Escolar Documentos
Profissional Documentos
Cultura Documentos
Experimentos determı́nisticos:
São aqueles que repetidos, sob as mesmas condições, conduzem ao mesmo resultado.
Experimentos aleatórios:
São aqueles que ao serem repetidos, sob as mesmas condições, não produzem o mesmo
resultado.
Exemplo 1.1.
E2 : Lançamento de um dado.
Exemplo 1.2.
Ω = {cara, coroa}
E2 : Lançamento de um dado.
Ω = {1, 2, 3, 4, 5, 6}
Ω = {(e, e), (e, ē), (ē, e), (ē, ē)}, e= enraizar , ē=não enraizar
3
Ω = { (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) }
Ω = {0, 1, 2, 3, 4, . . .}
Ω = {x ∈ R : x ≥ 0}
Ω = {t ∈ R : t ≥ 0}
Ω = {x ∈ R : x ≥ 0}
Ω = {t ∈ R : t ≥ 0}
Às vezes o espaço amostral de um experimento não é tão fácil de ser definido. Por exemplo
no experimento 7, quais os resultados possı́veis deste experimento? Números reais entre 0 e
?. Supondo que não exista uma altura máxima, talvez seja razoável fazer Ω = (0, ∞). Mas
é evidente que esse conjunto contém resultados impossı́veis, tais como um milhão ou um
bilhão de metros. Outros candidatos para Ω seriam, por exemplo, os intervalos limitados
4
(0, 3) e [1/10, 3]. Os dois intervalos contêm, aparentemente, todos os resultados possı́veis do
experimento. Esta propriedade já é suficiente para nossos propósitos, e podemos escolher
qualquer desses intervalos (incluindo (0, ∞)) para o espaço amostral. O importante, então,
é que Ω contenha todo resultado possı́vel.
A importância do espaço de resultados provém, sobretudo, de ser o meio empregue para
a definição de eventos. Há, em regra, muito mais interesse nos acontecimentos e nas famı́lias
de acontecimentos de que nos elementos do espaço amostral.
Definição 1.2. Qualquer subconjunto do espaço amostral Ω será chamado evento e será
denotado por: A, B, C, . . . .
No experimento E6 os eventos elementares são: {0}, {1}, {2}, {3}, {4}, {5}, {6}, . . . .
Nem sempre é fácil definir quais são os eventos elementares.
Quais são os eventos elementares em um espaço amostral cujo espaço amostral é contı́nuo?
Por exemplo, considerando-se os espaços amostrais associados aos experimentos 7, 8, 9 e 10
quais conjuntos serão seus eventos elementares?
Resposta: Os eventos elementares associados a esses espaços amostrais são os intervalos
da forma:
pois qualquer evento A ⊂ Ω poderá ser escrito como união ou intersecção enumerável ou
diferença de conjuntos como os definidos em (1.1). Por exemplo, subconjuntos (eventos) de
R
µ ¸
T 1
( i) Ponto: {x} = n x− ,x
n
6
S
( ii) Intervalo fechado: [a, b] = {a} (a, b]
2 Probabilidades
(iii) É bem sabido que não há moedas perfeitas, dados perfeitos, gases perfeitos, água pura
etc, que perfeição além do conceito não existe. Consequentemente o conceito clássico
é muitas vezes aplicado em situações idealizadas e não consegue vencer a dificuldades
levantadas quando os casos não são igualmente possı́veis.
( iv) Finalmente como calcular probabilidades quando o número de casos possı́veis não é
finito nem sequer enumerável?
8
Apesar de todas as crı́ticas não resta dúvida que a interpretação clássica é aplicável
sempre que a simetria dos problemas a justifique, e, de fato há numerosos caso em que tal
propriedade pode ser aceita. A verdade é que se trata de um modelo probabilı́stico particular
dentro da teoria axiomática a ser desenvolvida, de grande utilidade quando ajustado a uma
realidade concreta.
Atribuir probabilidade a um evento nada mais é do que associar uma “medida” ao evento
considerado. Então, a pergunta, agora, passa a ser: conseguimos atribuir medida a qualquer
evento A de um espaço amostral Ω? A resposta é não. Só conseguimos atribuir probabilidade
a determinados subconjuntos de Ω esses subsconjuntos serão, então, chamados de eventos
aleatórios.
Outros autores, por exemplo, Kolmogorov (1950) e Crámer (1946) preferiram abandonar
o axioma do limite, definindo probabilidade de um acontecimento aleatório como um número
9
( i) Pode-se repetir um grande número de vezes nas mesmas condições ou pelo menos em
condições muito semelhantes.
( ii) Cada vez que se repete obtém-se um resultado individual, mas nunca há conhecimento
suficiente para prever exatamente esse resultado, mesmo que se desenvolvam todos os
esforços para manter sob controle.
Vamos supor, contudo, que a classe dos eventos aleatórios possua certas propriedades
básicas e intuitivas, que serão essenciais para o desenvolvimento posterior da teoria do cálculo
de probabilidades. Indicando com A a classe de eventos aleatórios, vamos estipular as
seguintes propriedades para A.
A4. ∅ ∈ A e
Esta proposição diz que uma álgebra é fechada para um número finito de aplicações das
operações: ∪, ∩, e C .
Observação: A é fechada para diferenças.
Quando, Ω é finito uma álgebra é uma classe adequada para domı́nio da função P (.) Pois
uma álgebra contém o evento impossı́vel, o evento certo, o evento contrário ( de qualquer
evento que pertença a classe), a união e intersecção de eventos (que pertençam à classe), isto
é, em regra, todos os acontecimentos interessantes.
Se Ω for finito então A será a álgebra de todas as partes (ou conjunto de todos os
subconjuntos ) de Ω, i.e., A = P(Ω). No caso finito geral, se Ω tem n elementos, P(Ω) tem
2n elementos e será denotado por #P(Ω) = 2n .
P(Ω) = {∅, {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, {1, 2, 3}}
Quando Ω é infinito, mesmo que enumerável uma álgebra deixa de servir para a con-
strução de uma teoria que seja mais forte. Pois quando Ω é infinito existem acontecimentos
interessantes que se exprimem pela união infinita de outros acontecimentos ou de aconteci-
mentos elementares. Se o domı́nio da função de conjunto, P (.), deve conter tais acontecimen-
tos então ao invés de o representar por uma álgebra deve representar-se por uma σ-álgebra.
Isto é, deve-se exigir que a classe dos eventos aleatórios também satisfaça:
0
A3 Se An ∈ A para n = 1, 2, 3, . . ., então ∪∞
i=1 Ai ∈ A
enumerável também não há qualquer inconveniente em tomar para esse domı́nio P(Ω) = 2Ω
que aliás, agora, é uma σ-álgebra.
Quando, Ω, é não-enumerável a situação é mais complicada. A classe, P(Ω) = 2Ω ,
embora seja uma σ-álgebra, é demasiadamente rica e pode não ser possı́vel atribuir uma
probabilidade, de forma compatı́vel com os axiomas, a todo e qualquer, A ∈ P(Ω) = 2Ω .
É por isso que comumente a teoria de probabilidade se desenvolve em relação a uma σ-
álgebra mais restritiva, A, composta apenas por conjuntos de Ω probabilizáveis e só estes
são designados por acontecimentos (eventos aleatórios). Em particular, nos casos de maior
interesse prático em que, Ω = Rk , k = 1, 2, . . . , n a análise restringe-se a uma álgebra de Borel
em Rk , σ-álgebra que contém os conjuntos (acontecimentos, eventos aleatórios) contemplados
em quase todas as aplicações, a saber, em R, intervalos abertos, semi-abertos ou fechados,
finitos ou infinitos), uniões (finitas ou infinitas enumeráveis) e intersecções (finitas ou infinitas
enumeráveis) de intervalos, etc
Se Ω for contı́nuo quem será A? Por exemplo, consideremos o experimento E: Selecionar
um ponto no intervalo [0,1]. Temos que: Ω = [0, 1]. (Barry James, página 7).
2. P (Ω) = 1
As três propriedades apresentadas na definição 2.4 são usualmente referidas como Ax-
iomas de Probabilidade (ou axiomas de Kolmogorov). Qualquer função que satisfaça os
axiomas de Probabilidade é chamada função de probabilidade. O axioma não menciona qual
é a função particular P, ele meramente requer que P satisfaça os axiomas. Para qualquer
espaço amostral muitas e diferentes funções P podem ser definidas.
Não vamos nos preocupar, doravante, com o problema de como definir probabilidade
para cada experimento. Simplesmente, vamos admitir que existem as probabilidades em
uma certa σ-álgebra A de eventos, chamados eventos aleatórios; vamos supor que a todo
A ∈ A seja associado um número real P (A), chamado probabilidade de A, de modo que os
axiomas a seguir sejam satisfeitos:
Axioma 1. P (A) ≥ 0.
Axioma 2. P (Ω) = 1.
∞
X
P (∪∞
k=1 Ak ) = P (Ak )
k=1
0
Proposição 2.2. O axioma 3 implica o Axioma 3, i.e., se P é σ-aditiva, então é finitamente
aditiva. Prove!