Escolar Documentos
Profissional Documentos
Cultura Documentos
das probabilidades
Introdução
Conceitos fundamentais
Conceitos de probabilidade
Teoremas para o cálculo de probabilidades
Probabilidade condicional e independência
Teorema de Bayes
Descritiva
Inferência
Experimentos Experimentos
Probabilísticos Determinísticos
1 1 2 1 2 3 ← lançamentos
Espaço
S={1,2,3,4,5,6} amostral
S
A
S={1,2,3,4,5,6}
B
A={1,3,5}
B={5,6}
S = {1, 2, 3, 4, 5, 6}
A = {1, 3, 5}
B = {5, 6}
A∩
∩B = {5}
União: Ocorre A∪
∪B, se ocorrer A ou B (ou ambos).
S = {1, 2, 3, 4, 5, 6}
A = {1,3,5}
B = {5,6}
A∪
∪B = {1, 3, 5, 6}
Profª Lisiane Selau 14
Complemento: Ocorre A, se ocorrer S, mas não ocorrer A.
S = {1, 2, 3, 4, 5, 6}
A = {1, 3, 5}
A = Ac = {2, 4, 6}
Exemplos:
Exp.1. Lançamento de uma moeda e observação do resultado
S={K,C}
S={1,2,3,4,5,6}
A ∪ B = { 1,2,3,4,6 }
B - A = { 1,3 }
A ∩ B={2}
B ∩ A = { 1,3 }
A ∩ B={5}
A - B = { 4,6 }
A ∪ B={5}
A ∩ B = { 4,6 }
A ∪ B = { 1,3,4,5,6 }
A ∩ A= ∅
A ∩ B = { 1,3,4,5,6 }
Profª Lisiane Selau 19
Análise combinatória
Técnicas de contagem → determinar o número de elementos
de um conjunto ou o número de resultados possíveis de um
experimento.
A = { a, b, c, d }
Permutações
Arranjos
Combinações
Profª Lisiane Selau 20
(b, c) e (c, b)
ordem A = { a, b, c, d }
(a, b, c) e (a, c, b)
(b, c) e (b, d)
natureza
(a, b, c) e (a, b, d)
Pn = n! P4 = 4! = 24 grupos
{(a, b, c, d), (a, b, d, c), (a, c, b, d), (a, c, d, b), (a, d, b, c), (a, d, c, b),
(b, a, c, d), (b, a, d, c), (b, c, a, d), (b, c, d, a), (b, d, a, c), (b, d, c, a),
(c, a, b, d), (c, a, d, b), (c, b, a, d), (c, b, d, a), (c, d, a, b), (c, d, b, a),
(d, a, b, c), (d, a, c, b), (d, b, a, c), (d, b, c, a), (d, c, a, d), (d, c, d, a)}
Profª Lisiane Selau 22
Arranjos: grupos que se distinguem pela ordem e pela
natureza dos seus elementos.
x n! 2 4! 4 × 3 × 2!
A =n A = 4 = = 12 grupos
(n − x)! (4 − 2)! 2!
{(a, b), (b, a), (a, c), (c, a), (a, d), (d, a), (b, c), (c, b), (b, d), (d, b), (c, d), (d, c)}
Profª Lisiane Selau 23
Combinações: grupos que se distinguem apenas pela
natureza dos seus elementos.
x n! 2 4! 4 × 3 × 2!
C =
n C =
4 = =6 grupos
x! (n − x)! 2! (4 − 2)! 2! 2!
{(a, b), (a, c), (a, d), (b, c), (b, d), (c, d)}
Profª Lisiane Selau 24
Permutações → ordem → (x = n)
Pn = n! grupos
x n!
C =
n
grupos
x! (n − x)!
Como calcular?
a,b,c,... n! 5!
P n = grupos
3,2
P
5 = = 10
a! b! c! ... 3! 2!
Profª Lisiane Selau 26
Conceitos de probabilidade
Jogos de azar
Conceito clássico ou
probabilidade a priori
Teoria das probabilidades
Pierre-Simon Laplace
(1749-1827)
Profª Lisiane Selau 27
Conceitos de probabilidade
1.Conceito clássico ou probabilidade a priori
Definição: Seja E um experimento aleatório e S o espaço
amostral a ele associado, com n pontos amostrais, todos
equiprováveis.
Se existe, em S, m pontos favoráveis à realização de um
evento A, então a probabilidade de A, indicada por P(A),
será:
pontos favoráveis
m #A ← número de elementos de A
P(A) = =
n #S ← número de elementos de S
pontos possíveis
S = {KK,KC,CK,CC}
A = {KC,CK}
m #A 2 1
P(A) = = = =
n #S 4 2
a) C10,5 = 252
b) C9,4 = 126
52!
# S = C52,2 = =1326
50! 2!
4!
A = retirada de duas damas e #A = C4,2 = =6
2! 2!
m ← ocorrências de A
fr =
n ← repetições de E
0,5 P(A)
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 n
m 309 103
f= = = = 0,3801
n 813 271
Andrei N. Kolmogorov
(1903–1987)
Axioma 1. 0 ≤ P(A) ≤ 1
Axioma 2. P(S)=1
Exemplo:
Lançamento de um dado e observação da face
voltada para cima
Primeiro axioma Terceiro axioma
S={1,2,3,4,5,6}
A={2} #A 1
P(A) = = P(A∪
∪B)=P(A)+P(B)
B={1,3,5} #S 6
P(A∪B)=1/6 + 3/6
#B 3
P(A∪
∪B)=? P(B) = =
#S 6 P(A∪B)=4/6
Demonstração:
P(A) − P(A∩
∩B) = P(A−
−B)
Demonstração:
P(A)+P(B) − P(A∩
∩B) = P(A∪
∪B)
P(A) = 0,18
P(B) = 0,28
P(A∩B) = 0,08
∩ =
S = { 52 cartas }
A = tirar um rei = { K♣,K♦,K♥,K♠ } e
B = tirar uma carta de espadas = { A♠,2♠, ..., K♠}
Exemplo:
Experimento: Uma caixa contém cinco bolas equiprováveis,
sendo três azuis e duas brancas. Duas bolas são retiradas,
uma a uma, e suas cores são observadas.
duas bolas
A1 = {A, A, A }
# A1 3
P(A 1 ) = =
#S 5
Profª Lisiane Selau 52
A probabilidade do B2 depende da ocorrência ou não do A1?
S = {B, B, A, A} # B 2 /A 1 2
P(B 2 /A 1 ) = =
B2/A1 = {B, B} #S 4
S = {B, A, A, A } # B2 1
P(B 2 ) = =
B2 = {B} #S 4
P(A/B)
S = {B, B, A, A, A}
# A1 3
P(A 1 ) = =
A1 = {A, A, A } #S 5
P(A/B)=P(A) e P(B/A)=P(B)
P( A ∩ B ) P( A ∩ B )
P(B/A ) = P( A / B ) =
P( A ) P(B )
P(A∩
∩B) = P(A) P(B/A) P(A∩
∩B) = P(B) P(A/B)
Profª Lisiane Selau 58
Caso particular:
P(B/A)=P(B) e P(A/B)=P(A)
A e B são independentes ⇔
P(A∩B)=P(A) P(B)
Condicionados: a ocorrência de
não um altera a probabilidade de
mutuamente ocorrência do outro
exclusivos
Independentes: a ocorrência de
A∩
∩B ≠ ∅ um não altera a probabilidade
de ocorrência do outro
Profª Lisiane Selau 59
Exercício: Dois dígitos são selecionados aleatoriamente de
1 a 9 sem repeti-los. Se a soma é par encontre a
probabilidade de ambos os números serem ímpares.
# S = C9,2 = 36
B2
B1 Evento de interesse
A
B3
n=3
B1∪ B2∪ B3 = S
B1∩ B2 = ∅
Thomas Bayes B1∩ B3 = ∅ B i∩ B j = ∅
(1702 –1761)
B2∩ B3 = ∅
Profª Lisiane Selau 61
Exemplo: Em uma fábrica de parafusos, as máquinas 1, 2
e 3 produzem 25%, 35% e 40% do total produzido. Da
produção de cada máquina, 5%, 4% e 2%, respectivamente,
são defeituosos.
S = produção total da fábrica
B1 = produção da máquina 1
B2 = produção da máquina 2
B3 = produção da máquina 3
A = produção defeituosa
Se escolhemos ao acaso um
parafuso desta fábrica, qual é a
probabilidade de que este parafuso
seja defeituoso?
P(A) ?
Profª Lisiane Selau 62
B1∩ A B2∩ A B3∩ A
P(B1)=0,25
P(B2)= 0,35
P(B3)= 0,40
Máquina 2
Máquina 1 Máquina 3
Probabilidade condicionada:
P(B1/A) = ?
Teorema de Bayes
P(B i ).P(A/B i )
P(Bi /A) = n
∑ P(B ).P(A/B )
i=1
i i
P(B3/A)
P(B1/A)
Se o parafuso é defeituoso, a
probabilidade de ter sido fabricado pela
Máquina 1 é 0,3623; pela Máquina 2 é
0,4058 e pela Máquina 3 é 0,2319
Profª Lisiane Selau 69
Exercício:
Em uma certa comunidade, 6 % de todos os adultos com mais
de 45 anos têm diabetes. Um novo teste diagnostica
corretamente 84% das pessoas que têm diabetes e 98% das
que não tem a doença.
a) Qual é a probabilidade de uma pessoa diagnosticada como
diabética no teste, ter de fato a doença? 0,7283
b) Qual é a probabilidade de uma pessoa que faça o teste seja
diagnosticada como não diabética? 0,9308
DD – 0,84
D – 0,06
DND – 0,16
DD – 0,02
ND – 0,94
DND – 0,98
DD – 0,02
ND – 0,94
DND – 0,98
a) Qual é a probabilidade de uma pessoa diagnosticada
como diabética no teste, ter de fato a doença?
P(D).P(DD/D)
P(D/DD) =
P(D).P(DD/D) + P(ND).P(DD/ND)
0,06 × 0,84 0,0504 0,0504
= = = = 0,7283 = 72,83%
(0,06 × 0,84) + (0,94 × 0,02) 0,0504 + 0,0188 0,0692