Centro Federal de Educa¸c˜ao Tecnol´ogica Celso Suckow da Fonseca – CEFET/RJ Disciplina: Estat´ıstica
Prof. Anna Regina Corbo
CAP´ ITULO 2: Teoria da Probabilidade
E a base te´´ orica para an´alise de fenˆomenos aos quais est´a associada alguma forma de incerteza.
O estudo de probabilidades parte de experiˆencias aleat´orias, cujo resultado n˜ao pode ser conhecido antes que a experiˆencia seja realizada. Ou seja, as experiˆencias aleat´orias podem ser repetidas infinitamente sem previs˜ao de resultado.
1 Conceitos B´ asicos de Probabilidade
1.1 Experimentos Aleat´ orio
1. Jogar uma moeda 3 vezes e verificar o n´umero de caras;
2. Jogar um dado e verificar o n´umero na face superior;
3. N´umero de mortos em SP num fim-de-semana;
4. Temperatura di´aria no RJ.
1.2 Espa¸ co Amostral
E o conjunto´ S de todos os resultados poss´ıveis de uma experiˆencia aleat´oria.
1. Jogar uma moeda 3 vezes.
S ={HHH, HHT, HT H, T HH, HT T, T HT, T T H, T T T}, onde H head (cara) e T tail (coroa).
2. Jogar um dado.
S ={1,2,3,4,5,6}
3. N´umero de mortos em SP.
S ={0,1,2,3,4,5,· · · ,∞}
4. Temperatura no RJ.
1.3 Evento
E qualquer subconjunto´ A do espa¸co amostral S. Diremos que um evento ocorreu se o resultado da experiˆencia aleat´oria ´e um elemento de A.
1. Jogar uma moeda 3 vezes.
A= Pelo menos 2 caras(H) A={HHH, HHT, HT H, T HH}
2. Jogar um dado.
A= n´umero da face maior que 2⇒ A={3,4,5,6}
B = n´umero na face ´e par ⇒ B ={2,4,6}
Frequˆencia Relativa
A frequˆencia relativa do evento A´e definida por:
fA = nA
N
onde nA indica o n´umero de ocorrˆencias do evento A em N realiza¸c˜oes do experimento aleat´orio.
1.4 Combina¸ c˜ ao de Eventos (conjuntos)
SejamAeB dois eventos do espa¸co amostralSque possui elementoswi. Ent˜ao, as seguintes opera¸c˜oes est˜ao bem-definidas:
a) Uni˜ao de Eventos:
A∪B ={wi ∈S|wi ∈A ouwi ∈B}
b) Interse¸c˜ao de Eventos:
A∩B ={wi ∈S|wi ∈A e wi ∈B}
c) Diferen¸ca de Eventos:
A−B ={wi ∈S|wi ∈A e wi 6∈B}
d) Complementar de um Evento:
Ac ou ¯A={wi ∈S|wi 6∈A}
e) Eventos mutuamente exclusivos:
Dois eventosAeB s˜ao mutuamente exclusivos seA∩B =∅, isto ´e, seAocorreu certamente B n˜ao ocorreu.
Exemplo: Uma urna cont´em 10 bolinhas numeradas de 1 a 10. Uma bolinha ´e escolhida e seu n´umero ´e observado. Seja S={1,2,3,· · · ,10}. Descreva os eventos abaixo:
a) o n´umero obtido ´e par b) o n´umero obtido ´e ´ımpar c) o n´umero obtido ´e primo d) o n´umero obtido ´e maior que 6 e) o n´umero ´e m´ultiplo de 2 e de 5 f) o n´umero ´e m´ultiplo de 3 ou 8
g) o n´umero obtido n˜ao ´e m´ultiplo de 6
2 Probabilidade: Defini¸ c˜ ao e Propriedades
Consideremos um espa¸co amostral finitoS ={A1, A2,· · · , Ak}. Para cada eventoAi, vamos associar um n´umero real P(Ai) ou pi, chamado de probabilidade do evento Ai.
A fun¸c˜ao probabilidade que atua sobre o espa¸co amostral S satisfaz aos axiomas:
(i) 06P(A)61, para todo A∈S.
(ii) P(S) = 1, o chamado “evento certo”.
(iii) P(A1∪A2∪ · · ·) =P(A1) +P(A2) +· · ·, onde Aj s˜ao eventos mutuamente exclusivos.
2.1 Propriedades da Fun¸ c˜ ao Probabilidade
1. P(∅) = 0
2. P( ¯A) = 1−P(A) 3. P(A)6P(S)
4. Para qualquer A1, A2 onde A1 ⊂A2 temos que P(A)6P(A2) 5. P(A∪B) = P(A) +P(B)−P(A∩B)
frequˆencia relativay probabilidade n→ ∞
quando n´umero de experimentos ´e alto
Exemplo: Uma urna cont´em 100 bolinhas numeradas de 1 a 100. Uma bolinha ´e escolhida e seu n´umero ´e observado. Admitindo probabilidades iguais a 1001 para todos os eventos elementares, qual a probabilidade de:
a) Observarmos um m´ultiplo de 6 e de 8 simultaneamente?
b) Observarmos um m´ultiplo de 6 ou de 8?
c) Observarmos um n´umero n˜ao-m´ultiplo de 5?
2.2 Espa¸ cos Amostrais Equiprov´ aveis
Dizemos que uma distribui¸c˜ao de probabilidade sobre S ´e equiprov´avel se P(A1) = P(A2) = · · · = P(Ak), isto ´e, todos os eventos A1, A2,· · · , Ak de S tem a mesma probabilidade de acontecer.
Neste caso, a probabilidade de um evento Ai acontecer ´e dada por:
P(Ai) = #Ai
#S
onde #Ai indica o n´umero de resultados poss´ıveis que comp˜oem o eventoAi dentro de todos os eventos de S.
Exemplo 1: De 300 estudantes de engenharia, 100 est˜ao matriculados em C´alculo e 80 em Estat´ıstica. Estes dados incluem 30 estudantes que est˜ao matriculados em ambas as disciplinas. Qual ´e a probabilidade de que um estudante aleatoriamente escolhido esteja matriculado em C´alculo ou em Estat´ıstica?
M´etodos de Contagem
1. Princ´ıpio da Multiplica¸c˜ao:
Se uma experiˆencia aleat´oria tem m resultados poss´ıveis e outra tem n resultados poss´ıveis ent˜ao existemm×n resultados para as duas experiˆencias.
Ex.: Lan¸car um moeda 3 vezes
1a exp. 2a exp. 3a exp.
2 possibilidades × 2 possibilidades× 2 possibilidades = 8 resultados poss´ıveis.
2. T´ecnicas de An´alise Combinat´oria:
a) Permuta¸c˜ao: de quantas formas podemos ordenar n objetos?
Pn=n!
b) Arranjo: Considere n objetos, escolhemos p objetos onde p 6 n. Quantas s˜ao as escolhas poss´ıveis se a ordem ´E importante?
Apn= n!
(n−p)!
c) Combina¸c˜ao: Considere n objetos. Escolhemosp objetos onde p6n. Quantas s˜ao as escolhas poss´ıveis se a ordem N ˜AO ´E importante?
Cp = n!
=
n
Exemplo 3: De um lote de 200 pe¸cas, sendo 180 boas e 20 defeituosas, 10 pe¸cas s˜ao sele- cionadas ao acaso, sem reposi¸c˜ao. Qual a probabilidade de:
a) as 10 pe¸cas serem boas?
b) as 10 pe¸cas serem defeituosas?
c) 5 pe¸cas serem boas e 5 serem defeituosas?
3 Probabilidade Condicional
Como ser´a que a probabilidade de um evento ir´a mudar ap´os sabermos que outro evento ocorreu?
A probabilidade condicional ´e uma probabilidade calculada n˜ao mais a partir do espa¸co amostral S, e sim a partir de um subconjunto de S.
Seja S espa¸co amostral e dois eventos A e B. Com o s´ımbolo P(A|B) indicamos a probabilidade condicional do evento A, uma vez que B tenha ocorrido.
Exemplo 1: S = 100 pessoas onde 40 com diploma, 20 microempres´arios e 10 ambos.
Eventos:
D: pessoas com diploma M: ser microempres´ario P(D) = #D
#S = 40 100 P(M) = #M
#S = 20 100 P(D∩M) = #D∩M
#S = 10
100 Probabilidade Condicional:
P(M|D) = #D∩M
#D = 10
40 P(D|M) = #D∩M
#M = 10
20 Note que P(M|D)6=P(D|M)X
Exemplo 2: Numa cidade, 400 pessoas foram classificadas de acordo com a tabela:
Solteiro Casado Divorciado Vi´uvo Total
Masculino 50 60 40 30 180
Feminino 150 40 10 20 220
Total 200 100 50 50 400
Sejam os eventos:
S: ser solteiro
M: ser do sexo masculino
a) Qual a probabilidade de uma pessoa ser solteira, dado que ´e do sexo masculino?
b) Qual a probabilidade de uma pessoa ser do sexo feminino, dado que ´e divor- ciada?
Formalmente, temos:
P(A|B) = #(A∩B)
#B =
#(A∩B)
#S
#B
#S
= P(A∩B) P(B) Ou seja,
P(A|B) = P(A∩B)
P(B) , onde P(B)>0.
Consequˆencia: Teorema da Multiplica¸c˜ao
P(A∩B) =P(B)·P(A|B)
4 Parti¸ c˜ ao do Espa¸ co Amostral
Os eventos B1, B2, B3,· · · , Bk formam uma parti¸c˜ao do espa¸co amostral se:
1. Bi∩Bj =∅ 2. S
Bi =S
3. P(Bi)>0, para todo i
SejaAum evento cuja interse¸c˜ao com qualquer elemento da parti¸c˜ao do espa¸co amostral S ´e n˜ao-vazia, conforme o esquema acima. Deste modo, temos:
P(A) =P(A|B1)·P(B1) +P(A|B2)·P(B2) +· · ·+P(A|B5)·P(B5)
Consequˆencia: Teorema da Probabilidade Total
Seja B1, B2,· · · , Bk uma parti¸c˜ao do espa¸co amostral S e A um evento qualquer de S.
Ent˜ao:
P(A) = P(A|B1)·P(B1) +P(A|B2)·P(B2) +· · ·+P(A|Bk)·P(Bk) Ou seja,
P(A) =
k
X
i=1
P(A|Bk)·P(Bk)
Teorema da Bayes
a) Forma Simples: Sejam dois eventos A eB de um espa¸co amostralS.
P(B|A) = P(A|B)·P(B) P(A)
b) Forma Geral: SejaB1, B2,· · · , Bk uma parti¸c˜ao do espa¸co amostral S e A um evento.
P(Bi|A) = P(A|Bi)·P(Bi) Pk
j=1P(A|Bj)·P(Bj)
Exemplo 1: Cidade em que 40% s˜ao homens e 60% s˜ao mulheres. Al´em disso, 50% dos homens fumam e 30% das mulheres fumam. Qual a probabilidade de ser homem dado que ´e fumante?
Exemplo 2: Empregados de uma empresa:
40% economistas 30% engenheiros 30% administradores
O percentual de cada grupo exercendo cargo gerencial ´e:
30% dos economistas 40% dos engenheiros 10% dos administradores
Seleciona-se um empregado aleatoriamente.
a) Qual a probabilidade de ser gerente?
b) Qual a probabilidade de ser economista dado que ´e gerente?
5 Independˆ encia de eventos
5.1 Independˆ encia de dois eventos
Dois eventos A e B s˜ao ditos independentes se:
P(A∩B) = P(A)·P(B) Neste caso, se A independe deB ent˜ao
P(B|A) = P(A∩B)
P(A) = P(A)·P(B)
P(A) =P(B) Logo,
P(B|A) =P(B) P(B|A) =P(B)
5.2 Independˆ encia de trˆ es ou mais eventos
Sejam A, B, C eventos independentes do espa¸co amostral S.
P(A∩B∩C) =P(A)·P(B)·P(C)
Generalizando, seA1, A2,· · ·, Ak s˜aok eventos independentes de S, ent˜ao P(A1∩A2∩ · · · ∩Ak) = P(A1)·P(A2)· · · · ·P(Ak)
Exemplo: A probabilidade de um certo homem sobreviver mais 10 anos, a partir de uma certa data, ´e 0,4 e de que sua esposa sobreviva mais de 10 anos a partir da mesma data ´e 0,5. Qual a probabilidade de:
a) ambos sobreviverem mais de 10 anos a partir daquela data?
b) ao menos um deles sobreviver mais 10 anos a partir daquela data?