Disciplina: MAT013 Parte 2

Noes Bsica de Probabilidade

Prof.a Simone Daniela Sartorio ICE Depto Matemtica e Computao UNIFEI

Introduo
At agora vimos que a anlise de um conjunto de dados por meio de tcnicas numricas nos permite calcular medidas de posio (mdia, mediana, moda) e medidas de disperso (varincia e desvio padro). Poderemos caracterizar uma massa de dados, com o objetivo de organizar e resumir informaes. Essas medidas so chamadas de estimativas associadas a populaes das quais os dados foram extrados na forma de amostras.

Modelos probabilsticos
Agora estudaremos os chamados modelos probabilsticos. So modelos que permitem, sem a observao direta do fenmeno aleatrio, reproduzir de maneira razovel a distribuio de frequncias.

Definio: Definio
Experimento determinstico a situao, fenmeno ou acontecimento cujos resultados que ao serem repetidos nas mesmas condies conduzem ao mesmo resultado.

Exemplo:
Aquecer a gua a 100oC, ela entrar em ebulio.

Definio: Definio
Experimento aleatrio a situao, fenmeno ou acontecimento cujos resultados no podem ser previstos com certeza.

Exemplo:
Condies climticas do prximo domingo. Taxa de inflao do prximo ms.

Em situaes como estas, modelos probabilsticos podem ser estabelecidos para quantificar as incertezas das diversas ocorrncias

Histria
Origem: Jogos de azar - sculo XVII com:

Chevalier de Mer

Pierre de Fermat

Blaise Pascal

Histria
Base matemtica

BERNOUILLI (1713), fazendo relao entre PROBABILIDADE e FREQUNCIA RELATIVA.

MOIVRE (1718), ampliar os horizontes da teoria, estendendo os problemas de jogos de azar para estudo de problemas de SEGUROS, DEMOGRAFIA, etc.

LAPLACE (1818) mostrou outras aplicaes.

GAUSS e QUETELET (sculo XIX) publicaram trabalhos relacionados com TEORIA DOS ERROS e DEMOGRAFIA.

Se quiserem saber mais: Livro:

Hoje
Essa teoria amplamente aplicada em diversos campos da atividade humana:
CINCIAS EXATAS; PSICOLOGIA; ECONOMIA; ADMINISTRAO DE EMPRESAS; MEDICINA; VETERINRIA; ZOOTECNIA; AGRONOMIA FLORESTAL.

Condies / Pressuposies
1. Deve ser sempre possvel repetir a experincia indefinidamente, fixada certas condies iniciais. 2. Deve ser impossvel influenciar no resultado de uma particular repetio da experincia.
Os resultados podem apresentar VARIAES, mesmo quando repetidos em condies uniformes (equiprovveis), sem que se possa ter controle sobre os mesmos, muito embora os possveis resultados possam ser identificados previamente.

Exemplo: Exemplo Experincia: Lanar/jogar um dado 20 vezes, em idnticas condies: Resultados: faces 1, 2, 3, 4, 5 e 6
No podemos prever exatamente quantas vezes sair cada uma dessas faces.

Conceitos da teoria dos conjuntos REVISO

Chamamos de espao amostral o conjunto de todos os possveis resultados de um certo fenmeno aleatrio. Representaremos pela letra grega . Subconjuntos de so denominados eventos

Representados por letras maisculas (A, B, C, ).

Um subconjunto vazio do espao amostral representado por .

Espao amostral
Eventos

A B

D C Elementos do espao amostral Espao amostral

Tipos de Eventos
a) Evento certo: A = Exemplo: Dado o experimento aleatrio: Coletar uma amostra de 50 peixes de um lago, marc-los, devolv-los, coletar uma nova amostra de tamanho 60 e observar o nmero de peixes marcados. A = observar 50 ou menos peixes marcados b) Evento impossvel: A = Exemplo: Dado o experimento aleatrio: o mesmo descrito acima. A = observar mais do que 50 peixes marcados

c) Evento complementar:
Dois eventos A e B so chamados complementares se

AB=
A

A B= .
O evento B complementar de A tambm denotado por Ac

Ou seja, o complemento do evento A o conjunto de pontos amostrais que no pertencem a A

Exemplo: Dado o experimento aleatrio: o mesmo descrito anteriormente. Evento C = observar menos do que 10 peixes marcados Evento D = observar 5 ou mais peixes marcados Evento CC: Evento DC:

Propriedades dos eventos

A unio de dois eventos A e B, denotada por A B representa a ocorrncia de pelo menos um dos eventos A ou B. A B

A interseco do evento A com o B, denotada por A B, a ocorrncia simultnea de A e B. A B

Propriedades dos eventos

Dois eventos A e B so disjuntos ou mutuamente exclusivos quanto no tm elementos em comum. Isto , A B= .

A B

Exemplo simples do uso dos termos mencionados anteriormente

Fenmeno Aleatrio Jogar um dado de seis faces. Espao Amostral = {1, 2, 3, 4, 5, 6}.

Evento A Sair um nmero par A={2, 4, 6}. Evento B Sair o nmero 2 B={2}.

1 3 5 2 4 6

Exemplo: Para clarear a definio de espao amostral Fenmeno aleatrio: Jogar um dado duas vezes. Descreva o espao amostral. Incio :

1.a jogada 2. a jogada

123456

123456

123456

123456 123456

123456

36 resultados

Espao amostral

1,1 1,2 1,3 1,4 1,5 1,6

2,1 2,2 2,3 2,4 2,5 2,6

3,1 3,2 3,3 3,4 3,5 3,6

4,1 4,2 4,3 4,4 4,5 4,6

5,1 5,2 5,3 5,4 5,5 5,6

6,1 6,2 6,3 6,4 6,5 6,6

A={(1,3);(2,2);(3,1)} B={(5,6);(6,5)}

Evento A: A soma dos dados igual a 4. Evento B: A soma dos dados igual a 11 Evento C: A soma 4 ou 11.

C={(1,3);(2,2);(3,1);(5,6);(6,5)}

O que probabilidade?

Probabilidade uma afirmao numrica sobre a possibilidade de que algo ocorra, quantifica o grau de incerteza dos eventos, variando de 0 a 1 ou 0% a 100%. Formalmente, probabilidade uma funo P(.) que atribui valores numricos aos eventos de um espao amostral.

Funo probabilidade Definio:

Uma funo P(.) denominada probabilidade se satisfaz as condies: 1. 0 P(A) 1, A ; 2. P( )=1 e P()=0;

3. Para Aj eventos disjuntos:

n n P U A j = P ( A j ) j =1 j =1

Como atribuir probabilidades aos elementos do espao amostral?

Existem duas maneiras:

Exemplo Lanar um dado, admitindo que o dado foi construdo de forma homognea e com medidas rigorosamente simtricas (dado no viciado). a) Da primeira maneira: podemos jogar o dado 30 vezes e anotar as sadas, montar uma tabela de frequncias e a probabilidade de ocorrncia ser igual a frequncia relativa de cada observao. (exerccio) b) Da segunda maneira: No temos nenhuma razo para privilegiar uma ou outra face do dado, pois ele no viciado. Ento podemos considerar que todas as faces tem a mesma probabilidade de ocorrncia, ou seja: P(1)=P(2)=P(3)=P(4)=P(5)=P(6)=1/6.

Assim, formalmente temos:

a) Definio Clssica
Seja A , ento: n nmero P( A) = A = n nmero Exemplo:
No lanamento de dois dados honestos (resultados equiprovveis), calcular a probabilidade dos seguintes eventos: A: Soma dos valores igual a 7; B: Resultados do primeiro dado igual a 6; C: Soma nos dois dados 2.
Nota: Nota Os resultados so equiprovveis; Espao amostral discreto e finito.

de de

resultados resultados

favorveis possveis

Refletir: Refletir: Os pontos amostrais do experimento aleatrio dos peixes (descrito anteriormente) so equiprovveis?

b) Definio frequentista
Outro mtodo de definir a probabilidade o da frequncia relativa:

1 P ( A) = lim (nmero de ocorrncias de A nas n repeties do experimento) n n

Exemplo
Probabilidade num dado sabidamente viesado. Considere o experimento lanamento de um dado viesado e os eventos A = sair resultado 4; e Ac = sair resultado < 4. Como voc estimaria P(A) e P(Ac)?

Exemplo
Probabilidade num dado sabidamente viesado. Considere o experimento lanamento de um dado viesado e os eventos A = sair resultado 4; e Ac = sair resultado < 4. Teriamos que jogar o dado infinitas vezes e observar as frequncias relativas para cada um dos eventos de interesse conforme a ilustrao a seguir. Espao amostral = {1, 2, 3, 4, 5, 6} Evento A Ac Repetio Freq. Relativa 2/10 = 0,2 8/10 = 0,8 10 Freq. Relativa 41/100 = 0,41 59/100 = 0,59 100 Freq. Relativa 428/1000 = 0,428 572/1000 = 0,572 1000
n Freq. relativa tende probabilidade

Quando n tende ao infinito (n ) a freq relativa parece se aproximar de um certo limite. Chamamos esta propriedade emprica de estabilidade da freq. relativa. Observamos que a forma pela qual a frequncia relativa se aproxima do limite bastante irregular. O limite para o qual tende a freq. relativa denominado probabilidade.

Exerccio:
Utilizando o mesmo procedimento do exemplo anterior, considere o lanamento de dois dados honestos (resultados equiprovveis), calcular a probabilidade dos seguintes eventos: A: Soma dos valores igual a 7; B: Resultados do primeiro dado igual a 6; C: Soma nos dois dados 2.

Exerccio
Tabela: Dados referentes a alunos matriculados em 4 cursos de uma universidade no ano de 2011

Curso \ Sexo Matemtica pura (M) Matemtica aplicada (A) Estatstica (E) Computao (C) Total (Sexo)

Homens (H) 70 15 10 20 115

Mulheres (M) 40 15 20 10 85

Total (Cursos) 110 30 30 30 200

Considere M o evento de escolher ao acaso um aluno e ele estar matriculado no curso de matemtica pura. 1. Descreva graficamente o espao amostral. 2. Qual a probabilidade de escolher um aluno matriculado no curso de matemtica pura? (P(M)?) 3. Qual a probabilidade do aluno ser do sexo masculino? (P(H)?) 4. Qual a probabilidade de um aluno ser homem e estar matriculado no curso matemtica aplicada? (P(A H)?) 5. Qual a probabilidade de um aluno estar matriculado em matemtica aplicada ou ser homem? (P(A H)?)

Resposta
1. Descrever o espao amostral:

2. P(M)?

P(M) = 110/200
3. P(H)?

P(H) = 115/200
4. P(A H)?

P(A H) = 15/200
Curso \ Sexo Matemtica pura (M) Matemtica aplicada (A) Estatstica (E) Computao (C) Total (Sexo) Homens (H) Mulheres (M) Total (Cursos) 70 15 10 20 115 40 15 20 10 85 110 30 30 30 200

5. P(A H)?

P(A H) = P(A) + P(H) P(A H) = 30/200 + 115/200 15/200 = 130/200

 Considerando agora a unio dos eventos A e C: P(A C) = P(A) + P(C) P(A C) = 30/200 + 30/200 0 = 60/200

Os eventos A e C so disjuntos ou mutuamente exclusivos.

Regra da adio de probabilidades

Considere os eventos U e V quaisquer, a regra da adio de probabilidades dada por: P(U V) = P(U) + P(V) P(U V)

Se U e V forem eventos mutuamente exclusivos ou disjuntos, a regra dada por: P(U V) = P(U) + P(V)

Evento complementar
Suponha agora que queremos calcular a probabilidade de aluno NO estar matriculado no curso da computao:

P(Cc) = P( ) P(C)

= 1 P(C) = 1 30/200 = 170/200

Mega Sena
O jogo da mega sena consiste em escolher 6 dezenas entre 01 e 60. O jogador pode marcar num carto de 6 a 15 dezenas. Os custos (em reais) de cada jogo esto relacionados na tabela:
Dezenas Custo 6 2,00 7 14,00 8 56,00 9 168,00 10 420,00 11 924,00 12 1848,00 13 3432,00 14 6006,00 15 10010,00

60 Temos, ao todo = 50.063.860 possibilidades. 6 Qual a probabilidade de ganhar o prmio mximo? Porque o jogo com 7 dezenas custa R$ 14,00?

Respostas 1) A probabilidade de ganhar o prmio mximo , ou seja, uma 60 chance em 50 milhes.

6 1

7 2) Porque com 7 dezenas podemos formar = 7 jogos de 7 6 dezenas.

Ou seja, fazer um jogo com 7 dezenas ou 7 jogos com 6 dezenas so aes equiprovveis (equivalentes em termo de probabilidade ganhar).

Propriedades
1. P(A) + P(Ac) = 1 2. (A B)c = Ac Bc 3. (A B)c = Ac Bc 4. A = 5. A =A 6. c = 7.
c

8. A Ac = 9. A Ac = 10. A

11. A = A 12. A (B C) = (A B) (A C)

Exerccio
Dois dados so jogados e sua soma anotada.

1,1 1,2 1,3 1,4 1,5 1,6

2,1 2,2 2,3 2,4 2,5 2,6

3,1 3,2 3,3 3,4 3,5 3,6

4,1 4,2 4,3 4,4 4,5 4,6

5,1 5,2 5,3 5,4 5,5 5,6

6,1 6,2 6,3 6,4 6,5 6,6

a) Determine a probabilidade de que a soma seja 4 = A. P(A) = 3/36 = 1/12 = 0,083 b) Determine a probabilidade de que a soma seja 11 = B. P(B) = 2/36 = 1/18 = 0,056 c) Determine a probabilidade de que a soma seja 4 ou 11. P(A B) = P(A)+ P(B) = (3+2)/36 = 0,139

Exerccio
De um grupo de duas mulheres(M) e trs homens (H), uma pessoa ser sorteada para presidir uma reunio. Queremos saber qual a probabilidade de o presidente ser do sexo masculino ou feminino? Defina o espao amostral. = {H, M} Defina o evento. E1 = {H} Calcule as probabilidades. P(E1) = 3/5 ou E2 = {M}

P(E2) = 2/5

Exerccio
Considere o lanamento de dois dados. Considere os eventos:
A = soma dos nmeros obtidos igual a 9 e B = nmero no primeiro dado maior ou igual a 4.

a) Enumere os elementos de A e B. b) Obtenha: AB; AB; e Ac.

c) Obtenha as probabilidades do item anterior.