Escolar Documentos
Profissional Documentos
Cultura Documentos
1. Introdução
2. Conceitos da teoria das probabilidades
3. Álgebra dos acontecimentos
4. Conceitos de probabilidade
5. Axiomas da teoria das probabilidades
6. Probabilidades condicionais
7. Probabilidade de interseção de acontecimentos. Acontecimentos
independentes
8. Teorema da probabilidade total e fórmula de bayes
9. Aplicação
1. INTRODUÇÃO
§ Experiência aleatória
- Acontecimentos influenciados pelo acaso
- Experiência não aleatória - ex: propagação do som (340 m/s) Conhecimento
temperatura em ebulição da água (100 ºC) a priori
§ Espaço de resultados
Ω = 1, 2, 3, 4, 5, 6
espaço de resultado for finito ou infinito numerável – discreto
espaço de resultado infinito não numerável - contínuo
§ Acontecimentos
Ω = 1, 2, 3, 4, 5, 6 A: saída de face 2
A = {2} C= {3,6} B: saída de face ímpar
B = {1, 3, 5} C: saída de face divisível por 3
3. ÁLGEBRA DOS ACONTECIMENTOS
§ União de Acontecimentos
Ω - Ex: Se A e B forem acontecimentos, define-se
um novo acontecimentos união de A com B (𝐴 ∪ B)
𝐴 ∪ 𝐵 = 𝜔: 𝜔 ∈ 𝐴 ∨ 𝜔 ∈ 𝐵
A
Ω
A B
3. ÁLGEBRA DOS ACONTECIMENTOS
§ Interseção de Acontecimentos
- Dados dois Acontecimentos A e B, define-se Ω
interseção ou produto lógico de A com B
-𝐴∩𝐵
𝐴 ∪ 𝐵 = 𝜔: 𝜔 ∈ 𝐴 ⋀𝜔 ∈ 𝐵
A B
§ Diferenças de acontecimentos
- A diferença de dois acontecimentos A e B, ou
Ω
acontecimento diferença A – B (ou A \ B) é o
acontecimento que se realiza quando ocorre A mas
não B. A B
-𝐴∩𝐵
𝐴 − 𝐵 = 𝐴 \B = 𝜔: 𝜔 ∈ 𝐴 ⋀𝜔 ∉ 𝐵
4. CONCEITOS DE PROBABILIDADE
𝑛!
𝑃𝐴 = nA: número de resultados favoráveis a A
𝑁 N: número de resultados possíveis
§ Exemplo: Um investigador mostra a um individuo 12 cores, e pede-lhe que escreve 4 que sejam
suas favoritas.
b) Se uma faz cores do lote das 12 for azul, quantos resultados possíveis irão conter essa cor?
c) Qual a probabilidade de escolher a cor azul como uma das suas preferidas?
4. CONCEITOS DE PROBABILIDADE
b) Se uma das cores do lote das 12 for azul, quantos resultados possíveis irão conter
essa cor?
11 11!
𝐶$"" = = = 165
3 11 − 3 ! 3!
c) Qual a probabilidade de escolher a cor azul como uma das suas preferidas?
11
3 = 165 = 1
12 495 3
4
4. CONCEITOS DE PROBABILIDADE
𝑛
𝑓! =
𝑁
- Conceito frequencista de probabilidade
𝑃 𝐴 = lim 𝑓!
"→$
- Ex:
Primeiro ministro: inflação para o próximo ano será de 3% com a probabilidade 0,9
§ Três Axiomas em que se baseiam todos os desenvolvimentos posteriores deste campo das
matemáticas:
1) 𝑃 𝐴 ≥ 0
2) 𝑃 Ω = 1
§ Teorema 1
§ Teorema 2
§ Teorema 3
𝐴∩𝐵
Ω - 10% dos artigos produzidos - têm defeito de material (tecido)
- 5% dos artigos produzidos – têm defeito de acabamento
- 2% dos artigos produzidos – defeitos de ambos os tipos
§ Teorema 4
§ N=3
𝑃 𝐴1 ∪ 𝐴2 ⋃𝐴3 = 𝑃 𝐴1 + 𝑃 𝐴2 + 𝑃 𝐴3 − 𝑃 𝐴1 ∩ 𝐴2 − 𝑃 𝐴1 ∩ 𝐴3 − 𝑃 𝐴2 ∩ 𝐴3 − −𝑃 𝐴1 ∩ 𝐴2 ∩ 𝐴3
? @∩A
§ 𝑃 𝐴|𝐵 = ?A
se P[B] > 0
b) Admita-se que o jogador soube acidentalmente que o
número premiado em primeiro em primeiro lugar era um
número par.
§ Ex1. Jogador compra 3 bilhetes de loteria: 1
1
- 01011 𝑃 𝐴|𝐵 = 40000 =
- 15555 20000 20000
- 22444 40000
- Total: 40000
b) Ele ganhou o prémio. Qual a probabilidade de que o
a) O jogador obter o primeiro prêmio: número premiado seja par?
3 1
𝑃𝐴 = 1
40000 𝑃 𝐴|𝐵 = 40000 =
3 3
40000
6. PROBABILIDADE CONDICIONAL
§ Recém-nascidos:
A1: um recém-nascido escolhido ao acaso ser do sexo masculino
B1 B2
A2: um recém-nascido escolhido ao acaso ser do sexo feminino
A1 0,34 0,17
B1: um recém-nascido escolhido ao acaso ter olhos castanhos
A2 0,34 0,15
B2: um recém-nascido escolhido ao acaso não ter olhos castanhos
c) Probabilidade do recém-nascido não ter olhos castanhos dado que é do sexo masculino
𝑃 𝐵2 ∩ 𝐴1 0,17
𝑃 𝐵2|𝐴1 = = = 0,30
𝑃 𝐴1 0,51
6. PROBABILIDADE CONDICIONAL
1 3 1
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴|𝐵 𝑥 𝑃 𝐴 = 𝑥 =
3 40000 40000
8. Teorema da probabilidade total e fórmula de Bayes
§ Diz-se que os acontecimentos A1, A2 ..., Na, definem uma partição em Ω quando se verificam
simultaneamente as seguintes condições:
'
§ Fórmula de Bayes
§ Se A1, A2, ..., An definem uma partição sobre Ω, então, para B definido em Ω, com P[B]>0:
𝑃 𝐴( 𝑥𝑃 𝐵|𝐴(
𝑃 𝐴( |𝐵 =
∑'(&" 𝑃 𝐴( 𝑥𝑃 𝐵|𝐴(
§ Ex. Fábrica de cachimbos – utiliza três máquinas de acabamento com volume diário de produção:
- 500 unidades
- 1000 unidades
- 2000 unidades
- Cachimbos defeituosos
- 0,5%
- 0,8%
- 1%
Sabendo que um cachimbo foi encontrado defeituoso pretende apurar-se qual a máquina que, com
maior probabilidade, lhe terá dado origem e qual que tem menor probabilidade de o ter gerado.
8. Teorema da probabilidade total e fórmula de Bayes
𝑃 𝐴% |𝐵
§ Ex1. Em bovinos, uma doença causada por um vírus, conhecida como febre aftosa ataca 2% do
rebanho de um Estado da federação. Um determinado teste rápido de sangue consegue identificar
corretamente 98% dos animais que possuem a doença e 92% dos que não a têm.
b) Qual a probabilidade de um animal, classificado como negativo no teste, não ser portador da febre
aftosa?
9. Aplicação
§ Ex2. Uma empresa de bovinos está interessada em melhorar a eficiência do teste rápido de aftosa
apresentado anteriormente. Como o teste apresenta falso negativo, com probabilidade de 2% e
falso positivo, com probabilidade de 8%, o representante da empresa pergunta: “Qual é a estratégia
a ser adotada: reduzir a probabilidade de falsos negativos ou de falsos positivos?”. Para responder
a essa pergunta sabendo que em geral a P(B1) é pequena em todos os Estados; utilize os dados do
exemplo anterior e faça algumas simulações de determinadas situações reais:
b) Qual a probabilidade de um animal, classificado como negativo no teste, não ser portador da febre
aftosa?
OBRIGADO