Escolar Documentos
Profissional Documentos
Cultura Documentos
Prob Comp 2023
Prob Comp 2023
2 PROBABILIDADES
INTRODUÇÃO
EXPERIMENTOS ALEATÓRIOS: Chamamos de experimentos aleatórios aqueles que,
repetidos em idênticas condições, produzem resultados diferentes. Embora não saibamos
qual o resultado que irá ocorrer num experimento, em geral, conseguimos descrever o
conjunto de todos os resultados possíveis que podem ocorrer.
S = {1, 2, 3, 4, 5, 6}
DEFINIÇÃO DE PROBABILIDADE
f
P( X ) , onde: P(X): probabilidade de ocorrer o evento X;
p
f : nº de casos favoráveis à ocorrência de X;
p: nº de casos possíveis.
(Nº de vezes que o evento " cara" pode sair numa jogada) 1
P (" cara" ) .
(Nº total de casos possíveis) 2
Exemplo 2: Vamos agora testar a definição com um dado honesto. Então, numa única
jogada, qual a probabilidade de sair face 5?
f 1
P(face 5) .
p 6
f 3 1
P(face ímpar) = .
p 6 2
Estatística básica – Prof. Wilson Alves de Oliveira
3
Vamos montar primeiro uma tabela que nos possibilite visualizar os vários pares de faces.
Dado 2 1 2 3 4 5 6
Dado 1
1 2 3 4 5 6 7
2 3 4 5 6 7 8
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
18 1
b) P(B) =
36 2
6 1
c) P(C) =
36 6
3 1
d) P(D) =
36 12
PROPRIEDADES
Estatística básica – Prof. Wilson Alves de Oliveira
4
Teorema 3: Seja S um espaço amostral e sejam A e B dois eventos tais que A B, então
P(A) P(B)
60 30 20
P ( A) ; P( B ) ; P( A B ) .
100 100 100
60 30 20 70 7
P( A B )
100 100 100 100 10
Estatística básica – Prof. Wilson Alves de Oliveira
5
100 50 20
P( A C ) ; P( B C ) e P( A B C ) .
1000 1000 1000
3 3 1 7 1 1
Seja P(0) = p, então p 1 p 1 P ( 0)
8 8 8 8 8 8
Exemplo 2: Três cavalos, A, B e C estão em uma corrida; A tem duas vezes mais
probabilidade de ganhar que B e B tem duas vezes mais probabilidade de ganhar que C.
Quais são as probabilidade de vitória de cada um, isto é, P(A), P(B) e P(C)?
Chamando P(C) = p, desde que B tem duas vezes mais probabilidade de ganhar que C,
2 1 3
P(B C) = P(B) + P(C) = (B e C são mutuamente exclusivos)
7 7 7
Estatística básica – Prof. Wilson Alves de Oliveira
6
nº de figuras 12 3
P( B ) ;
nº total de cartas 52 13
nº de figuras de espadas 3
P( A B ) .
nº total de cartas 52
Exemplo 2: Escolha aleatoriamente dois objetos de um lote contendo 12, dos quais 4 são
defeituosos.
Sejam: A = {ambos os objetos são defeituosos} e
B = {ambos os objetos são não defeituosos}.
Encontre P(A) e P(B).
4 4! 4 x 3x 2! 12
A pode ocorrer de: C(4, 2) = 6;
2 2! ( 4 2)! 2! x 2! 2
8 8! 8 x7 x 6!
B pode ocorrer de: C(8, 2) = 28 ;
2 2! (8 2)! 2! x 6!
6 1 28 14
Consequentemente, P ( A) e P( B ) .
66 11 66 33
Estatística básica – Prof. Wilson Alves de Oliveira
7
P( A B )
P( A / B ) .
P( B )
P( A B )
P( B / A)
P( A)
Obs: Note que se P(B) = 0 , então a probabilidade P(A/B) não está definida e similarmente
se P(A) = 0 , então P(B/A) também não está definida.
Exemplo: Jogando um dado “honesto de seis faces e sabendo que ocorreu um nº maior
que 2, qual é a probabilidade de ser um nº ímpar?
3 1 4 2 2 1
P ( A) ; P( B ) e P( A B ) .
6 2 6 3 6 3
1
P( A B ) 1
Então, P( A / B ) 3
P( B ) 2 2
3
REGRA DO PRODUTO
Exemplo: Em um lote de 12 peças, 4 são defeituosas, 2 peças são retiradas uma após a
outra sem reposição. Qual a probabilidade de que ambas sejam boas?
INDEPENDÊNCIA ESTATÍSTICA
Estatística básica – Prof. Wilson Alves de Oliveira
8
Dados “n” eventos A1 , A2 , ... , An , diremos que eles são independentes se eles forem
independentes 2 a 2 ; 3 a 3 ; . . . ; n a n.
Exemplo: Em um lote de 12 peças, 4 são defeituosas, 2 peças são retiradas uma após a
outra com reposição. Qual a probabilidade de que ambas sejam boas?
8 8 64 4
Logo, P(A B) = P(A) P(B) .
12 12 144 9
TEOREMA DE BAYES
Suponha que os eventos A1, A2, ... ,An formam uma partição de um espaço
amostral S, ou seja, os eventos Ai são mutuamente exclusivos e sua união é S. Seja B
outro evento qualquer. Então,
B = S B = (A1 A2 . . . An) B =
Por outro lado, para qualquer i, a probabilidade condicional de Ai dado B é definida como
P Ai B
P Ai / B .
P( B )
Nesta equação, usamos (1) para substituir P(B) e P(Ai B) = P(Ai).P(B/Ai) para
substituir P(Ai B), obtendo assim o Teorema de Bayes.
Teorema de Bayes: Suponha A1, A2, ... ,An ser uma partição de S e B um evento
qualquer. Então para qualquer i,
P( Ai ) P( B / Ai )
P Ai / B .
P( A1 ) P( B / A1 ) P( A2 ) P( B / A2 ) P( An ) P( B / An )
Estatística básica – Prof. Wilson Alves de Oliveira
9
X = (A X) (B X) (C X);
Exemplo 2: Considere a fábrica do exemplo anterior. Suponha que uma peça, selecionada
aleatoriamente, seja considerada defeituosa. Encontre a probabilidade dela ter sido
produzida pela máquina A.
P( A X ) P( A) P( X / A) (0,50)(0,03)
P( A / X ) 0,41 .
P( X ) P( X ) 0,037
Exemplo 3: Temos duas caixas iguais. Na caixa 1 há 3 bolas brancas e 7 pretas e na caixa
2 há 1 bola branca e 4 pretas. De uma caixa escolhida ao acaso, seleciona-se uma bola e
verifica-se que é branca. Qual é a probabilidade de que a caixa de onde foi extraída a bola
seja a caixa 1?
P (C 1 B ) P (C 1 ) P ( B / C 1 )
Então, P (C 1 / B ) ;
P( B ) P( B)
1 3 1 1 3 1 5 1
P( B ) ;
2 10 2 5 20 10 20 4
1 3
3
P(C1 ) P( B / C1 ) 2 10 12 3
P (C 1 / B ) 20 .
P( B ) 1 1 20 5
4
4
Estatística básica – Prof. Wilson Alves de Oliveira
10
Definição: Função de Probabilidade é a função que associa a cada valor assumido pela
V.A, a probabilidade do evento correspondente, isto é,
p(xi ) 1 .
i 1
X Evento Correspondente
0 A1 = {CCC}
1 A2 = {KCC, CKC, CCK}
2 A3 = {KKC, KCK, CKK}
3 A4 = {KKK}
X 0 1 2 3
P(X) 1/8 3/8 3/8 1/8
Nota-se que a V.A. para ser discreta deve assumir valores em um conjunto finito ou em um
conjunto infinito, porém enumerável.
X 2 3 4 5 6 7 8 9 10 11 12
P(X) 1 2 3 4 5 6 5 4 3 2 1
36 36 36 36 36 36 36 36 36 36 36
Estatística básica – Prof. Wilson Alves de Oliveira
11
ESPERANÇA MATEMÁTICA
n
E(X) = x p( x )
i 1
i i
X 0 1 2 3
P(X) 1/8 3/8 3/8 1/8
1 3 3 1 12
E ( X ) (0) (1) ( 2) (3) 1,5 .
8 8 8 8 8
1. E(K) = K, K constante;
2. E(KX) = K E(X);
3. E(X Y) = E(X) E(Y);
4. E{ Xi } = {E(Xi)};
5. E(aX b) = aE(X) b, a e b constantes;
6. E(X - µx) = E(X) – E(µx) = µx - µx = 0.
Estatística básica – Prof. Wilson Alves de Oliveira
12
VARIÂNCIA: Define-se variância de uma V.A. como: VAR (X) = E{(X - E(X))2 }
n
VAR (X) = x
i 1
i x p( x i ) .
2
DESVIO PADRÃO: Por definição, desvio padrão é a raiz quadrada da variância, ou seja,
x = VAR ( X ) .
X 0 1 2 3
P(X) 1/8 3/8 3/8 1/8
1 3 3 1 12
E ( X ) (0) (1) ( 2) (3) 1,5 (Obtida anteriormente);
8 8 8 8 8
1 3 3 1 3 12 9 24
E ( X 2 ) ( 0) 2 (1) 2 (2) 2 (3) 2 3;
8 8 8 8 8 8 8 8
PROPRIEDADES DA VARIÂNCIA
Estatística básica – Prof. Wilson Alves de Oliveira
13
Função de Probabilidade Conjunta: Seja X uma V.A. que assume os valores x1 , x2 , ... ,
xm e Y uma V.A. que assume os valores y1 , y2 , ... , yn .
m n
Observa-se que
i 1 j 1
P( X x i , Y y j ) 1 .
Exemplo: Dado o quadro abaixo, referente ao salário e tempo de serviço de dez operários.
OPERÁRIO A B C D E F G H I J
X 640 650 650 670 670 670 660 660 660 650
Y 6 5 6 4 6 6 5 6 6 5
Y 4 5 6 Totais (linhas)
X
640 0 0 1/10 1/10
650 0 2/10 1/10 3/10
660 0 1/10 2/10 3/10
670 1/10 0 2/10 3/10
Totais (colunas) 1/10 3/10 6/10 1
P(X = xi) =
i 1 j 1
p(xi , yj) = 1.
i 1
Estatística básica – Prof. Wilson Alves de Oliveira
14
j 1
P(Y = yj) =
j 1 i 1
p(xi , yj) = 1
Distribuição marginal de X:
X P(X)
640 1/10
650 3/10
660 3/10
670 3/10
1
2 1 3
P(X = 650, Y = 4) + P(X = 650, Y = 5) + P(X = 650, Y = 6) = 0 .
10 10 10
Distribuição marginal de Y:
Y P(Y)
4 1/10
5 3/10
6 6/10
1
Pode-se, dada a distribuição conjunta de probabilidade, calcular E(X): salário médio, E(Y):
tempo médio de serviço e suas respectivas variâncias.
m n
E ( X ) x i p( x i ) ; E (Y ) y j p( y j ) ;
i 1 j 1
1 3 3 3 6580
E ( X ) (640) (650) (660) (670) 658 ;
10 10 10 10 10
1 3 6 55
E (Y ) ( 4) (5) (6) 5,5 ;
10 10 10 10
Estatística básica – Prof. Wilson Alves de Oliveira
15
m n
E ( X 2 ) x i2 p ( x i ) ; E (Y 2 ) y 2j p( y j ) ;
i 1 j 1
1 3 3 3 4330600
E ( X 2 ) (640) 2 (650) 2 (660) 2 (670) 2 433 060 ;
10 10 10 10 10
1 3 6 307
E (Y 2 ) ( 4) 2 (5) 2 ( 6) 2 30,7 ;
10 10 10 10
O salário médio dos operários é de 658 reais, com um desvio padrão de 9,80 reais e o
tempo médio de serviço dos operários é de 5,5 anos, com um desvio padrão de 0,67 anos.
P(X = xi , Y = yj) = P(X = xi) P(Y = yj), para todo par (xi , yj), i = 1, 2, ... , m, j =
1, 2, ... , n.
Estatística básica – Prof. Wilson Alves de Oliveira
16
Y 0 1 2 3
X
0 1/8 2/8 1/8 0
1 0 1/8 2/8 1/8
a) X e Y são independentes?
b) E(2X - 3Y);
c) VAR(X) e VAR(Y);
d) COV(X,Y);
1 4 1
a) P(X = 0, Y = 0) = , P(X = 0) = e P(Y = 0) =
8 8 8
P(X = 0, Y = 0) P(X = 0) P(Y = 0) X e Y não são independentes.
1 2 1 2 1 8
E ( XY ) 0.0. 0.1. 1.1. 1.2. 1.3. 1
8 8 8 8 8 8
Estatística básica – Prof. Wilson Alves de Oliveira
17
n
P( X k ) p k (1 p ) n k , K = 0, 1, 2, ... , n.
k
Exemplos:
X: nº de sucessos (caras);
8 12
20 1 1
P(X = 8) = 0,12013.
8 2 2
2) Uma prova tipo teste tem 10 questões independentes. Cada questão tem 5 alternativas.
Apenas uma das alternativas é a correta. Se um aluno resolve a prova respondendo a esmo
as questões, qual a probabilidade de acertar 5 questões? Qual o número de acertos
esperado?
1 10
E ( X ) n. p 10 2
5
5
Estatística básica – Prof. Wilson Alves de Oliveira
18
2 Distribuição de Poisson
e k
P(X = k) = , onde é a média.
k!
E(X) = e VAR(X) = .
Exemplo: Numa central telefônica chegam 300 telefonemas por hora. Qual a probabilidade
de que:
a) num minuto não haja nenhum chamado;
b) em dois minutos haja 2 chamados.
e 5 5
0
P(X = 0) = = e5 = 0,006738;
0!
e 10 (10) 2
P(X = 2) = = 0,002270.
2!
Seja X uma V.A. contínua. A função densidade de probabilidade f(x) é uma função
que satisfaz as seguintes condições:
b)
f ( x ) dx 1 .
Estatística básica – Prof. Wilson Alves de Oliveira
19
b
P(a X b) = a
f ( x ) dx (corresponde à área delimitada pala função f(x), eixo dos X
e pelas retas X = a e X = b).
f(x)
a b X
E(X) =
x f ( x )dx e VAR(X) = E(X2) - {E(X)}2 onde,
E(X2) = x 2 f ( x )dx .
1 Distribuição normal
- + X
Estatística básica – Prof. Wilson Alves de Oliveira
20
Demonstra-se que
f ( x ) dx 1 .
b
P(a X b) = a
f ( x ) dx , que apresenta um grau relativo de dificuldade.
Z2
1
f(z) = e 2
, para z .
2
20 X X 20
Se X: N(20, 4) e Z= ;
2 2
14 20
a) X1 = 14; Z1 3 Z1 3 ;
2
16 20
b) X2 = 16; Z2 2 Z 2 2 ;
2
18 20
c) X3 = 18; Z3 1 Z 3 1 ;
2
20 20
d) X4 = 20; Z4 0 Z4 0 ;
2
Estatística básica – Prof. Wilson Alves de Oliveira
21
22 20
e) X5 = 22; Z5 1 Z5 1 ;
2
24 20
f) X6 = 24; Z6 2 Z6 2 ;
2
26 20
g) X7 = 26; Z7 3 Z7 3 .
2
X1 X2
Z1 = e Z2 = .
USO DA TABELA
0 Z Z
P (0 Z Z )
Estatística básica – Prof. Wilson Alves de Oliveira
22
d) P(X 108) = P(Z 1,6) = 0,5 – P(0 Z 1,6) = 0,5 – 0,445201 = 0,054799;
108 100
* Z1 1,6 .
5
= 0,05
0 Z Z
X X 50
Como Z 1,64
4
Estatística básica – Prof. Wilson Alves de Oliveira
23
Exemplo de Aplicação
Um fabricante de baterias sabe por experiência passada, que as baterias de sua
fabricação têm vida média de 600 dias e desvio padrão de 100 dias, sendo que a duração
tem aproximadamente distribuição normal. Oferece uma garantia de 312 dias, isto é, troca
as baterias que apresentarem falhas nesse período. Produz 10.000 baterias mensalmente.
Quantas baterias, o fabricante, deverá trocar pelo uso da garantia, mensalmente?
600 dias
X: duração da bateria ;
100 dias
P(X 312) = P(Z - 2,88) = 0,5 - P(- 2,88 Z 0) = 0,5 - 0,498012 = 0,001988;
312 600
* Z1 2 ,88 ;
100
E( X i ) p
Neste caso i = 1, 2, ... , n;
VAR( X i ) pq
n
Então, E(X) = E ( X i ) = np e
i 1
n
VAR(X) = Var ( X ) = npq.
i
i 1
X np
Logo, para n suficientemente grande, a variável Z N (0,1) .
npq
P(X = k) P(k - ½ X k + ½) e
Estatística básica – Prof. Wilson Alves de Oliveira
24
Exemplos:
1) Lança-se uma moeda 20 vezes. Qual a probabilidade de se obter de uma a cinco caras,
usando:
a) distribuição binomial;
b) aproximação da binomial pela normal.
X: Nº de caras X: B(20 , 1/2);
2 n p q 10(1 / 2) 5 e 5 2 ,24 ;
0,5 10 5,5 10
* Z1 4,24; Z2 2,01.
2,24 2,24
2) Um sistema é formado por 100 componentes, cada um dos quais com confiabilidade de
0,95 (probabilidade de funcionamento do componente durante um certo período de
tempo). Se esses componentes funcionam independente um do outro e se o sistema
completo funciona adequadamente quando pelo menos 80 componentes funcionam, qual a
confiabilidade do sistema?
np 100(0,95) 95 ;
79,5 95 100,5 95
Z1 7,11; Z2 2,52 .
2,18 2,18
Estatística básica – Prof. Wilson Alves de Oliveira