Escolar Documentos
Profissional Documentos
Cultura Documentos
24 de fevereiro de 2012
1 / 20
Introduo ca
Probabilidades
Distribuio de Frequncias ca e
Observadas: estudado at o momento e Modelo terico: proposto pelo pesquisador para representar a distribuio de o ca frequncia dos dados antes de ser observada e
24 de fevereiro de 2012
2 / 20
Introduo ca
Probabilidades
Para diferentes oportunidades que esse experimento for realizado, a distribuio de frequncia ter resultados diferentes, no entanto, espera-se que ca e a esses resultados veriquem certas condioes de regularidade. c Procedimento terico: construir a distribuio de frequncias atravs de o ca e e suposioes tericas. c o
24 de fevereiro de 2012
3 / 20
Introduo ca
Probabilidades
Suposies: co
s podem ocorrer 6 faces {1, 2, 3, 4, 5, 6} o o dado perfeitamente equilibrado e ento, cada face deve ocorrer o mesmo nmero de vezes, ou seja fi = a u
1 6
1
1 6
2
1 6
3
1 6
4
1 6
5
1 6
6
1 6
Total 1
24 de fevereiro de 2012
4 / 20
Introduo ca
Probabilidades
Todo fenmeno aleatrio ter seu modelo probabil o o a stico especicado no momento que estabelecemos: Espao Amostral: todos os resultados poss c veis do experimento, denotado por = {1 , 2 , ...} ( ter essa forma quando for poss enumerar os a vel poss veis resultados) Probabilidade: P(), para cada ponto amostraldenotado por
24 de fevereiro de 2012
5 / 20
Introduo ca
Probabilidades
seja o evento A = {1 , 4 } = obter duas faces iguais P(A) = P({1 , 4 }) = P(1 ) + P(4 ) =
1 4
1 4
2 4
1 2
24 de fevereiro de 2012
6 / 20
Introduo ca
Probabilidades
Como pode-se observar, atravs das probabilidades pontuais, poss calcular a e e vel probabilidade de ocorrncia de eventos (como o evento A exemplicado) que e incluem a ocorrncia de vrios pontos amostrais. e a Retomando o exemplo do dado:
= {1 , 2 , 3 , 4 , 5 , 6 } em que i = face i, i = 1, 2, 3, 4, 5, 6 P(i ) =
1 6
seja o evento A = {a face um nmero par} = {2 , 4 , 6 } = {2, 4, 6} e u P(A) = P({2}, {4}, {6}) = P(2) + P(4) + P(6) =
3 6
1 2
24 de fevereiro de 2012
7 / 20
Introduo ca
Probabilidades
Exemplo: uma lmpada retirada de um lote e medido seu tempo de vida a e e antes de queimar.
= {t : t 0}, ou seja, o espao amostral so todos os nmeros reais c a u positivos A = {t : 0 t 20}, o evento A ilustra uma limitao no tempo de vida, o ca tempo de vida menor ou igual a 20 horas e A um evento (ou conjunto) que pode ser considerado como subconjunto de e Esse tipo de espao amostral chamado de espao amostral cont c e c nuo Os espaos amostrais apresentados nos exemplos anteriores so chamados de c a espao amostral discreto c
Profa. Vernica Gonzlez-Lpez, IMECC / UNICAMP () o a o 24 de fevereiro de 2012 8 / 20
Propriedades
(, P):
o espao amostral e c P probabilidade em e Seja A um evento em e um conjunto vazio ou evento imposs e vel
Propriedades:
0 P(A) 1, evento A em P() = 1 P() = 0
24 de fevereiro de 2012
9 / 20
Propriedades
Exemplo: representando uma poss diviso de alunos matriculados em vel a determinado instituto de matemtica, num certo ano: a Masculino (Ma) Mat. Pura (M) Mat. Aplicada (A) Estat stica (E) Computao (C) ca Total 70 15 10 20 115 Feminino (Fe) 40 15 20 10 85 Total 110 30 30 30 200
24 de fevereiro de 2012
10 / 20
Propriedades
24 de fevereiro de 2012
11 / 20
Propriedades
Assim,
P(M) = P(A) = P(E ) = P(C ) =
110 200 30 200 30 200 30 200
P(Ma) = P(Fe) =
24 de fevereiro de 2012
12 / 20
Interseo ca
Interseo de Eventos ca
Utilizando o ultimo exemplo, vamos denir como evento (I ), escolher ao acaso um aluno e ele ser estudante de estat stica do sexo masculino, simultneamente. a I = E Ma, o evento I uma interseo dos eventos E e Ma. e ca P(E Ma) =
10 200
= 0.05
24 de fevereiro de 2012
13 / 20
Unio a
Unio de Eventos a
Denimos agora como evento (U), escolher ao acaso um aluno e ele ser estudante de estat stica ou sexo masculino. U = E Ma, o evento U uma unio dos eventos E e Ma. e a P(E Ma) = P(E ) + P(Ma) P(E Ma) P(E ) =
10+20 200
= 0.150 = 0.575
P(Ma) =
P(E MA) =
= 0.050
24 de fevereiro de 2012
14 / 20
Unio a
Unio de Eventos a
No caso de eventos mutuamente exclusivos ou disjuntos, a interseo vazia ca e (). P(M C ) = P() = 0 Assim: P(M C ) = P(M) + P(C ) P(M C ) = P(M) + P(C ) =
140 200
= 0.700
24 de fevereiro de 2012
15 / 20
Complemento
Evento Complementar
Vamos considerar agora apenas o curso em que o aluno est matriculado. a Ento, os eventos M e {A E C } so chamados eventos complementares: a a {M {A E C }} = {M {A E C }} =
24 de fevereiro de 2012
16 / 20
Complemento
Evento Complementar
No caso geral, sejam A e B subconjuntos de : A B = evento em que A e B ocorrem simultneamente a A B = evento em que A ou B ocorrem P(A B) = P(A) + P(B) P(A B) se {A B} = , ento P(A B) = P(A) + P(B) a A e B so complementares se A B = e A B = a
como P(A) + P(B) = 1, ento P(B) = 1 P(A) a B denotado por B = AC e
24 de fevereiro de 2012
17 / 20
Equiprobabilidade
Equiprobabilidade
= {1 , ..., n } nito
1 P(i ) = n , i = 1, 2, ..., n
24 de fevereiro de 2012
18 / 20
Equiprobabilidade
Equiprobabilidade
24 de fevereiro de 2012
19 / 20
Equiprobabilidade
Equiprobabilidade
1 2
24 de fevereiro de 2012
20 / 20