Processos Estocásticos
Luiz Affonso Guedes
Sumário
• Probabilidade
• Variáveis Aleatórias
• Funções de Uma Variável Aleatória
• Funções de Várias Variáveis Aleatórias
• Momentos e Estatística Condicional
• Teorema do Limite Central
• Processos Estocásticos
• Análise Espectral
• Filtragem e Predição Estocástica
• Processos Markovianos
Probabilidade
• Definições de probabilidade
• Freqüência relativa
• Axiomas da probabilidade
• Métodos de Contagem
• Probabilidade Condicional
• Teorema de bayes
Introdução
• Fenômenos Determinísticos
– Conhecidos com certeza
– Não sujeitos às leis do acaso
• Ex.: o ano atual, idade de uma pessoa jovem
• Fenômenos Probabilísticos
– Não conhecidos com certeza – Sujeitos às leis do acaso
• Ex.: face de um dado, se vai chover amanhã, se o Remo vai ser campeão
Introdução
• Experimentos que ao serem repetidos nas mesmas condições não produzem o mesmo resultado são denominados de experimentos aleatórios.
• Mas por quê isto ocorre?
Experimento Entradas/causas
observadas Saídas/efeitos
observados Entradas/causas
observadas
Espaço Amostral
• Definiremos Espaço Amostral (S) associado a um experimento o conjunto de seus
resultados possíveis.
– Conjunto de todos os resultados possíveis de ocorrer.
– Pode ser discreto (finito ou infinito) ou contínuo.
Exemplos de Espaço Amostral
• Exemplo1: Experimento de lançamento de um dado.
– O espaço amostral do experimento é o conjunto S = {1,2,3,4,5,6}.
• Exemplo2: Experimento de lançamento de dois dados simultaneamente.
– O espaço amostral do experimento é o conjunto S(primeira face, segunda face) = {????}
Exemplos de Espaço Amostral
• Exemplo3: Experimento de obtenção do tempo de vida de uma lâmpada.
– O espaço amostral do experimento é o conjunto S = {x:
x real, x>0}.
• Processo estocástico é uma seqüência de
experimentos, no qual cada um tem um número finito de resultados, com uma dada atribuição de probabilidade
Exemplos de Processos Estocásticos
• Processo estocástico do exemplo1.
• Processo estocástico do exemplo3.
• Como um fabricante deve calcular o tempo de garantia de um produto seu. Uma TV, por exemplo?
Eventos
• São qualquer subconjunto de um Espaço Amostral.
• Os eventos podem ser simples ou compostos
• S Æ evento certo
• Ø Æ evento vazio (impossível)
Exemplos de Eventos
• Exemplo1:
– Dar um número par
– Dar um número maior que 4 – Dar um número entre 1 e 6
• Exemplo2:
– A soma dos resultados seja igual a 4 – Que a soma dos resultados seja par
Operações entre Eventos
• União: A U B Æ Se ocorrer pelo menos um dos eventos
• Interseção: A ∩ B Æ Se ocorrer ambos os eventos
• Complementar: Ac Æ É o evento que ocorre quando A não ocorrer.
A B
Exemplos de Operações com Eventos
• Uma urna contém bolas de um a quinze.
Uma bola é retirada da urna e seu número anotado. Sejam A e B os seguintes eventos:
A: o número da bola retirada é par, B: o número da bola retirada é múltiplo de 3.
Determine:
– S,A, B, AUB, A ∩ B e Ac
Operações entre Eventos
• Implicação: A ⊂ B, A implica em B.
• Igualdade: A ⊂ B e A ⊃ B Æ A = B.
• Mutuamente exclusivo: A ∩ B = Ø
– Se a união de n eventos mutuamente exclusivos é o próprio S, dizemos que tais eventos são
mutuamente exclusivos e exaustivos, ou formam uma partição em S.
– Exemplos em diagrama de Venn
Propriedades das Operações entre Eventos
1. (AUB) ∩ C = (A∩ C) U (B∩ C) 2. (A ∩ B) U C = (A U C) ∩ (B U C) 3. (A U B)c = Ac ∩ Bc
4. (A ∩ B)c = Ac U Bc
A B
C
A B
C
Probabilidade
• Vem da idéia de mensurar eventos aleatórios.
• Procedimento de cálculo de propriedades de eventos aleatórios
• Número que reflita as chances de ocorrência de um evento aleatório.
Probabilidade: definição clássica
• Dado um espaço amostral S com N eventos igualmente possíveis. Se A é um evento em S composto de m eventos simples, a
probabilidade de ocorrência de um evento A num experimento é calculada por:
– P(A) = m / N
– É a razão entre os eventos desejáveis dentre o universo dos possíveis.
Probabilidade: definição clássica
• Conseqüências:
1. P(A) = ≥ 0, para todo A ⊂ S;
2. Se A e B são eventos mutuamente exclusivos, então:
- P(AUB) = P(A) + P(B)
3. P(S) = 1
4. P(AUB) = P(A) + P(B) – P(A∩B)
Probabilidade: definição freqüentista
• Repetir um experimento sob as mesmas circunstâncias.
• A probabilidade de ocorrência de um evento A seria:
– P(A) = lim M/ N
NÆ∞
– M é o número de ocorrência do evento A – N é o número total de experimentos.
Probabilidade: definição subjetiva
• Quando não a possibilidade de se aplicar os conceitos clássicos e freqüentista de probabilidade:
– Baseia-se em opinião sobre ocorrência de um evento.
• Probabilidade do resultado de um jogo.
• Probabilidade de haver aula.
Probabilidade: definição axiomática
• Supõe as seguintes verdades absolutas:
– Dado um espaço amostral S e eventos A e B, tem-se.
1. P(A) ≥ 0;
2. P(S) = 1;
3. Se A e B são mutuamente exclusivos, P(A+B) = P(A) + P(B)
Propriedades da Probabilidade
1. P(Ø) = 0 2. P(S) = 1
3. P(A U B U C) = P(A) + P(B) + P(C), se A, B e C são mutuamente exclusivos.
4. P(Ac) = 1 – P(A)
5. P(AUB) = P(A) + P(B) – P(A ∩B) 6. Se A ⊂ B Æ P(A) ≤ P(B)
7. P(AUB) = P(A) + P(AC ∩B)
Métodos de Contagem
• Para se calcular a probabilidade de um evento é necessário saber sua proporção dentro do universo dos eventos possíveis
A P(A) = ???
Supondo eventos equiprováveis S
Princípio Fundamental da Contagem
• Se uma tarefa é completada em N etapas seqüenciais, com ni possibilidade em cada etapa. Então, o número total de maneiras de realizar a tarefa é:
– Número Total = n1 x n2 x . . . nN
? ? ?
Etapa 1 Etapa 2 Etapa 3
Tipos de Experimentos
• Com reposição ou sem reposição de amostras
• Elementos das amostras podem ser ordenados ou não ordenados
Tipos de Experimentos
• Experimento sem reposição ordenado:
– Dada uma turma de N alunos, escolher 01 presidente, 01 tesoureiro e 01 secretário.
• Arranjo
• Experimento sem reposição não ordenado:
– Dada uma turma de N alunos, escolher 03 representantes.
• Combinação
Tipos de Experimentos
• Cálculo de experimento sem reposição ordenado:
– Ordenar n amostras de um conjunto de N elementos, sem reposição.
Æ (N)n = N (N-1) ... (N-n+1) = N! / (N-n)!
– Escolher 01 goleiro e 01 centroavante entre 8 jogadores.
– Escolher 01 presidente, 01 tesoureiro,
01secretário numa turma de 15 formandos.
Tipos de Experimentos
• Cálculo de experimento com reposição ordenado:
– Ordenar n amostras de um conjunto de N elementos, com reposição.
Nn = N N ... N (já que há reposição)
– Escolher 01 goleiro e 01 capitão dentre 11 jogadores.
– Escolher 01 presidente e 01 tesoureiro dentre 15 alunos, sendo que há a possibilidade de se acumular os cargos.
Tipos de Experimentos
• A probabilidade é o razão entre os eventos desejados e os possíveis:
– Qual é a probabilidade de se lançar um dado 03 vezes e não ocorrer repetição de números?
– Na maternidade Parto Feliz nasceram 05
crianças numa determinada semana. Qual era a probabilidade de todas as crianças terem
nascido em dias distintos?
– P(A) = (N)n / Nn
Tipos de Experimentos
• Permutação
– Se N = n Æ Pn = n!
– (n)n = n (n-1) ... (n-n+1)
– Quantas palavras de 03 letras não repetidas posso formar com o seguinte conjunto de letras?
• L = {A, I, B}
Tipos de Experimentos
• Experimento sem reposição não ordenado:
– Combinação de N elementos n a n.
– Dada uma turma de N alunos, escolher 03 representantes.
• Há menos possibilidades do que no caso ordenado, certo?
– CN,n = (N)n/ Pn = N!/(n! (N-n)!) (analisar!!!)
Tipos de Experimentos
• Experimento sem reposição não ordenado:
– CN,n = (N)n/ Pn = N!/(n! (N-n)!)
– 8 times participam de um torneio de futebol.
Cada equipe enfrenta todas as demais apenas uma vez. Quantos jogos serão realizados?
– E se houver jogos de ida e de volta?
– Escolher 03 pessoas num grupo de 10.
Partição de Conjuntos
• CN,n – Equivale dividir S em dois subconjunto: A e Ac
• A com n elementos e Ac com n1
elementos, sendo:
N = n + n1
A
S
- A possui n elementos - S possui N elementos
Partição de Conjuntos
• Generalização do problema:
– Dividir um conjunto S de N elementos em k subconjuntos, sendo que
• N = n1+ n2+ ... +nk (ni – número de elemento do i- ésimo subconjunto)
• Corresponde a k problemas encadeados de combinações (veja o diagrama de Venn)
– CN,n1 C(N-n1),n2 ... Cnk,nk
Partição de Conjuntos
• Generalização do problema:
– Que matematicamente é equivalente a:
• N! / (n1! n2! ... nk!)
• CN,n1 C(N-n1),n2 ... Cnk,nk
• Será que isto é verdade?
– CN,n = N! / (n! (N-n)! ) (lembrete)
Partição de Conjuntos
• Exemplos:
– O jogo de bridge corresponde a dividir o baralho de 52 entre 04 jogadores. Quantas maneiras há de se dividir o baralho?
• Resp. Æ C52,13 C39,13 C26,13 C13,13
Partição de Conjuntos
• Exemplos:
– O jogo de pôquer com 04 jogadores utiliza 32 cartas, distribuídas igualmente entre os 04 naipes.
• Baralho = {Naipes X Cartas}
• Naipes = {paus,espada,ouro,copas}
• Cartas = {7,8,9,10,Valete,Dama,Rei, Ás}
• Se um jogador receber na primeira mão 05 cartas, qual é a probabilidade dele receber só um par de ases (evento A)?
• Resp. Æ P(A) = C4,2C7,3 ( C4,1C4,1C4,1) / C32,5 = 0,11 (0,0667)
ÁS ÁS ÁS ÁS ÁS
Partição de Conjuntos
• Processos de Bernoulli
– Qual é a probabilidade de ocorrer k vezes um eventos A dentre N tentativas, sendo p a sua probabilidade do ocorrência?
• P(A) = p , P(Ac) = 1 – p
• P(A) P(A)...P(A) P(Ac)...P(Ac) = pk (1-p)N-k
– Pode-se combinar esse conjunto de eventos de N, k a k maneiras.
• P{A ocorrer exatamente k vezes} =
CN,k p (1- p)N-k
Partição de Conjuntos
• Processos de Bernoulli
– P{A ocorrer apenas exatamente k vezes} = CN,k p (1- p)N-k
– Exemplo: Qual é a probabilidade que em uma família com 04 filhos, 02 serem meninas?
• Resolução por Bernoulli ou de forma exaustiva.
• Resp. = 3/8
Partição de Conjuntos
• Processos de Bernoulli
– P{A ocorrer apenas exatamente k vezes} = CN,k pk (1- p)N-
k
– Exemplo: Um atirador tem três chances de acertar um alvo. Para ele vencer a competição deverá acertar pelo menos duas vezes no alvo.
Sabendo-se que ele tem probabilidade de 0,4 de acerta um tiro, qual é a probabilidade dele
vencer a competição?
• Resp. = 0,352
Próxima Aula
• Probabilidade condicional, eventos independentes e teorema de Bayes
Probabilidade Condicional
• Sejam dois eventos A e B de um mesmo espaço amostral e supondo que P(A) > 0, a probabilidade condicional de B ocorrer
dado que A ocorreu é dada por:
– P(B/A) = P(A B) / P(A)
• É a probabilidade de ocorrer A e B dentro do subconjunto dos eventos de A.
A B Æ P(B/A) =
Probabilidade Condicional
• Dado:
– P(B/A) = P(A B) / P(A)
• A probabilidade de ocorrer os eventos A e B é igual a:
– P(A B) = P(B/A) P(A) = P(A) P(B/A)
• A probabilidade de ocorrer A e ocorrer B dado que ocorreu A
A B Æ P(B/A) =
Probabilidade Condicional
• Exemplo:
– P(B/A) = P(A B) / P(A)
1 2 3 4 5 6 6
5 4 3 2 1
• Exemplo: experimentos seqüenciais que a
ocorrência de um eventos na k-ésima etapa depende das etapas anteriores
– Dada uma urna com 03 bolas azuis e 07 vermelhas. Se 02 bolas são retiradas sem reposição, determine:
• Espaço amostral:
• P(A1A2)
• P(A1V2)
• P(V1A2)
• P(V1V2)
– P(A/B) = P(A B) / P(B)
Probabilidade Condicional
Probabilidade Condicional
• Generalização da probabilidade condicional:
– P(A1A2 ... An) = P(A1) P(A2/A1)P(A3/A1A2) ...
P(An/A1A2 ...An-1) – Interpretação:
P(A) P(B/A) P(C/BA) P(ABC)
Probabilidade Condicional
• Exemplo: Dada uma urna com 03 bolas azuis e 07 vermelhas. Se 02 bolas são retiradas sem
reposição, qual é a probabilidade de ocorrer a seguinte seqüência de eventos:
– P(A1A2V3V4A5) = 1/120 – P (A1A2A3V4V5) = ? – P (V1V2A3A4A5) = ? – ...
Probabilidade Total
• P(A) = P(A/B1) P(B1) + P(A/B2) P(B2) ...
P(A/Bn) P(Bn)
A
B1
B2
Bn
• P(A) = P(AB1) + P(AB2) + ... + P(ABn)
Conjuntos disjuntos
Probabilidade Total
• Exemplo: dada 03 urnas com as seguintes composições:
– Urna 1: 03 bolas brancas e 05 bolas vermelhas.
– Urna 2: 04 bolas brancas e 02 bolas vermelhas.
– Urna 2: 01 bola branca e 03 bolas vermelhas.
– A probabilidade de escolha das urnas é, respectivamente: 2/6, 3/6 e 1/6.
– Qual é a probabilidade de se escolher uma bola branca?
Resp. = ½
– Interpretação via média ponderada.
Teorema de Bayes
• Dado dois eventos A e B, num mesmo espaço amostral, pela probabilidade
condicional, temos:
– P (A B) = P(A) P(B/A) – P (B A) = P(B) P(A/B)
– P(A) = P(B) P(A/B) / P(B/A) – P(A/B) = P(A). P(B/A) / P(B)
Ponderação
Teorema de Bayes
• Exemplo: dado um baralho com 52 cartas
– Qual é a probabilidade de se tirar uma Rainha, sabendo-se que a carta é uma figura?
– Qual é a probabilidade de se tirar uma Rainha, sabendo-se que a carta é de espada?
– Qual é a probabilidade de se tira uma Rainha de espada, sabendo-se que a carta é uma figura
preta?
Teorema de Bayes
• Exemplo:
– Um meteorologista acerta 80% dos dias em que chove e 90% dos dias em que não chove. Costuma chover em 10% dos dias. Tendo havido previsão de chuva para amanhã, qual é a probabilidade de realmente vir a chover?
1,0 Total
Sol Chove
Total Prev. sol
Prev. Ch.
Teorema de Bayes
• Generalização:
– Dadas duas partições de S (S=A1 U A2), então:
– P(A1/B) = P(A1) P(B/A1) /
( P(A1) P(B/A1) + P(A2) P(B/A2) )
– Uma vez que:
• P(B) = P(A1) P(B/A1) + P(A2) P(B/A2)
– Para o caso de n partições:
P(Ai/B) = P(Ai) P(B/Ai) / Σ ( P(Ak) P(B/Ak) )
Média ponderada
Teorema de Bayes
• Exemplo:
– Um companhia produz peças em 03 fábricas (A1,A2 e A3), na proporção de 15%, 35% e 50%, respectivamente. Suas
probabilidades de produzirem peças defeituosas são: 1%, 5% e 2%.
– Dado que o controle de qualidade detectou uma peça com defeito, qual é a probabilidade de ter sido produzida por cada uma das fábricas?
» P(Ai/D) = ?
Independência entre Eventos
• Dois eventos são independente se a ocorrência de um dele não alterar a
probabilidade de ocorrência do outro e vice- versa.
• Sejam dois eventos A e B, sendo P(A) > 0.
O evento B é dito independente de A se:
– P(B/A) = P(B)
Independência entre Eventos
• Como:
– P(B/A) = P(B) (eventos independentes) – P(A B) = P(A) P(B)
– Se B é independente de A, logo o inverso também é verdadeiro?
Independência entre Eventos
• Exemplo:
– P(A), P(B), P(A B), P(A) P(B), P(A/B) e P(B/A)
1 2 3 4 5 6 6
5 4 3 2 1
Independência é uma questão de proporção
Independência entre Eventos
• Exemplo:
– Experimento: lançamento de 02 moedas
– Eventos: A1 (cara no 10 lançamento), A2 (cara no 20 lançamento) e A3 (ocorrência da mesma face nos dois lançamentos).
– Verifique:
• P(A1), P(A2), P(A3)
• P(A1A2), P(A1A3) e P(A2A3)
• P(A1A2A3)
• P(A1A2A3) = P(A1) P(A2) P(A3) ?
Independência entre Eventos
• Com seria a independência de 03 eventos (A,B,C) simultaneamente?
– P(AB) = P(A) P(B) – P(AC) = P(A) P(C) – P(BC) = P(B) P(C)
– P(ABC) = P(A) P(B) P(C) – E para n eventos?
Exemplos Finais
• Um piloto de Fórmula 1 acaba de entrar no boxe com seu carro. Ele sabe que o carro apresenta pelo menos um entre dois problemas: de injeção e ou de bobina. A probabilidade de haver problema de injeção é de 60% e a de bobina, 70%. Por outro lado, as probabilidade de o carro retornar à corrida são:
a) 80% se houver só problema de bobina.
b) 40% de houver só problema de injeção.
c) 20% se houver ambos os problemas.
Pergunta-se:
i) Qual a probabilidade de que o carro esteja com os dois problemas?
ii) Qual a probabilidade de que o carro retorne à corrida?
iii) Se o carro retornar à corrida, qual a probabilidade de que ele estivesse com os dois problemas?
iv) Qual a probabilidade do carro retornar à corrida, sabendo-se que o piloto é Rubens Barrichelo?
Exemplos
• Suponha que João recebeu um diagnóstico, após um exame hormonal, de que ele é homossexual. Ele entra em pânico. Então seu amigo, que está cursando a disciplina de processos estocásticos, diz a ele para se acalmar que ele vai fazer algumas contas para ver a real possibilidade deles continuarem amigos e freqüentarem JUNTOS o mesmo vestiário na academia.
– A proporção de homossexuais na sociedade é de 10%.
– A probabilidade de falso negativo no teste é de 40%.
– A probabilidade de falso positivo é de 2%.