Escolar Documentos
Profissional Documentos
Cultura Documentos
1
As probabilidades são utilizadas para exprimir a chance de ocorrência
de determinado evento.
Exemplo
Exemplos:
b) Lançamento de um dado;
2
d) Previsão do tempo.
Espaço Amostral
Exemplo:
a) lançamento de uma moeda: Ω1= {ca,co}.
b) lançamento de um dado: Ω2= {1, 2, 3, 4, 5, 6}.
c) Retirada de uma carta de um baralho:
Ω3= {As, ..2.., 3.., 4.., 5.., 6.., 7.., 8.., 9.., 10.., J.., Q.., K.. };
d) Contagem diária das peças defeituosas produzidas por uma máquina,
para controle do processo: Ω4= {0,1, 2, 3, 4, 5, 6,……,n}.
Acontecimentos
3
contem nenhum elemento de .
Exemplo:
Determinar:
a) Sair número par;
b) Sair número maior ou igual a cinco
c) Sair número múltiplo de 3
d) Sair número 6
ESPACO AMOSTRAL: Ω={1, 2, 3, 4, 5, 6}
EVENTOS:
a) A={2,4,6}
b) B={5,6}
c) C={3,6}
d) D={6}
Tipo de Eventos
4
Exemplo: Evento A saída de número par
A = { 2, 4, 6 }
Evento Ac saída de número impar
Ac = { 1, 3, 5 }
a) Evento União
(A U B) = { 1, 3, 5 }∪{ 2 }= { 1, 2, 3, 5 }
b) Evento Intersecção
Exemplo:
A - Saída de um número par. A = { 2, 4, 6 }
B - Saída de um múltiplo de 4. B = { 4 }
(A B) = { 2, 4, 6 }{4 }= { 4 }
5
(A B) = { 2, 4, 6 }{1, 3, 5 }= { }=
(A U B) = { 2, 4, 6 }∪ { 1, 3, 5 }= { 1, 2, 3,4, 5, 6 }
Evento Diferença
Exemplo:
a) Idempotentes
A A=A
AUA=A
b) Comutativa
(A B) = (A B)
(A U B) =(A U B)
c) Associativa
(A B) C= A (B C)
(A U B) UC =A U (B UC)
d) Distributiva
A U (B C)=( A U B) (A U C)
A (BUC) =(A B) (A C)
e) Identidades
A Ω =A
AUΩ=Ω
A =
AU=Ω
f) Complementares
Ωc =
c = Ω
A Ac =
A U Ac = Ω
g) Leis de Morgan
6
(A U B)c = Ac ∩ Bc
(A ∩ B)c = Ac U Bc
Conceitos de probabilidade
A Númerodecasosfavoráveis
P( A)
S Númerodecasospossíveis
Exemplo:
1-Dois dados honestos são lançados simultaneamente. Construa o
espaço amostral e defina as probabilidades com relação aos seguintes
eventos:
1 2 3 4 5 6
1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
7
a) A = {(1;1), (1;3), (1;5), (2;2), (2;4), (2;6), (3;1), (3;3), (3;5), (4;2), (4;4),
(4;6), (5;1), (5;3), (5;5), (6;2), (6;4), (6;6)}= 18
A 18 1
P( A) 0,5 50 %
S 36 2
b) B ={números
iguais} = {(1;1), (2;2), (3;3), (4;4), (5;5), (6;6)}:
B 6 1
P( B) 0,1667 16,67%
S 36 6
C 6 1
P(C ) 0,1667 16,67 %
S 36 6
S= {1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,,.…..47,48,49,50}= 50
A=sair número primo = {2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41,
43,47}=15
A 15 3
P( A) 0,3 30 %
S 50 10
8
S ={ 5 homens + 3 mulheres}=8 pessoas,.
A=Pessoa do sexo masculino A = { 5 homens}=5
A 5
P( A) 0,625 62,5%
S 8
Definição frequencista
– P(A) = lim = M
n ∞ N onde M é o número de ocorrência do evento
N é o número total de experimentos.
(i) 0 P(A) 1; A S
(ii) P(S) = 1;
(iii) P(AUB) = P(A) + P(B) se A e B forem eventos mutuamente
exclusivos.
(iv) Se A1, A2, ..., An, ..., forem, dois a dois, eventos mutuamente
n n
excludentes, então: P( Ai) P( Ai)
i1 i1
Propriedades
1. P() = 0
2. se A S então P(A)= 1- P(Ac)
3. se A B S então P(A) ≤ P(B)
4. Se A,B S então P(A U B) =P(A)+P(B) – P(A∩B)
5. Se A,B,C S então P(A U B U C) =P(A) +P(B)+ P(C) – P(A∩B)- P(B∩C)-
P(A∩C) + P(A∩B∩C)
S = {1, 2, 3, 4, 5, 6}
Sejam os eventos:
A = Saída de um número par= { 2, 4, 6 }
B =Saída de um número ímpar={ 1, 3, 5 }
A e B são considerados mutuamente exclusivos, pois (A ∩ B)=Φ, ou seja,
P(A∩B)=0.
S = {1, 2, 3, 4, 5, 6}=6
A 1
A=Sair número 3 A = { 3 }=1 P( A) 0,1667 16,67 %
S 6
B 1
B=Sair número 4 B = { 4 }=1 P( B) 0,1667 16,67 %
S 6
1 1 2
P(A U B) =P(A) +P(B) P( A B) 0,3333 33,33 %
6 6 6
10
Solução: Espaço amostral = todas as possibilidades:
S= {As, ..2.., 3.., 4.., 5.., 6.., 7.., 8.., 9.., 10.., J.., Q.., K.. }=52
EVENTOS INDEPENDENTES
Sejam A e B dois eventos de um espaço amostra S. A e B são ditos
independentes se a probabilidade de um deles ocorrer não afectar a
probabilidade do outro ocorrer, isto é, se: P(AB) = P(A).P(B)
Exemplo:
Uma urna possui cinco bolas vermelhas e duas bolas brancas. Calcule
as probabilidades de:
V 5
V=primeira bola retirada é vermelha= 5 P(V )
S 7
B 2
B=segunda bola retirada é branca=2 P( B)
S 7
Solução:
P(V B) = P(V) . P(B/V)
P(V) = 5/7 (5 bolas vermelhas de um total de 7).
Supondo que saiu bola vermelha na primeira retirada, ficaram 6
11
bolas na urna. Logo:
P(B/V) = 2/6 = 1/3
Da lei das probabilidades compostas, vem finalmente que:
P(V B) = 5/7 . 1/3 = 5/21 = 0,2380 = 23,8%
A 6 1
Então P( A) 0,1667 16,67%
S 36 6
B 6 1
Então P( B) 0,1667 16,67%
S 36 6
Probabilidade Condicional
Definição
Sejam A e B dois eventos de um espaço amostral S, associado a um
experimento E, onde P(A) > 0. A probabilidade de B ocorrer
condicionada a A ter ocorrido, será representada por P(B/A), e lida
como: “probabilidade de B ocorrer dado que A ocorreu” ou
“probabilidade de B condicionada a A”, e calculada por: P(B/A) =
P(AB) / P(A)
12
P( A B)
P ( B | A)
P ( A)
Assim:
P( A B) P( A) * P( B | A)
P( A B) P(B) * P( A | B)
Exemplo:
Solução:
A =estudantes reprovados em Matemática P(A) = 25% =0,25
B= estudantes reprovados em Estatística P(B)=15% =0,15
P(A∩B)=10%=
P( A B) 0,10
P( A \ B) 0,6667 66 ,67 %
P( B) 0,15
Solução: dados
A = vôo partiar no horário P(A) = 83% =0,83
B= vôo chegar no horário P(B)=82% =0,82
A∩B= vôo partir e chegar no horário P(A∩B) =78%=0,78
a) O vôo chegar no horário tendo saído no horário?
13
P( A B ) 0,78
P ( B \ A) 0,9398 93,98 %
P ( A) 0,83
b) O vôo ter saído horário no horário dado que chegou no horário?
P( A B ) 0,78
P( A \ B) 0,9512 95,12 %
P( B) 0,82
B )
i
para i ≠ j e i 1
k
P( A) P( B1 ) P( A / B1 ) ..............(PBk ) P( A / BK ) P( Bi ) P( A / Bi )
i 1
P( B ) P( A / B )
i 1
i i
Solução:
14
Sejam os eventos:
B1: “ peça seleccionada seja do fornecedor B1”
B2:” peça seleccionada seja do fornecedor B2”
A:” peça seleccionada esteja fora das especificações”
a) P(A) =?
P(A)= P(B1)P(A|B1)+P(B2)P(A|B2)=(0,30)(0,10)+(0,70)(0,05)=0,065
b) P(B1|A)=?
TÉCNICA DE CONTAGEM
Existem casos que é complexo calcular o número de casos possíveis e o
número de casos favoráveis, por isso temos que aplicar regras
matemáticas, tais como análise combinatória.
Factorial
Factorial n, representado por n! é definido por:
n!=n(n-1)(n-2)…….1
Exemplo:
Permutações
15
Uma permutação de n objectos diferentes tomados r de cada vez é um
arranjo de r dos n objectos, levando-se em consideração a ordem de sua
disposição.
nPr = n(n-1)(n-2)…….(n-r+1) = n!
(n r )!
Exemplo:
n=8
r=2
n! 8! 8 * 7 * 6!
Pn,r 56
(n r )! (8 2)! 6!
Combinações
Uma combinação de n objectos diferentes, tomados r de cada vez, é
uma escolha de r dos n objectos, não se levando em consideração a
ordem de sua disposição.
16
n!
C rn
r!(n r )!
Exemplo:
1-O número de combinação das letras a,b,c, tomados duas de cada vez
3!
é: C 23 =3 são ab, ac, bc
2!(3 2)!
Solução:
n=5
r=3
n! 5! 5 * 4 * 3! 20 20
C rn 10
r!(n r )! 3!(5 3)! 3!*2! 2 *1 2
Solução:
n=6
r=3
n! 6! 6 * 5 * 4 * 3! 120 120
C rn 20
r!(n r )! 3!(6 3)! 3!*3! 3 * 2 *1 6
VARIÁVEL ALEATÓRIA
Variável aleatória (v.a) é uma função que atribui um valor numérico a
cada resultado de um experimento aleatório.
17
Exemplo: No lançamento de três moedas ao ar, os resultados possíveis
são:
Exemplo
Exemplo
18
FUNÇÃO DE PROBABILIDADE
FUNÇÃO DE PROBABILIDADE – é a função que atribui a cada valor de
Xi da v.a discreta X a sua probabilidade de ocorrência e pode ser
representada pela tabela:
Xi X1 X2 ………………….. Xn
P(X=Xi) P(X=X1) P(X=X2) …………………….. P(X=Xn)
n
0 P(X=Xi) 1 e P( X X ) 1
i 1
i
Distribuição de Probabilidade
Uma distribuição de probabilidade de uma variável aleatória X é uma
relação dos distintos valores Xi de X juntamente com as probabilidades
associadas. A notação utilizada é a seguinte:
x f(x)
0 0,25
1 0,50
2 0,25
Total 1,00
19
Valor esperado de uma variável aleatória
discreta
Valor esperado ou Esperança Matemática Seja X uma variável
aleatória discreta que pode assumir os valores X1, X2, ... , Xn , com
probabilidades P(X1), P(X2), ..., P(Xn), respectivamente. Então, o valor
esperado de X é dada por
n
E ( X ) xi .P( xi )
i 1
x 1 2 3 4 5 6
p 0,15 0,3 0,2 0,2 0,1 0,05
Quantos produtos pode- se esperar que sejam encontrados por dia?
Solução: Para calcular o valor esperado dos produtos, basta usar a fórmula:
n
E(x) =
i 1
P( x i ) * x i , cuja resposta é:
x P(xi) Xi*P(xi)
1 0,15 0,15
2 0,3 0,6
3 0,2 0,6
4 0,2 0,8
5 0,1 0,5
6 0,05 0,3
Total 1 2,95
Variância:
Variância: Seja X uma variável aleatória discreta com expectância
finita. Então, a variância de X é dada por:
Var( X ) (X i E( X )) 2 * P( xi ) ,
Exemplo: com os dados do exemplo anterior determine a variância
20
x P(xi) Xi*P(xi) Xi-E(xi) (Xi-E(xi))^2 (Xi-E(xi))^2*P(xi)
1 0,15 0,15 -1,95 3,8025 0,5704
2 0,3 0,6 -0,95 0,9025 0,2708
3 0,2 0,6 0,05 0,0025 0,0005
4 0,2 0,8 1,05 1,1025 0,2205
5 0,1 0,5 2,05 4,2025 0,4203
6 0,05 0,3 3,05 9,3025 0,4651
Total 1 2,95 1,95
x Var (X )
Exemplo: com os dados do exemplo anterior determine o desvio
padrão
Se Var(x) = 1,95 então o desvio padrão é:
x 1,95 1,3964
Distribuição de Probabilidade
Distribuição de Bernoulli
Prova de Bernoulli é uma experiencia aleatória que tem apenas dois
resultados possíveis.
S= sucesso F= fracasso
Xi 0 1
P(X=Xi) 1-P P
21
Ou P(X) = { 0
PX(1-P)1-X , X= 0,1
Uma v.a discreta com função de probabilidade assim definida diz-se que
tem distribuição de Bernoulli de parâmetro P e é simbolizada por: X ~
Bernoulli(p)
0 P 1
q= 1-p,
E(X)= p
Var (X)= P(1-P)=Pq
x Var(X )
Exemplo: Suponha que um circuito é testado e que ele seja rejeitado
com probabilidade 0,10. Seja X =“o número de circuitos rejeitados
nuum teste”.
a) Determine a distribuição de X.
b) Determine a esperança matemática
c) Determine a variância
d)Determine o desvio padrão
Solução:
E(X)= p=0,1
c) Determine a variância
22
DISTRIBUIÇÃO BINOMIAL
A distribuição Binomial é o modelo probabilístico adequado para casos
em que se consideram repetidas provas de Bernoulli, isto é sucessões
de experimentos aleatórios independentes, em cada um dos quais se
observa a ocorrência (“sucesso”) ou não (“fracasso”) de um determinado
acontecimento, de probabilidade p, constante de observação para
observação.
p: probabilidade de sucesso
q: probabilidade de fracasso
q= 1-p,
Valor esperado
E(X)=n.p
Var(X)=n.p.(1-p)=n.p.q
σ = n.p.(1 - p)
Exemplo: Os registros de uma pequena Empresa indicam que 40% das
faturas por ela emitidas são pagas após o vencimento. De 14 faturas
expedidas, determine a probabilidade de:
Solução:
23
p = 40% ou p = 0,40 (probabilidade de uma fatura ser paga com
atraso)
n = 14 (número de observações)
P(x) = Cn,x * p * (1 p) n x
14
P x 0 0,40 0 1 0,40 14 0 = 1 1 (0,60)14 = 0,0008
0
14 !
P(x=0) = * 0,400 * 0,6014
0!* 14 0!
14!
P( x 0) * 1 * 0,0008 1
1!*14!
14
P( x 1) 0,40 1 1 0,40 14 1
1
14 !
P( x 1) * 0,401 * 0,6013
1!* 14 1!
14*13!
P( x 1) * 0,40 * 0,0013
1 *13!
14
P( x 2) 0,40 2 1 0,40 14 2
2
14!
P( x 2) * 0,16 * 0,6012 = 7 13 = 91
2*!14 2!
24
14*13*12!
P( x 1) * 0,16 * 0,0022
2!*12!
14 *13
P( x 1) * 0,16 * 0,0022
2
182
P( x 1) * 0,0003
2
P(x=2)= 91 0,0003 = 0,0317
E(X)=14.0,4=5,6
d) Determine a variância
Var(X)=n.p.(1-p)=n.p.q
Var(X)=14*0,4*0,6=3,36
1,83
DISTRIBUIÇÃO DE POISSON
Se X tem distribuição de Poisson de parâmetro µ então a função de
probabilidade de X é dada por:
e x e X
P( X X i ) X=0,1,2,3,…………..
X! X!
25
Sendo X número de ocorrências num intervalo de amplitude t.
E(X)= µ=λ
Var(X)= µ= λ
np
Exemplo: O número médio de consultas que uma pessoa recebe em
resposta a um anúncio num jornal, colocando um carro à venda é 4,4.
Quais são as probabilidades de que, em resposta a tal anúncio, uma
pessoa receba:
a) Apenas duas consultas;
b) Exactamente três consulta
c) nenhuma consulta
d) Determine a esperança matemática
e) Determine a variância
f) Qual o desvio padrão desta distribuição?
Solução:
x * e
P ( X xi)
X!
c) nenhuma consulta
26
4,4 0 1 1
P( X 0) 4, 4
0,01228
0!*2,71828 1 * 81,45 81,45
e) Determine a variância
Var(X)= µ= λ=4,4
27