MODELOS DE PROBABILIDADE

A grande motivao para o aparecimento dos modelos de probabilidade decorre das dificuldades que sentimos para prever os resultados de determinados fenmenos. Os dados so o instrumento por excelncia dos jogos e com eles que vamos iniciar o estudo das probabilidades. Consideremos duas situaes: Tirar um gelado do congelador. Atirar um dado para o cho para ver que face fica voltada para cima. certo que na primeira situao sabemos a priori qual vai ser o resultado o gelado vai derreter, enquanto que na segunda no e possvel prever que face vai ficar virada para cima.

A primeira uma experincia determinstica. uma experincia ou um fenmeno que produz sempre o mesmo resultado, desde que seja repetido nas mesmas condies.

y y y

Atirar uma lmpada ao cho e verificar que se parte; Pr um recipiente com gua ao lume e verificar que a gua aquece; Atirar uma pedra a um lago e verificar que vai ao fundo.

A segunda uma experincia aleatria. uma experincia ou um fenmeno em que impossvel saber com exactido o resultado que se obter mesmo que possa repetir-se um nmero de vezes to grande quanto se queira nas mesmas condies (ou semelhantes). Dizemos que as experincias ou fenmenos aleatrios o resultado depende do acaso.

y Atirar uma lmpada ao cho e verificar que se parte; y Pr um recipiente com gua ao lume e verificar que a gua aquece; y Atirar uma pedra a um lago e verificar que vai ao fundo.
1

Uma vez que a Teoria das Probabilidades se ocupa das leis que regem os fenmenos cujos resultados dependem do acaso, sobre experincias aleatrias que nos vamos debruar. Para isso, comearemos por encontrar modelos simples que traduzam as experincias que estudamos e que nos permitam calcular probabilidades. Tal como na Estatstica, onde utilizamos modelos matemticos para exprimir relaes entre variveis, tambm em Probabilidades podemos encontrar modelos para descrever fenmenos aleatrios. A estes modelos chamamos modelos de probabilidade ou modelos probabilsticos.

So modelos matemticos utilizados na representao e interpretao de fenmenos que no so passveis de serem descritos por leis determinsticas, ou por serem demasiado complexos ou por terem um mecanismo de funcionamento desconhecido.

Espao de resultados ou espao amostral ( , E ou S) de uma experincia aleatria o conjunto de todos os resultados possveis dessa experincia. Acontecimento de uma experincia aleatria qualquer subconjunto do seu espao de resultados. y y y Acontecimento Elementar qualquer subconjunto com um s elemento do espao de resultados. Acontecimento Certo aquele que ocorre sempre, ou seja, um acontecimento que contm todos os elementos do espao de resultados. Acontecimento Impossvel aquele que nunca se realiza.

Dois acontecimentos elementares so equiprovveis se tiverem a mesma probabilidade de acontecer.

LEI DE LAPLACE: A probabilidade (P) de um acontecimento (A) igual ao quociente entre o nmero de casos favorveis sua realizao e o nmero de casos possveis, ou seja: P (A) =
     

Regra do Produto: Se uma experincia se pode decompor em duas escolhas sucessivas, a primeira com m possibilidades e a segunda com n possibilidades, ento h m x n formas diferentes de a realizar.

Modelos de Probabilidade e espaos finitos Varivel Aleatria Funo Massa de Probabilidade

Considere-se a experincia aleatria que consiste em lanar uma moeda de 1, duas vezes e anotar a face virada para cima em cada lanamento.

Consideremos agora a funo que a cada elemento de nmero de vezes que aparece N.

faz corresponder o

(N,N) (N,E) (E,N) (E,E)

2 1 0

Esta funo tem o nome de varivel aleatria e apresenta-se por x. Esta varivel aleatria toma 3 valores e escreve-se: x=0, x=1 e x=2 Estes valores representam-se por xi. Esta varivel aleatria discreta porque toma um nmero finito de valores.

Se associarmos a cada valor da varivel aleatria, xi, a sua probabilidade, p i, obtemos a seguinte tabela: X=xi P(x=xi) = pi OU 0 1 2
Esta correspondncia tem o nome de:

Distribuio de probabilidade da varivel aleatria x Funo massa de probabilidade Modelo de probabilidade

X=


2


Numa distribuio de uma varivel aleatria, temos: a soma de todos os valores de p i, com i = 1, 2, 3, 4, 0 p; 1, i = 1, 2, 3, 4, igual a 1.

PROBABILIDADE CONDICIONAL OU CONDICIONADA