Escolar Documentos
Profissional Documentos
Cultura Documentos
Disciplina: Probabilidade e
Modelos Estocásticos – EPS 7002
1.1 DEFINIÇÕES
1.2 ESPAÇO AMOSTRAL
1.3 EVENTOS
1.4 DIAGRAMAS DE VENN
1.5 INTERPRETAÇÃO DE AXIOMAS
1.6 PROBABILIDADE CONDICIONAL
1.7 NOÇÕES DE CONFIABILIDADE
1.8 TÉCNICAS DE CONTAGEM
1.9 VARIÁVEIS ALEATÓRIAS
1.10 FUNÇÕES DE PROBABILIDADE
1.1 DEFINIÇÕES - EXPERIMENTOS ALEATÓRIOS
EXPERIMENTO OU EXPERIÊNCIA ALEATÓRIA
Experimento aleatório é um procedimento cujo resultado é incerto
Exemplos:
Jogar uma moeda
Lançar um dado
www.gliffy.com
f)
Vamos a continuar
estudando a “Teoria de
Probabilidade” (Eventos,
Operações e Diagrama
de Venn )
1.3 EVENTOS
Disjuntos ou
Excludentes
A ocorrência de um implica a não ocorrência do outro. Correspondem a subconjuntos disjuntos no espaço amostral.
1.3 EVENTOS
g) Eventos Independentes: aqueles em que a ocorrência de um não altera
a chance de os outros acontecerem; cada um comporta-se a sua própria
maneira, sem afetar nem ser influenciado pelos demais.
Ex.: No lançamento de dois dados, o resultado de um dado não é afetado
pelo resultado do outro dado.
Independência está associada à idéia intuitiva de que eles nada têm a ver um com o outro. A descoberta da existência de
algum tipo de relação entre dois fenômenos (isto é, a verificação de que eles não são independentes) seja mais importante do
ponto de vista prático
h) Eventos Condicionados: quando a ocorrência de um evento se vincula
a ocorrência do outro evento.
Ex.: No lançamento de dois dados, pode-se fornecer a informação de que a
soma dos dois dados foi par. Essa informação reduz o conjunto de
possibilidades.
E = {(1,1); (1,2); (1,3); (1,4); (2,1); (2,2); (2,3); (3,1); (3,2); (4,1)}
S
S
1.4 DIAGRAMAS DE VENN
(∩)
S
S
(Complemento)
S
1.4 DIAGRAMAS DE VENN
1.5 INTERPRETAÇÃO E AXIOMAS
Probabilidade de um evento
S
1.5 INTERPRETAÇÃO E AXIOMAS
Probabilidade de um
evento impossível
S = espaço
amostral e
E = evento
S
1.5 INTERPRETAÇÃO E AXIOMAS
Probabilidade de
um evento certo
S=E
1.5 INTERPRETAÇÃO E AXIOMAS
Variação da
probabilidade
de um evento
1.5 INTERPRETAÇÃO E AXIOMAS
Probabilidade de um evento
complementar
1.5 INTERPRETAÇÃO E AXIOMAS
1.5 INTERPRETAÇÃO E AXIOMAS
Exemplo:
Numa fabricação de semicondutores, suponha as seguintes
probabilidades para falha de um chip sujeito a níveis de contaminação
na fabricação.
Probabilidade de Nível de
falha contaminação
0,1 Alto
0,01 Médio
0,001 Baixo
AB
1.5 INTERPRETAÇÃO E AXIOMAS
COMPLEMENTO DO EVENTO
acontece o evento “A”
A B
C
1.5 INTERPRETAÇÃO E AXIOMAS
Diagrama de Venn
A B A B
A
ocorrem A e B não ocorre nem A
simultaneamente? nem B ?
B A B A B A B
EVENTOS A E B
B
S
A = objetos quadrados
P( A B ) ?
B = objetos vermelhos
P( A B ) ?
P ( A) ?
1.5 INTERPRETAÇÃO E AXIOMAS
EVENTOS A E B
Exemplo:
Qual a probabilidade
do objeto selecionado
A B ser quadrado ou ser
vermelho?
8
P(Quadrado Vermelho)
9
5 5 10
1?
9 9 9
1.5 INTERPRETAÇÃO E AXIOMAS
Evento Reunião ou União
PROBABILIDADE DA UNIÃO (Soma, ou, )
A B P( A B) P( A) P( B) P( A B)
1.5 INTERPRETAÇÃO E AXIOMAS
EVENTOS A E B
Exemplo:
Qual a probabilidade
do objeto selecionado
A B ser quadrado ou ser
vermelho?
8
P(Quadrado Vermelho)
9
5 5 2 8
9 9 9 9
1.5 INTERPRETAÇÃO E AXIOMAS
Exercício: Os dados de uma pesquisa realizada num grupo de 100
pessoas, que estudam vários idiomas são: Espanhol 28, Alemão 30,
Francês 42, Espanhol e Alemão 8, Espanhol e Francês 10, Alemão e
Francês 5 e os três idiomas 3.
a) Quantos alunos não estudam idiomas?
A
a) = ?
B
_
C b) A U B U C = ?
1.5 INTERPRETAÇÃO E AXIOMAS
PROBABILIDADE DA INTERSEÇÃO
EVENTOS A E B Exemplo:
Qual a probabilidade
de escolher dois
objetos vermelhos
(sem reposição)?
A B
e ?
P(Vermelho1 Vermelho2 )
?
11 10
EVENTOS A E B
Exemplo:
Qual a probabilidade
de escolher dois
objetos vermelhos?
A B
?
P(Vermelho1 Vermelho2 )
110
6 5
. ?
.
.
1.5 INTERPRETAÇÃO E AXIOMAS
EVENTOS A E B
Exemplo:
Qual a probabilidade
de escolher dois
objetos vermelhos?
A B
30
P(Vermelho1 Vermelho2 )
110
6 5 6.5
1110 11.10
P(?) 1 )
P(Vermelho
1.5 INTERPRETAÇÃO E AXIOMAS
EVENTOS A E B
A B (eventos condicionados)
P( A B) P( A).P( B / A)
30 6 5 P( B).P( A / B)
=
110 11 10
P( A B) P( A) P( B) P( A B)
A B eventos
P( A B) P( A) P( B) mutuamente
“ou” exclusivos
P( A B) P( A).P( B / A) P( B).P( A / B)
A B
eventos
“e” P( A B) P( A).P( B) independentes
A P( A) 1 P( A)
1.5 INTERPRETAÇÃO E AXIOMAS
Exemplo: Tente você?
RESPOSTAS:
1.5 INTERPRETAÇÃO E AXIOMAS
Exemplo: Tente você?
A tabela a seguir resume as visitas a departamentos de emergência em quatro
hospitais. As pessoas que podem sair sem ser examinadas por um médico,
são denominadas como PNEM. As visitas restantes são encaminhadas ao
departamento de emergência e o paciente pode ou não ficar internado no hospital.
Hospital 1 2 3 4 Total
Total 5292 6991 5640 4329 22.252
PNEM 195 270 246 242 953
Admitido 1277 1558 666 984 4485
Não admitido 3820 5163 4728 3103 16814
a) A B = b) A´ = c) A B = d) P(A|B) = e) P(B|A) =
EXEMPLO:
Dois números inteiros são extraídos aleatoriamente e
sem reposição, do intervalo [-20, 29]. Esses números
são multiplicados. Qual é a probabilidade de o
produto ser positivo?
A E B = A∩B
A probabilidade condicionada define a probabilidade de
um evento “A”, sabendo o resultado de um evento “B”.
Ou seja, qual a probabilidade de um evento “A” (famílias
tiram férias de verão), dado que aconteceu um outro evento
“B” (famílias tem computador) é dado por:
P(A | B) = P(A B) / P(B) = 46/57
P(A | B) = (46/146)/(57/146) = 46/57
P(A B) = 46/146
1.6 PROBABILIDADE CONDICIONAL
(
1.6 PROBABILIDADE CONDICIONAL
∩ P(A B) = P(A)*P(B)
1.6 PROBABILIDADE CONDICIONAL
EXEMPLO:
1.6 PROBABILIDADE CONDICIONAL
∩
1.6 PROBABILIDADE CONDICIONAL
∩
1.6 PROBABILIDADE CONDICIONAL
EXEMPLO
PROBABILIDADE TOTAL
A1 A2
A1 A2 A3 A4 A5 S Ai Aj i, j i j
A3
P( A1 ) P( A2 ) P( A3 ) P( A4 ) P( A5 ) 1
conjuntos disjuntos
eventos mutuamente exclusivos
A4 A5
Probabilidade Total Ai S P( A ) 1
i 1
i
i 1
1.6 PROBABILIDADE CONDICIONAL
EXEMPLO
PROBABILIDADE TOTAL
A1 A2
B ( A1 B) ( A2 B) ( A5 B)
A3
5 5
B P( B) P( Ai B) P( Ai ).P( B / Ai )
i 1 i 1
A4 A5
P( Ai B) P( Ai ).P( B / Ai ) P( B).P( Ai / B)
Teorema de Bayes
1.6 PROBABILIDADE CONDICIONAL
PROBABILIDADE TOTAL
A1 A2 B ( A1 B) ( A2 B) ( A5 B)
5
P( B) P( Ai B)
i 1
A3
B
P( Ai B) P( Ai ).P( B / Ai ) P( B).P( Ai / B)
TEOREMA DE BAYES
A4 A5
P( Ai B) P( Ai ).P( B / Ai ) P( B).P( Ai / B)
P( Ai ).P( B / Ai ) P( Ai ).P( B / Ai )
P( Ai / B) 5
P( B )
P( A ).P( B / A )
j 1
j j
5 5
Ver probabilidade P( B) P( Ai B) P( Ai ).P( B / Ai )
total i 1 i 1
1.6 PROBABILIDADE CONDICIONAL
EXEMPLO
1) Num estudo sobre ocorrência de falhas Probabilidade Total
de produtos eletrônicos, 600 produtos
foram escolhidos aleatoriamente e
divididos em 3 grupos (A, B, C) de acordo
com o tipo de uso, sendo 100 de A, 200
de B e 300 de C. Suponha que a
probabilidade de ocorrência da falha (Q)
em cada um dos tipos seja de 10%; 5% e
1%, respectivamente. Selecionando-se
um produto ao acaso, calcule a
probabilidade de que ele:
a) seja do tipo A, B e C;
b) corresponda a uma falha (Q),
sabendo que o produto é do tipo A,
B, C, respetivamente;
c) corresponda a uma falha (Q); e
d) seja do tipo A, B, C; sabendo que a
ocorrência corresponda a uma falha.
1.6 PROBABILIDADE CONDICIONAL
EXEMPLO
a) seja do tipo A;
100 1
P( A)
600 6
b) corresponda a uma falha (Q), sabendo que o produto é do tipo A;
10
P(Q / A)
100
P( A).P(Q / A)
P( A / Q)
P( A).P(Q / A) P( B).P(Q / B) P(C ).P(Q / C )
TEOREMA DE BAYES
1 1 1
6 10 10 600 10
P( A / Q) 60
1 10 2 5 3 1 23 600 23 23
6 100 6 100 6 100 600 Aplicar itens a) e b)
1.6 PROBABILIDADE CONDICIONAL
EXEMPLO
Um fabricante de impressoras obteve as
seguintes probabilidades provenientes de um
banco de dados de resultados de teste: máquina
(hardware), programa (software) e outros (tais
como conectores), com probabilidades de 0,1; 0,6 e
0,3, respectivamente.
A probabilidade de uma falha na impressora
devido a um problema de máquina é 0,9, devido
a um problema de programa é 0,2 e devido a
qualquer outro tipo de problema é 0,5.
Se o consumidor entrar no site do fabricante para
o diagnóstico, qual será a causa mais provável
do problema?
1.7 NOÇÕES DE CONFIABILIDADE
EVENTOS INDEPENDENTES
A e B são independentes se a ocorrência de
um deles não altera a probabilidade de
ocorrência do outro. Formalmente:
P(A | B) = P(A)
Pela expressão anterior, se A e B são
independentes:
P(A B) = P(A).P(B)
Note que neste caso A B denota a possibilidade de
ocorrência simultânea dos dois eventos
EVENTOS A E B
Exemplo:
Qual a probabilidade
de escolher dois
A B objetos vermelhos?
?
P(Vermelho1 Vermelho2 )
?
6 6
P(Vermelho1 Vermelho2 ) . (eventos independentes)
11 11
P(Vermelho1 ).P(Vermelho2 )
1.7 NOÇÕES DE CONFIABILIDADE
∩
1.7 NOÇÕES DE CONFIABILIDADE
P(C) = 0,99
0.1
0.2
0.1
0.1 0.2
1.7 NOÇÕES DE CONFIABILIDADE
Exemplo:
1.8 TÉCNICAS DE CONTAGEM
O tamanho do
espaço amostral é
igual a: 2*2*2 = 8
1.8 TÉCNICAS DE CONTAGEM
EXEMPLO
Qual a probabilidade
de escolher
exatamente 3
objetos vermelhos?
?
6 5 454
P(V1 V2 V3 A4 A5 )
1110 9 8 7 Técnicas de contagem
1.8 TÉCNICAS DE CONTAGEM
TÉCNICAS DE CONTAGEM – COMBINAÇÕES
SIMPLES Arranjo
1.8 TÉCNICAS DE CONTAGEM
TÉCNICAS DE CONTAGEM
A A E
I U O De quantas formas posso rearranjar estas 9 letras?
I O O
• sem reposição
k
n!
# grupos n ni
n1 ! n2 !...nk ! i 1
9! 98765432
# grupos 15120
2!1!2!3!1! 2232
AE I OU
1.8 TÉCNICAS DE CONTAGEM
M IIIISSSSPP
1.8 TÉCNICAS DE CONTAGEM
TÉCNICAS DE CONTAGEM – COMBINAÇÕES
EXEMPLO
Qual a probabilidade
de escolher
exatamente (ou numa
sequência) 3 objetos
vermelhos?
5! 5 5
3!2! 3 2
5! 6 5 4 5 4
P(3Vermelhos)
3!2!1110 9 8 7
1.9 VARIÁVEIS ALEATÓRIAS
p=0,3
P(X=x)
0.10
0.00
0 0 10 20 30
x
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Discretas
Contagem: 2x2 = 4
1.10 FUNÇÕES DE PROBABILIDADE
X = número de caras
x 0 1 2 3
P(X=x) 1/8 3/8 3/8 1/8
1/8
x
0 1 2 3
Se x < 0: P(X≤x) = 0
Se 0 ≤ x <1: P(X≤x) = P(X=0) = 1/8
Se 1 ≤ x <2: P(X≤x) = P(X=0 ou X=1) = 1/8 + 3/8 = 1/2
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Discretas
Fou:
( x) P( X x) P( X xi , para todo xi x) P( X
xi x
xi )
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Discretas
p(x0) P(X=x)
F(x) e P(X=x)
Relação entre:
p(x1)
p(x2)
p(x0)
p(x3)
p(x1)
p(x2)
p(x3)
1.10 FUNÇÕES DE PROBABILIDADE
Discreta
Discreta
1.10 FUNÇÕES DE PROBABILIDADE
Valor Esperado (Esperança - Expectância) de uma Variável Aleatória Discreta
3.
X 1 2 3
P(x) 0,2 0,3 0,5
e a variância ?
Funções de Probabilidade para
Variáveis Aleatórias Contínuas
(Conceitos e definições)
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Contínuas
ou seja, x d x
F ( x ) F ( x ) F ( ) F ( t )dt f ( t )dt
dt
4) como P(X=b) = 0 tem-se que:
b
P[a X b] P[a X b] P[a X b] F (b) F (a) f (t )dt
a
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Contínuas
No caso das Distribuições de Probabilidades para variáveis
contínuas não se consegue enumerar todos os possíveis
valores de uma variável aleatória contínua com os valores de
probabilidade correspondentes, pois essa pode assumir
qualquer valor fracionário dentro de um intervalo definido de
valores.
Neste caso, a abordagem mais conveniente é construir uma
função densidade de probabilidade (f.d.p.), ou curva de
probabilidades, baseada na função matemática
correspondente.
A proporção da área incluída entre dois pontos quaisquer,
abaixo da curva de probabilidades, identifica a probabilidade
de que a variável aleatória contínua selecionada assuma um valor
entre tais pontos. Assim, uma variável aleatória é Contínua em
se existir uma função (x), tal que:
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Contínuas
F(x)
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Contínuas
Outros parâmetros:
• MEDIANA: valor que
separa duas áreas
iguais.
• MODA: valor que
detêm o maior número
de observações.
• MÍNIMO e MÁXIMO.
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Contínuas - Exemplo
1
, 50 x 70 c.c. -> Caso Contrário
f ( x) 20
0, c.c
Portanto,
60
1 5
P(55 X 60) dx
55
20 20
Qual a F(x)?; Calcule a Média e a Variância para este exemplo?
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Contínuas - Exemplo
Solução
<
F(x) =
F(x)
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Contínuas - Exemplo
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Contínuas - Exemplo
f(x)
x
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Contínuas - Exemplo
f(x)
x
1.10 FUNÇÕES DE PROBABILIDADE
Funções de Probabilidade para Variáveis Aleatórias Contínuas - Exemplo
f(x)