Sumário
• Probabilidade
Processos Estocásticos
Luiz Affonso Guedes
Probabilidade
• Definições de probabilidade
• Freqüência relativa
• Axiomas da probabilidade
• Métodos de Contagem
• Probabilidade Condicional
• Teorema de bayes
• Variáveis Aleatórias
• Funções de Uma Variável Aleatória
• Funções de Várias Variáveis Aleatórias
• Momentos e Estatística Condicional
• Teorema do Limite Central
• Processos Estocásticos
• Análise Espectral
• Filtragem e Predição Estocástica
• Processos Markovianos
Introdução
• Fenômenos Determinísticos
– Conhecidos com certeza
– Não sujeitos às leis do acaso
• Ex.: o ano atual, idade de uma pessoa jovem
• Fenômenos Probabilísticos
– Não conhecidos com certeza
– Sujeitos às leis do acaso
• Ex.: face de um dado, se vai chover amanhã, se o
Remo vai ser campeão
1
 Introdução
Espaço Amostral
• Experimentos que ao serem repetidos nas
mesmas condições não produzem o mesmo • Definiremos Espaço Amostral (S) associado
resultado são denominados de experimentos a um experimento o conjunto de seus
aleatórios. resultados possíveis.
• Mas por quê isto ocorre? – Conjunto de todos os resultados possíveis de
ocorrer.
Entradas/causas – Pode ser discreto (finito ou infinito) ou
observadas Saídas/efeitos contínuo.
Experimento
observados

Entradas/causas
observadas

Exemplos de Espaço Amostral Exemplos de Espaço Amostral

• Exemplo1: Experimento de lançamento de
um dado.
– O espaço amostral do experimento é o conjunto
S = {1,2,3,4,5,6}.
• Exemplo2: Experimento de lançamento de
dois dados simultaneamente.
– O espaço amostral do experimento é o conjunto
S(primeira face, segunda face) = {????}
• Exemplo3: Experimento de obtenção do tempo de
vida de uma lâmpada.
– O espaço amostral do experimento é o conjunto S = {x:
x real, x>0}.
• Processo estocástico é uma seqüência de
experimentos, no qual cada um tem um número
finito de resultados, com uma dada atribuição de
probabilidade

2
 Exemplos de Processos
Eventos
Estocásticos
• Processo estocástico do exemplo1. • São qualquer subconjunto de um Espaço
• Processo estocástico do exemplo3. Amostral.
• Os eventos podem ser simples ou
• Como um fabricante deve calcular o tempo compostos
de garantia de um produto seu. Uma TV, • S Æ evento certo
por exemplo? • Ø Æ evento vazio (impossível)

Operações entre Eventos

Exemplos de Eventos
• Exemplo1:
– Dar um número par
– Dar um número maior que 4
– Dar um número entre 1 e 6
• Exemplo2:
– A soma dos resultados seja igual a 4
– Que a soma dos resultados seja par
• União: A U B Æ Se ocorrer pelo menos um
dos eventos
• Interseção: A ∩ B Æ Se ocorrer ambos os
eventos
• Complementar: Ac Æ É o evento que
ocorre quando A não ocorrer.
A B

3
 Exemplos de Operações com
Eventos
• Uma urna contém bolas de um a quinze.
Uma bola é retirada da urna e seu número
anotado. Sejam A e B os seguintes eventos:
A: o número da bola retirada é par, B: o
número da bola retirada é múltiplo de 3.
Determine:
– S,A, B, AUB, A ∩ B e Ac
Operações entre Eventos
• Implicação: A ⊂ B, A implica em B.
• Igualdade: A ⊂ B e A ⊃ B Æ A = B.
• Mutuamente exclusivo: A ∩ B = Ø
– Se a união de n eventos mutuamente exclusivos
é o próprio S, dizemos que tais eventos são
mutuamente exclusivos e exaustivos, ou
formam uma partição em S.
– Exemplos em diagrama de Venn

Propriedades das Operações entre

Probabilidade
Eventos
1. (AUB) ∩ C = (A∩ C) U (B∩ C) • Vem da idéia de mensurar eventos
2. (A ∩ B) U C = (A U C) ∩ (B U C) aleatórios.
3. (A U B)c = Ac ∩ Bc • Procedimento de cálculo de propriedades de
4. (A ∩ B)c = Ac U Bc eventos aleatórios
• Número que reflita as chances de ocorrência
A B A B de um evento aleatório.

C C

4
Probabilidade: definição clássica
• Dado um espaço amostral S com N eventos
igualmente possíveis. Se A é um evento em
S composto de m eventos simples, a
probabilidade de ocorrência de um evento A
num experimento é calculada por:
– P(A) = m / N
– É a razão entre os eventos desejáveis dentre o
universo dos possíveis.
Probabilidade: definição
freqüentista
• Repetir um experimento sob as mesmas
circunstâncias.
• A probabilidade de ocorrência de um
evento A seria:
– P(A) = lim M/ N
NÆ∞
– M é o número de ocorrência do evento A
– N é o número total de experimentos.
Probabilidade: definição clássica
• Conseqüências:
1. P(A) = ≥ 0, para todo A ⊂ S;
2. Se A e B são eventos mutuamente
exclusivos, então:
- P(AUB) = P(A) + P(B)
3. P(S) = 1
4. P(AUB) = P(A) + P(B) – P(A∩B)
Probabilidade: definição
subjetiva
• Quando não a possibilidade de se aplicar
os conceitos clássicos e freqüencista de
probabilidade:
– Baseia-se em opinião sobre ocorrência de um
evento.
• Probabilidade do resultado de um jogo.
• Probabilidade de haver aula.
5
 Probabilidade: definição Propriedades da Probabilidade
axiomática 1. P(Ø) = 0
• Supõe as seguintes verdades absolutas: 2. P(S) = 1
– Dado um espaço amostral S e eventos A e B, 3. P(A U B U C) = P(A) + P(B) + P(C), se
tem-se. A, B e C são mutuamente exclusivos.
1. P(A) ≥ 0; 4. P(Ac) = 1 – P(A)
2. P(S) = 1;
5. P(AUB) = P(A) + P(B) – P(A ∩B)
3. Se A e B são mutuamente exclusivos,
P(A+B) = P(A) + P(B)
6. Se A ⊂ B Æ P(A) ≤ P(B)
7. P(AUB) = P(A) + P(AC ∩B)

Princípio Fundamental da
Métodos de Contagem
Contagem
• Para se calcular a probabilidade de um • Se uma tarefa é completada em N etapas
evento é necessário saber sua proporção seqüenciais, com ni possibilidade em cada
dentro do universo dos eventos possíveis etapa. Então, o número total de maneiras de
realizar a tarefa é:
S – Número Total = n1 x n2 x . . . nN
A P(A) = ???
Supondo eventos
equiprováveis
? ? ?

Etapa 1 Etapa 2 Etapa 3

6
 Tipos de Experimentos
• Com reposição ou sem reposição de
amostras
• Elementos das amostras podem ser
ordenados ou não ordenados
Tipos de Experimentos
• Cálculo de experimento sem reposição
ordenado:
– Ordenar n amostras de um conjunto de N
elementos, sem reposição.
Æ (N)n = N (N-1) ... (N-n+1) = N! / (N-n)!
– Escolher 01 goleiro e 01 centroavante entre 8
jogadores.
– Escolher 01 presidente, 01 tesoureiro,
01secretário numa turma de 15 formandos.
Tipos de Experimentos
• Experimento sem reposição ordenado:
– Dada uma turma de N alunos, escolher 01
presidente, 01 tesoureiro e 01 secretário.
• Arranjo
• Experimento sem reposição não ordenado:
– Dada uma turma de N alunos, escolher 03
representantes.
• Combinação
Tipos de Experimentos
• Cálculo de experimento com reposição ordenado:
– Ordenar n amostras de um conjunto de N elementos,
com reposição.
Nn = N N ... N (já que há reposição)
– Escolher 01 goleiro e 01 capitão dentre 11 jogadores.
– Escolher 01 presidente e 01 tesoureiro dentre 15 alunos,
sendo que há a possibilidade de se acumular os cargos.
7
 Tipos de Experimentos
• A probabilidade é o razão entre os eventos
desejados e os possíveis:
– Qual é a probabilidade de se lançar um dado 03
vezes e não ocorrer repetição de números?
– Na maternidade Parto Feliz nasceram 05
crianças numa determinada semana. Qual era a
probabilidade de todas as crianças terem
nascido em dias distintos?
– P(A) = (N)n / Nn
Tipos de Experimentos
• Experimento sem reposição não ordenado:
– Combinação de N elementos n a n.
– Dada uma turma de N alunos, escolher 03
representantes.
• Há menos possibilidades do que no caso ordenado,
certo?
– CN,n = (N)n/ Pn = N!/(n! (N-n)!) (analisar!!!)
Tipos de Experimentos
• Permutação
– Se N = n Æ Pn = n!
– (n)n = n (n-1) ... (n-n+1)
– Quantas palavras de 03 letras não repetidas
posso formar com o seguinte conjunto de
letras?
• L = {A, I, B}
Tipos de Experimentos
• Experimento sem reposição não ordenado:
– CN,n = (N)n/ Pn = N!/(n! (N-n)!)
– 8 times participam de um torneio de futebol.
Cada equipe enfrenta todas as demais apenas
uma vez. Quantos jogos serão realizados?
– E se houver jogos de ida e de volta?
– Escolher 03 pessoas num grupo de 10.
8
 Partição de Conjuntos
Partição de Conjuntos
• Generalização do problema:
• CN,n – Equivale S – Dividir um conjunto S de N elementos em k
dividir S em dois A subconjuntos, sendo que
subconjunto: A e Ac • N = n1+ n2+ ... +nk (ni – número de elemento do i-
ésimo subconjunto)
• A com n elementos • Corresponde a k problemas encadeados de
e Ac com n1 - A possui n elementos
combinações (veja o diagrama de Venn)
elementos, sendo: - S possui N elementos
– CN,n1 C(N-n1),n2 ... Cnk,nk
N = n + n1

Partição de Conjuntos Partição de Conjuntos

• Generalização do problema: • Exemplos:
– Que matematicamente é equivalente a: – O jogo de bridge corresponde a dividir o
• N! / (n1! n2! ... nk!) baralho de 52 entre 04 jogadores. Quantas
• CN,n1 C(N-n1),n2 ... Cnk,nk maneiras há de se dividir o baralho?

• Será que isto é verdade? • Resp. Æ C52,13 C39,13 C26,13 C13,13

– CN,n = N! / (n! (N-n)! ) (lembrete)

9
 Partição de Conjuntos Partição de Conjuntos
• Exemplos: • Processos de Bernoulli
– O jogo de pôquer com 04 jogadores utiliza 32 cartas, – Qual é a probabilidade de ocorrer k vezes um
distribuídas igualmente entre os 04 naipes.
eventos A dentre N tentativas, sendo p a sua
• Baralho = {Naipes X Cartas}
• Naipes = {paus,espada,ouro,copas}
probabilidade do ocorrência?
• Cartas = {7,8,9,10,Valete,Dama,Rei, Ás} • P(A) = p , P(Ac) = 1 – p
• Se um jogador receber na primeira mão 05 cartas, qual é a • P(A) P(A)...P(A) P(Ac)...P(Ac) = pk (1-p)N-k
probabilidade dele receber só um par de ases (evento A)? – Pode-se combinar esse conjunto de eventos de N, k a k
maneiras.
• Resp. Æ P(A) = C4,2C7,3 ( C4,1C4,1C4,1 ) / C32,5 = 0,11 (0,0667) • P{A ocorrer exatamente k vezes} =
CN,k pk (1- p)N-k

ÁS ÁS ÁS ÁS ÁS

Partição de Conjuntos Partição de Conjuntos

• Processos de Bernoulli • Processos de Bernoulli
– P{A ocorrer exatamente k vezes} = CN,k pk (1- p)N-k – P{A ocorrer exatamente k vezes} = CN,k pk (1- p)N-k

– Exemplo: Qual é a probabilidade que em uma
família com 04 filhos, 02 serem meninas?
• Resolução por Bernoulli ou de forma exaustiva.
• Resp. = 3/8
– Exemplo: Um atirador tem três chances de
acertar um alvo. Para ele vencer a competição
deverá acertar pelo menos duas vezes no alvo.
Sabendo-se que ele tem probabilidade de 0,4 de
acerta um tiro, qual é a probabilidade dele
vencer a competição?
• Resp. = 0,352

10
 Probabilidade Condicional
• Sejam dois eventos A e B de um mesmo
• Probabilidade condicional espaço amostral e supondo que P(A) > 0, a
probabilidade condicional de B ocorrer
• Eventos independentes dado que A ocorreu é dada por:
• Teorema de Bayes – P(B/A) = P(A B) / P(A)
• É a probabilidade de ocorrer B (ou seja, A e B)
dentro do subconjunto dos eventos de A.
A B Æ P(B/A) =

Probabilidade Condicional
Probabilidade Condicional
• Dado:
– P(B/A) = P(A B) / P(A) • Exemplo:
– P(B/A) = P(A B) / P(A)
• A probabilidade de ocorrer os eventos A e
B é igual a: 6
– P(A B) = P(B/A) P(A) = P(A) P(B/A) 5
• A probabilidade de ocorrer A e ocorrer B dado que 4
ocorreu A 3
2
A B 1
Æ P(B/A) =

1 2 3 4 5 6

11
 Probabilidade Condicional Probabilidade Condicional
• Exemplo: experimentos seqüenciais que a
ocorrência de um eventos na k-ésima etapa depende • Generalização da probabilidade
das etapas anteriores condicional:
– Dada uma urna com 03 bolas azuis e 07 vermelhas. Se 02
bolas são retiradas sem reposição, determine: – P(A1A2 ... An) = P(A1) P(A2/A1)P(A3/A1A2) ...
• Espaço amostral: P(An/A1A2 ...An-1)
• P(A1A2)
• P(A1V2) – Interpretação:
• P(V1A2) P(A) P(B/A) P(C/BA)
• P(V1V2)
– P(A/B) = P(A B) / P(B) P(ABC)

Probabilidade Total
Probabilidade Condicional
• P(A) = P(A/B1) P(B1) + P(A/B2) P(B2) ...
• Exemplo: Dada uma urna com 03 bolas azuis e P(A/Bn) P(Bn)
07 vermelhas. Se 02 bolas são retiradas sem
reposição, qual é a probabilidade de ocorrer a • P(A) = P(AB1) + P(AB2) + ... + P(ABn)
seguinte seqüência de eventos:
– P(A1A2V3V4A5) = 1/120
– P (A1A2A3V4V5) = ? B2
– P (V1V2A3A4A5) = ? A
Conjuntos
– ... disjuntos
Bn
B1

12
 Probabilidade Total Teorema de Bayes
• Exemplo: dada 03 urnas com as seguintes
composições: • Dado dois eventos A e B, num mesmo
– Urna 1: 03 bolas brancas e 05 bolas vermelhas. espaço amostral, pela probabilidade
– Urna 2: 04 bolas brancas e 02 bolas vermelhas. condicional, temos:
– Urna 2: 01 bola branca e 03 bolas vermelhas. – P (A B) = P(A) P(B/A)
– A probabilidade de escolha das urnas é,
– P (B A) = P(B) P(A/B)
respectivamente: 2/6, 3/6 e 1/6.
– Qual é a probabilidade de se escolher uma bola branca? – P(A) = P(B) P(A/B) / P(B/A)
Resp. = ½ – P(A/B) = P(A). P(B/A) / P(B)
– Interpretação via média ponderada.

Ponderação

Teorema de Bayes Teorema de Bayes

• Exemplo: dado um baralho com 52 cartas • Exemplo:
– Qual é a probabilidade de se tirar uma Rainha, – Um meteorologista acerta 80% dos dias em que chove e
sabendo-se que a carta é uma figura? 90% dos dias em que não chove. Costuma chover em
10% dos dias. Tendo havido previsão de chuva para
– Qual é a probabilidade de se tirar uma Rainha, amanhã, qual é a probabilidade de realmente vir a
sabendo-se que a carta é de espada? chover?
Prev. Ch. Prev. sol Total
– Qual é a probabilidade de se tira uma Rainha de
espada, sabendo-se que a carta é uma figura Chove

preta? Sol

Total 1,0

13
 Teorema de Bayes Teorema de Bayes
• Generalização: • Exemplo:
– Dadas duas partições de S (S=A1 U A2), então: – Um companhia produz peças em 03 fábricas (A1,A2 e A3), na
proporção de 15%, 35% e 50%, respectivamente. Suas
– P(A1/B) = P(A1) P(B/A1) /
probabilidades de produzirem peças defeituosas são: 1%, 5% e 2%.
( P(A1) P(B/A1) + P(A2) P(B/A2) ) – Dado que o controle de qualidade detectou uma peça com defeito,
– Uma vez que: qual é a probabilidade de ter sido produzida por cada uma das
fábricas?
• P(B) = P(A1) P(B/A1) + P(A2) P(B/A2) » P(Ai/D) = ?
– Para o caso de n partições:

P(Ai/B) = P(Ai) P(B/Ai) / Σ ( P(Ak) P(B/Ak) )

Média ponderada

Independência entre Eventos Independência entre Eventos

• Dois eventos são independente se a • Como:
ocorrência de um dele não alterar a – P(B/A) = P(B) (eventos independentes)
probabilidade de ocorrência do outro e vice- – P(A B) = P(A) P(B)
versa. – Se B é independente de A, logo o inverso
• Sejam dois eventos A e B, sendo P(A) > 0. também é verdadeiro?
O evento B é dito independente de A se:
– P(B/A) = P(B)

14
 Independência entre Eventos Independência entre Eventos
• Exemplo:
– P(A), P(B), P(A B), P(A) P(B), P(A/B) e P(B/A) • Exemplo:
– Experimento: lançamento de 02 moedas
– Eventos: A1 (cara no 10 lançamento), A2 (cara no 20
6 lançamento) e A3 (ocorrência da mesma face nos dois
5 lançamentos).
4 Independência é
uma questão de – Verifique:
3
2 proporção • P(A1), P(A2), P(A3)
• P(A1A2), P(A1A3) e P(A2A3)
1
• P(A1A2A3)
• P(A1A2A3) = P(A1) P(A2) P(A3) ?
1 2 3 4 5 6

Exemplos Finais
Independência entre Eventos • Um piloto de Fórmula 1 acaba de entrar no boxe com seu carro. Ele
sabe que o carro apresenta pelo menos um entre dois problemas: de
injeção e ou de bobina. A probabilidade de haver problema de injeção
• Com seria a independência de 03 eventos é de 60% e a de bobina, 70%. Por outro lado, as probabilidade de o
carro retornar à corrida são:
(A,B,C) simultaneamente? a) 80% se houver só problema de bobina.
– P(AB) = P(A) P(B) b) 40% de houver só problema de injeção.
c) 20% se houver ambos os problemas.
– P(AC) = P(A) P(C) Pergunta-se:
– P(BC) = P(B) P(C) i) Qual a probabilidade de que o carro esteja com os dois problemas?
ii) Qual a probabilidade de que o carro retorne à corrida?
– P(ABC) = P(A) P(B) P(C) iii) Se o carro retornar à corrida, qual a probabilidade de que ele
estivesse com os dois problemas?
– E para n eventos?
iv) Qual a probabilidade do carro retornar à corrida, sabendo-se que o
piloto é Rubens Barrichelo?

15
 Exemplos
• Suponha que João recebeu um diagnóstico, após um exame hormonal,
de que ele é homossexual. Ele entra em pânico. Então seu amigo, que
está cursando a disciplina de processos estocásticos, diz a ele para se
acalmar que ele vai fazer algumas contas para ver a real possibilidade
deles continuarem amigos e freqüentarem JUNTOS o mesmo vestiário
na academia.
– A proporção de homossexuais na sociedade é de 10%.
– A probabilidade de falso negativo no teste é de 40%.
– A probabilidade de falso positivo é de 2%.

16