Você está na página 1de 382

Notas de ap oio da disciplina de

Pr obabilidades e Estat´ıstica

(Licenciaturas e Mestrados Int eg rados em Engenharia)

Manuel Cabr al Mor ais

Lisb oa, 13 de Fevereiro de 2012

´

Indice

1 Nota intro dut´or ia

 

1

1.1 Enquadramento da disciplina de Probabilidades e Estat´ıstica nas licenciaturas e mestrados integrados em Engenharia

1

1.2 Ob jectivos op eracionais

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

3

2 No¸c˜oes b´asicas de pr obabilidade

 

8

2.1 Exp eriˆencias aleat´orias. Espa¸co de res ultados.

 

9

2.2 No¸c˜ao de probabilidade.

 

Interpreta¸c˜oes de Laplace, frequencista e

sub jectivista. Axiomas e teoremas

 

14

2.3 Probabilidade condicionada.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

22

2.4 Leis das probabilidades comp ostas e da probabilidade total. Teorema de

Bayes.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

25

2.5 Acontecimentos indep endentes.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

32

3 Vari´aveis aleat´or ias e distribui¸c˜oes discr etas

 

35

3.1 Vari´aveis aleat´orias discretas.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

37

3.2 Fun¸c˜ao de

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

39

3.3 Fun¸c˜ao de

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

41

3.4 Valor esp erado, variˆancia e algumas das suas propriedades. Mo da e quantis. 46

3.5 Distribui¸c˜ao uniforme

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

59

3.6 Distribui¸c˜ao binomial.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

63

3.7 Distribui¸c˜ao geom´etrica.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

68

3.8 Distribui¸c˜ao hip ergeom´etrica.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

71

3.9 Distribui¸c˜ao de Poisson.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

74

3.10 Algumas notas sobre an´alise combinat´oria

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

77

4 Vari´aveis aleat´or ias e distribui¸c˜oes cont´ınuas

 

78

4.1

Vari´aveis aleat´orias cont´ınuas.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

78

 

2

4.2

Fun¸c˜ao de densidade de

80

81

4.4 Valor esp erado, variˆancia e algumas das suas propriedades. Mo da e quantis. 86

4.3 Fun¸c˜ao de

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

4.5 Distribui¸c˜ao uniforme cont´ınua.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

91

4.6 Distribui¸c˜ao normal.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

95

4.7 Distribui¸c˜ao exp

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 103

5 Distribui¸c˜oes conjuntas de pr obabilidade e complementos

 

110

5.1 Duas vari´aveis aleat´orias discretas. Distribui¸c˜oes conjuntas, marginais e

condicionais. Indep

.

.

.

.

.

.

.

.

.

.

.

.

.

. 112

5.2 Duas vari´aveis aleat´orias cont´ınuas. Distribui¸c˜oes conjuntas, marginais e

 

condicionais. Indep

.

.

.

.

.

.

.

.

.

.

.

.

.

. 128

5.3 Covariˆancia e correla¸c˜ao.

 

137

5.4 Combina¸c˜oes lineares de vari´aveis

 

147

5.5 Desigualdade de Chebychev.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

156

5.6 Teorema do Limite Central. Aplica¸c˜oes `as distribui¸c˜oes binomial e de Poisson. 158

6 Estima¸c˜ao p ontual

174

6.1 Inferˆencia Estat´ıstica. Amostragem aleat´oria.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

174

6.2 Estimadores e suas propriedades.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 181

6.3 M´eto do da m´axima

 

190

6.4 Distribui¸c˜oes amostrais.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 201

6.5 Distribui¸c˜oes amostrais de m´edias.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 205

7 Estima¸c˜ao p or inter valos

 

207

7.1 No¸c˜oes b´asicas.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

207

7.2 Intervalos de confian¸ca para o valor esp erado, variˆancia

 

212

7.3 Intervalos de confian¸ca para a diferen¸ca de dois valores esp erados,

variˆancias

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

219

7.4 Intervalos de confian¸ca para o valor esp erado, variˆancia

 

226

7.5 Intervalos de confian¸ca para a diferen¸ca de dois valores esp erados,

variˆancias

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 235

7.6 Intervalo de confian¸ca para a variˆancia de uma p opula¸c˜ao

 

242

7.7 Intervalos de confian¸ca para uma probabilidade de sucesso e outros parˆametros de p opula¸c˜oes n˜ao normais uniparam´etricas

245

3

8

Testes de hip´oteses

252

8.1 No¸c˜oes b´asicas

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

253

8.2 Testes de hip´oteses para o valor esp erado, variˆancia

 

262

8.3 Testes de hip´oteses sobre a igualdade de dois valores esp erados, variˆancias

conhecidas.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

266

8.4 Fun¸c˜ao p otˆencia de um teste

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

270

8.5 Testes de hip´oteses para o valor esp erado, variˆancia

 

273

8.6 Um m´eto do alternativo de decis˜ao em testes de hip´oteses: c´alculo do p-value 279

8.7 Testes de hip´oteses sobre a igualdade de valores esp erados de duas p opula¸c˜oes, variˆancias

283

8.8 Testes de hip´oteses para a variˆancia de uma p opula¸c˜ao

 

288

8.9 Outro m´eto do alternativo de decis˜ao em testes de hip´oteses: rela¸c˜ao entre intervalos de confian¸ca e testes

290

8.10 Testes de hip´oteses para parˆametros de p opula¸c˜oes n˜ao normais

 

uniparam´etricas.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

292

8.11 Teste de a justamento do qui-quadrado de Pearson.

.

.

.

.

.

.

.

.

.

.

.

.

. 297

 

8.11.1 Ajustamento de uma distribui¸c˜ao discreta

 

.

.

.

.

.

.

.

.

.

.

.

.

.

. 299

8.11.2 Ajustamento de uma fam´ılia de dis tribui¸c˜oes discretas

 

304

8.11.3 Agrupamento de classes

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 306

8.11.4 Dados cont´ınuos — hip´otese simples/comp osta

 

309

8.11.5 Classes equiprov´aveis e dados cont´ınuos

 

314

8.12 Teste de indep endˆencia do qui-quadrado de Pearson em tab elas de

 

contingˆencia.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 318

9

Intr o du¸c˜ao `a r egr ess˜ao linear simples

 

321

9.1 Mo delos de

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

321

9.2 M´eto dos dos m´ınimos quadrados e da m´axima verosimilhan¸ca em regress˜ao

 

linear

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 323

9.2.1

Es tima¸c˜ao de β 0 e β 1 — m´eto do dos m´ınimos quadrados

 

325

9.2.2

Es tima¸c˜ao de β 0 e β 1 — m´eto do da M V

 

.

.

.

.

.

.

.

.

.

.

.

.

.

329

9.2.3

Recta de regress˜ao

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 331

9.3 Propriedades dos estimadores dos m´ınimos quadrados e estima¸c˜ao da

 

variˆancia.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

333

9.4 Alguns abusos do mo delo de

 

335

9.5 Intervalos de confian¸ca para β 0 , β 1 e para o valor esp erado da resp

 

338

9.6 Testes de hip´oteses sobre β 0 , β 1 e o valor esp erado da resp

 

344

4

9.7

Co eficiente de determina¸c˜ao e an´alise de res´ıduos na avalia¸c˜ao do mo delo . 354

Referˆencias e for mul´ar io

i

376

Cap´ıtulo 1

Nota intro dut´or ia

1.1 Enquadr amento da disciplina de Probabilidades e Estat´ıstica nas licenciaturas e me str ados integrados em Engenhar ia

A imp ortˆancia da disciplina de Probabilidades e Estat´ıstica na forma¸c˜ao de alunas /os de Engenharia do IST ´e ineg´avel. Basta p ensar que, no seu plano curricular, elas/es estudar˜ao fen´omenos de natureza aleat´oria e ter˜ao que avaliar o desemp enho de sistemas regidos p or leis n˜ao determin´ısticas. N˜ao surpreende p ois que se trate de uma disciplina de n´ıvel b´asico e obrigat´oria nas licenciaturas em Engenharia do IST h´a v´arias d´ecadas e que ela tenha sobrevivido ao Processo de Bolonha , constando da lista de disciplinas estruturantes de Matem´atica de to das as licenciaturas e mestrados integrados do IST. Ao presumir que os programas das disciplinas de Matem´atica do Ensino Secund´ario s˜ao cumpridos, a dis ciplina de Probabilidades e Estat´ıstica prop orciona aquele que ´e segundo contacto com esta area.´ A disciplina de Probabilidades e E stat´ıstica tem car´acter semestral e ´e intro duzida no plano curricular no primeiro ou no segundo semestre do segundo ano lectivo. Esta intro du¸c˜ao aparentemente tardia da disciplina no plano curricular das licenciaturas e mestrados integrados em Engenharia do IST encontra justifica¸c˜ao no facto de o conteudo´ program´atico da disciplina exigir que as/os alunas/os que a frequentam p ossuam alguma forma¸c˜ao em C´alculo Diferencial e Integral, em particular, que estejam familiarizadas/os com:

sucess˜oes, fun¸c˜oes reais de vari´avel real, diferenciabilidade, primitiva¸c˜ao, c´alculo integral em IR , f´ormulas de integra¸c˜ao p or partes e p or substitui¸c˜ao, fun¸c˜oes

1

transcendentes elementares, s´eries num´ericas;

diferenciabilidade, derivadas parciais, estudo de extremos, integrais duplos.

Com efeito estab elece-se como desej´avel que as/os alunas/os tenham obtido aprova¸c˜ao `as disciplinas de C´alculo Diferencial e Integral I e II de cujos programas se plasmaram os dois blo cos de t´opicos listados acima. 1 Posto isto, o facto de a disciplina p o der ser intro duzida no primeiro semestre do segundo ano de algumas licenciaturas e de as/os alunas/os p o derem ainda n˜ao ter obtido aprova¸c˜ao a` disciplina de C´alculo Diferencial e Integral II requer alguns cuidados esp eciais na lecciona¸c˜ao de alguns t´opicos, nomeadamente pares aleat´orios cont´ınuos.

Imp orta referir que a disciplina de Probabilidades e Estat´ıstica ´e a primeira e ulti´ ma disciplina da ´area leccionada p ela Sec¸c˜ao de Probabilidades e Estat´ıstica em licenciaturas e mestrados integrados em Engenharia do IST, salvo rar´ıssimas excep¸c˜oes. Realce-se que a disciplina de Probabilidades e Estat´ıstica e os conceitos nela apreendidos abrem, no entanto, as p ortas a outras disciplinas que surgem p osteriormente no plano curricular das licenciaturas e mestrados integrados do IST e que p o dem ter car´acter complementar na ´area de Probabilidades e Estat´ıstica ou estarem directamente ligadas a aplica¸c˜oes esp ec´ıficas em Engenharia. A t´ıtulo meramente exemplificativo o corre nomear

uma disciplina cujo programa assenta em ´area de An´alise Multivariada ,

outras duas mais esp ecializadas e de cujos programas constam cadeias de Markov e simula¸c˜ao estoc´astica e de Monte Carlo, num dos casos, processos estoc´asticos , probabilidades de erro e canais gaussianos , noutro caso.

S˜ao elas as disciplinas de:

An´alise de Dados e Avalia¸c˜ao da area´ de esp ecializa¸c˜ao em Transportes, Sistemas e Infra-Estruturas do Mestrado Integrado em Engenharia Civil (5o. ano, 1o. semestre);

Modela¸c˜ao e Simula¸c˜ao e Fundamentos de Telecomunica¸c˜oes, ambas do Mestrado Integrado em Eng. Electrot´ecnica e de Computadores (3o. ano, 2o. semestre).

1 Estes t´opicos s˜ao aqui mencionados p ela ordem em surgem naqueles programas e n˜ao p ela ordem em que s˜ao necess´arios na dis ciplina de Probabilidades e Estat´ıstica .

2

1.2

Ob jectivos op er acionais

A disciplina de Probabilidades e Estat´ıstica tem p or ob jectivo a inicia¸c˜ao ao estudo da teoria das probabilidades e inferˆencia estat´ıstica, tendo em vista a compreens˜ao e aplica¸c˜ao dos seus principais conceitos e m´etodos . 2 Ap´os a aprova¸c˜ao a` disciplina as/os alunas/os devem ser capazes de:

identificar eventos e calcular as resp ectivas probabilidades p or recurso a resultados como as leis da probabilidade comp osta e da probabilidade total e o teorema de Bayes; averiguar a (in)dep endˆencia de eventos;

destrin¸car as vari´aveis aleat´orias discretas das cont´ınuas; identificar as diversas distribui¸c˜oes discretas e cont´ınuas e as circunstˆancias em que devem ser usadas; calcular probabilidades de eventos e momentos que lhes digam resp eito; averiguar a (in)dep endˆencia de vari´aveis aleat´orias e avaliar a asso cia¸c˜ao entre elas;

identificar as distribui¸c˜oes exactas ou aproximadas de combina¸c˜oes lineares de vari´aveis aleat´orias, tirando partido das propriedades de fecho de algumas fam´ılias de distribui¸c˜oes e do teorema do limite central;

obter estimadores de parˆametros desconhecidos p elo m´eto do da m´axima verosimilhan¸ca e avaliar as suas propriedades; obter uma vari´avel fulcral para um parˆametro desconhecido, como o valor esp erado, e a partir dela uma estat´ıstica de teste sobre esse mesmo parˆametro nos mais variados contextos distribucionais;

construir um intervalo de confian¸ca e efectuar testes de hip´oteses sobre um parˆametro desconhecido em diversas situa¸c˜oes distribuicionais; averiguar a adequa¸c˜ao de uma distribui¸c˜ao ou de uma fam´ılia de distribui¸c˜oes a um conjunto de dados; efectuar testes de hip´oteses, recorrendo ao pro cedimento geral ou, em alternativa, p or recurso ao p-value ;

estimar os diversos parˆametros desconhecidos do mo delo de regress˜ao linear simples; obter intervalos de confian¸ca e efectuar testes de hip´oteses sobre tais parˆametros; avaliar a qualidade do a justamento da recta de regress˜ao ao conjunto de dados.

De mo do a atingir plenamente estes ob jectivos op eracionais parece-nos essencial que a estrutura de apresenta¸c˜ao dos cap´ıtulos destas notas de ap oio resp eite a filosofia aprender

2 Ver, p or exemplo, o link da disciplina de Probabilidades e Estat´ıstica no plano curricular do Mestrado integrado e m Eng. Electrot´ecnica e de Computadores.

3

por exemplos e fazendo . Assim, a mat´eria ´e motivada, os resultados s˜ao enunciados, raramente demonstrados mas sempre ilustrados com exemplos ou exerc´ıcios trabalhados em conjunto com as/os alunas/os, como os que se seguem.

Exemplo 1.1 Eventos e pr obabilidades Um sistema de comunica¸c˜ao bin´aria transmite “zeros” e “uns” com probabilidade 0. 5 em qualquer dos casos. Devido ao ru´ıdo existente no canal de comunica¸c˜ao h´a erros na recep¸c˜ao: transmitido um “um” ele p o de ser recebido como um “zero” com probabilidade 0.1, ao passo que um “zero” p o de ser recebido como um “um” com probabilidade 0.05. Determine a probabilidade de se receb er um “zero”.

Quadr o de eventos e pr obabilidades

 

Evento

Probabilidade

T

Z = transmitir um “zero”

P (T Z ) = 0.5

T

Z = transmitir um “um”

P (T Z ) = 0.5

R

Z = receb er um “zero”

P (R Z ) =?

R

Z |T Z = receb er um “zero” dado que foi transm itido um “um” P (R Z |T Z ) = 0.1

R

Z |T Z = receb er um “um” dado que foi transmitido um “zero” P (R Z |T Z ) = 0.05

Pr ob. p edida

Aplicando o teorema da probabilidade total, tem-se

P (R Z ) =

P (R Z |T Z ) × P (T Z ) + P (R Z |T Z ) × P (T Z )

=

[1 P (R Z |T Z )] × P (T Z ) + P (R Z |T Z )P (T Z )

=

(1 0. 05) × 0. 5 + 0.1 × 0. 5

=

0. 525.

4

Exemplo 1.2 Duas var i´aveis aleat´or ias discr etas Um computador p ossui um n umero´ elevado de comp onentes de um mesmo tip o que falham de mo do indep endente. O numero´ de comp onentes desse tip o que falham p or mˆes ´e uma vari´avel aleat´oria com distribui¸c˜ao de Poisson com variˆancia igual a um. Admita que o computador s´o falha se p elo menos doze dessas comp onentes falharem. Calcule a probabilidade de o computador n˜ao ter falhado ao fim de um ano.

Var i´avel aleat´or ia

X 1 = numero´

de comp onentes que falham em um mˆes

Distribui¸c˜ao de X 1

X 1 Poisson(λ )

Parˆametro

λ : V (X ) = 1

λ = 1

Nova var i´avel aleat´or ia

X 12 = numero´

de comp onentes que falham num ano (12 meses)

Distribui¸c˜ao de X 12

Tirando partido do facto de as comp onentes falharem de mo do indep endente e recorrendo a` propriedade repro dutiva da distribui¸c˜ao de Poisson, p o de concluir-se que:

X 12 Poisson(λ 12 = 12 × λ = 12)

Fun¸c˜ao de pr obabilidade de X 12

P (X 12 = x ) =

e 12 12 x

x !

, x = 0, 1, 2,

Pr obabilidade p edida

P (comp. n˜ao falhar num ano)

=

P (X 12 11)

= F P oisson(12) (11)

tabel a

0. 4616.

5

Exemplo 1.3 Duas var i´aveis aleat´or ias cont´ınuas

A resistˆencia el´ectrica 3 (X ) de um ob jecto e a sua condutˆancia el´ectrica 4 (Y ) est˜ao

relacionadas do seguinte mo do: Y = X 1 .

Assuma que

P (X x ) =

0,

x

900

200

1,

x < 900

, 900 x 1100

x > 1100

e determine a probabilidade de a condutˆancia el´ectrica exceder 10 3 m ho.

Var i´avel aleat´or ia

X = resistˆencia el´ectrica

Nova var i´avel aleat´or ia

Y = X 1 = condutˆancia el´ectrica

Pr obabilidade p edida

P (Y > 10 3 m ho) =

=

=

=

1

P X > 10 3

P X < 10 3

1000 900

1

2 .

200

Imp orta fazer um reparo sobre a resolu¸c˜ao dos exemplos/exerc´ıcios das notas de

ap oio. Ela ´e apresentada em p equenas sec¸c˜oes com cab e¸calho logo tem um car´acter

aparentemente rep etitivo que se tem revelado, p or sinal, util´ para que as/os alunas/os

aprendam a estruturar devidamente a resolu¸c˜ao de qualquer exerc´ıcio da disciplina de

Probabilidades e Estat´ıstica .

3 A resistˆencia el´ectrica ´e a capacidade de um corp o qualque r se op or `a passage m de corrente el´etrica

p elo mesmo; de acordo com o Sistema Internacional de Unidades (SI), a resistˆencia el´ectrica ´e m edida

em ohm (http://pt.wikip edia.org/wiki/Resistˆencia el´etrica).

4 A condutˆancia el´ectrica mede a facilidade c om que a corrente el´ectrica flui atrav´es de uma comp onente

el´ectrica, logo trata-se do re c´ıpro co da resistˆencia el´ectrica; de acordo com o SI, a condutˆancia el´ectrica

´e medida em siemens ou mho (http://pt.wikip edia.org/wiki/Condutˆanc ia el´etrica).

6

Estas notas de ap oio constituem tamb´em um manual para a/o aluna/o desejosa/o de um r´apido progresso na aprendizagem de Probabilidades e Esta t´ıstica e dis p osta/o a estudar sozinha/o e capaz de combinar o material que aqui encontra com outro proveniente de fontes t˜ao imp ortantes como o livro de texto recomendado para a disciplina.

Expresso desde j´a os meus agradecimentos `as/aos minhas/meus v´arias/os colegas da Sec¸c˜ao de Probabilidades e Estat´ıstica do Departamento de Matem´atica do Instituto Sup erior T´ecnico que leccionaram a disciplina de Probabilidades e Es tat´ıstica (das licenciaturas e mestrados integrados em Engenharia) e da ent˜ao disciplina de Estat´ıstica (da licenciatura em Matem´atica Aplicada e Computa¸c˜ao ), p or terem directa ou indirectamente contribu´ıdo para estas notas de ap oio. Os erros e imprecis˜oes eventualmente existentes nestas notas s˜ao, naturalmente, aleat´orios — muitas das vezes fruto de op era¸c˜oes de copy/paste — e da inteira resp onsabilidade do autor, que muito agradece que eles lhe sejam comunicados p or e- mail para maj@math.ist.utl.pt . Boa leitura e b om trabalho.

Manuel Cabral Morais Lisb oa, 8 de Setembro de 2011

7

Cap´ıtulo 2

No¸c˜oes b´asicas de pr obabilidade

Palavras como

prov´avel (provavelmente)

probabilidade

acaso

sorte

p ertencem ao vo cabul´ario corrente e s˜ao utilizadas com extrema frequˆencia p or to dos, em parte p or termos a convic¸c˜ao de que a natureza ´e mut´avel e incerta, de que o futuro encerra em si inumeras´ p ossibilidades e de que o acaso governa o mundo. Na formaliza¸c˜ao matem´atica actual, a probabilidade ´e um termo medindo o grau de p ossibilidade ou de credibilidade de o corrˆencia de um acontecimento.

8

2.1

Exp er iˆencias aleat´or ias. Espa¸co de r esultados. Acontecimentos.

A formaliza¸c˜ao mo derna de Probabilidade assenta nas no c˜oes de

exp eriˆencia aleat´oria e seus p oss´ıveis resultados e de

acontecimento.

Defini ¸c˜ao 2.1 Exp er iˆencia aleat´or ia (E.A.)

Exp eriˆencia cujo resultado exacto n˜ao p o de ser predito antes da realiza¸c˜ao da mesma

devido `a interven¸c˜ao do acaso.

Nota 2.2 Exp er iˆencia aleat´or ia

No caso de a exp eriˆencia aleat´oria p o der ser rep etida um grande n umero´

de vezes,

em condi¸c˜oes mais ou menos semelhantes, os resultados globais apresentam certa

“regularidade estat´ıstica”

Exemplo 2.3 Exp er iˆencias aleat´or ias

Designa¸c˜ao

Exp eriˆencia aleat´oria

E 1

Registo do numero´

de viaturas que atingem os 100K m/h em menos

de 6 segundos, em 7 viaturas testadas

E 2

Contagem do numero´

anual de acidentes de autom´ovel na A1

E 3

Medi¸c˜ao da resistˆencia de uma mola da susp ens˜ao de uma viatura

Defini ¸c˜ao 2.4 Espa¸co de r esultados

Conjunto de to dos os resultados p oss´ıveis de uma E.A. E conhecido antes de a E.A. se

´

realizar e ´e usualmente representado p ela letra grega .

Nota 2.5 Espa¸co de r esultados

diz-se:

discreto — caso # seja finito ou infinito numer´avel;

cont´ınuo — se # for infinito n˜ao numer´avel.

9

Exemplo 2.6 Espa¸cos de r esultados Na tab ela seguinte figuram os espa¸cos de resultados das trˆes e.a. apresentadas no Exemplo

2.3:

E.A.

Espa¸co de resultados ( ) Classifica¸c˜ao de

E 1

{ 0, 1, 2, 3, 4, 5, 6, 7}

Discreto (finito)

E 2

{ 0, 1, 2,

.}

Discreto (infinito numer´avel)

E 3

IR +

Cont´ınuo (infinito n˜ao numer´ave l)

Defini ¸c˜ao 2.7 Evento (acontecimento) Designa¸c˜ao dada a qualquer sub conjunto do espa¸co de resultados.

Nota 2.8 Evento

Em rela¸c˜ao a uma dada E.A . diz-se que o evento A o correu sse o resultado da E.A .

p ertencer a A.

Exemplo 2.9 Eventos De seguida apresentam-s e alguns eventos asso ciados as` trˆes e.a. descritas no Exemplo 2.3:

E.A.

Evento

 

E 1

A = nenhuma das 7 viaturas testadas atingiu os 100 K m/h em menos de 6 s egundos

=

{0 }

B = p e lo menos 4 das 7 viaturas te stadas atingiu os 100 K m/h em menos de 6 s egundos

=

{4 , 5 , 6 , 7 }

E 2

C = registo de mais de 5 acide ntes anuais na A1

=

{6 , 7 ,

.}

E 3

D = resistˆencia sup erior a 8 unidades

= (8, +)

10

Nota 2.10 Classifica¸c˜ao de eventos

O evento A diz-se:

elementar — quando constitu´ıdo p or um unico´

certo — se A = ;

imp oss´ıvel — caso A = .

elemento de , i.e., #A = 1;

Defini ¸c˜ao 2.11 Eventos disjuntos

Os eventos A e B dizem-se disjuntos (ou mutuamente exclusivos, ou incompat´ıveis) sse

A

B = ,

(2.1)

i.e., se a realiza¸c˜ao simultˆanea de A e B for imp oss´ıvel.

Defini ¸c˜ao 2.12 Inclus˜ao de eventos

Quando o evento A est´a contido (incluso) em B A B — verifica-se:

Realiza¸c˜ao de A

Realiza¸c˜ao de B

(2.2)

Realiza¸c˜ao de A

Realiza¸c˜ao de B ,

(2.3)

i.e., a realiza¸c˜ao de A implica a de B mas a implica¸c˜ao no sentido contr´ario n˜ao ´e

necessariamente verdadeira.

Uma vez que os eventos n˜ao passam de (sub)conjuntos ´e p oss´ıvel efectuar

op er a¸c˜oes sobr e e ventos j´a nossas conhecidas como s˜ao o caso da intersec¸c˜ao, da

reuni˜ao, etc. Descreveremos o seu significado em termos de realiza¸c˜oes de eventos quer

verbalmente, quer a` custa de um diagrama de Venn.

Sejam

o espa¸co de resultados de uma E.A. e

A

e B dois eventos.

Ent˜ao p o demos efectuar as seguintes op era¸c˜oes sobre A e B :

11

Op era¸c˜ao

Nota¸c˜ao Descri¸c˜ao verbal

Diagrama de Venn

Intersec¸c˜ao

A B

Realiza¸c˜ao simultˆanea de A e de B

 

Reuni˜ao

A B

Realiza¸c˜ao de A ou de B , i.e., de p elo me nos um dos dois eventos

Diferen¸ca

B

\ A

Realiza¸c˜ao de B sem que se realize A

 

(B

excepto A )

 

A

\B

Realiza¸c˜ao de A sem que se realize B

 

Complementar A

(A excepto B )

N˜ao realiza¸c˜ao de A

12

As op era¸c˜oes sobre eventos gozam de pr opr iedades b em conhecidas como a asso ciatividade, comutatividade, etc., que conv´em recordar:

Propriedade

Descri¸c˜ao matem´atica

Asso ciatividade

(A B ) C

=

A (B

C )

(A

B ) C = A (B

C )

Comutatividade

A

A

= B = B

B

B A

A

Distributividade

( A B ) C

=

(A C ) (B

C )

(A

B ) C = (A C ) (B

C )

Idemp otˆencia

A A

= A

A

A = A

Absor¸c˜ao

A B A B = A

A

B A B = B

Mo dulares

A

= A

Leis de De Morgan

A =

A ∩ ∅ =

A ∪ ∅ = A

A B = A B

A B = A B

Dupla nega¸c˜ao

A = A

13

2.2 No¸c˜ao de pr obabilidade. Inter pr eta¸c˜oes de Laplace, fr equencista e sub j ectivista. Axiomas e teoremas decor r entes.

A

probabilidade ´e um conceito extraordinariamente complexo e, como teremos o casi˜ao

de

ver daqui a p ouco, somos capazes de adiantar algumas no¸c˜oes de probabilidade que se

revelar˜ao insatisfat´orias devido a limita¸c˜oes a elas sub jacentes.

Defini ¸c˜ao 2.13 Pr obabilidade cl´ass ica de L aplace

Considere-se uma E.A. com espa¸co de resultados com as seguintes particularidades:

´e constitu´ıdo p or

n

eventos elementares (# = n )

distintos

igualmente prov´aveis 1 e em

numero´

finito.

Considere-se ainda que a realiza¸c˜ao do evento A passa p ela o corrˆencia de m dos n eventos

elementares, i.e., # A = m . Ent˜ao a probabilidade de realiza¸c˜ao de A ´e dada p or:

P

(A ) =

numero´

de casos favor´aveis `a o corrˆencia de A

 

numero´

de casos p oss´ıveis

 

#A

 

=

 

#

m

=

 

.

 

n

(2.4)

Nota 2.14 Limita¸c˜oes da pr obabilidade cl´assica de Laplace

Esta defini¸c˜ao s´o ´e v´alida quando

# < +(ou seja, o numero´

de eventos elementares ´e finito) e

´e constitu´ıdo p or eventos elementares igualmente prov´aveis,

pressup ostos es tes frequentemente violados na pr´atica.

1 Nada leva a crer que a o corrˆencia de algum dos eventos ´e privilegiada em rela¸c˜ao `a dos restantes.

14

Exemplo 2.15 Pr obabilidade cl´ass ica de Laplace

Admita que num stand se encontram 353 viaturas de somente duas marcas (A e B).

Destas:

201 s˜ao da marca A;

57 p ossuem direc¸c˜ao assistida;

37 s˜ao da marca A e p ossuem direc¸c˜ao assistida.

Calcule a probabilidade de uma viatura seleccionada ao acaso ser da marca A.

Evento

A = viatura seleccionada ao acaso ser da marca A

No. casos favor´aveis

m = 201

No. casos p oss´ıveis

n = 353

Pr obabilidade p edida

P (A ) =

m

n

=

201

353 .

Antes de passarmos a uma outra no¸c˜ao de probabilidade ´e conveniente adiantarmos a

defini¸c˜ao de frequˆencia relativa de um evento b em como as propriedades alg´ebricas dessa

mesma frequˆencia.

Defini ¸c˜ao 2.16 Fr equˆencia r elativa

Sejam:

N

o n umero´

de realiza¸c˜oes (nas mesmas condi¸c˜oes) de certa E.A.;

n N (A) o n umero´

de vezes que o evento A o correu nas N realiza¸c˜oes da E.A. (i.e.,

representa a frequˆencia absoluta do evento A ).

Ent˜ao a frequˆencia relativa do evento A ´e dada p or

f N (A) = n N (A) .

N

15

(2.5)

Nota 2.17 Pr opr iedades alg´ebr icas

A frequˆencia relativa satisfaz as seguintes propriedades:

0 f N (A) 1;

f N () = 1;

f N (A B ) = f N (A ) + f N (B ), se A B = ;

f N (A) estabiliza a` medida que N aumenta.

N˜ao surpreende p ois a seguinte no¸c˜ao de probabilidade.

Defini ¸c˜ao 2.18 Pr obabilidade fr equencista

A probabilidade do evento A ´e igual ao limite da frequˆencia relativa da o corrˆencia do

evento A:

P (A) =

lim

N +

n N (A)

N

= lim f N (A).

N +

(2.6)

Exemplo 2.19 Pr obabilidade fr equencista Foram registados os resultados resp eitantes a um total de 100 lan¸camentos de uma mo eda equilibrada. Assim, nas colunas da tab ela abaixo p o dem encontrar-se

o n umero´

do lan¸camento (N ),

o resultado do N ´esimo lan¸camento (0 = coroa, 1 = cara) e

a frequˆencia relativa do evento A = sair cara at´e ao N ´esimo lan¸camento (f N (A)),

resp ectivamente.

N (0=coroa, 1=cara) f N (A )

·

·

·

N

(0=coroa, 1=cara) f N (A )

1 1

 

1 1

 

91

 

1

 

46

   

·

·

·

 
         

91

2 0

1

92

1

47

 

·

·

·

 
   

2

   

92

3 1

2

93

0

47

 

·

·

·

 
   

3

 

93

·

·

·

·

·

·

·

·

·

·