Escolar Documentos
Profissional Documentos
Cultura Documentos
Probabilísticos
Conceitos básicos, variáveis aleatórias
1
Incerteza e Probabilidade
Tomar decisões:
Curso mais provável de ação:
Se desejamos passear de barco e não sabemos nadar, devemos
usar um salva-vidas.
Se não confiamos na continuidade do fornecimento de energia
elétrica, devemos ter lanternas (e pilhas) ou velas (e fósforos)
em casa.
Incerteza:
Por mais medo que se tenha, ou por mais revolto que esteja o
mar, pode não acontecer nada no seu passeio de barco.
Por pior que seja a concessionária de energia elétrica pode não
faltar energia...
2
Incerteza e Probabilidade
Como QUANTIFICAR a incerteza?
Mas
apenas para fenômenos (experimentos)
ALEATÓRIOS.
3
Experimentos aleatórios
Experimentos aleatórios são aqueles nos quais:
ANTES do experimento ocorrer não se pode definir qual será
o seu resultado.
Quando é realizado um grande número de vezes, ele
apresenta uma regularidade, que possibilita construir um
modelo para prever seus resultados.
Exemplos
Consumo de energia elétrica em uma cidade em um dia.
Resultados de jogos que envolvam sorteio (não viciados).
Número de pessoas que chegarão em um banco nas próximas
2 horas.
4
Modelos probabilísticos
Definição do
experimento
Definição dos
resultados possíveis do Espaço Amostral
experimento
5
Espaço amostral
, S: TODOS os resultados possíveis.
Discreto:
Finito : {possíveis resultados de sorteio}
Infinito numerável : {0, 1, 2, ...}
Contínuo:
Infinito : {Energia/Potência ≥ 0 (MWh
ou MW)}
6
Evento
7
Operações entre eventos
(a) União: (b) interseção: (c) complementar:
AB AB
A
A A A
B B
8
Eventos mutuamente exclusivos
A
B
Probabilidade de eventos
Espaços amostrais discretos equiprováveis
nA
Definição clássica: P ( A)
n
• sendo:
– n resultados igualmente prováveis,
– nA destes resultados pertencem a um certo evento A
10
Probabilidade de eventos
P( A)
P( )i
i: i A
11
Probabilidade de eventos
nA
f ( A) Frequência relativa
n
nA
P(A) lim n f (A) lim n
n
Axiomas da Probabilidade
Seja um experimento aleatório com um espaço
amostral associado a ele, e seja Ei (i= 1, 2, ...n)
um evento genérico.
A probabilidade de ocorrência de Ei será um
número real tal que:
0 ≤ P(Ei) ≤ 1
P() = 1
Se E1, E2, ..., En são eventos mutuamente
exclusivos, então P(E1 E2 ... En) = P(Ei)
13
Propriedades
P() =0
P() =1
P( A B) P( A) P( B) P( A B)
A
B
A B
15
“Novo” espaço amostral
Tipo do leite
50
P( F | U )
50
0,032 P( F | U )
50
6850 P( F U )
1550 1550 1550 P(U )
6850
Probabilidade condicional
Qual é a probabilidade
de selecionar um pedaço com
calabresa supondo que
houvesse champignon nele?
P(Champignon Calabresa) 2 / 8 2
P(Champignon | Calabresa)
P(Calabresa) 4/8 4
P(Champignon Calabresa) 2 / 8 2
P(Calabresa | Champignon) 19
P(Champignon) 4/8 4
Regra do produto
P( A B)
P( A | B)
P( B)
P( A B) P( B) P( A | B)
ou
P( A B)
P( B | A)
P( A)
P ( A B ) P ( A) P ( B | A)
20
Eventos independentes
Dois ou mais eventos são independentes quando a
ocorrência de um dos eventos não influencia a
probabilidade da ocorrência dos outros. Nesse caso:
P( A | B) P( A)
A e B são independentes
Fornecedor:
(1) (2) (3) (4)
Grupo de peças
extraídas para a
Peças não conformes formação do lote
22
Teorema da probabilidade total
E1 E4 E5 E6
Eventos Ei
E3 F M.E.
E2 E7
F ∩ E4 F ∩ E5 F ∩ E7
F ∩ E3
F ( F E1 ) ( F E2 ) ... ( F Ek )
P( F ) P[( F E1 ) ( F E2 ) ... ( F Ek )]
P( F E1 ) P( F E2 ) ... P( F Ek )
k
P( F ) P( E i ) P( F | E i )
i 1
23
Teorema de Bayes
E1 E4 E5 E6
E3 F
E2 E7
F ∩ E4 F ∩ E5 F ∩ E7
F ∩ E3
P( Ei F )
P( Ei | F )
P( F )
P( Ei ) P( F | Ei )
P( Ei | F )
P( F )
24
Variável aleatória
x
0 1 2 25
Exemplos de variáveis
aleatórias
Vida útil (em horas) de um televisor.
Número de peças com defeito em um lote produzido.
Número de acidentes registrados durante um mês na
BR.101.
Na internet, o tempo (em segundos) para que uma
determinada mensagem chega ao seu destino.
Se uma mensagem chega (X = 1), ou não (X = 0), ao seu
destino
26
Variáveis aleatórias
variável aleatória
discreta contínua
0 1 2 3 4 ... 0
número de defeitos em ... tempo de resposta de ...
27
Variável aleatória discreta
Pares xi
e P(X = xi).
Cada P(X = xi) 0, Σ P(X = xi) = 1,0
28
Variável aleatória discreta
Valor esperado
n
E ( X ) xi P( X xi )
i 1
Variância
V ( X ) E( X )
2 2
n
onde E ( X ) xi P( X xi )
2 2
i 1
29
Variável aleatória contínua
Função densidade de probabilidade f(x):
f ( x) 0, x e f ( x)d ( x) 1
f(x)
Se A = [a, b], então
b
P( A) f ( x)d ( x)
a
a b x
x
F ( x) P( X x) f ( s)ds, x
30
Variável aleatória contínua
Valor esperado
E ( X ) x f ( x)dx
Variância
V ( X ) E( X )
2 2
onde E ( X ) x f ( x)dx
2 2
31
Propriedades do valor esperado e variância
a)E(c) = c a)V(c) = 0
b)E(X + c) = E(X) + c b)V(X + c) = V(X)
c) E(cX) = cE(X) c) V(cX) = c2V(X)
d)E(X + Y) = E(X) + E(Y) d)DP(cX) = |c|DP(X)
e) E(X – Y) = E(X) – E(Y)
Se X e Y INDEPENDENTES:
V(X + Y) = V(X) + V(Y)
V(X – Y) = V(X) + V(Y)
32