejam
Notem: A e B são independentes, pois P(B)=P(B/A). Logo:
boas?
P( A ∩ B) = P( A ) ⋅ P(B) = 6 / 10 ⋅ 6 / 10 = 0,36
A= {a primeira peça é boa }
B = {a segunda peça é boa}
8 7 14 eventos.
P( A ∩ B ) = ⋅ =
12 11 33
6º Teorema: Teorema de BAYES ou das Partições.
9
das probabilidades condicionais (isto é, probabilidades de cada resultado
amostral admitindo-se um estado natural específico).
Seja :
A1 , A 2 , A 3 ,......., A n ,
n eventos mutuamente exclusivos tais que:
A1 ∪ A 2 ∪ A 3 ...... ∪ A n = S
Seja :
0,50 ⋅ (0,05)
P(Máquina B / Defeituosa) = = 0,64
0,40 ⋅ (0,03) + 0,50 ⋅ ( 0,05) + 0,10 ⋅ (0,02)
10