Escolar Documentos
Profissional Documentos
Cultura Documentos
2 Probabilidade
Axioma 2: P S = 1.
O axioma 2 determina que, com probabilidade igual a 1, o resultado será um
ponto no espaço amostral S.
Proposição 2:
P E∪F = P E +P F −P E∩F .
= P E + P Ec ∩ F
P F = P E ∩ F + P Ec ∩ F
E F
I II III
• mostrando que
P E ∪ F = P E + P F − P II .
• logo, uma variável aleatória é uma função que aloca um ponto do espaço
amostral a cada resultado de um experimento aleatório. Dito de outro modo,
uma variável aleatória é uma função associada a um experimento, sendo que a
realização do experimento leva esta variável a assumir um valor dependente
do acaso, mas pertencente ao respectivo espaço amostral.
• cada vez que um experimento é realizado, o resultado obtido indica a
ocorrência ou não de um determinado evento (subconjunto do espaço
amostral).
• Formalização do conceito: Uma variável aleatória ξ é uma função com as
seguintes propriedades:
ξ assume valores no espaço amostral S de um experimento;
para todo evento E ⊂ S, a probabilidade de que ξ assuma um valor x ∈ E
após a realização do experimento, dada por P〈x ∈ E〉 = P〈E〉, é bem
definida (embora possa ser desconhecida).
• neste ponto do texto, o mais importante é dividir estes poucos tipos em duas
classes:
1. distribuições discretas: ocorrem em experimentos que requerem
contagem. Exemplos: pessoas com menos de 30 anos, mortes por câncer,
produtos com defeito.
2. distribuições contínuas: ocorrem em experimentos que requerem
medidas. Exemplos: tensão elétrica, pressão sangüínea, vazão de rio.
• para cada uma das duas classes, a respectiva função distribuição de
probabilidade Fξ (⋅) terá sempre associada a si:
fξ(z )
1
6
1 2 3 4 5 6 z
F ξ(z)
1
1
2
1 2 3 4 5 6 z
P x q < ξ ≤ x r = Fξ ( x r ) − Fξ ( x q ) .
z z
n
n
f ξ ( z) = ∑ k p k q n − k δ( z − k )
k =0
• Exemplos: sabendo que a probabilidade de um evento A ocorrer em um dado
experimento é p, a probabilidade deste evento A ocorrer k vezes em n ≥ k
experimentos (sob as mesmas condições) é dada por:
n
P A ocorrer k vezes = p k (1 − p ) −
n k
k
e a probabilidade deste evento A ocorrer até k vezes em n ≥ k experimentos
(sob as mesmas condições) é dada por:
k
n
P A ocorrer até k vezes = ∑ r p r (1 − p ) −
n r
r =0
3.5 Momentos
4 Medidas amostrais
N
1
• média amostral (N amostras): x =
N
∑ xk
k =1
1 N
• variância amostral: σ 2 = ∑ (x k − x )2
N − 1 k =1
1 N
• desvio padrão amostral: σ = ∑ (xk − x )2
N − 1 k =1
∑ (xik − xi )(x jk − x j )
1 N
• covariância amostral: σ ij =
N − 1 k =1
σ ij
• coeficiente de correlação amostral: rij =
σi σ j
9 Geradores lineares
• são geralmente os modelos fornecidos pelos sistemas computacionais
• geração de uma seqüência I1, I2, I3, ... de inteiros entre 0 e m−1 pela relação de
recorrência
I j +1 = ( aI j + c ) mod m, j=1,2,...
10 Geradores portáveis
onde fix fornece a parte inteira da razão . Para um inteiro z tal que
m m
a a
0 < z < m−1, pode ser mostrado que, tomando r < q, tanto a ⋅ ( z mod q) quanto
z
r ⋅ fix assumem valores inteiros no conjunto {0,..., m − 1}, e que
q
z
a(z mod q) − r ⋅ fix q se ≥ 0
az mod m =
a(z mod q) − r ⋅ fix z + m se < 0
q
m a q r
231−1 16807 127773 2836
231−1 48271 44488 3399
231−1 69621 30845 23902
11 Outros geradores
I j +1 = ( a0 I j + a1 I j −1 ++ ak I j − k + c j ) mod m
a I + a1 I j −1 ++ ak I j − k + c j
c j +1 = fix 0 j
m
14 Referências
BÄCK, T., FOGEL, D.B. & MICHALEWICZ, Z. (eds.) “Evolutionary Computation 2: Advanced Algorithms
and Operators, Chapter 24: Efficient implementation of algorithms”, Institute of Physics Publishing,
2000.
CANTÚ-PAZ, E. “On Random Numbers and the Performance of Genetic Algorithms”, Proceedings of the
Genetic and Evolutionary Computation Conference (GECCO’02), vol. 1, pp. 311-318, Morgan
Kaufmann Publishers, 2002.
DAIDA, J.M., AMPY, D.S., RATANASAVETAVADHANA, M., LI, H. & CHAUDHRI, O.A. “Challenges with
verification, repeatability, and meaningful comparison in genetic programming: Gibson’s magic” in
Banzhaf, W., Daida, J., Eiben, A.E., Garzon, M.H., Honavar, V., Jakiela, M. & Smith, R.E. (eds.)
Proceedings of the Genetic and Evolutionary Computation Conference (GECCO’99), vol. 2, pp.
1851-1858, Morgan Kaufmann Publishers, 1999.
DOS REIS, S.F. “Introdução ao Estudo de Probabilidade”, Notas de Aula do Curso de Genética
Populacional Teórica, IB/Unicamp, 2001.
EVANS, D.H. “Probability and Its Applications for Engineers”, ASQC Quality Press, 1992.
FORSYTHE, G.E., MALCOLM, M.A. & MOLER, C.B. “Computer Methods for Mathematical
Computations”, Prentice-Hall, 1977.
KNUTH, D.E. “The Art of Computer Programming: Seminumerical Algorithms”, Addison-Wesley, Vol.
2, 2nd edition, 1981.
KREYSZIG, E. “Advanced Engineering Mathematics”, 7th edition, John Wiley & Sons, 1993.
L’ECUYER, P. “Testing random number generators”, Proceedings of the 1992 Winter Simulation
Conference, IEEE Press, pp. 305-313, 1992.
L’ECUYER, P. “Uniform random number generation”, Annals of Operations Research, vol. 53, pp. 77-
120, 1994.
L’ECUYER, P. “Combined multiple recursive generators”, Operations Research, vol. 44, no. 5, pp. 816-
822, 1996.
MARDIA, K.V., KENT, J.T. & BIBBY, J.M. “Multivariate Analysis”, Academic Press, 1979.
MEYSENBURG, M.M. “The effect of pseudo-random number generator quality on the performance of a
simple genetic algorithm”, Master’s Thesis, University of Idaho, 1997.
MEYSENBURG, M.M. & FOSTER, J.A. “Random generator quality and GP performance”, in Banzhaf, W.,
Daida, J., Eiben, A.E., Garzon, M.H., Honavar, V., Jakiela, M. & Smith, R.E. (eds.) Proceedings of
the Genetic and Evolutionary Computation Conference (GECCO’99), vol. 2, pp. 1121-1126,
Morgan Kaufmann Publishers, 1999a.
MEYSENBURG, M.M. & FOSTER, J.A. “Randomness and GA performance revisited”, in Banzhaf, W.,
Daida, J., Eiben, A.E., Garzon, M.H., Honavar, V., Jakiela, M. & Smith, R.E. (eds.) Proceedings of
the Genetic and Evolutionary Computation Conference (GECCO’99), vol. 1, pp. 425-432, Morgan
Kaufmann Publishers, 1999b.
MEYSENBURG, M.M., HOELTING, D., MCELVAIN, D. & FOSTER, J.A. “How Random Generator Quality
Impacts Genetic Algorithm Performance”, Proceedings of the Genetic and Evolutionary
Computation Conference (GECCO’02), vol. 1, pp. 480-483, Morgan Kaufmann Publishers, 2002.
MONTGOMERY, D.C. & RUNGER, G.C. “Applied Statistics and Probability for Engineers”, John Wiley &
Sons, 1994.
MOOD, A.M. & GRAYBILL, F.A. “Introduction to the Theory of Statistics”, McGraw-Hill Book
Company, 1963.
PAPOULIS, A. “Probability, Random Variables, and Stochastic Processes”, Third Edition, McGraw-Hill,
1991.
PRESS, W.H., TEUKOLSKY, S.A., VETTERLING, W.T. & FLANNERY, B.P. “Numerical Recipes in C - The
Art of Scientific Computing”, Cambridge University Press, 2nd edition, 1992.
STEWART, I. “Does God Play Dice? The New Mathematics of Chaos”, London: Basil Blackwell, 1989.
WALPOLE, R.E. & MYERS, R.H. “Probability and Statistics for Engineers and Scientists”, Fifth Edition,
Macmillan Publishing Company, 1993.