Escolar Documentos
Profissional Documentos
Cultura Documentos
ENGENHARIA AGRO-PECUÁRIA
DISCIPLINA: BIOESTATÍSTICA
Discente: Docente:
A Teoria das Probabilidades é o ramo da Matemática que cria, desenvolve e pesquisa modelos
que podem ser utilizados para estudar experimentos ou fenómenos aleatórios
O modelo utilizado para estudar um fenómeno aleatório pode variar em complexidade, mas todos
eles possuem ingredientes básicos comuns.
Suponhamos que uma mulher esteja grávida de trigémeos. Sabemos que cada bebé pode ser do
sexo masculino (M) ou feminino (F). Então, as possibilidades para o sexo das três crianças são:
MMM, MMF, MFM, FMM, FFM, FMF, MFF, FFF. Uma suposição razoável é que todos esses
resultados sejam igualmente prováveis, o que equivale dizer que cada bebé tem igual chance de
ser do sexo masculino ou feminino. Então cada resultado tem uma chance de 1 8 de acontecer e o
modelo probabilístico para esse experimento seria:
Sexo MMM MMF MFM FMM FFM FMF MFF FFF Total
Freq.Teórica 1/8 1/8 1/8 1/8 1/8 1/8 1/8 1/8 1
Por outro lado, se só estamos interessados no número de meninas, esse mesmo experimento leva
ao seguinte modelo probabilístico:
Meninas 0 1 2 3 Total
Freq. Teórica 1/8 3/8 3/8 1/8 1
Experimentos e eventos
Um experimento, que ao ser realizado sob as mesmas condições não produz os mesmos
resultados, é denominado um experimento aleatório. Exemplo: lançamento de uma moeda, medir
altura,…
Exemplos
União é o evento que consiste da união de todos os pontos amostrais dos eventos que a
compõem. Denotamos a união do evento A com B por A∪B. A∪B = {ω ∈ A ou ω ∈ B}.
Intersecção é o evento composto pelos pontos amostrais comuns aos eventos que a
compõem. Denotamos a intersecção de A com B por A∩B. A∩B = {ω ∈ A e ω ∈ B}.
Complemento é o conjunto de pontos do espaço amostral que não estão no
evento.Denotamos o complemento do evento A por Ac. Ac = {ω 6∈ A}.
Espaço amostral
Exemplo
S1 = { 1, 2, 3, 4, 5, 6 }
S2 = { 0, 1, 2, 3, 4 }
Ao descrever um espaço amostra de um experimento, deve-se ficar atento para o que se está
observando ou mensurando. Deve-se falar em “um” espaço amostral associado a um
experimento e não de “o” espaço amostral. Deve-se observar ainda que nem sempre os
elementos de um espaço amostral são números.
Eventos aleatórios
F(Ω)={∅,{ω1},{ω2},{ω2},{ω1,ω2},{ω1,ω2},{ω2,ω3},{ω1,ω2,ω3}}
Os eventos, sendo conjuntos, serão representados por letras maiúsculas do nosso alfabeto,
enquanto os elementos de um evento serão representados por letras minúsculas.
Exemplos
Exemplo 1.1 O lançamento de uma moeda é um experimento aleatório, uma vez que, em cada
lançamento, mantidas as mesmas condições, não podemos prever qual das duas faces (cara ou
coroa) cairá para cima. Por outro lado, se colocarmos uma panela com água para ferver e
anotarmos a temperatura de ebulição da água, o resultado será sempre 100 oC. Logo, este é um
experimento determinístico.
Exemplo 1.2 Consideremos o experimento aleatório “lançamento de umdado”. Oespaço amostral
é Ω ={1,2,3,4,5,6}, sendo, portanto, um espaço discreto. Os eventos elementares são {1}, {2},
{3}, {4}, {5}, {6}. Outros eventos são: “face par”= {2,4,6}, “face ímpar” = {1,3,5}, “face ímpar
menor que 5” ={1,3}, etc.
Exemplo 1.3 Consideremos o lançamento simultâneo de duas moedas. Vamos representar porK a
ocorrência de cara e porC a ocorrência de coroa. Um espaço amostral para esse experimento é Ω
= {KK,KC,CK,CC}, que também é um espaço discreto. Os eventos simples são {KK}, {KC},
{CK}, {CC} e um outro evento é “cara no primeiro lançamento” = {KC,KK}. Para esse mesmo
experimento, se estamos interessados apenas no número de caras, o espaço amostral pode ser
definido como Ω ={0,1,2}.
Exemplo 1.4 Seja o experimento que consiste em medir, em decibéis, diariamente, durante um
mês, o nível de ruído na vizinhança da obra de construção do metrô em Ipanema. O espaço
amostral associado a este experimento é formado pelos números reais positivos, sendo, portanto,
um espaço amostral contínuo. Um evento: observar níveis superiores a 80 decibéis, representado
pelo intervalo (80,∞), que corresponde a situações de muito barulho.
Exemplo 1.5 Uma urna contém 4 bolas, das quais 2 são brancas (numeradas de 1 a 2) e 2 são
pretas (numeradas de 3 a 4). Duas bolas são retiradas dessa urna, sem reposição. Defina um
espaço amostral apropriado para esse experimento e os seguintes eventos:
Solução:
Considerando a numeração das bolas, o espaço amostral pode ser definido como:
Mais especificamente:
Ω ={(1,2),(1,3),(1,4),(2,1),(2,3),(2,4), (3,1),(3,2),(3,4),(4,1),(4,2),(4,3)}
Os eventos são:
ou mais especificamente
ou
ou
C ={(1,2),(2,1)}
Exemplos:
Naturalmente, nesta definição estamos supondo que #Ω > 0, ou seja, queΩ tenha algum
elemento pois, se não tivesse, não teríamos o que estudar! Esta foi a primeira definição formal de
probabilidade, tendo sido explicitada por Girolamo Cardano (1501-1576). Vamos nos referir a
ela como a definição clássica de probabilidade. Note que ela se baseia em duas hipóteses:
Embora essas hipóteses restrinjam o campo de aplicação da definição, veremos que ela é muito
importante e vários exercícios serão resolvidos baseados nela.
Conceito Frequentista
e a probabilidade é
Ω= {masculino, feminino}
(i) Uma moeda foi lançada 200 vezes e forneceu 102 caras. Então a frequência relativa
de “caras” é:
(i) 0 ≤ frA ≤ 1, isto é, a freqüência relativa do evento A é um número que varia entre 0 e
1.
(ii) frA = 1 se e somente se, A ocorre em todas as “n” repetições de E.
(iii) frA = 0, se e somente se, A nunca ocorre nas “n” repetições de E.
(iv) frAUB = frA + frB se A e B forem eventos mutuamente excludentes.
Definição
Esta definição, embora útil na prática, apresenta dificuldades matemáticas, pois o limite pode não
existir. Em virtude dos problemas apresentados pela definição clássica e pela definição
freqüencial, foi desenvolvida uma teoria moderna, na qual a probabilidade é um conceito
indefinido, como o ponto e a reta o são na geometria.
Conceito subjectivo
A probabilidade é dada por um grau de crença ou de confiança que cada pessoa dá a realização
de um evento.
P(A) ≥0 ∀A ⊆Ω
P(Ω) = 1
Sendo A e B dois eventos mutuamente exclusivos, ou seja, A∩B=∅, tem-se que:
Probabilidade de um evento
Indica a chance de um determinado evento ocorrer dentre todos os eventos possíveis (espaço
amostral);
A: a carta selecionada é um AS
P(A) = 1/52+1/52+1/52+1/52=4/52
Principais Teoremas
Seja A um evento qualquer. Considerando que A∩φ= φ temos que P(A∪φ)=P(A)+P(φ) (Axioma
3)
Demonstração:
P(A∪Ac)=P(A)+P(Ac).
1=P(A)+P(Ac).
P(Ac) = 1-P(A).
Exemplo Teorema 2
Demonstração:
P(Ac∩B) = P(B)-P(A).
Exemplo:
É útil quando temos dois eventos e estamos interessados em conhecer a probabilidade de pelo
menos um deles ocorra.
Demonstração:
P(A∩B) = 0.
Recai-se axioma 3
b) Se A∩B ≠φ .
Considere uma fábrica com 50 empregados. Um empregado não tem êxito em satisfazer os
padrões de desempenho, se completa o trabalho mais tarde e/ou monta produtos com defeito.
Foi observado que 5 dos 50 tinham completado o trabalho mais tarde, 6 dos 50 trabalhadores
tinham montado peças defeituosas e 2 dos 50 tinham tanto completado mais tarde como montado
produtos defeituosos.
P(A∩B)= 2/50=0,04
Probabilidade condicional
Em muitas situações práticas, o fenómeno aleatório com o qual trabalhamos pode ser separado
em etapas.
A informação do que ocorreu em uma determinada etapa pode influenciar nas probabilidades de
ocorrências das etapas sucessivas.
C = face 4, dado que ocorreu face par = {4}, n(C) = 1 ⇒ P(C) = n(C)/n(B) = 1/3
Dado que B tenha ocorrido, o espaço amostral fica reduzido para B, pois todos os resultados
possíveis passam a ser os aqueles do evento B.
Definição
Para dois eventos A e B de um mesmo espaço amostral, o termo P(A|B) denota a probabilidade
de A ocorrer, dado que B ocorreu, e é definido como
Empregando a definição acima, onde P(A∩B) e P(B) são calculadas em relação ao espaço
amostral original Ω.
Teorema da multiplicação
P(A/B) = P(A) ou
P(B/A) = P(B) ou ainda se
P(A∩B)=P(A).P(B)
OBS.: Qualquer uma das 3 relações acima pode ser usada como definição de independência
pi≥0 i=1,2,...,n
p1+ p2+....+pn=1
Exemplo
Três cavalos A, B e C, estão em uma corrida; A: tem duas vezes mais probabilidades de ganhar
que B, e B tem duas vezes mais probabilidade de ganhar que C. Quais são as probabilidades de
vitória de cada um, isto é, P(A), P(B) e P(C)?
Solução
Considerando P(C) = p então P(B) = 2p e P(A) = 2 P(B) = 4p. Como a soma das probabilidades
é 1, então:
P(A)=4/7;
P(B)=2/7;
P(C)=1/7.
Quando se associa a cada ponto amostral a mesma probabilidade, o espaço amostral chama-se
equiprovável ou uniforme.
Ou
Exemplo
Escolha aleatoriamente (indica que o espaço é equiprovável) uma carta de um baralho com 52
cartas. Seja o evento A: a carta éde ouros. Calcular P(A).
Problema de Contagem
Exemplo
Num lote de 12 peças, 4 peças são defeituosas; duas peças são retiradas aleatoriamente. Calcule
a) A probabilidade de ambas serem defeituosas. Seja A = ambas são defeituosas.
b)A probabilidade de ambas não serem defeituosas. Seja B = ambas não serem defeituosas.
Logo,
Sejam B1, B2, B3… Bn, n eventos mutuamente exclusivos, tais que: B1∪ B2∪…∪Bn = S.
Sejam P(Bi) as probabilidades conhecidas dos vários eventos e A um evento qualquer de S, tal
que são conhecidas todas as probabilidades condicionais P(A/Bi)
Generalizando
Então,
Bussab, WO; Morettin, PA. Estatística básica. São Paulo: Saraiva, 2006. [Cap. 5]
Magalhães, MN; Lima, ACP. Noções de Probabilidade e Estatística. São Paulo: EDUSP,
2008. [Cap. 2]
Montgomery, DC; Runger, GC. Estatística aplicada e probabilidade para engenheiros.
Rio de Janeiro: LTC Editora, 2012. [Cap. 2]