Escolar Documentos
Profissional Documentos
Cultura Documentos
Introdução a Probabilidades
A teoria das probabilidades e o ramo da Matemática que cria, desenvolve e pesquisa modelos
que podem ser utilizados para estudar experimentos ou fenómenos aleatórios.
Segundo Pierre Simon, a teoria de probabilidades nada mais e do que o senso comum reduzido a
calculo.
A probabilidade, e a mensuração da chance de ocorrência de fenómenos aleatórios, mostrando
como poderão ocorrer os fatos. Probabilidade é o estudo de experimentos aleatórios ou não
determinísticos. Mas o que é experimento? Um experimento é qualquer processo de observação.
Um experimento pode ser, por exemplo:
Historicamente, a Teoria da Probabilidade começou com o estudo de jogos de azar (roleta, cartas
e outros.). Vejamos um breve histórico a partir do século XVI.
A era dos jogos de azar
Cardano (1501-1576) → 1o matemático a calcular uma probabilidade correta.
Fermat (1601-1655), Pascal (1623-1662) e Huygens (1629-1695) → envolveram-se na solução
de um dos primeiros problemas de probabilidade.
O começo
Bernoulli (1654-1705) → provou a Lei dos Grandes Números.
Laplace (1749-1827) → publicou a Théorie Analytique des Probabilités.
Poisson (1781-1840) → distribuição de probabilidade com seu nome.
Gauss (1777-1855) → originou a Teoria dos Erros, particularmente, a
dos Mínimos Quadrados.
Estamos chegando
Chebyshev (1822-1894) → explorou as relações entre variáveis aleató- rias e suas
esperanças.Estatística e Probabilidade 97
Markov (1856-1922) → criou um novo ramo que é a Teoria das Variáveis Aleatórias
Dependentes, conhecida como Cadeias de Markov.
Axiomatização
Borel (1871-1956) → criou a álgebra de Borel.
Kolmogorov → publicou em 1933 um livro com a axiomática usada
até hoje.
Mente brilhante
John von Neumann (1903-1957) → criou a Teoria dos Jogos (1928) e contribui para a descoberta
da mecânica quântica e para o desenvolvimento da 1a bomba atômica. É o pai da arquitetura
digital dos computadores.
Hoje
Idéias recentes → Probabilidade Intervalar, Probabilidade Imprecisa, Teoria dos Fractais e a
Teoria da Complexidade.
Aplicacoes da probabilidade
Previsão da demanda, safras agrícola, avaliação dos impactos dos aumentos dos impostos
sobre a inflação;
Avaliar as chances dos alunos serem aprovados;
Médicos determinam se e quando determinado doente deveria estar recuperado;
Estabelecer as chances de determinada categoria entrar em greve;
O governo determine ate quando será capaz de manter os preços congelados ou tabelados;
Avaliação de estratégias de accao.
Exemplo 12: Considere uma experiência constituída pelo lançamento de uma moeda ao ar por
três vezes consecutivas. Se o resultado for avaliado pelo número de “Ca” {caras} obtido, o
espaço amostral é constituído pelo conjunto {0, 1, 2, 3}. Se o resultado for avaliado pela
sequência de “Ca”(caras) e “Co” (coroas), o espaço amostral é constituído por oito resultados
possíveis.
O diagrama de Venn é utilizado na representação de resultados sequenciais. No entanto, é difícil
lidar com espaços amostrais dessa maneira, é muito mais fácil trabalhar com quantidades
numéricas. Neste exemplo específico poderíamos estar interessados no número de “caras” nas 3
jogadas, e seria interessante definir uma função que associasse um número a cada resultado no
espaço amostral.
Seja S o espaço amostral e X uma função que “pega” elementos deste espaço (resultados da
experiência) e os leva num subconjunto de números reais. Essa função X é chamada de variável
aleatória.
O resultado particular de cada experimento aparecerá ao acaso, mas pode-se descrever todas os
possíveis resultados;
Tipos de Eventos
Evento simples: É aquele formado por um único elemento do espaço amostral.
Evento Composto: É aquele formado por dois ou mais elementos do espaço o amostral.
Evento certo: É aquele que ocorre sempre, isto é, em todas as realizações da experiência. O
evento representado pelo próprio conjunto que define o espaço amostral.
E = Lançamento de um dado
S = {1,2,3,4,5,6}
A = S --- P(A) = 1
Evento soma (ou união): É o evento que consiste na realização de pelo menos um dos eventos.
Retirada uma carta de um baralho, quer-se que ocorra uma carta de ouro ou uma carta de Ás. O
evento soma é um evento composto, e se constitui de elementos comuns aos dois eventos e de
elementos não comuns a ambos.
Evento Produto (ou intersecção): É o evento que consiste na realização de ambos (um e outro)
os eventos E1 e E2, isto é, eles devem ocorrer simultaneamente .
Na retirada de uma carta de um baralho, quer-se que ocorra uma carta Ás de ouro.
Retirar um Ás de um baralho completo e um REI sem reposição. Neste caso não poderei retirar a
carta REI se já houve retirado do baralho a carta de ÁS.
Evento mutuamente exclusivos: Dois eventos E1 e E2 são mutuamente exclusivos, se eles não
puderem ocorrer simultaneamente (é um ou o outro), ou seja a ocorrência de um exclui a
ocorrência do outro.
S = {1,2,3,4,5,6}
Eventos:
Evento independente: São aqueles que podem ocorrer ao mesmo tempo, acontece um e
acontece o outro simultaneamente (um e o outro), a ocorrência de um não depende da ocorrência
do outro. Supomos que duas pessoas atiram numa caça; os eventos que consistem em que cada
uma das pessoas acerte são independentes, pois o fato da primeira pessoa acertar em nada
influencia no fato da outra também acertar.
• Evento A: chove
Então, A = {chove}⊂ S. O evento A é um subconjunto de S.
Exemplo 4: S = {1, 2, 3, 4, 5, 6}
• Evento B: sair face par.
Então, B = {sair face par} = {2, 4, 6}⊂ S. O evento B é um subconjunto de S.
Exemplo 5: Ainda considerando S = {1, 2, 3, 4, 5, 6}, podemos definir outros
eventos como
• Evento C: sair uma face ímpar.
Então, C = {1, 3, 5}
Então, E = {1}.
União é o evento que consiste da união de todos os pontos amostrais dos eventos que a
compõem. Denotamos a união do evento A com B por A ∪ B. A ∪ B = {ω ∈ A ou ω ∈ B}
Interseção é o evento composto pelos pontos amostrais comuns aos eventos que a compõem.
Denotamos a interseção de A com B por A ∩ B.
A ∩ B = {ω ∈ A e ω ∈ B}
Complemento é o conjunto de pontos do espaço amostral que não estão no evento. Denotamos o
complemento do evento A por Ac . Ac = {ω nao pertence A}
Disjuntos (mutuamente exclusivos) são eventos que possuem interseção nula, ou seja, A ∩ B =
{∅}.
Uniões
A ∪ B = {1, 2, 3, 4}
A ∪ C = {1, 2, 3, 4, 6}
A ∪ D = {1, 2, 3, 4, 5}
Interseções
A ∩ B = {1, 2, 3}
A ∩ C = {2, 4}
A ∩ D = {2, 3}
Complementos
Ac = {5, 6}
Bc = {ω : ω > 3}
Dc = {1, 4, 6}
Propriedades de probabilidades
É uma função P(.) que associa números reais aos elementos do espaço amostral e satisfaz as
condições:
2. P(Ω) = 1;
3. P(∅) = 0;
Dado dois eventos A e B, a probabilidade de pelo menos um deles ocorrer é igual a soma das
probabilidades de cada um menos a probabilidade de ambos ocorrerem simultaneamente, ou
seja:
Ω = {1, 2, 3, 4, 5, 6}
P(A) = 1/6
P(B) = 3/6
P(C) = 3/6
Exemplo: Um estudo realizado por uma empresa de recursos humanos mostrou que 45% dos
funcionários de uma multinacional saíram da empresa porque estavam insatisfeitos com seus
salários, 28% porque consideraram que a empresa não possibilitava o crescimento profissional e
8% indicaram insatisfação tanto com o salário como com sua impossibilidade de crescimento
profissional. Considere o evento S: O funcionário sai da empresa em razão do salário e o evento
I: O funcionário sai da empresa em razão da impossibilidade de crescimento profissional. Qual é
a probabilidade de um funcionário sair desta empresa devido a insatisfação com o salário ou
insatisfação com sua impossibilidade de crescimento profissional?
P(S ∪ I) = 0, 45 + 0, 28 - 0, 08 = 0, 65.
Teorema do produto
Exemplo: Uma empresária sabe por experiência, que 65% das mulheres que compram em uma
loja preferem sandálias plataformas. Qual é a probabilidade de as duas próximas clientes
comprarem cada uma delas, uma sandália plataforma? Vamos admitir que o evento A a primeira
cliente compra uma sandália plataforma e o evento B a segunda cliente compra uma sandália
plataforma. Então:
Probabilidade condicional
Exemplo: Em uma universidade foi selecionada uma amostra de 500 alunos que cursaram
Estatística? De 240 homens, 140 responderam que sim. De 260 mulheres, 200 responderam que
sim. Para avaliar as probabilidades podemos organizar as informações em uma tabela. maneira:
Probabilidade axiomática
Uma das dificuldades em desenvolver uma teoria matematiza das probabilidades tem sido a de
chegar a uma definição simples e precisa o suficiente para usar em matemática, mas abrangente
para ser aplicável a uma vasta gama de fenómenos. A busca de uma definição amplamente
aceitável levou quase tres séculos e foi marcado por muita controvérsia. A questão foi finalmente
resolvida no século 20, tratando a teoria das probabilidades em uma base axiomática. Em 1933,
uma monografia do matemático russo A. Kolmogorov delineou uma abordagem axiomática que
forma a base para a moderna teoria. Desde entao, as ideias foram aperfeiçoadas e um pouco da
teoria das probabilidades e agora parte de uma disciplina mais geral conhecida como teoria da
medida. Entendemos por definição moderna a definição axiomática e, portanto, definição
matematicamente fundamentada e proposta por A.N.Kolmogorov em 1933. Para entender a
definição moderna de probabilidades devemos compreender primeiro os conceitos de algebra e
σ-´algebra de eventos aleatórios e, ainda, entender uma situação particular destes conjuntos
quando aplicados estes conceitos na reta real, a chamada σ-´algebra de Borel.