Você está na página 1de 38
Disciplina: MAT013 Parte 2 NN oçõesoções BáBá ii ss caca dd ee PP roro bb
Disciplina: MAT013
Parte 2
NN
oçõesoções
BáBá ii
ss caca
dd
ee
PP
roro
bb
aa
bilidbilid dd
aa
ee
Prof. a Simone Daniela Sartorio
ICE – Depto Matemática e Computação
UNIFEI

IntroduçãoIntrodução

• Até agora vimos que a análise de um conjunto de dados por meio de técnicas numéricas nos permite calcular medidas de posição (média, mediana, moda) e medidas de dispersão (variância e desvio padrão).

• Poderemos caracterizar uma massa de dados, com o objetivo de organizar e resumir informações.

• Essas medidas são chamadas de estimativas associadas a populações das quais os dados foram extraídos na forma de amostras.

ModelosModelos probabilísticosprobabilísticos

• Agora estudaremos os chamados modelos probabilísticos.

• São modelos que permitem, sem a observação direta do fenômeno aleatório, reproduzir de maneira razoável a distribuição de frequências.

DefiniçãoDefinição: Experimento determinístico é a situação, fenômeno ou acontecimento cujos resultados que ao
DefiniçãoDefinição:
Experimento determinístico é a situação, fenômeno ou acontecimento cujos
resultados que ao serem repetidos nas mesmas condições conduzem ao mesmo
resultado.

Exemplo:

Aquecer a água a 100 o C, ela entrará em ebulição.

DefiniçãoDefinição: Experimento aleatório é a situação, fenômeno ou acontecimento cujos resultados não podem
DefiniçãoDefinição:
Experimento aleatório é a situação, fenômeno ou acontecimento cujos
resultados não podem ser previstos com certeza.

Exemplo:

Condições climáticas do próximo domingo.

Taxa de inflação do próximo mês.

Em situações como estas, modelos probabilísticos podem ser estabelecidos para quantificar as incertezas das diversas
Em situações como estas, modelos probabilísticos podem ser
estabelecidos para quantificar as incertezas das diversas ocorrências

HistóriaHistória

Origem: Jogos de azar - século XVII com:

HistóriaHistória Origem : Jogos de azar - século XVII com: Chevalier de Meré Pierre de Fermat

Chevalier de Meré

HistóriaHistória Origem : Jogos de azar - século XVII com: Chevalier de Meré Pierre de Fermat

Pierre de Fermat

HistóriaHistória Origem : Jogos de azar - século XVII com: Chevalier de Meré Pierre de Fermat

Blaise Pascal

HistóriaHistória

Base matemática

BERNOUILLI (1713), fazendo relação entre PROBABILIDADE e FREQUÊNCIA RELATIVA.

relação entre PROBABILIDADE e FREQUÊNCIA RELATIVA. LAPLACE (1818) mostrou outras aplicações. MOIVRE (1718),

LAPLACE (1818) mostrou outras aplicações.

RELATIVA. LAPLACE (1818) mostrou outras aplicações. MOIVRE (1718), ampliar os horizontes da teoria, estendendo

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

azar para estudo de problemas de SEGUROS, DEMOGRAFIA, etc. GAUSS e QUETELET (século XIX) publicaram trabalhos
azar para estudo de problemas de SEGUROS, DEMOGRAFIA, etc. GAUSS e QUETELET (século XIX) publicaram trabalhos

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

Se quiserem saber mais:

Livro:

Se quiserem saber mais: Livro:

HojeHoje

Essa teoria é amplamente aplicada em diversos campos da atividade humana:

CIÊNCIAS EXATAS;

PSICOLOGIA;

ECONOMIA;

ADMINISTRAÇÃO DE EMPRESAS;

MEDICINA;

VETERINÁRIA;

ZOOTECNIA;

AGRONOMIA FLORESTAL.

CondiçõesCondições // PressuposiçõesPressuposições

1. Deve ser sempre possível repetir a experiência indefinidamente, fixada certas condições iniciais.

2. Deve ser impossível influenciar no resultado de uma particular repetição da experiência.

no resultado de uma particular repetição da experiência. ExemploExemplo: Os resultados podem apresentar VARIAÇÕES,

ExemploExemplo:

Os resultados podem apresentar VARIAÇÕES, mesmo quando repetidos em condições uniformes (equiprováveis), sem que se
Os resultados podem apresentar VARIAÇÕES, mesmo quando
repetidos em condições uniformes (equiprováveis), sem que se
possa ter controle sobre os mesmos, muito embora os possíveis
resultados possam ser identificados previamente.

Experiência: Lançar/jogar um dado 20 vezes, em idênticas condições:

Resultados: faces 1, 2, 3, 4, 5 e 6

Não podemos prever exatamente quantas vezes sairá cada uma dessas faces.
Não podemos prever exatamente quantas
vezes sairá cada uma dessas faces.

ConceitosConceitos dada teoriateoria dosdos conjuntosconjuntos –– REVISÃOREVISÃO

Chamamos de espaço amostral o conjunto de todos os possíveis resultados de um certo fenômeno aleatório.

Representaremos pela letra grega .

Subconjuntos de são denominados eventos

Representados por letras maiúsculas (A, B, C, …).

Um subconjunto vazio do espaço amostral é representado por .

EspaçoEspaço amostralamostral

Eventos

A B D C Ω
A
B
D
C

Elementos do espaço amostral

Espaço amostral

TiposTipos dede EventosEventos

a) Evento certo: A =

Exemplo:

dede EventosEventos a) Evento certo: A = Ω Exemplo: Dado o experimento aleatório: Coletar uma amostra

Dado o experimento aleatório: Coletar uma amostra de 50 peixes de um lago, marcá-los, devolvê-los, coletar uma nova amostra de tamanho 60 e observar o número de peixes marcados.

A = observar 50 ou menos peixes marcados

de peixes marcados. A = observar 50 ou menos peixes marcados b) Evento impossível : A

b) Evento impossível: A = Exemplo:

Dado o experimento aleatório: o mesmo descrito acima.

A = observar mais do que 50 peixes marcados

: A = ∅ Exemplo: Dado o experimento aleatório: o mesmo descrito acima. A = observar

c) Evento complementar:

Dois eventos A e B são chamados complementares se

A B =

A B
A
B

e

ΩΩΩΩ

A B=.

O evento B complementar de A é também denotado por A c

Ou seja, o complemento do evento A é o conjunto de pontos amostrais que não pertencem a A

Exemplo:

Dado o experimento aleatório: o mesmo descrito anteriormente.

Evento C = observar menos do que 10 peixes marcados Evento C C :

Evento D = observar 5 ou mais peixes marcados Evento D C :

PropriedadesPropriedades dosdos eventoseventos

• A união de dois eventos A e B, denotada por A B representa a ocorrência de pelo menos um dos eventos A ou B.

A
A

B

• A intersecção do evento A com o B, denotada por A B, é a ocorrência simultânea de A e B.

A B
A
B

PropriedadesPropriedades dosdos eventoseventos

• Dois eventos A e B são disjuntos ou mutuamente exclusivos quanto não têm elementos em comum. Isto é, A B= .

A

ΩΩΩΩ

B

ExemploExemplo simplessimples dodo usouso dosdos termostermos mencionadosmencionados anteriormenteanteriormente

Fenômeno Aleatório – Jogar um dado de seis faces.

Espaço Amostral = {1, 2, 3, 4, 5, 6}.

Evento A –Sair um número par A={2, 4, 6}.

Evento B –Sair o número 2

B={2}.

1 3 5 2 4 6 Ω
1
3
5
2
4
6

Exemplo:Exemplo: Para clarear a definição de espaço amostral

Fenômeno aleatório: Jogar um dado duas vezes.

Descreva o espaço amostral.

Início : 1. a jogada 2. a jogada 1 2 3 4 5 6
Início :
1. a jogada
2. a jogada
1
2
3
4
5
6
Início : 1. a jogada 2. a jogada 1 2 3 4 5 6 1 2
Início : 1. a jogada 2. a jogada 1 2 3 4 5 6 1 2

1 2 3 4 5 6

: 1. a jogada 2. a jogada 1 2 3 4 5 6 1 2 3

1 2 3 4 5 6

2. a jogada 1 2 3 4 5 6 1 2 3 4 5 6 1

1 2 3 4 5 6

jogada 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3
jogada 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3

1 2 3 4 5 6

jogada 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3
jogada 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3

1 2 3 4 5 6

3636 resultadosresultados

jogada 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3

1 2 3 4 5 6

EspaçoEspaço amostralamostral

1,1 2,1 3,1 1,2 2,2 3,2 1,3 2,3 3,3
1,1
2,1
3,1
1,2
2,2
3,2
1,3
2,3
3,3

4,1

5,1

6,1

4,2

5,2

6,2

4,3

5,3

6,3

1,4

2,4

3,4

4,4

5,4

6,4

1,5

2,5

3,5

4,5

5,5

5,6
5,6

6,5

1,6

2,6

3,6

4,6

6,6

Evento A: A soma dos dados é igual a 4.

Evento B: A soma dos dados é igual a 11

A={(1,3);(2,2);(3,1)}

B={(5,6);(6,5)}

OO queque éé probabilidade?probabilidade?

Probabilidade é uma afirmação numérica 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 é uma função P(.) que atribui valores numéricos aos eventos de um espaço amostral.

FunçãoFunção probabilidadeprobabilidade

Definição:Definição: Uma função P(.) é denominada probabilidade se satisfaz as condições: 1. 0 ≤ P(A)
Definição:Definição:
Uma função P(.) é denominada probabilidade se satisfaz as
condições:
1. 0 ≤ P(A) ≤ 1,
∀ A ⊂ Ω;
2. P(Ω)=1
e
P(∅)=0;
3. Para A j eventos disjuntos:
n
n
P
U
A
=
P
(
A
)
j
j
j = 1
j = 1

ComoComo atribuiratribuir probabilidadesprobabilidades aosaos elementoselementos dodo espaçoespaço amostral?amostral?

• Existem duas maneiras:

ExemploExemplo Lançar um dado, admitindo que o dado foi construído de forma homogênea e com medidas rigorosamente simétricas (dado não viciado).

e com medidas rigorosamente simétricas (dado não viciado). a) Da primeira maneira: podemos jogar o dado

a) Da primeira maneira: podemos jogar o dado 30 vezes e anotar as saídas, montar uma tabela de frequências e a probabilidade de ocorrência será igual a frequência relativa de cada observação. (exercício)

b) Da segunda maneira: Não temos nenhuma razão para privilegiar uma ou outra face do dado, pois ele é não viciado. Então podemos considerar que todas as faces tem a mesma probabilidade de ocorrência, ou seja:

P(1)=P(2)=P(3)=P(4)=P(5)=P(6)=1/6.

Assim, formalmente temos:

a)a) DefiniçãoDefinição ClássicaClássica Seja A ⊂ Ω, então: n número de resultados favoráveis P (
a)a) DefiniçãoDefinição ClássicaClássica
Seja A ⊂ Ω, então:
n
número
de
resultados
favoráveis
P
(
A
) =
A
=
n
número
de
resultados
possíveis

Exemplo:

No lançamento de dois dados honestos (resultados equiprováveis), calcular a probabilidade dos seguintes eventos:

A: Soma dos valores igual a 7; B: Resultados do primeiro dado é igual a 6; C: Soma nos dois dados é 2.

NotaNota: • Os resultados são equiprováveis; •Espaço amostral é discreto e finito.
NotaNota:
• Os resultados são equiprováveis;
•Espaço amostral é discreto e finito.
RefletirRefletir:: Os pontos amostrais do experimento aleatório dos peixes (descrito anteriormente) são equiprováveis?
RefletirRefletir:: Os pontos amostrais do experimento aleatório dos peixes
(descrito anteriormente) são equiprováveis?
b)b) DefiniçãoDefinição frequentistafrequentista Outro método de definir a probabilidade é o da frequência
b)b) DefiniçãoDefinição frequentistafrequentista
Outro método de definir a probabilidade é o da frequência relativa:
1
P
(
A
)
=
lim
(número de ocorrências de A nas n repetições do experimento)
n →∞
n

ExemploExemplo

Probabilidade num dado sabidamente viesado. Considere o experimento lançamento de um dado viesado e os eventos

o experimento lançamento de um dado viesado e os eventos A = sair resultado ≥ 4;

A = sair resultado 4;

e

Como você estimaria P(A) e P(A c )?

A c = sair resultado < 4.

ExemploExemplo

Probabilidade num dado sabidamente viesado. Considere o experimento lançamento de um dado viesado e os eventos

A = sair resultado 4;

e

A c = sair resultado < 4.

Teriamos que jogar o dado infinitas vezes e observar as frequências relativas para cada um dos eventos de interesse conforme a ilustração a seguir.

Espaço amostral = {1, 2, 3, 4, 5, 6}

Evento

Freq. Relativa

Freq. Relativa

Freq. Relativa

A

2/10 = 0,2

41/100 = 0,41

428/1000 = 0,428

A

c

8/10 = 0,8

59/100 = 0,59

572/1000 = 0,572

Repetição

10

100

1000

n ∞ Freq. relativa tende à probabilidade
n ∞
Freq. relativa
tende à
probabilidade

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

Exercício:Exercício:

Utilizando o mesmo procedimento do exemplo anterior, considere o lançamento de dois dados honestos (resultados equiprováveis), calcular a probabilidade dos seguintes eventos:

A: Soma dos valores igual a 7;

B: Resultados do primeiro dado é igual a 6;

C: Soma nos dois dados é 2.

ExercícioExercício

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

Curso \ Sexo

Homens (H)

Mulheres (M)

Total (Cursos)

Matemática pura (M)

70

40

110

Matemática aplicada (A)

15

15

30

Estatística (E)

10

20

30

Computação (C)

20

10

30

Total (Sexo)

115

85

200

Considere M o evento de escolher ao acaso um aluno e ele estar matriculado no
Considere M o evento de escolher ao acaso um aluno e ele
estar matriculado no curso de matemática pura.

1. Descreva graficamente o espaço amostral.

2. Qual a probabilidade de escolher um aluno matriculado no curso de matemática 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 matemática

aplicada? (P(A H)?)

5. Qual a probabilidade de um aluno estar matriculado em matemática aplicada ou ser

homem? (P(A H)?)

RespostaResposta

1. Descrever o espaço amostral:

RespostaResposta 1. Descrever o espaço amostral:

2. P(M)?

3. P(H)?

4. P(A H)?

P(M) = 110/200

P(H) = 115/200

P(A H) = 15/200

Curso \ Sexo

Homens (H)

Mulheres (M)

Total (Cursos)

Matemática pura (M) Matemática aplicada (A) Estatística (E) Computação (C)

70

40

110

15
15

15

30

10

20

30

20

10

30

Total (Sexo)

115

85

200

5. P(A H)?

5. P(A ∪ H)? P(A ∪ H) = P(A) + P(H) – P(A ∩ H) =

P(A H) = P(A) + P(H) – P(A H)

= 30/200 + 115/200 – 15/200

= 130/200

• Considerando agora a união dos eventos A e C:

P(A C) = P(A) + P(C) – P(A C)

= 30/200 + 30/200 – 0 = 60/200

P(A) + P(C) – P(A ∩ C) = 30/200 + 30/200 – 0 = 60/200 Os

Os eventos A e C são disjuntos ou mutuamente exclusivos.

RegraRegra dada adiçãoadição dede probabilidadesprobabilidades

• Considere os eventos U e V quaisquer, a regra da adição de probabilidades é dada por:

P(U V) = P(U) + P(V) – P(U V)

• Se U e V forem eventos mutuamente exclusivos ou disjuntos,

a regra é dada por:

P(U V) = P(U) + P(V)

EventoEvento complementarcomplementar

• Suponha agora que queremos calcular a probabilidade de aluno NÃO estar matriculado no curso da computação:

de aluno NÃO estar matriculado no curso da computação: • P(C c ) = P( Ω

P(C c ) = P() – P(C)

= 1 – P(C)

= 1 – 30/200

= 170/200

MegaMega SenaSena

O jogo da mega sena consiste em escolher 6 dezenas entre 01 e 60. O jogador pode marcar num cartão de 6 a 15 dezenas. Os custos (em reais) de cada jogo estão relacionados na tabela:

(em reais) de cada jogo estão relacionados na tabela: • Temos, ao todo   

• Temos, ao todo

60

6

=

50.063.860 possibilidades.

• Qual é a probabilidade de ganhar o prêmio máximo?

• Porque o jogo com 7 dezenas custa R$ 14,00?

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

RespostasRespostas

1) A probabilidade de ganhar o prêmio máximo é chance em 50 milhões.

1

60

6

, ou seja, uma

2) Porque com 7 dezenas podemos formar dezenas.

7

 

 

6

=

7 jogos de 7

• Ou seja, fazer um jogo com 7 dezenas ou 7 jogos com 6 dezenas
• Ou seja, fazer um jogo com 7 dezenas ou 7 jogos
com 6 dezenas são ações equiprováveis (equivalentes
em termo de probabilidade ganhar).

PropriedadesPropriedades

1. P(A) + P(A c ) = 1

2. (A B) c = A c B c

3. (A B) c = A c B c

4. A ∩ ∅ =

5. A =A

6. c =

7. c =

8. A A c =

9. A A c =

10. A

=

11. A ∪ ∅ = A

ExercícioExercício

Dois dados são jogados e sua soma é anotada.

1,1 2,1 3,1 1,2 2,2 3,2 1,3 2,3 3,3
1,1
2,1
3,1
1,2
2,2
3,2
1,3
2,3
3,3

4,1

5,1

6,1

4,2

5,2

6,2

4,3

5,3

6,3

1,4

2,4

3,4

4,4

5,4

6,4

1,5

2,5

3,5

4,5

5,5

6,5

1,6

2,6

3,6

4,6

5,6

6,6

4,5 5,5 6,5 1,6 2,6 3,6 4,6 5,6 6,6 a) Determine a probabilidade de que a

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

ExercícioExercício

De um grupo de duas mulheres(M) e três homens (H), uma pessoa será sorteada para presidir uma reunião. Queremos saber qual a probabilidade de o presidente ser do sexo masculino ou feminino?

Defina o espaço amostral.

Defina o evento.

E1 = {H}

Calcule as probabilidades. P(E1) = 3/5

= {H, M}

ou

E2 = {M}

P(E2) = 2/5

ExercícioExercício

• Considere o lançamento de dois dados.

Considere os eventos:

Considere o lançamento de dois dados. Considere os eventos: A = soma dos números obtidos igual
A = soma dos números obtidos igual a 9 e B = número no primeiro
A = soma dos números obtidos igual a 9
e
B = número no primeiro dado maior ou igual a 4.

a) Enumere os elementos de A e B.

b) Obtenha:

A B ;

A B ;

e

A c .

c) Obtenha as probabilidades do item anterior.