Escolar Documentos
Profissional Documentos
Cultura Documentos
de Produção
2020 - 1
Aula no 5 -
Revisão de Probabilidade
2
Probabilidade
Definido um conjunto de eventos
favoráveis "A", parte de um conjunto
de eventos possíveis "S", se "A" pode
acontecer de "x" maneiras e "S" de
"n" maneiras igualmente prováveis, a
probabilidade de "A" acontecer , P(A),
é:
favoráveis
possíveis
3
Axiomas da Probabilidade
1) 0 ≤ P(A) ≤ 1, ∀ A
2) P(S) = 1
3) Se A1, A2 ,....., An são
mutuamente exclusivos
P(A1∪ A2∪...... ∪ An)=
P(A1) + P(A2) + ..... + P(An)
4
Espaço Amostral
Exemplos:
Lançar um dado: {1,2,3,4,5,6}
5
Complemento
Importante:
P(Ac)=1-P(A)
6
Dados "S" e seus sub-conjuntos "A" e "B":
S
União "∪" A B
S
Intercessão "∩" A B
Exemplo: Dado
Sabendo que o resultado do lançamento
foi par, qual a probabilidade que tenha
sido o n º 4?
B={2,4,6}, A={4}
Pela definição: P(A|B)=1/3
Pela regra: P(A|B)=(1/6)/(1/2)
8
Um evento A é dito independente de um
evento B se a probabilidade de A acontecer
não é influenciado pelo fato de B
acontecer, ou seja
P(A|B)=P(A)
Lembrando que
Conceito importante:
Eventos mutuamente exclusivos são
independentes?
9
Exemplo: dois lançamentos de moeda
H=cara, T=coroa, S={HH,HT,TH,TT}
A: cara no primeiro lançamento,
A={HH, HT}, P(A)=1/2
B: cara no segundo lançamento
B={HH,TH}, P(B)=1/2
C: cara em exatamente uma moeda
C={HT,TH}, P(C)=1/2
A∩B={HH},P(A∩B)=1/4
A∩C={HT},P(A∩C)=1/4
B∩C={TH}, P(B∩C)=1/4
A∩B∩C ={ }, P(A∩B ∩C)=0
V N2/(N+M)2
N/N+M
2) Sem reposição
N-1/N+M-1
V N(N-1)/(N+M)(N+M-1)
N/N+M
V
M/N+M-1 P NM/(N+M)(N+M-1)
N/N+M-1 V NM/(N+M)(N+M-1)
M/N+M
P N(M-1)/(N+M)(N+M-1)
M-1/N+M-1 P 12
Variáveis Discretas e Contínuas
Até agora, utilizamos como exemplo
apenas variáveis discretas. A
probabilidade deste tipo de variável pode
ser representada pelo gráfico de
distribuição:
P(x)
1/6
Lançamento de
um dado
1 2 3 4 5 6 x
P(x)
Soma de dois 6/36
5/36
lançamentos de 4/36
3/36
dado 2/36
1/36
1 2 3 4 5 6 7 8 9 10 11 12 x
13
Variáveis Contínuas
14
Gráfico de Densidade de Probabilidade
P(x)
a b
x
Obs.:
15
Distribuição Acumulada
Freqüentemente é interessante analisar a
distribuição acumulada de probabilidade.
PA(x)
1
P(x) 5/6
4/6
1/6
3/6
2/6
1/6
1 2 3 4 5 6 x
x
Distribuição
acumulada para
variáveis discretas
16
Ex. 2) Probabilidade Uniforme de falha
no intervalo [0,T]
f(t) F(t)
1
1/T
T t T
t
Probabilidade
acumulada para
variáveis contínuas
18
Média ou Valor Esperado
Notação: E(x), μ ou x
Variáveis discretas:
Variáveis contínuas:
Ex.:
f(t)
1/T
0 T x
19
Variância e Desvio-Padrão
Notação: Variância: σ2(x),
Desvio-Padrão: σ(x)
Coeficiente de variação: σ/μ
Variáveis discretas:
Pode ser
demonstrado
20
Variáveis contínuas:
Pode ser
demonstrado
Ex.:
f(t)
1/T
0 T x
21
Sejam x1, x2 , ....,xn variáveis aleatórias
com idêntica distribuição de
probabilidade.
Soma
Média Amostral
22
Soma de variáveis Aleatórias
Sempre: E[Sn]=nμ
σ2[Mn]=σ2[x]/n
23
Distribuição Normal
Algumas distribuições de
probabilidade aparecem com
freqüência. A distribuição uniforme
aparece tanto em variáveis discretas
como contínuas. As distribuições
Binomial e de Poisson descrevem
diversos processos discretos.
Certamente, a Distribuição Normal
ou Gaussiana é a distribuição de
probabilidade mais usual.
A Distribuição Normal é
completamente caracterizada pelas
sua média e variância. A densidade
de probabilidade obedece a:
24
Aspecto da Distribuição Normal
25
Teorema do Limite Central
Sejam x1, x2 , ....,xn variáveis aleatórias
independentes, com idêntica distribuição
de probabilidade (iid), media μ, desvio
padrão σ.
Definimos a média amostral padronizada
Zn, de média zero e variância unitária:
Apresentação Acadêmica
Então:
Onde
27
28
29