Escolar Documentos
Profissional Documentos
Cultura Documentos
EMB 5010
Estatística e probabilidade para engenharia
Probabilidade
APRESENTAÇÃO
Probabilidade
Modelos probabilísticos
Demônio de Laplace
“Para esta inteligência nada seria incerto, e o
futuro, assim como o passado, estaria presente diante
dos seus olhos.”
“Todos os esforços na busca pela verdade tendem a
levar a mente humana cada vez mais próxima da
inteligência que acabamos de mencionar, entretanto
sempre restará uma distância infinita dela.”
(LAPLACE, 1995, p. 2)
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Erro epistemológico
(ou meta-incerteza)
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Modelos probabilísticos
Definição do
experimento
Espaço amostral
&
eventos
EVENTOS
Chamamos de evento a qualquer subconjunto do
espaço amostral:
A é um evento ⇔ A ⊆ Ω
Exemplo 4.3:
Lançamento de dados → Ω = {1, 2, 3, 4, 5, 6}
Sejam os eventos:
A = número par do dado = {2, 4, 6}
B = número maior que 2 do dado = {3, 4, 5, 6}
C = número 6 = {6}
Fonte: Barbetta, Reis e Bornia (2009)
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Espaço amostral e eventos
Operação entre eventos
complementar:
União: A ∪ B Interseção: A ∩ B A
Sejam os eventos:
A = número par do dado = {2, 4, 6}
B = número maior que 2 do dado = {3, 4, 5, 6}
C = número 6 = {6}
Probabilidade de eventos
P A= ∑ P i
i : i ∈ A
Fonte: Barbetta, Reis e Bornia (2009)
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Probabilidade de eventos
Exemplo, lançamento de dados → Ω = {1, 2, 3, 4, 5, 6}:
Assim:
P(A ∩ B) = {4, 6}
Assim:
A ∩ B = {4, 6}
6 5 4 3 2 1 1
P S 6 = . . . . . =
60 59 58 57 56 55 50.063.860
P Q 6 = {
6 5 4 3 54 53
. . . . .
60 59 58 57 56 55
. {15 }= }{ }
1
2.332,84
Q Q Q Q E E Q Q Q E E Q Q E Q E Q Q
Q Q Q E Q E Q Q E Q E Q E Q Q E Q Q 15
Q Q E Q Q E Q E Q Q E Q Q E E Q Q Q combinações
Q E Q Q Q E E Q Q Q E Q E Q E Q Q Q
E Q Q Q Q E Q Q E E Q Q E E Q Q Q Q
possíveis
Probabilidade condicional
a)
b)
Note que: 50
50 6850 P F ∩U
P F∣U = = =
1550 1550 P U
6850
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Probabilidade condicional
Exemplo 4.7
350 50
P F = =0,051 P F∣U = =0,032
6.850 1550
P A∣B= P A e P B∣A= P B
P A∩B
P A∣B=
P B
{ }
1,1 1,2 1,3 1,4 1,5 1,6
2,1 2,2 2,3 2,4 2,5 2,6
3,1 3,2 3,3 3,4 3,5 3,6
=
4,1 4,2 4,3 4,4 4,5 4,6
5,1 5,2 5,3 5,4 5,5 5,6
6,1 6,2 6,3 6,4 6,5 6,6
{(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}
{(1, 1), (1, 2), (1, 3), (1, 4), (2, 1),
(2, 2), (2, 3), (3, 1), (3, 2), (4, 1)}.
P E 2∣E 1 =
Regra do produto
P B∩ A
P B∣A= P A∩B=P A. P B∣A
P A
Para 3 eventos:
P A∩B∩C =P A. P B∣A. P C∣A∩B
Então:
4 3 1
P ( A1∩ A2 )=P ( A1). P ( A2∣A1 )= . =
12 11 11
Fonte: Barbetta, Reis e Bornia (2009)
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Probabilidade condicional
Exemplo 4.9
b) Encontre a probabilidade de todos os eventos do
espaço amostral.
8 7 4 28
P V 1∩V 2 ∩ A3 = . . =
12 11 10 165
Fonte: Barbetta, Reis e Bornia (2009)
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Probabilidade condicional
Exemplo 4.10
1
A P(O1∩ A2 )=
4
O
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
F = F ∩ E 1 ∪ F ∩ E 2 ∪ ⋯ ∪ F ∩E k
P F = P [ F ∩ E 1 ∪ F ∩ E 2 ∪ ⋯ ∪ F ∩E k ]
= P F ∩ E 1 P F ∩ E 2 ⋯ P F ∩ E k
k
P F =∑ P E i . P F∣E i
i=1 Fonte: Barbetta, Reis e Bornia (2009)
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Teorema da probabilidade total
Exemplo 4.12 (continuação)
Os eventos E representam
i
4 empresas fornecedoras
O evento F representa peças não conformes
Suponha:
Suponha:
Teorema de Bayes
P E i . P F∣E i
Então: P E i∣F = k
∑ P E i . P F∣E i
i=1
Fonte: Barbetta, Reis e Bornia (2009)
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Teorema de Bayes
Exemplo 4.12 (continuação)
Sabendo que uma peça é não conforme (F), qual a
probabilidade dela ter sido fornecida pela Empresa 4 (E4)
Já calculamos P(F):
k
P F =∑ P E i . P F∣E i =0,2
i=1
Então P(E4 | F)
P E 4 ∩ F 0,25.0,40
P E 4∣F = = =0,50
PF 0,20
Fonte: Barbetta, Reis e Bornia (2009)
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Teorema de Bayes
Exemplo 4.12 (continuação)
Sabendo que uma peça é não conforme (F), qual a
probabilidade dela ter sido fornecida pela Empresa 4 (E4)
Já calculamos P(F):
k
P F =∑ P E i . P F∣E i =0,2
i=1
Então P(E4 | F)
P E 4 . P F∣E 4 0,25.0,40
P E 4∣F = = =0,50
PF 0,20
Fonte: Barbetta, Reis e Bornia (2009)
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Teorema de Bayes
Exemplo extra
Coloque-se no programa de televisão comandado por Monty Hall, no qual o
participante deve escolher uma de três portas disponíveis. Atrás de uma
delas tem um carro e das outras pequenos prêmios de consolação.
Após escolher uma das portas, Monty Hall – que sabe onde está o carro –
diz que lhe dará mais uma oportunidade. Neste momento, ele abre uma
das outras duas portas (que tem um prêmio de consolação) e permite que
o participante reveja sua opção inicial.
Fonte: Gill (2002)
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Teorema de Bayes
Exemplo extra
Por exemplo: suponha que se tenha escolhido a Porta A e que Monty Hall
tenha aberto a Porta B. Neste caso, poderia-se permanecer com a opção
pela Porta A ou trocar para a Porta C.
Por exemplo: suponha que se tenha escolhido a Porta A e que Monty Hall
tenha aberto a Porta B. Neste caso, poderia-se permanecer com a opção
pela Porta A ou trocar para a Porta C. O que deveria ser feito?
Se não for feita uma análise mais cuidadosa da situação, pode-se ter a
impressão de que foi escolhida a porta correta e o apresentador está querendo
te induzir ao erro. Pois poderia-se pensar que, ao abrir a Porta B, a chance do
carro estar em uma das duas portas seria de 50%.
Existem 2 cenários em 3 do
jogador ganhar o carro, se
ele trocar a porta
selecionada.
Porta A Porta C
1 2
P ( A)= P ( B∪C )=
3 3
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Teorema de Bayes
Exemplo extra
A probabilidade do apresentador abrir a Porta B pode ser analisada por meio
de três probabilidades condicionais:
A probabilidade dele abrir a Porta B, se o carro está na Porta A:
P B Monty∣A=1/2
A probabilidade dele abrir a Porta B, se o carro está na Porta B:
P B Monty∣B=0
A probabilidade dele abrir a Porta B, se o carro está na Porta C:
P B Monty∣C =1
P B Monty∣C . P C
P C∣B Monty =
P B Monty∣A. P AP B Monty∣B . P BP B Monty∣C . P C
1 1
.
2 3 1
P A∣B Monty = = Note que a
1 1 1 1 3
0 . 1. probabilidade do carro
2. 3 3 3
Assim: 1 estar na Porta C é o
1. dobro de estar na
3 2
P C∣B Monty = = Porta A
1 1 1 1 3
0 . 1 .
2. 3 3 3 Fonte: Gill (2002)
Centro Tecnológico de Joinville EMB 5010 – Estatística e probabilidade para engenharia
Probabilidade
Referências