Você está na página 1de 29

CAPTULO I - ELEMENTOS DE PROBABILIDADE

1.1 INTRODUO Em geral, um experimento ao ser observado e repetido sob um mesmo conjunto especificado de condies, conduz invariavelmente ao mesmo resultado. So os experimentos chamados de determinsticos. Entretanto, existem experimentos em que no se obtm sempre o mesmo resultado, ainda que realizado sob condies idnticas. Tais experimentos, por apresentarem variabilidade nos resultados, so objeto da Teoria de Probabilidade, a qual ser introduzida aqui.

1.2 CONCEITOS BSICOS

1.2.1 EXPERIMENTO ALEATRIO Um experimento dito aleatrio quando o seu resultado no for previsvel no sentido comum antes de sua realizao, ou seja, um experimento cujos resultados esto sujeitos unicamente ao acaso. Os seguintes traos so pertinentes a esta caracterizao de experimento aleatrio : - Cada experimento poder ser repetido indefinidamente sob condies essencialmente inalteradas. - Embora o resultado preciso que ocorrer no possa ser dado, um conjunto que descreva todos os resultados possveis para o experimento poder ser apresentado. - Quando o experimento for executado repetidamente, os resultados individuais parecero ocorrer de uma forma acidental. Contudo, quando o experimento for repetido um grande nmero de vezes, uma configurao definida ou regularidade surgir. esta regularidade que torna possvel construir um modelo matemtico preciso atravs do qual se analisar o experimento. EXEMPLOS ( 1 ) Jogue um dado comum e observe o nmero mostrado na face voltada para cima.

ESTATSTICA Notas de Aula _____________________________________________________________________________________

( 2 ) Jogue uma moeda quatro vezes e observe o nmero de caras obtido. ( 3 ) Uma lmpada fabricada e em seguida ensaiada. Observe a sua durao de vida. ( 4 ) Observe o tempo de espera de uma pessoa numa fila de nibus. ( 5 ) Peas so fabricadas at que 10 peas perfeitas sejam produzidas. O nmero total de peas observado.

1.2.2 ESPAO AMOSTRAL ( S ) o conjunto de todos os possveis resultados de um experimento aleatrio. O espao amostral depende essencialmente do que se queira observar no experimento aleatrio. Por exemplo, podemos jogar duas moedas e observar o nmero de caras que ocorre ou podemos observar a distncia entre elas na superfcie em que caram. EXEMPLOS Considere os experimentos aleatrios descritos no item 1.2.1. Definiremos os espaos amostrais para cada exemplo dado. ( 1 ) S1 = { 1, 2, 3, 4, 5, 6 } ( 2 ) S2 = {0, 1, 2, 3, 4 } ( 3 ) S3 = { t R / t 0 } ( 4 ) S4 = { t R / t 0 } ( 5 ) S5 = { 10, 11, 12, ... } OBSERVAO : Um espao amostral pode ser : Finito: Se tem um nmero finito de elementos. Exemplos (1) e (2) acima. Infinito Enumervel: Se tem tantos elementos quanto o conjunto dos nmeros Naturais. Exemplo (5) acima. Infinito No-enumervel: Se tem tantos elementos quanto um determinado segmento do eixo Ox, tal como 0 x 1. Exemplos (3) e (4) acima.

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 3 Notas de Aula ______________________________________________________________________________________

1.2.3 EVENTO qualquer subconjunto de um espao amostral. Dizemos que o evento E ocorre se qualquer um dos resultados de E ocorre. Um evento que contenha apenas um elemento, isto , um conjunto que consiste de um nico resultado do experimento dito evento simples ou elementar. Em particular, dizemos que um evento E impossvel se E = e que o prprio espao amostral S o evento certeza.

EXEMPLO 1: Considere a jogada de um dado e observe o nmero da face voltada para cima . O espao amostral : S = { 1, 2, 3, 4, 5, 6 } O evento nmero par o conjunto : A = { 2, 4, 6 } O evento nmero maior que 4 o conjunto : B = { 5, 6 } Ainda neste exemplo, se o dado lanado e ocorre a face nmero 5, ento podemos dizer que o evento B ocorreu e que o evento A no ocorreu.

EXEMPLO 2 Em uma linha de produo, peas so fabricadas em srie e o nmero de peas defeituosas produzidas por um perodo de 24 horas observado. O espao amostral : S = {0, 1, 2, ... , N } onde N o nmero mximo que pode ser produzido em 24 horas. O evento todas as peas so perfeitas o conjunto : A = { 0 }. Assim, se num determinado perodo de 24 horas observamos que no ocorreu peas defeituosas, podemos dizer que o evento A ocorreu.

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA Notas de Aula _____________________________________________________________________________________

1.2.3.1 Operaes Com Eventos Como o espao amostral S e qualquer evento de S so conjuntos, todas as operaes entre conjuntos podem ser aqui aplicadas. Assim, se A e B so dois eventos de S, ento : a) Evento Unio : A U B

O evento A U B ocorre quando ocorre o evento A ou ocorre o evento B ou ocorrem ambos os eventos A e B.

S B A
Evento Interseo : A B O evento A B ocorre quando ambos os eventos A e B ocorrem.

b)

S B A

c)

Evento Complementar : A , A ou AC O evento A ocorre quando o evento A no ocorre.

S A
A'

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 5 Notas de Aula ______________________________________________________________________________________

d)

Evento Diferena : A - B O evento A - B ocorre quando ocorre o evento A mas no ocorre o evento B. OBS.: Note que A - B B - A.

S B A

EXEMPLO : Sejam A, B e C eventos quaisquer de S. Usando as operaes de unio, interseo e complementar, podemos descrever alguns eventos tais como : ( i ) Ocorrncia de A e no ocorrncia de B e C : A B C ( ii ) Ocorrncia de pelo menos um destes eventos : AUBUC ( iii ) Ocorrncia de exatamente um destes eventos : ( A B C ) U ( A B C ) U ( A B C ) ( iv ) Ocorrncia de nenhum destes eventos : A B C ( v ) Ocorrncia de exatamente dois destes eventos : ( A B C ) U ( A B C ) U ( A B C ) 1.2.3.2 Algumas Propriedades Operatrias Comutativas: AUB=BUA A B = B A Associativas: A U (B U C) = (A U B) U C = (A U C) U B = A U B U C A (B C) = (A B) C = (A C) B = A B C
_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA Notas de Aula _____________________________________________________________________________________

Distributivas: A U ( B C) = (A U B) (A U C) A (B U C) = (A B) U (A C) Leis de De Morgan (A U B) = A B (A B) = A U B A U A= S A A= (A) = A Se A B ento A B = A e A U B = B 1.2.3.3 Eventos Mutuamente Exclusivos Dois eventos A e B so ditos mutuamente exclusivos (excludentes ou disjuntos) quando no podem ocorrer simultaneamente. Isto , se a interseo deles for o conjunto vazio .

S A B

AB= EXEMPLO 1 Uma moeda honesta lanada e observa-se o resultado que ocorre. Denotemos por H : cara e T : coroa . O espao amostral associado a este experimento : S = { H, T }. Considere os eventos: A : ocorre cara e B : ocorre coroa Como em cada lanamento s ocorre cara ou s coroa , A B = , e portanto A e B so eventos mutuamente exclusivos.

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 7 Notas de Aula ______________________________________________________________________________________

EXEMPLO 2 Uma urna contm 4 bolas brancas, 6 bolas pretas e 5 bolas azuis. O experimento consiste em retirar duas bolas com reposio da primeira e observar a cor delas. Considere os seguintes eventos : A : a primeira bola retirada branca B : a segunda bola retirada preta . Como A e B so dois eventos que podem ocorrer juntos ( possvel a primeira bola ser branca e a segunda preta ), isto , A B , ento A e B no so eventos mutuamente exclusivos. EXEMPLO 3 No circuito abaixo pode ou no passar corrente de L para R, dependendo do fechamento dos rels 1, 2, 3 e 4. Supondo que estes rels fechem aleatoriamente, considere os seguintes eventos : A : fecham os rels 1 e 2 B : fecham os rels 3 e 4 . Como os rels podem fechar juntos, A B . Portanto, A e B no so eventos mutuamente exclusivos.
1 L 2 R

EXEMPLO 4: Uma lmpada fabricada e sua durao de vida observada. Considere os eventos: A: a lmpada dura mais do que 300 horas B: a lmpada dura no mximo 200 horas C: a lmpada dura pelo menos 100 horas Os eventos A e B so mutuamente exclusivos ; os eventos A e C no so mutuamente exclusivos e os eventos B e C tambm no so mutuamente exclusivos.

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA Notas de Aula _____________________________________________________________________________________

1.3 PROBABILIDADE

1.3.1 ENFOQUE ESTATSTICO Se repetirmos um experimento aleatrio n vezes, em certo nmero m de vezes ocorrer o evento E ; m a freqncia com que ocorre o evento E e m/n a freqncia relativa de ocorrncia de E. Chamamos de probabilidade do evento E , P( E ), ao valor limite da freqncia relativa m/n para uma seqncia muito grande de realizaes do experimento (n). Ou seja :
m n

P (E) =

lim

EXEMPLO Considere o experimento aleatrio de jogar uma moeda honesta e observar o resultado que ocorre. O espao amostral : S = { H, T }. Seja o evento E = { H }. medida que forem realizados os lanamentos da moeda, notamos que a proporo (freqncia relativa) de caras se aproxima de 1/2. O grfico abaixo ilustra esta situao apresentando a tendncia da freqncia relativa em se aproximar do valor 1/2, medida em que o nmero de lanamentos cresce.

proporo de caras

10 25

50

100

150

200

nmero de lanamentos

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 9 Notas de Aula ______________________________________________________________________________________

1.3.2 ENFOQUE CLSSICO Seja um experimento aleatrio e S um espao amostral associado a . Suponha que S seja finito e que todos os resultados de S sejam igualmente provveis . Considere um evento A de S, isto A S. Ento, se nS e nA so, respectivamente, o nmero de elementos de S e o nmero de elementos de A, a probabilidade de ocorrncia do evento A, P(A) , o nmero real definido por:
nA nS

P(A) =

OBS.: 1) Dizemos que o espao amostral S = {s1, s2, ..., sk} equiprovvel quando qualquer elemento si de S tem a mesma chance de ocorrncia quando o experimento realizado. 2) Note que pela definio clssica a probabilidade de ocorrncia de um evento A um nmero entre 0 e 1, inclusive. A razo nA/ns deve ser menor ou igual a 1 uma vez que o nmero total de resultados possveis no pode ser menor do que o nmero de resultados de um evento. Se um evento ocorre com certeza (S) ento sua probabilidade 1; se certeza que ele no ocorre () ento sua probabilidade 0. EXEMPLO 1 Qual a probabilidade de sair cara na jogada de uma moeda ? O espao amostral S = { H, T }, nS = 2. Defina o evento A = { H }, nA = 1. Da : P(A) =
nA 1 = nS 2

EXEMPLO 2 Qual a probabilidade de sair soma 5 na jogada de dois dados honestos? Note que se for considerado o espao amostral S = {2,3,4,5,6,7,8,9,10,11,12} para descrever os resultados possveis em termos de soma, teremos um espao amostral que no equiprovvel. A soma 2, por exemplo, no tem a mesma chance de ocorrer do que a soma 7. O espao amostral equiprovvel a ser considerado : S = {(1,1) , (1,2) , ... , (1,6) , (2,1), (2,2), ... , (2,6), ... , (6,1) , (6,2) , ... , (6,6)} nS = 36.

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

10

ESTATSTICA Notas de Aula _____________________________________________________________________________________

Defina o evento A = { Soma 5 } = { (1,4) , (2,3) , (3,2) , (4,1) }. Da : P(A) =


nA 4 = nS 36

Ainda sobre o lanamento destes dois dados, podemos expressar os resultados de seguinte maneira : 1o DADO 1 2 3 4 5 6 1 2 3 4 5 6 7 2 3 4 5 6 7 8 2 DADO
o

3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12

1.3.3 ENFOQUE AXIOMTICO Seja um experimento aleatrio e S um espao associado a . A cada evento A e S associamos um nmero real P(A) denominado probabilidade de A, que obedea aos seguintes axiomas : A1) 0 P(A) 1 , para todo A. A2) P(S) =1. A3) Se A e B so eventos mutuamente exclusivos, ento P(A U B) = P(A) + P(B). A4) Se A1 , A2 , ... , An , ... uma seqncia de eventos mutuamente exclusivos, ento P (

UA )
i i=1

P(A ) .
i i=1

Podemos enunciar, a partir da, alguns teoremas importantes. Teorema 1 : De fato: Para um evento qualquer A, temos que A = A U e A = . Pelo axioma A3, P(A ) = P(A U ) = P(A) + P(). Portanto P() = 0. P() = 0

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 11 Notas de Aula ______________________________________________________________________________________

Teorema 2 : De fato:

P( A ) = 1 - P(A)

A U A = S e A A = . Pelo axioma A3: P(S) = P(A U A) = P(A) + P(A) = 1. Portanto P(A) = 1 - P(A). Teorema 3 : De fato: Temos que A U B = A U (A B) e que B = (A B) U (A B). Logo, pelo axioma A3 , P( A U B ) = P( A ) + P(A B ). Mas P(B) = P(A B) + P(A B). Da P(A B) = P(B) - P(A B). Levando P(A B) na equao acima , vem: P(A U B) = P(A) + P(B) - P(A B). Note que uma demonstrao informal pode ser vista atravs de um diagrama de Venn como este abaixo :
S B A

Se A e B forem dois eventos quaisquer, ento : P(A U B) = P(A) + P(B) - P(A B).

AB Teorema 4 : Sejam A e B dois eventos quaisquer. Se A B, ento P(A) P(B).


B A

De fato: Podemos decompor B em dois eventos mutuamente exclusivos da seguinte forma: B = A U ( B A). Como A ( B A ) = , A e B A so mutuamente exclusivos. Pelo axioma A3: P(B) = P [ A U ( B A ) ] = P(A) + P( B A ) P(A). ( J que P( B A ) 0 ). OBSERVAES : 1) Note que no teorema 3, se A e B forem mutuamente exclusivos, ento : P( A B ) = P() = 0 e da vale P ( A U B ) = P( A ) + P( B ) .

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

12

ESTATSTICA Notas de Aula _____________________________________________________________________________________

2)

Ainda sobre o teorema 3, temos o seguinte corolrio : Para quaisquer eventos A, B e C : P(A U B U C) = P(A)+P(B)+P(C)-P(A B)-P(A C)-P(BC)+P(ABC). P(A B) = P(A) - P(A B)

3)

EXEMPLO 1 No lanamento de um dado, qual a probabilidade de aparecer a face 2 ou a face 5? S = { 1, 2, 3, 4, 5, 6 } P(1) = P(2) = ... = P(6) = 1/6. Os eventos face 2 e face 5 so mutuamente exclusivos. Portanto pelo axioma A3 : P( 2 ou 5 ) = P( 2 U 5 ) = P( 2 ) + P( 5 ) = 1/6 + 1/6 = 1/3 EXEMPLO 2 Sejam A e B dois eventos tais que P(A) = 0,4 e P(A U B) = 0,7. Seja P(B) = p. Para que valor de p, A e B sero mutuamente exclusivos ? Se A e B forem mutuamente exclusivos, ento : P(A U B) = P(A) + P(B) 0,7 = 0,4 + p . Da, p = 0,3. EXEMPLO 3 Retira-se uma carta de um baralho comum de 52 cartas. Qual a probabilidade desta carta ser um rei ou uma carta de ouros ? O espao amostral S o conjunto de todas as cartas : nS = 52. Sejam os eventos: A : rei, nA = 4 B : carta de ouros, nB = 13 O evento interseo de A com B A B : rei de ouros, nAB = 1. Da, pelo teorema 3, P(A U B) = P(A) + P(B) - P(A B) = = 4/52 +13/52 -1/52 = 16/52 .

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 13 Notas de Aula ______________________________________________________________________________________

EXEMPLO 4 Trs cavalos A, B, C esto numa corrida; A duas vezes mais provvel de ganhar que B e B duas vezes mais do que C. Supondo que no haja empate, quais as probabilidades de vitria de cada um, isto , P(A), P(B) e P(C) ? Seja P(C) = p. Ento P(B) = 2 P(C) = 2p e P(A) = 2 P(B) = 4p. Como a soma as probabilidades tem que ser igual a 1, temos : p + 2p + 4p = 1 ou p = 1/7 Da, P(A) = 4/7 , P(B) = 2/7 e P(C) = 1/7 Ainda neste exemplo, qual seria a probabilidade de B ou C ganhar ? B C = , ento P(B U C) = P(B) + P(C) = 2/7 + 1/7 =3/7 EXEMPLO 5 Suponha-se que h trs revistas A, B e C com as seguintes porcentagens de leitura : A : 9,8 % , B : 22,9 % , C : 12,1 % , A e B :5,1 % , A e C : 3,7 % , B e C : 6,0 % , A, B e C : 2,4 %. A probabilidade de que uma pessoa escolhida ao acaso seja leitor de pelo menos uma revista : P(A U B U C)= P(A)+P(B)+P(C) - P(AB) - P(AC) - P(BC)+P(ABC)= = 0,098 + 0,229 + 0,121 - 0,051 - 0,037 - 0,06 + 0,024 = 0,324 ou 32,4 %.

1.3.4 PROBABILIDADE CONDICIONAL Muitas vezes, o fato de ficarmos sabendo que certo evento ocorreu faz com que se modifique a probabilidade que atribumos a outro evento. Por exemplo, a probabilidade de tirar o nmero 2 no lanamento de um dado reforada quando se sabe que um nmero par saiu. Assim, sendo A e B eventos, define-se a probabilidade condicionada do evento A dado que B ocorreu (ou a probabilidade de A sabendo-se que B ocorreu ) por P(A | B). 1.3.4.1 Teorema do Produto Sejam dois eventos A e B, com P(A) > 0. A probabilidade de A e B ocorrerem simultaneamente igual ao produto da probabilidade de um dos eventos pela probabilidade condicionada do outro, isto : P( A B ) = P( A ) . P( B | A ) ou P( A B ) = P( B ) . P( A | B )

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

14

ESTATSTICA Notas de Aula _____________________________________________________________________________________

Da, temos :
P(B A) = P(A B) P(A) ou P(A B) = P(A B) P(B)

OBSERVAO : No caso de n eventos A1 , A2 , ... , An , temos : P(A1A2...An)=P( A1 ) . P(A2 | A1) . P(A3 | A1A2) ... P(An | A1A2...An-1)

1.3.5 EVENTOS INDEPENDENTES Se a ocorrncia do evento A no modificar a probabilidade de ocorrncia do evento B, dizemos que A e B so eventos independentes. Assim, se A e B so eventos independentes, P(A | B) = P(A) e no teorema do produto temos : P( A B ) = P( A ) . P( B ) . Reciprocamente, se P(A B) = P( A ) . P( B ), A e B so ditos independentes . OBSERVAES : 1) Em geral, n eventos A1 , A2 , ... , An so independentes se : P( 2) P(A / B) + P(A/ B) = 1. 3) Se A e B so eventos independentes ento : A e B tambm so independentes e Ae B tambm so independentes. EXEMPLO 1 Lanando-se uma moeda e um dado, qual a probabilidade de sair cara na moeda e 5 no dado ? Sejam os eventos: H : cara na moeda e C : 5 no dado H e C so dois eventos independentes. Ento: P(H C) = P(H) . P(C) = (1/2).(1/6) = 1/12

I A i ) = P(A i ) .
i=1 i=1

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 15 Notas de Aula ______________________________________________________________________________________

EXEMPLO 2 Lanam-se trs moedas honestas. Encontre a probabilidade p de ocorrer cara em todas elas, se ocorre cara na primeira. O espao amostral S (equiprovvel) : S = { HHH , HHT , HTH , HTT , THH , THT , TTH , TTT }. Se ocorre cara na primeira, ento ocorre algum dos resultados : HHH , HHT , HTH , HTT . Como ocorrem 3 caras em apenas um dos resultados, p = 1/4. EXEMPLO 3 Extraem-se aleatoriamente duas cartas de um baralho comum de 52 cartas. Determine a probabilidade de serem ambas ases, considerando que a primeira carta : ( a ) recolocada antes da extrao da segunda carta ( b ) no recolocada antes da extrao da segunda carta. Sejam os eventos : A1 : s na primeira extrao A2 : s na segunda extrao.

( a ) Como na primeira extrao h 4 ases em 52 cartas, P(A1) = 4/52 . Se a carta recolocada antes da 2o extrao, ento A1 e A2 so independentes e: P( A2 | A1 ) = P(A2) = 4/52 . Logo , P( A1 A2 ) = P(A1) . P(A2) = (4/52) . (4/52) = 1/169 . ( b ) Se ocorre um s na primeira extrao e a carta no recolocada, teremos agora apenas 3 ases em 51 cartas, isto , P( A2 | A1) = 3/51. Logo , P( A1 A2 ) = P(A1) . P( A2 | A1 ) = (4/52) . (3/51) = 1/221 . EXEMPLO 4 Qual a probabilidade de aparecer 4 ao menos um vez em duas jogadas de um dado comum ? Sejam os eventos : A1 : 4 na primeira jogada A2 : 4 na segunda jogada.

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

16

ESTATSTICA Notas de Aula _____________________________________________________________________________________

O evento A1 U A2 4 na primeira jogada ou 4 na segunda jogada ou 4 em ambas. Os eventos A1 e A2 no so mutuamente exclusivos, mas so independentes. Portanto : P( A1 U A2 ) = P(A1) + P(A2) - P( A1 A2 ) = P(A1) + P(A2) - P(A1) P(A2) = = 1/6 + 1/6 - (1/6)(1/6) = 11/36. EXEMPLO 5 Considere o circuito abaixo onde cada rel fecha independentemente um do outro com uma probabilidade p > 0. ( a ) Qual a probabilidade de haver corrente de L para R ? ( b ) Se h corrente de L para R, qual a probabilidade de que o rel 1 esteja fechado? ( c ) Se h corrente de L para R, qual a probabilidade de que ambos os rels 1 e 2 estejam fechados ?

1 2

Sejam os eventos :

A1 : o rel 1 est fechado A2 : o rel 2 est fechado.

( a ) P( passar corrente de L para R ) = P( A1 U A2 ) = P(A1) + P(A2) - P(A1 A2) = = P(A1) + P(A2) - P(A1) P(A2) = p + p - p2 = 2p - p2 . ( b ) P( rel 1 fechado | passa corrente de L para R ) = P(A1 | A1UA2) = =
P [A 1 (A 1UA 2 ) ] P(A 1 ) p = . = P(A 1UA 2 ) P(A 1UA 2 ) 2p - p 2

( c ) P(ambos os rels fechados | passa corrente de L para R) = P(A1A2 | A1UA2)


P [(A 1 A 2 ) (A 1UA 2 )] P(A 1 A 2 ) P(A 1 ) P(A 2 ) p2 = = = = = P(A 1UA 2 ) P(A 1UA 2 ) P(A 1UA 2 ) 2p - p 2

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 17 Notas de Aula ______________________________________________________________________________________

p . 2-p

EXEMPLO 6 Certo artigo, ao sair da linha de produo pode ter no mximo dois defeitos, A e B. Os defeitos ocorrem independentemente um do outro com probabilidade 1/10, cada um. Se um artigo extrado ao acaso da linha de produo, qual a probabilidade de : ( a ) ser defeituoso ( b ) ter o defeito A, se defeituoso ( c ) ser perfeito . Sejam os eventos : A : o artigo tem defeito A B : o artigo tem defeito B D : o artigo defeituoso.

( a ) P(D) = P( A U B ) = P(A) + P(B) - P(A B) = P(A) + P(B) - P(A) P(B) = = 1/10 + 1/10 - 1/100 = 19/100 . ( b ) P(A D) =
P(A D) P [A (AUB)] P(A) 1 / 10 10 . = = = = P(D) P(D) P(D) 19 / 100 19

( c ) P (ser perfeito) = P( D ) = 1 - P(D) = 1 - 19/100 = 81/100 . EXEMPLO 7 Trs componentes C1 , C2 e C3 de um mecanismo so postos em srie. Suponha que esses componentes sejam dispostos em ordem aleatria. Seja R o evento C2 est a direita de C1 , e seja S o evento C3 est direita de C1. Os eventos R e S so independentes ? Por qu ? O espao amostral : S = { C1C2C3 , C1C3C2 , C2C1C3 , C2C3C1 , C3C1C2 , C3C2C1} Os eventos R e S so : R = { C1C2C3 , C3C1C2 , C1C3C2 } S = { C1C2C3 , C2C1C3 , C1C3C2 } R S = { C1C2C3 , C1C3C2 } P(R) = 3/6 = 1/2 P(S) = 3/6 =
C1 C1 C2 C3 . . . C3 C2

P(R S) = 2/6 = 1/3 .

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

18

ESTATSTICA Notas de Aula _____________________________________________________________________________________

Mas P(R).P(S) = (1/2) (1/2) = 1/4 P(R S) = 1/3 . Logo R e S no so independentes.

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 19 Notas de Aula ______________________________________________________________________________________

EXEMPLO 8 Uma montagem eletrnica formada de dois subsistemas A e B. De procedimentos de ensaios anteriores, as seguintes probabilidades se admitem conhecidas : P( A falhe ) = 0,20 P( A e B falhe ) = 0,15 P ( B falhe sozinho ) = 0,15 Qual a probabilidade de que : ( a ) A falhe dado que B tenha falhado ( b ) A falhe sozinho. Sejam os eventos : Ento : A : A falha e B : B falha. P(B) = 0,30 P( A B) = 0,15.
A 0,05 0,15 B 0,15 S

P(A) = 0,20

P(B) = P[(A B) U ( A B)] = P(A B) + P(A B) = 0,15 + 0,15 = 0,30. ( a ) P(A B) =


P(A B) 0,15 = = 0,50 . P(B) 0,30

( b ) P(A B) = P(A) - P(A B) = 0,20 - 0,15 = 0,05 . EXEMPLO 9 Uma urna contm 12 bolas brancas, 5 bolas pretas e 3 bolas vermelhas. ( a ) Retiramos 2 bolas com reposio da primeira, qual a probabilidade de que ambas sejam da mesma cor ? ( b ) Se retirarmos 5 bolas sucessivamente, sem reposio , qual a probabilidade de que todas sejam brancas ? Sejam os eventos : Ai : a i-sima bola retirada branca Bi : a i-sima bola retirada preta Ci : a i-sima bola retirada vermelha

( a ) Seja o evento D : ambas as bolas so da mesma cor . P( D ) = P [ (A1 A2) U (B1 B2) U (C1 C2) ] = = ( A 1 A2 ) + ( B1 B2 ) + ( C1 C2 ) = = P(A1) P(A2 ) + P(B1) P(B2) + P(C1) P(C2) = = (12/20) (12/20) + (5/20) (5/20) + (3/20) (3/20) = 89/200 .

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

20

ESTATSTICA Notas de Aula _____________________________________________________________________________________

( b ) Seja o evento E : todas as cinco bolas so brancas . P( E ) = P( A1 A2 A3 A4 A5 ) = = P(A1) P(A2 | A1) P(A3| A1A2) P(A4 | A1A2A3) P(A5 |A1A2A3 A4) = (12/20) (11/19) (10/18) (9/17) (8/16) = 33/646 .

EXEMPLO 10 Dois jogadores jogam alternadamente uma moeda, ganhando o jogo aquele que obtiver a primeira cara. Qual a probabilidade de ganho do primeiro a jogar ? E do segundo ? Sejam os eventos : A : o primeiro a jogar ganha o jogo B : o segundo a jogar ganha o jogo.

O espao amostral : S : { A , B } O evento poder ocorrer na primeira jogada ou na terceira ( a segunda do adversrio), desde que ambos errem as anteriores, ou na quinta, etc. A probabilidade de acerto na primeira 1/2, de acerto na terceira jogada 1/8, etc. Logo : 1 2 = 2. P( A ) = 1/2 + 1/8 + 1/32 + ... = 3 1- 14 P( B ) = 1 - P( A ) = 1 - 2/3 = 1/3 .

1.3.6 DIAGRAMA DE RVORE Se um resultado pode ser obtido de n1 maneiras diferentes e se, aps isso, um segundo resultado pode ser obtido de n2 maneiras diferentes, etc ... , e finalmente se um k-simo resultado pode ser obtido de nK maneiras diferentes, ento todos os k resultados podem ser obtidos, na ordem especificada, de n1 n2 ...nK maneiras diferentes. Neste tipo de experimentos utiliza-se um diagrama de rvore. EXEMPLO So dadas trs caixas, como segue : a caixa I contm 10 lmpadas, das quais 4 so defeituosas ; a caixa II contm 6 lmpadas, das quais 1 defeituosa ; a caixa III contm 8 lmpadas, das quais 3 so defeituosas.

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 21 Notas de Aula ______________________________________________________________________________________

Selecionamos uma caixa aleatoriamente e ento retiramos uma lmpada, tambm aleatoriamente. Qual a probabilidade da lmpada ser defeituosa ?

Note que realizamos o experimento numa seqncia de 2 etapas: ( i ) selecionamos uma das trs caixas. ( ii ) da caixa selecionada, retiramos ao acaso uma lmpada que pode ser defeituosa (D) ou no defeituosa (N). O seguinte diagrama em rvore descreve ento este processo e d a probabilidade de cada ramo .
2/5 3/5 1/6 5/6 Caixa III 3/8 5/8 D

Caixa I 1/3 1/3 1/3 Caixa II

N D

N D

Observe que para cada ramificao a soma das probabilidades sempre igual a 1. A probabilidade de ocorrer um determinado caminho da rvore , pelo Teorema do Produto , o produto das probabilidades de cada ramo do caminho. Por exemplo : a probabilidade de selecionar a caixa 1 e , na seqncia , uma lmpada defeituosa : (1/3) (2/5) = 2/15. Como h trs caminhos mutuamente exclusivos que nos levam a uma lmpada defeituosa, a soma das probabilidades destes caminhos nos d a probabilidade desejada : P = (1/3) (2/5) + (1/3) (1/6) + (1/3) (3/8) = 113/360. O seguinte teorema vem formalizar esta idia . 1.3.7 TEOREMA DA PROBABILIDADE TOTAL

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

22

ESTATSTICA Notas de Aula _____________________________________________________________________________________

Suponha que os eventos A1 , A2 , ... , An constituem uma partio de um espao amostral S , ou seja , os eventos Ai so mutuamente exclusivos e sua unio S . Se B um outro evento qualquer de S , ento : P( B ) = P(A1) P( B | A1 ) + P(A2) P( B | A2 ) + ... + P(An) P( B | An ) .

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 23 Notas de Aula ______________________________________________________________________________________

De fato : Considere o diagrama de Venn :

A1

A3

S ...

B A4 A2 An

B = (A1 B) U (A2 B) U ... U (An B) e P( B ) = P [(A1 B) U (A2 B) U ... U (An B)] = = P(A1 B) + P(A2 B) + ... + P(An B) = = P(A1) P(B | A1) + P(A2) P(B | A2) + ... + P(An) P(B | An) . EXEMPLO Trs mquinas A1 , A2 e A3 , produzem respectivamente 50% , 30% e 20% do total de peas de uma fbrica. As porcentagens de produo defeituosa destas mquinas so 3% , 4% e 5%. Se uma pea selecionada aleatoriamente, qual a probabilidade dela ser defeituosa? Sejam os eventos : A1 : a pea fabricada pela mquina A1 A2 : a pea fabricada pela mquina A2 A3 : a pea fabricada pela mquina A3 B : a pea defeituosa.
0,03 Defeituosa

mq. A1 0,5

0,97 0,04

No Defeituosa Defeituosa

0,3

mq. A2 0,96 No Defeituosa Defeituosa

0,2 mq.A3 0,05

0,95

No Defeituosa

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

24

ESTATSTICA Notas de Aula _____________________________________________________________________________________

P(B) = P(A1) P(B | A1) + P(A2) P(B | A2) + P(A3) P(B | A3) = = (0,5) (0,03) + (0,3) (0,04) + (0,2) (0,05) = 0,037. Suponha agora , que a pea selecionada defeituosa. Qual a probabilidade dela ter sido produzida pela mquina A1 ? O seguinte teorema responde esta pergunta.

1.3.8 TEOREMA DE BAYES Se os eventos A1 , A2 , ... , An constituem uma partio do espao amostral S, onde P(Ai) 0 , i = 1, 2, ... , n , ento para qualquer evento B de S tal que P(B) 0 :

P Ak B =

P(A k ). P( B A k ) P( B)

De fato: Usando o teorema do produto e o teorema da probabilidade total, temos:


P ( A k ). P ( B A k ) P ( A k B) = k P ( B) P(A i ). P( B A i )
i =1

P ( A k B) =

EXEMPLO No exemplo anterior, se a pea defeituosa, a probabilidade dela ter sido fabricada pela mquina A1 dada por :
P(A 1 B) = P(A 1 ) P(B A 1 ) P(B) (0,5) (0,03) = 0,405 . 0,037

OBSERVAO : Note que o Teorema de Bayes utiliza essencialmente alguma informao a respeito do resultado do experimento. No exemplo das mquinas, sabendo-se que a pea defeituosa (esta a informao) a probabilidade dela ser fabricada pela mquina A1 ficou alterada.

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 25 Notas de Aula ______________________________________________________________________________________

Ainda sobre a aplicao do Teorema da Probabilidade Total e do Teorema de Bayes alguns exemplos so apresentados : EXEMPLO 1 Suponha que temos duas urnas I e II, cada com duas gavetas. A urna I contm uma moeda de ouro em uma gaveta e uma moeda de prata na outra gaveta. A urna II contm uma moeda de ouro em cada gaveta. Uma urna escolhida ao acaso e a seguir uma de suas gavetas aberta ao acaso. ( a ) Qual a probabilidade da moeda ser de ouro ? ( b ) Verifica-se que a moeda encontrada de ouro. Qual a probabilidade de que a moeda provenha da urna II ? Sejam os eventos : A1 : a urna I escolhida A2 : a urna II escolhida O : a moeda de ouro
OURO

OURO PRATA

OURO OURO

1/2 URNA I 1/2 1/2

PRATA

1/2 URNA II 1 OURO

( a ) P(0) = P(A1) P(0 | A1) + P(A2) P(0 | A2) = (1/2) (1/2) + (1/2) (1) = 3/4 .
P(A 2 ) P(0 A 2 ) (1 / 2) (1) = = 2/3 . P(0) 3/ 4

( b ) P(A 2 0) =

EXEMPLO 2 Se a tenso baixa, a probabilidade de uma mquina produzir pea defeituosa 0,6 e se a tenso boa, a probabilidade 0,1. Em 20 % da produo a tenso baixa. Qual a probabilidade de uma pea perfeita ter sido produzida com baixa tenso ?

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

26

ESTATSTICA Notas de Aula _____________________________________________________________________________________

Sejam os eventos :

A1 : a tenso boa A2 : a tenso baixa B : a pea perfeita.


0,1 Tenso Boa Defeituosa

0,8

0,9

Perfeita

0,2 Tenso Baixa

0,6

Defeituosa

0,4 Perfeita

Primeiro vamos calcular a probabilidade de uma pea qualquer ser perfeita : P(B) = P(A1) P(B | A1) + P(A2) P(B | A2) = (0,8) (0,9) + (0,2)(0,4) = 0,8. Da, pelo Teorema de Bayes :
P(A 2 B) = P(A 2 ) P ( B A 2 ) (0, 2) (0, 4) = = 0,1 . P ( B) 0,8

EXEMPLO 3 A urna I contm x bolas brancas e y bolas vermelhas. A urna II contm z bolas brancas e v bolas vermelhas. Uma bola escolhida ao acaso da urna I e posta na urna II. A seguir, uma bola retirada ao acaso da urna II. ( a ) Qual ser a probabilidade de que esta bola seja branca ? ( b ) Se a bola retirada da urna II branca, qual a probabilidade dela ter vindo da urna I ?
z+1 z + v +1 x x+y v z+v+1 z z + v +1 Branca

Vermelha

y x+y

Branca

y+1 z + v +1

Vermelha

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 27 Notas de Aula ______________________________________________________________________________________

(a)

x z+1 y z + P( branca) = x + y z + v + 1 x + y z + v + 1

(b)

x z +1 x + y z + v + 1 P( urna I / branca) = y x z +1 z + x + y z + v + 1 x + y z + v + 1

EXEMPLO 4 Uma cpsula espacial aproxima-se da Terra com dois defeitos: nos seus circuitos eltricos e no sistema de foguetes propulsores. O comandante considera que, at o instante do reingresso na atmosfera, existe 20 % de probabilidade de reparar os circuitos eltricos e 50 % de probabilidade de reparar o sistema de foguetes. Os reparos se processam independentemente. Por outro lado, os especialistas em Terra consideram que as probabilidades de xito no retorno so as seguintes : a) b) c) d) 90 %, com os circuitos eltricos e o sistema de foguetes reparados. 80 %, s com o sistema de foguetes reparado. 60 %, s com os circuitos eltricos reparados. 40 %, com os circuitos eltricos e o sistema de foguetes defeituosos.

Com base nas consideraes acima, qual a probabilidade de xito no retorno? Se o retorno se processar com xito, qual a probabilidade de que tenha se realizado nas condies mais adversas ( ambos os sistemas no reparados ) ? Sejam os eventos : A1 : s os circuitos eltricos so reparados A2 : s o sistema de foguetes reparado A3 : os circuitos eltricos e o sistema de foguetes so reparados A4 : nenhum reparo , os circuitos eltricos e o sistema de foguetes continuam defeituosos . E : retorno com xito. Note que os eventos A1 , A2 , A3 , A4 constituem uma partio do espao amostral.

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

28

ESTATSTICA Notas de Aula _____________________________________________________________________________________

0,10 Circuitos Eltricos 0,10

0,40 Sistema de Foguetes

P( A3 ) = (0,20) (0,50) = 0,10 ( por independncia ) P( A1 ) = 0,20 - 0,10 = 0,10 P( A2 ) = 0,50 - 0,10 = 0,40 P( A4 ) = 1 - (0,10 + 0,10 + 0,40 ) = 0,40 P( E | A1 ) = 0,60 P( E | A2 ) = 0,80 P( E | A3 ) = 0,90 P( E | A4 ) = 0,40

O seguinte diagrama de rvore resume os eventos e suas probabilidades envolvidas neste experimento aleatrio :
0,6 xito

0,4 Reparo nos Circ. Eltric. 0,1 0,4 0,1 0,4 Nenhum Reparo 0,1 Reparo nos Circuitos e no Sist de Foguetes Reparo no Sist. de Foguet. 0,8 0,2

No xito

xito

No xito

0,9

xito

No xito

0,4

xito

0,6

No xito

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR

ESTATSTICA 29 Notas de Aula ______________________________________________________________________________________

P( retorno com xito ) = P(E) = = (A1)P(E |A1 )+P(A2) P(E | A2)+P(A3) P(E | A3)+P(A4) P(E | A4) (0,1) (0,6) + (0,4) (0,8) + (0,1) (0,9) + (0,4) (0,4) =0,63.
P(A 4 ) P(E A 4 ) = P(E)

P( nenhum reparo | retorno com xito ) = P( A4 | E ) = =

(0,40) (0,40) = 0,254 . 0,63

_____________________________________________________________________________________ Marcia Olandoski Erbano Depto. de Informtica CEFET-PR