Escolar Documentos
Profissional Documentos
Cultura Documentos
Estatística Aplicada I
Campus de Belém
Curso de Engenharia Mecânica
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
Capítulo II
Campus de Belém
Curso de Engenharia Mecânica
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
1
17/05/2019
❑ Introdução
❑ Aleatoriedade
❑ Experimento aleatório
❑ Espaço amostral
❑ Evento
❑ Eventos mutuamente exclusivos
❑ Probabilidade
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
❑ Teoremas fundamentais
❑ Probabilidades finitas dos espaços amostrais finitos
❑ Espaços amostrais finitos equiprováveis
❑ Probabilidade condicional
❑ Teorema do produto
❑ Independência estatística
❑ Teorema de Bayes
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
2
17/05/2019
❑ Introdução
❑ Aleatoriedade
❑ Experimento aleatório
❑ Espaço amostral
❑ Evento
❑ Eventos mutuamente exclusivos
❑ Probabilidade
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
2.1 Introdução
3
17/05/2019
2.1 Introdução
✓ Modelo determinístico:
2.1 Introdução
✓ Modelo probabilístico:
4
17/05/2019
2.1 Introdução
❑ Introdução
❑ Aleatoriedade
❑ Experimento aleatório
❑ Espaço amostral
❑ Evento
❑ Eventos mutuamente exclusivos
❑ Probabilidade
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
5
17/05/2019
2.2 Aleatoriedade
2.2 Aleatoriedade
6
17/05/2019
❑ Introdução
❑ Aleatoriedade
❑ Experimento aleatório
❑ Espaços amostral
❑ Evento
❑ Eventos mutuamente exclusivos
❑ Probabilidade
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
✓ Características:
7
17/05/2019
✓ Características:
✓ Exemplos:
8
17/05/2019
❑ Introdução
❑ Aleatoriedade
❑ Experimento aleatório
❑ Espaço amostral
❑ Evento
❑ Eventos mutuamente exclusivos
❑ Probabilidade
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
✓ Definição:
• Para cada experimento aleatório, E, define-se espaço
amostral S como o conjunto de todos os possíveis
resultados desse experimento (Fonseca e Martins, 1996).
- Exemplos:
a) E: jogar um dado e observar o número na face superior.
S = {1, 2, 3, 4, 5, 6}
b) E: lançar duas moedas e observar o resultado.
S = {(c, c), (c, k), (k, c), (k, k)}, onde c- cara e k- coroa.
9
17/05/2019
- Exemplos:
- Exemplos:
10
17/05/2019
❑ Introdução
❑ Aleatoriedade
❑ Experimento aleatório
❑ Espaço amostral
❑ Evento
❑ Eventos mutuamente exclusivos
❑ Probabilidade
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
2.5 Evento
✓ Definição:
Observação:
- Em particular, o espaço amostral, S, e o conjunto vazio,
, são eventos.
- S é dito o evento certo e o evento impossível.
11
17/05/2019
2.5 Evento
- Exemplo 1:
Eventos:
A: ocorrer número par: A = {2, 4, 6}
B: ocorrer número impar: B = {1, 3, 5}
C: ocorrer número múltiplo de 2 e 3: C = {6}.
2.5 Evento
- Exemplo 2:
Eventos:
A: ocorrer pelo menos duas caras:
A = {(c, c, k), (k, c, c), (c, k, c), (c, c, c)}
B: ocorrer somente coroa: B = {(k, k, k)}.
12
17/05/2019
2.5 Evento
• Observações:
- Sendo S um espaço amostral finito com n elementos, pode-
se verificar que o número total de eventos extraídos de S é
dado por 2n;
- No exemplo 1 (lançamento do dado), o número total de
eventos é 26 = 64.
2.5 Evento
• Observações:
13
17/05/2019
2.5 Evento
- Exemplo:
E: lançar um dado e observar o resultado.
S = {1, 2, 3, 4, 5, 6}
A = ocorrer número múltiplo de 2: A = {2, 4, 6}
B = ocorrer número múltiplo de 3: B = {3, 6}
A B = {2, 3, 4, 6}
A B = {6}
A = {1, 3, 5}
A B = {1, 2, 3, 4, 5}
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
❑ Introdução
❑ Aleatoriedade
❑ Experimento aleatório
❑ Espaço amostral
❑ Evento
❑ Eventos mutuamente exclusivos
❑ Probabilidade
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
14
17/05/2019
❑ Introdução
❑ Aleatoriedade
❑ Experimento aleatório
❑ Espaço amostral
❑ Evento
❑ Eventos mutuamente exclusivos
❑ Probabilidade
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
15
17/05/2019
2.7 Probabilidade
✓ Definição:
❑ Teoremas fundamentais
❑ Probabilidades finitas dos espaços amostrais finitos
❑ Espaços amostrais finitos equiprováveis
❑ Probabilidade condicional
❑ Teorema do produto
❑ Independência estatística
❑ Teorema de Bayes
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
16
17/05/2019
- Logo P ( ) = 0 .
P ( S ) = P ( A ) + P ( A ); S
A
- De (ii) 1 = P(A) + P(Ā), Ā
17
17/05/2019
S
A A B
18
17/05/2019
• Demonstração:
b) Se A e B não são mutuamente exclusivos ( A B ) , tem-se:
- Os eventos A e ( A B ) são mutuamente exclusivos;
logo, pelo axioma (iii)
P [ A ( A B )] = P ( A B ) = P ( A ) + P ( A B )
- Mas , B é a união dos eventos mutuamente exclusivos
( B A ) e ( B A );
- Logo, S
A A B
P ( B ) = P ( A B ) + P ( A B ). B
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
• Demonstração:
- Substituindo o valor de P ( A B ) = P ( B ) − P ( A B )
na expressão anterior, tem-se:
P( A B ) = P( A ) + P( B ) − P( A B )
19
17/05/2019
P(A∩B)
P(A) P(B)
P(A∩B∩C)
P(A∩C) P(B∩C)
P(C)
❑ Teoremas Fundamentais
❑ Probabilidades finitas dos espaços amostrais finitos
❑ Espaços amostrais finitos equiprováveis
❑ Probabilidade condicional
❑ Teorema do produto
❑ Independência estatística
❑ Teorema de Bayes
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
20
17/05/2019
21
17/05/2019
• Solução (continuação):
- Qual a probabilidade de B ou C ganhar?
Do axioma (iii):
❑ Teoremas fundamentais
❑ Probabilidades finitas dos espaços amostrais finitos
❑ Espaços amostrais finitos equiprováveis
❑ Probabilidade condicional
❑ Teorema do produto
❑ Independência estatística
❑ Teorema de Bayes
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
22
17/05/2019
1
P ( A ) = r .
n
23
17/05/2019
nº de reis 4 1
P( A ) = = =
nº total de cartas 52 13
nº de cartas de copas 13 1
P( B ) = = =
nº total de cartas 52 4
24
17/05/2019
• Soluções:
a) A = {ambas são defeituosas}
4! 4.3.2!
A pode ocorrer C4 ,2 = = = 6 vezes
2! ( 4 − 2 )! 2.1.2!
12! 12.11.10!
S pode ocorrer C12 ,2 = = = 66 vezes
2! ( 12 − 2 )! 2.1.10!
NCF 6 1
Logo, P( A ) = = =
NTC 66 11
• Soluções:
b) B = {ambas não são defeituosas}
8! 8.7.6 !
B pode ocorrer C8 ,2 = = = 28 vezes
2! ( 8 − 2 )! 2.1.6!
12! 12.11.10!
S pode ocorrer C12 ,2 = = = 66 vezes
2! ( 12 − 2 )! 2.1.10!
NCF 28 14
Logo, P( B ) = = =
NTC 66 33
25
17/05/2019
• Soluções:
c) C = {pelo menos uma é defeituosa}
C é o complemento de B ou C = B
14 19
P( C ) = 1 − P( B ) = 1 − =
33 33
OU
• Soluções:
C = {1 defeituosa e 1 sem defeito}+{ambas defeituosas}
8! 8!
C pode ocorrer 4 C8 ,1 + C8 ,2 = 4 + =
1! ( 8 − 1 )! 2! ( 8 − 2 )!
= 32 + 6 = 38 vezes
12! 12.11.10!
S pode ocorrer C12 ,2 = = = 66 vezes
2! ( 12 − 2 )! 2.1.10!
NCF 38 19
Logo, P( C ) = = =
NTC 66 33
26
17/05/2019
❑ Teoremas fundamentais
❑ Probabilidades finitas dos espaços amostrais finitos
❑ Espaços amostrais finitos equiprováveis
❑ Probabilidade condicional
❑ Teorema do produto
❑ Independência estatística
❑ Teorema de Bayes
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
27
17/05/2019
P( A B )
P( A / B ) = , P ( B ) 0 , pois já ocorreu.
P( B )
NCF ( A B )
P( A B ) NTC = NCF ( A B )
P( A / B ) = =
P( B ) NCF ( B ) NCF ( B )
NTC
28
17/05/2019
• Soluções:
S = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), A = {(6,4), (5,5), (4,6)}
(2,1), (2,2), (2,3), (2,4), (2,5), (2,6), B = {(2,1), (3,1), (4,1), (5,1),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (6,1), (3,2), (4,2), (5,2),
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (6,2), (4,3), (5,3), (6,3),
(5,1), (5,2), (5,3). (5,4), (5,5), (5,6), (5,4), (6,4), (6,5)}
(6,1). (6,2), (6,3), (6,4), (6,5), (6,6)} A ∩ B = {(6,4)}
• Soluções:
NCF ( A ) 3 1
P( A ) = = = ;
NTC 36 12
NCF ( B ) 15 5
P( B ) = = = ;
NTC 36 12
NCF ( A B ) 1
P( A / B ) = = ;
NCF ( B ) 15
NCF ( A B ) 1
P( B / A ) = = .
NCF ( A ) 3
29
17/05/2019
❑ Teoremas fundamentais
❑ Probabilidades finitas dos espaços amostrais finitos
❑ Espaços amostrais finitos equiprováveis
❑ Probabilidade condicional
❑ Teorema do produto
❑ Independência estatística
❑ Teorema de Bayes
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
30
17/05/2019
8 7 14
P ( A B ) = P ( B ).P ( A / B ) = =
12 11 33
❑ Teoremas fundamentais
❑ Probabilidades finitas dos espaços amostrais finitos
❑ Espaços amostrais finitos equiprováveis
❑ Probabilidade condicional
❑ Teorema do produto
❑ Independência estatística
❑ Teorema de Bayes
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
31
17/05/2019
- Dados n eventos A1, A2, ..., An, diz-se que eles são
independentes se o forem 2 a 2; 3 a 3, ..., n a n, isto é:
32
17/05/2019
33
17/05/2019
• Solução (continuação):
2 1 2 1 1
Para A e B : P ( A ) = = ; P ( B ) = = ; P ( A B ) = ; log o :
4 2 4 2 4
1
P ( A B ) = P ( A ).P ( B ) =
4
1 2 1 1
Para A e C : P ( A ) = ; P ( C ) = = ; P ( A C ) = ; log o :
2 4 2 4
1
P ( A C ) = P ( A ).P ( C ) =
4
• Solução (continuação):
1 1 1
Para B e C : P ( B ) = ; P ( C ) = ; P ( B C ) = ; log o :
2 2 4
1
P ( B C ) = P ( B ).P ( C ) =
4
1 1 1 1
Para A , B e C : P ( A ) = ; P ( B ) = ; P ( C ) = ; P ( A B C ) = ;
2 2 2 4
log o :
1 1
P( A B C ) = P ( A ).P ( B ).P ( C ) =
4 8
34
17/05/2019
❑ Teoremas fundamentais
❑ Probabilidades finitas dos espaços amostrais finitos
❑ Espaços amostrais finitos equiprováveis
❑ Probabilidade condicional
❑ Teorema do produto
❑ Independência estatística
❑ Teorema de Bayes
17/05/2019 08:28 ESTATÍSTICA APLICADA I - Teoria das Probabilidades
P ( Ai ).P ( B / Ai )
P ( Ai / B ) =
P ( A1 ).P ( B / A1 ) + P ( A2 ).P ( B / A2 ) + ... + P ( An ).P ( B / An )
35
17/05/2019
• Exemplo: Tem-se três urnas (u1, u2, u3), cada uma contendo
bolas pretas, brancas e vermelhas, nas quantidades mostradas
no quadro abaixo. De uma urna escolhida ao acaso retira-se
uma bola também ao acaso, verificando-se que a mesma é
branca. Qual a probabilidade da bola escolhida ter vindo da
urna 2? e da urna 3?
Cores / Urnas u1 u2 u3
P (preta) 3 4 2
B (branca) 1 3 3
V (vermelha) 5 2 3
Solução:
Cores / Urnas u1 u2 u3
P (preta) 3 4 2
B (branca) 1 3 3
V (vermelha) 5 2 3
1 1 1
P( u1 ) = ; P( u 2 ) = ; P( u3 ) = ;
3 3 3
1 3 1 3
P( B / u1 ) = ; P( B / u2 ) = = ; P( B / u3 ) =
9 9 3 8
36
17/05/2019
• Solução (continuação):
P( u 2 ).P( B / u 2 )
P( u 2 / B ) = =
P( u1 ).P( B / u1 ) + P( u 2 ).P( B / u 2 ) + P( u3 ).P( B / u3 )
1 1
3 3 24
= =
1 1 1 1 1 3 59
+ +
3 9 3 3 3 8
27
P( u3 / B ) =
59
8
P( u1 / B ) + P( u 2 / B ) + P( u3 / B ) = 1 P( u1 / B ) =
59
FIM
37