PROBABILIDADES E ESTATÍSTICA
PROBABILIDADES E ESTATÍSTICA
PROBABILIDADES E ESTATÍSTICA
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Experiências Aleatórias. Espaço de Resultados.<br />
Acontecimentos<br />
Experiência Aleatória<br />
É uma experiência em que:<br />
◮ não se sabe exactamente o resultado que se virá a observar;<br />
◮ conhece-se o universo dos resultados possíveis.<br />
Espaço de Resultados<br />
Conjunto dos resultados possíveis de uma experiência aleatória.<br />
É usualmente representado por Ω ou S.<br />
1
Experiências Aleatórias. Espaço de Resultados.<br />
Acontecimentos<br />
Acontecimento<br />
É uma colecção de resultados possíveis de uma experiência<br />
aleatória, ou seja, um subconjunto do espaço de resultados Ω.<br />
◮ ∅ – acontecimento impossível;<br />
◮ Ω – acontecimento certo.<br />
Acontecimento Elementar<br />
Subconjunto de Ω com apenas um elemento (conjunto singular).<br />
2
Experiências Aleatórias. Espaço de Resultados.<br />
Acontecimentos<br />
Acontecimento Composto<br />
Subconjunto de Ω com mais de um elemento.<br />
Realização do Acontecimento A<br />
Diz-se que o acontecimento A se realizou se o resultado da<br />
experiência aleatória pertence a A.<br />
A – Acontecimento Contrário de A<br />
É o acontecimento Ω − A = Ω\A.<br />
3
Experiências Aleatórias. Espaço de Resultados.<br />
Acontecimentos<br />
A ∩ B – Intersecção de Dois Acontecimentos<br />
É o acontecimento que ocorre quando ocorrem simultaneamente<br />
ambos.<br />
A ∪ B – União de Dois Acontecimentos<br />
É o acontecimento que ocorre quando pelo menos um deles ocorre.<br />
Acontecimentos Incompatíveis ou Mutuamente Exclusivos<br />
São acontecimentos que nunca ocorrem simultaneamente<br />
(A ∩ B = ∅).<br />
4
Experiências Aleatórias. Espaço de Resultados.<br />
Acontecimentos<br />
Exemplo (2.1)<br />
Considere o lançamento de um dado cúbico com as faces<br />
numeradas de 1 a 6 e sejam os acontecimentos A “sair face par”e<br />
B “sair face múltipla de 3”.<br />
◮ A = {2, 4, 6};<br />
◮ B = {3, 6};<br />
◮ A = {1, 3, 5} → “sair face ímpar”;<br />
◮ A ∩ B = {6} → “sair face par múltipla de 3”;<br />
◮ A ∪ B = {2, 3, 4, 6} → “sair face par ou múltipla de 3”;<br />
◮ A − B = {2, 4} → “sair face par que não seja múltipla de 3”.<br />
5
Experiências Aleatórias. Espaço de Resultados.<br />
Acontecimentos<br />
Exemplo (2.2)<br />
Considere o lançamento de dois dados cúbicos com as faces<br />
numeradas de 1 a 6. Os acontecimentos A, “soma das faces é 7”e<br />
B, “faces iguais”, são acontecimentos incompatíveis, pois<br />
◮ A = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)};<br />
◮ B = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)};<br />
◮ A ∩ B = ∅.<br />
6
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Álgebra de Acontecimentos<br />
É toda a subfamília A de P(Ω) (partes de Ω) que verifique os<br />
axiomas das álgebras de conjuntos, isto é:<br />
A1) Ω ∈ A;<br />
A2) Se A ∈ A, então A ∈ A;<br />
A3) Se A ∈ A e B ∈ A, então A ∪ B ∈ A.<br />
Espaço de Acontecimentos<br />
Ao par (Ω, A) chamamos espaço de acontecimentos.<br />
7
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Exercício (2.1)<br />
Considere o lançamento de um dado cúbico com as faces<br />
numeradas de 1 a 6. Verifique se (Ω, A) é um espaço de<br />
acontecimentos, onde<br />
A = {∅, {1, 2}, {4, 5, 6}, {3, 4, 5, 6}, {1, 2, 3, 4, 5, 6}}.<br />
8
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Se (Ω, A) é um espaço de acontecimentos, então:<br />
◮ ∅ ∈ A;<br />
◮ Se A ∈ A e B ∈ A, então A ∩ B ∈ A;<br />
◮ Se A ∈ A e B ∈ A, então A − B = A ∩ B ∈ A;<br />
◮ Se A1, . . . , An ∈ A, então n<br />
Ai ∈ A e n<br />
Ai ∈ A.<br />
i=1<br />
i=1<br />
9
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
σ-Álgebra<br />
É toda a subfamília de P(Ω) que verifique os axiomas A1, A2 das<br />
álgebra de acontecimentos e, em alternativa a A3, o axioma<br />
A3*) Se A1, A2, . . . são elementos de A, então ∞<br />
Ai ∈ A.<br />
i=1<br />
10
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Medida de Probabilidade (Axiomática de Kolmogorov)<br />
É toda a função de conjunto P : A → IR que verifique os axiomas:<br />
P1) P(A) ≥ 0, para todo o A ∈ A;<br />
P2) P(Ω) = 1;<br />
P3) Se A e B são acontecimentos incompatíveis, então<br />
P(A ∪ B) = P(A) + P(B).<br />
11
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Nota<br />
Se Ω é um conjunto infinito, exigimos em alternativa a P3<br />
P3*) Se A1, A2, . . . são acontecimentos mutuamente exclusivos<br />
dois a dois, então<br />
<br />
∞<br />
P<br />
i=1<br />
Ai<br />
<br />
=<br />
∞<br />
P(Ai).<br />
i=1<br />
Espaço de Probabilidade<br />
Ao terno (Ω, A, P) chamamos espaço de probabilidade.<br />
12
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Se (Ω, A, P) é um espaço de probabilidade, então:<br />
◮ P(∅) = 0;<br />
◮ P(A) = 1 − P(A), A ∈ A;<br />
◮ P(A − B) = P(A) − P(A ∩ B), A, B ∈ A;<br />
◮ Se A, B ∈ A e A ⊆ B, então P(A) ≤ P(B);<br />
◮ 0 ≤ P(A) ≤ 1, A ∈ A;<br />
◮ P(A ∪ B) = P(A) + P(B) − P(A ∩ B), A, B ∈ A.<br />
13
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Teorema (Regra da Adição)<br />
Sejam (Ω, A, P) um espaço de probabilidade e A1, A2, . . . , An ∈ A.<br />
Então<br />
<br />
n<br />
P<br />
k=1<br />
Ak<br />
+ <br />
<br />
=<br />
k1
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Caso Particular<br />
Considerando três acontecimentos A, B e C,<br />
P(A ∪ B ∪ C) = P(A) + P(B) + P(C) − P(A ∩ B)−<br />
− P(A ∩ C) − P(B ∩ C) + P(A ∩ B ∩ C) .<br />
15
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Corolário<br />
Se A1, A2, . . . , An são mutuamente exclusivos dois a dois, então<br />
<br />
n<br />
P<br />
k=1<br />
Ak<br />
<br />
=<br />
n<br />
P(Ak).<br />
k=1<br />
16
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Regra de Laplace<br />
A probabilidade de um acontecimento A é dada por<br />
P(A) =<br />
número de casos favoráveis a A<br />
número de casos possíveis<br />
desde que se admita a priori que os acontecimentos elementares<br />
são equiprováveis.<br />
• A regra de Laplace obedece à axiomática de Kolmogorov.<br />
,<br />
17
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Nota<br />
Quando o espaço de resultados é infinito, a exigência de<br />
equiprobabilidade imposta pela regra de Laplace pode ser<br />
ultrapassada considerando acontecimentos equiprováveis não<br />
elementares.<br />
Exercício (2.2)<br />
Qual a probabilidade de um ponto escolhido ao acaso no intervalo<br />
[0,1] pertencer ao intervalo [0.25,0.5]?<br />
18
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
A Análise Combinatória fornece ferramentas adequadas para<br />
procedermos a contagens e dependerá da relevância ou não da<br />
ordem pela qual os elementos são considerados ou extraídos, e se<br />
há reposição ou não dos mesmos.<br />
Teorema Fundamental da Análise Combinatória<br />
Sejam X1, . . . , Xk conjuntos tais que #X1 = n1, . . . , #Xk = nk.<br />
Então<br />
#(X1 × · · · × Xk) = n1 × · · · × nk.<br />
19
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Exercício (2.3)<br />
Considere o lançamento de três moedas (ou lançamento de uma<br />
moeda três vezes). Quantos casos possíveis há?<br />
20
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Arranjos com Repetição<br />
O número de sequências ordenadas com k elementos obtidas por<br />
extracções com repetição (ou reposição) de n elementos é<br />
n × · · · × n = n k ,<br />
sendo por vezes chamado arranjos com reposição (ou completos)<br />
de n elementos, k a k.<br />
21
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Exercício (2.4)<br />
Quantos números distintos com três algarismos podemos obter com<br />
os algarismos 1, 2, 3 e 4, admitindo que não os podemos repetir?<br />
22
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Arranjos sem Repetição<br />
O número de sequências ordenadas com k elementos obtidas por<br />
extracções sem repetição de n elementos é<br />
n × (n − 1) × · · · × (n − k + 1)<br />
denotado por n Ak ou n Pk , e denominado arranjos sem repetição<br />
(ou arranjos simples) de n elementos, k a k.<br />
23
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Exercício (2.5)<br />
Quantos subconjuntos de 3 elementos distintos podemos formar a<br />
partir de um conjunto com 4 elementos?<br />
24
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Combinações (sem Repetição)<br />
O número de subconjuntos de k elementos que podemos obter a<br />
partir de um conjunto com n elementos (n ≥ k), em que cada<br />
elemento do universo só pode configurar uma vez no subconjunto,<br />
é dado pelas combinações de n, k a k, isto é, por<br />
n Ck =<br />
<br />
n<br />
k<br />
=<br />
n!<br />
k!(n − k)! =<br />
nAk k! .<br />
25
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Combinações com Repetição<br />
O número de subconjuntos de k elementos que podemos obter a<br />
partir de um conjunto com n elementos admitindo que as tiragens<br />
são feitas com reposição é dado pelas combinações com repetição<br />
de n , k a k, ou seja, n + k − 1<br />
k<br />
<br />
.<br />
26
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Exercício (2.5)<br />
De quantas maneiras podemos distribuir 3 bolas por 4 urnas?<br />
27
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
Se uma experiência é realizada um número de vezes, sob idênticas<br />
condições, podem ocorrer resultados diferentes de cada vez ou<br />
alguns que se repetem. Esta “frequência de ocorrência”pode ser<br />
pensada como uma probabilidade.<br />
Probabilidade Frequencista<br />
P(A) = “limite”da frequência relativa com que se observa o<br />
acontecimento A.<br />
28
Conceito de Probabilidade. Axiomática de Kolmogorov.<br />
Interpretações Frequencista e Subjectivista<br />
À medida que se adquire alguma informação sobre um<br />
acontecimento, há quem prefira proceder a uma reavaliação da<br />
probabilidade considerada a priori para o mesmo.<br />
Probabilidade Subjectivista<br />
É uma medida de credibilidade que, numa primeira fase, pode ser<br />
baseada em convicções, palpites, experiências, etc.<br />
29
Probabilidade Condicional. Independência<br />
Exercício (2.6)<br />
Considere o lançamento de um dado cúbico com as faces<br />
numeradas de 1 a 6.<br />
Seja A o acontecimento “sair face 2”. Então P(A) = 1<br />
6 .<br />
Suponha agora que o dado foi lançado e que se registou a saída de<br />
face par.<br />
Qual é a probabilidade de ter saído a face 2?<br />
30
Probabilidade Condicional. Independência<br />
Probabilidade Condicional<br />
Sejam (Ω, A, P) um espaço de probabilidade e B um<br />
acontecimento tal que P(B) > 0. A probabilidade condicional de A<br />
dado B é<br />
P(A|B) =<br />
P(A ∩ B)<br />
.<br />
P(B)<br />
O acontecimento B é chamado acontecimento condicionante, e<br />
passa a funcionar como novo espaço de resultados.<br />
31
Probabilidade Condicional. Independência<br />
Da definição de probabilidade conjunta segue que<br />
P(A ∩ B) = P(B)P(A|B) = P(A)P(B|A).<br />
Teorema (Regra da Multiplicação)<br />
Sejam (Ω, A, P) um espaço de probabilidade e A1, A2, . . . , An ∈ A.<br />
Então<br />
<br />
n<br />
<br />
P = P(A1) × P(A2|A1) × P(A3|A1 ∩ A2)×<br />
k=1<br />
Ak<br />
× · · · × P(An|A1 ∩ . . . ∩ An−1) .<br />
32
Probabilidade Condicional. Independência<br />
Exercício (2.7)<br />
Procede-se à tiragem sucessiva de 3 peças de um lote que contém<br />
30 peças das quais 10 são defeituosas.<br />
Qual a probabilidade de se obter a sequência DDN, onde D denota<br />
peça defeituosa e N peça não defeituosa?<br />
33
Probabilidade Condicional. Independência<br />
Exercício (2.8)<br />
Considere novamente o lançamento de um dado cúbico. Sejam os<br />
acontecimentos A “sair face 2 ou 3”e B “sair face par”.<br />
Qual a probabilidade de A e a probabilidade de A dado B?<br />
34
Probabilidade Condicional. Independência<br />
Independência de Dois Acontecimentos<br />
Dois acontecimentos A e B dizem-se (mutuamente) independentes<br />
se, e só se,<br />
P(A ∩ B) = P(A)P(B).<br />
Nota<br />
Dois acontecimentos incompatíveis, ou mutuamente exclusivos,<br />
não podem ser independentes, excepto se um deles for impossível.<br />
35
Probabilidade Condicional. Independência<br />
Exercício (2.9)<br />
Numa determinada cidade foi efectuado um levantamento de<br />
dados sobre certos acontecimentos. A probabilidade de ocorrência<br />
de cada um deles encontra-se registada no seguinte quadro:<br />
Cancro<br />
Sujeito Tem Não Tem<br />
Fumador 0.5 0.2<br />
Não Fumador 0.1 0.2<br />
Verifique se ser fumador e ter cancro são acontecimentos<br />
independentes nessa cidade.<br />
36
Probabilidade Condicional. Independência<br />
Por exemplo, três acontecimentos A, B e C são independentes se,<br />
e só se,<br />
◮ P(A ∩ B) = P(A)P(B);<br />
◮ P(A ∩ C) = P(A)P(C);<br />
◮ P(B ∩ C) = P(B)P(C);<br />
◮ P(A ∩ B ∩ C) = P(A)P(B)P(C).<br />
Se os acontecimentos A1, A2, . . . , An forem independentes, então<br />
P(A1 ∩ A2 ∩ . . . ∩ An) = P(A1) × P(A2) × · · · × P(An).<br />
37
Probabilidade Condicional. Independência<br />
Teorema da Probabilidade Total<br />
Sejam (Ω, A, P) um espaço de probabilidade, B um acontecimento<br />
e {Ak}k∈K uma partição de Ω. Então<br />
P(B) = <br />
P(Ak)P(B|Ak).<br />
k∈K<br />
Nota<br />
A probabildade de B está a ser calculada como uma média<br />
ponderadada das probabilidades condicionais P(B|Ak), onde<br />
<br />
k∈K P(Ak) = 1.<br />
38
Probabilidade Condicional. Independência<br />
Corolário<br />
Se A e B forem dois acontecimentos, então<br />
P(B) = P(A)P(B|A) + P(A)P(B|A).<br />
39
Probabilidade Condicional. Independência<br />
Exemplo (2.2)<br />
Numa urna há 10 bolas brancas e 10 bolas pretas. Tira-se uma<br />
bola, observa-se a cor, e a bola é reposta na urna com mais 100<br />
bolas da cor observada. Procede-se a uma segunda extracção de<br />
uma bola.<br />
Qual a probabilidade de sair bola branca?<br />
40
Probabilidade Condicional. Independência<br />
Sejam os acontecimentos:<br />
Então<br />
A : sair bola branca na 1 a extracção<br />
B : sair bola branca na 2 a extracção<br />
P(B) = P(A)P(B|A) + P(A)P(B|A)<br />
= 10 110 10 10 1<br />
× + × =<br />
20 120 20 120 2 .<br />
41
Probabilidade Condicional. Independência<br />
Exemplo (2.3)<br />
Considere-se o exemplo anterior. Suponhamos que a cor da bola<br />
da segunda extracção é branca.<br />
Qual a probabilidade da primeira bola extraída ter sido branca?<br />
42
Probabilidade Condicional. Independência<br />
Pretende-se calcular<br />
P(A)P(B|A)<br />
P(A|B) =<br />
P(A)P(B|A) + P(A)P(B|A)<br />
=<br />
1<br />
2<br />
× 110<br />
120<br />
1<br />
2<br />
= 11<br />
≈ 0.917.<br />
12<br />
43
Probabilidade Condicional. Independência<br />
Teorema de Bayes<br />
Sejam (Ω, A, P) um espaço de probabilidade, B um acontecimento<br />
e {Ak}k∈K uma partição de Ω. Então<br />
P(Aj|B) = P(Aj)P(B|Aj)<br />
<br />
, j ∈ K.<br />
P(Ak)P(B|Ak)<br />
k∈K<br />
Nota<br />
O teorema de Bayes também é conhecido pelo teorema da<br />
probabilidade inversa, ou das probabilidades das causas.<br />
44