Probabilidades

• Conjuntos Notações de conjuntos para representar relações entre acontecimentos
Relação entre conjuntos Acontecimento certo Acontecimento impossível O acontecimento A não ocorre Ocorre o acontecimento A e ocorre o acontecimento B Ocorre o acontecimento A ou ocorre o acontecimento B ou ocorrem ambos Se C ocorre, então D também ocorre (C implica a realização de D) Os acontecimentos E e F são incompatíveis Notação de conjuntos

Se B é subconjunto próprio de A, escreve-se: B ⊂ A (B implica A). Reunião e intersecção de conjuntos S A B

Ω, S, E Ø
A

A

U

B

A ∪= : x ∈ B {x A ∨∈ x B}

A∩ B

Nota:

# ( A ∪= + − A ∩ B) # A # B #( B)

A∪ B

S A
A∩ B

B

C ⊆D

E∩F =∅

A ∩= : x ∈∧∈ B {x A x B}

Cardinal de um conjunto Ao número de elementos de um conjunto chama-se cardinal do conjunto e representa-se pelo símbolo # (“cardinal”). A={1, 2, 7}; #A=3 Igualdade entre os conjuntos
(A =) ⇔ B ( x ∈⇔ B ) A x ∈

Conjuntos disjuntos (incompatíveis) A e B são conjuntos disjuntos se A∩B=Ø. S A B

Subconjunto de um conjunto
(A ⊆ ⇔ B) ( x ∈⇔ B ) A x ∈

S B A Diagrama de Venn Propriedades das operações com conjuntos

: A={8}). 9.Se o resultado de uma experiência consta de dois ou mais elementos do conjunto de resultados (i.:lançar uma pedra ao mar e verificar que vai ao fundo.e. furar um balão cheio de ar e verificar que rebenta).º . 11.e.º . desde que A A (B ∪ se ) Complementar de um conjunto O complementar de um conjunto A representase A .A = A Complementar de um conjunto relativamente a outro Seja A e B dois conjuntos. 6.Propriedade comutativa Propriedade associativa Elemento neutro Elemento absorvente Idempotência Propriedade distributiva A∪ B = B∪ A A∩ B = B ∩ A Seja A e B dois subconjuntos quaisquer: e A ∩= ∪ B A B A ∪= ∩ B A B ( A ∪ B ) ∪ C = A ∪ ( B ∪ C )∩ B) ∩ C = A ∩ ( B ∩ C ) (A A∪∅ = A A∪S = S A∩S = A A∩∅ = ∅ • Termos e conceitos probabilísticos Experiência determinista As experiências deterministas ou causais caracterizamsejam repetidas sob as mesmas condições (i. 5. 8. 4. 10.º . ainda que as experiências sejam realizadas sob as mesmas condições (i.e. U ou Ω (i. um dado e uma moeda. 3.e.: lança um dado e observar a face que fica voltada para cima. retirar de um saco mais de uma bola são experiências compostas porque envolvem mais do que uma experiência simples. O complementar de B relativamente a A representa-se por A\B e tem-se: A \ B = {x : x ∈ A ∧ x ∉ B} A S B Só se realiza se e só se A se realiza sem que B se realize.º . 5.e. Acontecimento A qualquer subconjunto de S chamamos acontecimento. Leis de De Morgan .A = { x : x ∉ A} 2. 3. 7}). Conjunto de resultados Ao conjunto formado por todos os resultados possíveis de uma experiência aleatória chama-se conjunto de resultados ou espaço amostral e representa-se por S. tirar um carta de um baralho e verificar se sai vermelha). 12}).A ∩ A = ∅ 4. Lançar dois dados. As tabelas de dupla entrada são úteis para identificar todas A∪ A = A A∩ A = A A ∪ ( B ∩ C ) = ( A ∪ B) ∩ (∩ ∪ C ) C ) = ( A ∩ B) ∪ ( A ∩ Cpor produzirem o mesmo resultado. Acontecimento de uma experiência aleatória é cada um dos subconjuntos do conjunto de resultados. 2. S A A 1. Acontecimento composto .A ∪ A = S 3. S={1. Experiência aleatória As experiências aleatórias ou casuais caracterizam-se pela impossibilidade de prever o resultado que se obterá. Acontecimento elementar – Se o resultado de uma experiência consta de um só elemento do conjunto de resultados (i.: B={1.: no lançamento de um dado. 7.

verifica-se que A ∪ B é o acontecimento certo ( A ∪ B = S ).p(acontecimento impossível) = p(Ø) = 0 4.º . a probabilidade de um acontecimento A é igual ao quociente entre o número de casos favoráveis ao acontecimento e o número de casos possíveis. Acontecimento certo – Se o resultado de uma experiência consta de todos os elementos do conjunto de resultados (i. Designemos por p(A) a probabilidade do acontecimento A.º - No caso dos acontecimentos A e B. sugeridas pela nossa intuição ou experiência.: C={1. além de serem incompatíveis ( A ∩ B = ∅ ). 2. X ∩Y = ∅ (a realização de um acontecimento não implica a realização do outro). que ela resulta de outras consideradas verdadeiras. B é o acontecimento contrário de A e representa-se por A .: D=Ø).e.e.p(acontecimento certo) = p(S) = 1 3.º . X e Y. que não se demonstra e se aceitam como verdadeiras. 6}=S).º . S X Y • Definição frequencista de probabilidade Lei dos grandes números Ao número à volta do qual estabiliza a frequência relativa de um acontecimento quando o número de repetições da experiência cresce consideravelmente chama-se probabilidade do acontecimento. O diagrama de árvore usa-se para o mesmo efeito mas pode ser utilizado para duas ou mais experiências. A relação entre frequência relativa e a probabilidade de um acontecimento permite desde já estabelecer as seguintes conclusões: 1. 3. Provar ou demonstrar uma proposição é mostrar. 4.º . dizem-se incompatíveis se a sua verificação simultânea for o acontecimento impossível. Acontecimento impossível – Se o resultado de uma experiência não tem qualquer elemento do conjunto de resultados (i. Por esta razão também se chama a A e B acontecimentos contrários (a intersecção é um acontecimento impossível e a reunião é um acontecimento certo). ou seja.º . Ou seja: p ( A) = n mro ú e d c s s fa o v is e ao v rá e n mro ú e d cs s e ao a a o te im o cn c e fa o v is v rá e n to A • Definição axiomática de probabilidade A B Axiomas são proposições. 5.as probabilidades de saídas quando se trata de duas experiências simples. 6. p ( A ∪ B ) = p ( A) + p ( B ) − p ( A ∩ B ) p ( A ∪ B ) = p ( A) + p ( B ) p ( A ) =1 − p ( A) 5.0 ≤ p(A) ≤ 1 2.Se A e B são dois acontecimentos quaisquer do mesmo espaço amostral S . Acontecimentos incompatíveis e acontecimentos contrários – dois acontecimentos. S • Lei de Laplace Se os acontecimentos elementares são equiprováveis. usando raciocínios lógicos.Se A e B são incompatíveis. .

p( A ∪ B ) = A) + B ) p( p( . P(S) = 1. p(Ø) = 0 Teorema 2 – a probabilidade de qualquer acontecimento A é um número do intervalo [0.º .p( A ∩ B ) = p( A) × p ( B | A) • Probabilidade condicionada e axiomática Sendo S o conjunto de resultados. então: p[( A1 ∪ A2 ) | B] = p ( A1 | B ) + p ( A2 | B ) Teorema 1 – a probabilidade de um acontecimento impossível é zero. A ⊆ S Teorema 6 Teorema 7 Teorema 8 - B ⊂ A ⇒ p(A \ B) = p(A) − p(B) B ⊂⇒ ) ≤ ( A) A p( B p p ( A) +B ) + A ∩ p( p( B ) = p( A ∩ 1+ B) • Probabilidade condicionada (acontecimentos dependentes) Representa-se por p(A|B) a probabilidade de ocorrência de A.p ( A ∩ B ) = p ( B ) × p ( A | B ) 2. A ⊆ S • Acontecimentos independentes Dois acontecimentos são independentes quando a probabilidade de realização de um deles não interfere na probabilidade da realização do outro. s e (A ∩ B) = ∅ 1. S é o acontecimento certo Axioma 3 – A probabilidade da reunião de dois acontecimentos incompatíveis (disjuntos) é igual à soma das probabilidades desses acontecimentos.º . na hipótese de B se ter realizado. isto é. (Exemplos: lançamentos consecutivos de 2 dados/moedas. Axiomas das probabilidades (Axiomática de Kolmogorov) Axioma 1 – A probabilidade de qualquer acontecimento A do conjunto de resultados S é um número não negativo.º .p(S|B) = 1 3.Teoremas são proposições que se demonstram a partir dos axiomas ou de outras proposições já demonstradas.º . A ⊆ S .) Dois acontecimentos são independentes se e só se: Teorema 4 – probabilidade da reunião de dois acontecimentos p ( A ∪= A) + B ) − A ∩ B) p( p( p( B) Teorema 5 - p ( A) = A ∩ p( B) + A ∩ p( B) . p(A|B) satisfaz os 3 axiomas da teoria das probabilidades se: 1.º . tirar consecutivamente bolas/cartas. e tem-se (probabilidade de A sabendo que B ocorre): p( A | B) = p ( A ∩B ) . p( A) ≥ 0.p(A|B) ≥ 0 2. 0 ≤ ( A) ≤ A ⊆ p 1 . p ( B ) ≠0 p( B) Axioma 2 – A probabilidade do acontecimento certo é 1. B ⊆ S e p(B)>0. S Teorema 3 – a probabilidade do acontecimento contrário de A ( A ) é igual à diferença entre 1 e a probabilidade de A. p ( A ) = p ( A) 1− . 1]. com reposição. se A1 ∩ A2 = ∅ .Se A1 e A2 são acontecimentos incompatíveis.

x n Média aritmética x1 . n.. +1 p ( A | Bn ) × p ( Bn ) .. que assume um número finito de valores distintos p( A ∩ B) p ( B | A) = x .e.0 ≤ p i ≤ n.. discreta.e....º - ∑p i =1 n i =1 População Variável aleatória X que toma valores Amostra Variável estatística X que toma valores x1 . x 2 .. x n p ( A | B1 ) × p ( B1 ) + p ( A | B2 ) × p ( B2 ) + . i = 1.... x n Valor médio ou esperança n x= ∑x i =1 n n i × ni N = ∑ xi × fri i =1 n µ = ∑ xi × pi i =1 Variância amostral σ = 2 n ∑x i =1 2 i × ni Variância populacional 2 2 2 − x = ∑ x × σ i − x 2 =i × p i − µ fr = ∑ x 2 2 i n N i =1 n n ( xi − x ) 2 × ni = ∑ ( x i − x ) 2 2 = ∑ ( xi − µ ) 2 × p i σ × fri ∑ N i =1 i =1 i =1 Ou Desvio-padrão amostral σ = σ2 Desvio-padrão populacional σ = σ2 Notação Notação Descrição X Variável aleatória • Modelo binomial (variáveis discretas) . Dados obtidos por contagem (i.. xi . …. Dados obtidos através de aparelhos de medida (i. + p ( A | Bn ) × p ( Bn ) pi . i = 1... • Teorema de Bayes Dada uma variável aleatória X.: temperatura).. x σ σ2 Nº de elementos da população Valores que pode tomar a variável X Frequência relativa de xi . xi . devem satisfazer as • Variável aleatória e distribuição seguintes condições: de probabilidades Uma variável aleatória é uma variável cujo valor é um resultado numérico associado ao resultado de uma experiência aleatória.. …. Variável aleatória contínua – pode assumir um número infinito não numerável de valores. x 2 . x 2 . xi .. 1..: nº de pessoas atendidas num hospital)... n 2..º ....N p ( A | B ) = ( A) p xi fr i fi pi p ( A ∩= A) × B ) B) p( p( • Teorema das probabilidades totais p ( A) = p ( A | B ) × p ( B ) + p ( A | B ) × p ( B ) μ.. em % Frequência absoluta de xi Probabilidade de xi Média Desvio-padrão Variância ou Chama-se distribuição de probabilidades de uma variável aleatória X à aplicação que a cada valor xi da variável X faz corresponder a respectiva probabilidade p ( A) = p ( A | B1 ) × p ( B1 ) + p ( A | B2 ) × p ( B2 ) + . então as probabilidades pi = P( X = xi ) . Pode ser discreta ou contínua: Variável aleatória discreta – pode assumir um número finito ou infinito numerável de valores.....

O eixo das abcissas é assimptota da curva. 4. A variável X pode tomar os valores 1. Provas de Bernoulli Sucessão de experiências aleatórias independentes. 3. mais achatada é a curva. …. constante de experiência para experiência A distribuição binomial é um modelo probabilístico aplicável em problemas onde se consideram repetidas provas de Bernoulli.º .Quanto maior for o desvio-padrão σ. 3. 2.º .A probabilidade de sucesso p não varia de prova para prova.º .A área abaixo da curva distribui-se em intervalos da seguinte forma: . p).q n −k x = k – acontecimento n – nº de vezes que a experiência se repete k – nº de vezes de sucesso p – probabilidade de sucesso q – probabilidade de insucesso • Modelo normal (variável contínua) Uma distribuição normal é caracterizada pela média μ e pelo desvio-padrão σ.É constituída por n provas idênticas. n.σ). Se X tem distribuição binomial de parâmetros n e p. o gráfico da função densidade e as rectas x = xi e x = x j . Representa-se por N(μ.º . 6. 2. em cada uma das quais se observa ou não. com probabilidade P(A)=p.º .Em cada prova apenas são possíveis dois resultados: sucesso ou insucesso. chama-se variável aleatória com distribuição binomial de parâmetros n e p. A curva normal é em forma de sino e denomina-se por Curva de Gauss.º . que representa o número de sucessos nas n provas. 7. ∀x 0 ∈ℜ 2. a probabilidade para qualquer valor X = r da variável aleatória X é dada por: n r P ( X = ) =C r p r × − ) n − r (1 p realizações de uma dada experiência determinado acontecimento se verifique k vezes. Provas repetidas O problema das provas repetidas consiste na determinação da probabilidade de que em n 8. Representa-se por B (n.A probabilidade de que a variável tome valores no intervalo [ xi . a realização de um determinado acontecimento A.º .º . 4.É simétrica relativamente ao valor médio μ da variável. 5.Os resultados das provas são independentes uns dos outros.º .º .º . p ( x = k ) =n C k p k .Distribuição binomial Designa-se por modelo de distribuição binomial uma experiência aleatória com as seguintes características: 1. À variável aleatória X. Características da curva normal 1.º .A área compreendida entre a curva e o eixo Ox é igual a 1. x j ] é igual à área compreendida entre o eixo Ox.A concavidade da curva muda de sentido para x1 = µ − σ e x 2 = µ + σ ( x1 e x 2 são abcissas dos pontos de inflexão). f ( µ − x0 ) = f ( µ + x 0 ).Tem um máximo para x = μ.

×3 ×2 ×1 x − 2σ x −σ x x +σ x + 2σ Dados n elementos quaisquer. p ∈ N 0 e n≥p p!( n − p )! n n 1..44 % * ] x − 3σ. n 2 maneiras de realizar a segunda. até à k-ésima etapa. + nk maneiras diferentes..A p = n! ( n − p )! 2. e se existirem n1 maneiras de realizar a primeira alternativa.º . x + 3σ[= 99 .n An = Pn Arranjos com repetição (arranjos completos) Dados n elementos diferentes. existirem n 2 maneiras de realizar a segunda etapa. chama-se arranjos sem repetição de n elementos escolhidos arbitrariamente entre os n dados. Se para realizar um processo existirem k alternativas que se excluem duas a duas.26 % * ] x − 2σ. Princípio geral da adição (“A ou B”) As várias formas de realizar algo. sendo estes diferentes ou não. n k maneiras de realizar a k-ésima. n n Cp = Ap p! n Cp = n! . n. p ∈ N e n≥p n 1... a 2 . existem n alternativas diferentes. O número de todas estas sequências n designa-se por A p = n(n −1)( n − 2) ×. então todo o processo pode ser realizado de n1 × n2 × n3 ×... que se podem formar escolhendo os p elementos entre os n dados.. então o processo pode ser realizado de n1 + n2 + n3 + .. x + σ[= 68 .* ] x −σ. Pn = n! Arranjos sem repetição (arranjos simples) • Cálculo combinatório Princípio geral da multiplicação (“A e B”) Por cada alternativa. a1 . a n .. chamase arranjos com repetição dos n elementos p a p a todas as sequências de p elementos.C p = C n −p . Consideremos um processo constituído por k etapas. e assim sucessivamente. x + 2σ[= 95 .. O número total de n p sequências representa-se por A p ' = n Combinações sem repetição (tiragens simultâneas) n C p ou   é o número de subconjuntos com p n p elementos que se podem definir num conjunto com n elementos.. × (n − p +1) n. ….º . para cada uma destas. Se existirem n1 maneiras de realizar a primeira etapa e se. Factorial de um número natural n Chama-se factorial de um número natural n e representa-se por n! ao produto: n! = n( n −1)( n − 2) ×.. O número dessas sequências representa-se por Pn (permutação de n).º .74 % NOTA: 0!=1 Permutações Chama-se permutação de n elementos a todas as sequências diferentes que é possível obter com os n elementos. × nk maneiras diferentes.

º .º .C p + C p + = C p + 1 1 n n 3.º .º . C 2 Arranjos com repetição Arranjos sem repetição Permutações Combinações           - Ap ' = n p n! ( n − p )! • Binómio de Newton n Ap = ( a + b) n =n C 0 a n +n C1 a n −1b +n C 2 a n −2 b 2 +. +n C n −1 a Pn = n! n Cp = n! p!( n − p )! Ou ( a +b) n = ∑n C p a n −p b p p =0 n • Triângulo de Pascal 1 1 1 1 1 4 3 6 2 3 4 1 1 1 1 Observações 1.º .C 0 = C n = 1 n n C p = n− C p Síntese A ordem influi? Pode haver repetição? Entram todos os elementos da sequência? 2. C0 1 2 C0 3 C1 2 C0 4 C1 3 4 C2 3 4 C0 5 C1 C2 6 C2 5 C3 4 C0 6 C1 5 C2 C3 C3 5 C4 5 C0 C1 6 C3 6 C4 6 C5 C0 C6 C1 C2 C4 C5 …………………………………………… Propriedades 1.O termo de ordem p é T p .A soma de todos os elementos da n-ésia linha é igual a 2 n : n p− 1 n n+ 1 p p Combinatória n n n n C0 + 1 + + n = n C . sendo: n n −p p T = C a b ou T p +1 = C p a b n p p− 1 n −+ p 1 p− 1 1 5 10 10 5 1 1 6 15 20 15 6 1 …………………………………… Corresponde aos valores de: 0 1 2 3 4 5 6 6 O binómio de Newton é uma forma rápida de simplificar expressões do tipo (a + b) n .º .n n n+ 1 2.A soma de dois números consecutivos de uma linha é igual ao número que na linha seguinte figura entre eles: C + C = C  Regra de Stiefel 3..Em cada linha são iguais os termos equidistantes dos extremos: ..º .. . 2.O desenvolvimento de (a + b) n tem n+1 termos.

Sign up to vote on this title
UsefulNot useful