UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Probabilidade e Estatstica
Prof. Narciso Gonalves da Silva
www.pessoal.utfpr.edu.br/ngsilva

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Probabilidade

Experimento Aleatrio
Um experimento dito aleatrio quando satisfaz as seguintes condies: Pode ser repetido indefinidamente

possvel descrever todos os resultados do experimento, sem predizer com certeza qual ocorrer Obedece regularidade estatstica, ou seja, quando o experimento for repetido um grande nmero de vezes, surgir uma configurao definida

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Probabilidade

Experimento Aleatrio
Exemplos: Lanar um dado e observar a face superior Lanar duas moedas e verificar as faces que ocorrem Verificar o tempo de vida de uma lmpada

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Probabilidade

Espao Amostral
o conjunto de todos os resultados possveis de um experimento aleatrio Exemplo: Considere o experimento aleatrio sendo o lanamento de duas moedas no viciadas. E = duas moedas no viciadas so lanadas

Seja cara = k e coroa = c

= {(k,k), (k,c), (c,k), (c,c)}

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Probabilidade

Tipos de Espao Amostral

1) Finito: tem um nmero finito de elementos
Exemplo: Lanamento de um dado = {1, 2, 3, 4, 5, 6}

2) Infinito enumervel ou contvel: tem um nmero infinito de elementos enumerveis

Exemplo: Uma moeda lanada sucessivas vezes at que ocorra uma coroa (c) = {c, kc, kkc, kkkc, kkkkc, ... }

3) Infinito no enumervel ou no contvel: tem um nmero infinito de elementos no enumerveis

Exemplo: Observar o tempo de vida de uma lmpada = {x / x R, x 0}
5

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Probabilidade

Evento
qualquer subconjunto de um espao amostral
Sempre deve ser considerado o evento impossvel (aquele que nunca ocorre) e o evento certo (que prprio espao amostral ) Exemplo: No lanamento de um dado no viciado, considere o evento A quando ocorre um nmero par: E = uma dado no viciado lanado A = face par ocorre = {1, 2, 3, 4, 5, 6}

A = {2, 4, 6}

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Operaes com Eventos

Sejam A e B dois eventos de um espao amostral

a) Unio

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Operaes com Eventos

b) Interseco

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Operaes com Eventos

c) Diferena

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Operaes com Eventos

d) Complementar

10

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Operaes com Eventos

e) Mutuamente Excludentes

11

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Operaes com Eventos

Exemplos: 1) Sendo os eventos A = {1, 3, 4, 7, 8}, B = {1, 2, 5, 6, 7, 9}

e = N, determinar:
a) A U B

b) A B
c) A B d) B A

e) Ac B

12

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Operaes com Eventos

Exemplos:
2) Numa pesquisa, das pessoas entrevistadas, 120 assistem a emissora A, 150 assistem a emissora B, 40 assistem as duas emissoras e 120 no assistem nenhuma das emissoras. Quantas pessoas foram entrevistadas? Resposta: 350 pessoas 3) Sejam A, B e C eventos de um espao amostral . Exprimir os eventos abaixo utilizando as operaes de unio, interseco e complementar. a) Somente o evento B ocorre. Resposta: Ac B Cc b) Pelo menos um evento ocorre. Resposta: A U B U C c) Os trs eventos ocorrem. Resposta: A B C d) Exatamente dois eventos ocorrem. Resposta: (A B Cc) U (A Bc C) U (Ac B C)
13

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Operaes com Eventos

Exemplos: 4) Exprimir os eventos hachurados nos diagramas abaixo utilizando as operaes de unio, interseco e complementar.

Ocorre o evento A

Ocorre o evento A B

Ocorre o evento B U C

Ocorre o evento (A B) U (A C)

Ocorre o evento (A Bc Cc)

14

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Propriedades das operaes com evento

15

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Propriedades das operaes com evento

16

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Partio de um Espao Amostral

17

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Definies de Probabilidade

1) Definio Frequentista (Atribuda Richard von Mises, 1883-1953) Se em N realizaes de um experimento aleatrio, o evento A ocorre nA vezes, ento a frequncia relativa de A nas N realizaes : nA fr = N
E a probabilidade de ocorrncia do evento A : nA P( A)=lim N N

18

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Definies de Probabilidade

2) Definio Clssica (Atribuda Laplace) Seja um espao amostral finito , formado por eventos equiprovveis. Sendo A um evento de , ento a probabilidade de ocorrncia de A dada por:

Pierre-Simon Laplace (1749-1827)

n( A ) , com 0 P(A) 1, P( A ) = n()

Onde: n(A) o nmero de elementos do evento A n() o nmero de elementos do espao amostral
19

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Definies de Probabilidade

Exemplo: Qual a probabilidade de sair ao menos uma cara em dois lanamentos consecutivos de uma moeda no viciada? Soluo: cara = k e coroa = c = {(k,k), (k,c), (c,k), (c,c)} A = sair ao menos uma cara A = {(k,k), (k,c), (c,k)}
n( A ) 3 P( A ) = = = 75% n() 4
20

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Axiomas da Probabilidade

Considere os eventos A e B associados ao espao amostral .

1) 0 P(A) 1
2) P() = 1 3) Se A e B so eventos mutuamente excludentes, ento P(A U B) = P(A) + P(B)

21

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Teoremas da Probabilidade

1) Se um conjunto vazio, ento P() = 0.

Demonstrao:

Tem-se: U =
Como = , ento e so mutuamente excludentes. Aplicando o 3 axioma: P( U ) = P() + P() = P() P() = 0

Exemplo:
A probabilidade de ocorrer face 2 e 3 no lanamento de um dado no viciado P() = 0, enquanto que a probabilidade de ocorrer face 2 ou 3 1/6 + 1/6 = 1/3.
22

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Teoremas da Probabilidade

2) Se Ac o evento complementar do evento A, ento P(Ac) = 1 P(A).

Demonstrao: Ac U A = P(Ac U A) = P() Ac A = , ento Ac e A so mutuamente excludentes. Aplicando o 3 axioma: P(Ac) + P(A) = P() P(Ac) = P() P(A) P(Ac) = 1 P(A)
23

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Teoremas da Probabilidade

Exemplo:
Uma urna contm 4 bolas verdes, 3 bolas brancas e 8 bolas amarelas. Uma bola retirada aleatoriamente. Determinar a probabilidade de que a bola retirada: a) No ser amarela b) No ser verde e nem amarela Soluo: V = a bola retirada verde B = a bola retirada branca A = a bola retirada amarela P(V) = 4/15 = 26,67% P(B) = 3/15 = 20,00% P(A) = 8/15 = 53,33%

a) Ac = a bola retirada no amarela P(Ac) = 1 P(A) = 1 8/15 = 7/15 = 46,67% = P(V U B) b) Vc Ac = a bola retirada no verde e nem amarela Da lei de Morgan: Vc Ac = (V U A)c P[(V U A)c] = 1 P(V U A). Como V e A so mutuamente excludente: P[(V U A)c] = 1 [P(V) + P(A)] = 1 4/15 8/15 = 3/15 = 20,00% = P(B)

24

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Teoremas da Probabilidade

3) Teorema da Soma Se A e B so dois eventos quaisquer, ou seja, podem ser mutuamente excludentes ou no, ento: P(A U B) = P(A) + P(B) - P(A B)
Demonstrao: Se A B , ento A e (Ac B) so mutuamente excludentes e A U (Ac B) = A U B, logo: P[(A U (Ac B)] = P(A U B) = P(A) + P(Ac B) (1) Considerando que B a unio dos eventos mutuamente excludentes (B A) e (B Ac), ento: P(B) = P(B A) + P(B Ac) P(B Ac) = P(B) - P(B A) (2) Substituindo (2) em (1), tem-se: P(A U B) = P(A) + P(B) - P(A B)
25

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Teoremas da Probabilidade

Exemplo:
Dois dados no viciados foram lanados simultaneamente. Determine a probabilidade de ocorrer ao menos um ponto 5. Soluo: A = ocorrer 5 no dado 1 B = ocorrer 5 no dado 2 A U B = ocorrer pelo menos um cinco
1 1 2 3 4 5 6

(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

2
3 4 5 6

(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)

(3,1) (3,2) (3,3) (3,4) (3,5) (3,6) (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) (5,1) (5,2) (5,3) (5,4) (5,5) (5,6) (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

n() = 36 n(A) = 6 n(B) = 6 n(A B) = 1

P(A U B) = P(A) + P(B) P(A B) = 6/36 + 6/36 1/36 = 11/36 = 30,56%

26

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Teoremas da Probabilidade

4) Se A, B e C so eventos quaisquer, ou seja, podem ser mutuamente excludentes ou no, ento:

P(A U B U C) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P(A B C)

5) Se A - B a diferena entre os eventos quaisquer A e B, ento, P(A - B) = P(A) - P(A B). Demonstrao: A = (A B) U (A B) Como (A B) e (A B) so mutuamente excludentes, ento aplicando o 3 axioma: P(A) = P[(A B) U (A B)] = P(A B) + P(A B). Logo: P(A - B) = P(A) - P(A B)
27

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Teoremas da Probabilidade

Exemplo: Prove que P[(A Bc) U (Ac B)] = P(A) + P(B) 2.P(A B) Soluo: A Bc = A B e Ac B = B A Como A Bc e Ac B so mutuamente excludentes: P[(A Bc) U (Ac B)] = P(A Bc) + P(Ac B) Sabe-se que: P(A Bc) = P(A B) = P(A) P(A B) e P(Ac B) = P(B A) = P(B) P(B A) sendo A B = B A

Ento: P[(A Bc) U (Ac B)] = P(A) + P(B) 2.P(A B)

28

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Probabilidade Condicional e Independncia

Considere o experimento aleatrio E = um dado honesto lanado e a face observada e os eventos A = ocorre face 3 e B = ocorre face mpar = {1, 2, 3, 4, 5, 6} A = {3} B = {1, 3, 5} Qual a probabilidade do evento A ocorreu? n( A ) 1 P( A ) = = n() 6

Qual a probabilidade do evento B ocorreu? n(B) 3 1 P(B) = = = n() 6 2

Qual a probabilidade do evento A ocorrer sabendo que o evento B j ocorreu?

P( A / B) =

n( A ) 1 = n(B) 3

29

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Probabilidade Condicional e Independncia

Probabilidade Condicional Definio: Sejam A e B dois eventos quaisquer de uma espao amostral , com P(B) > 0. A probabilidade de A ocorrer, na hiptese de B j ter ocorrido, denotado por P(A/B), dada por:
P( A / B) = P( A B) P(B)

No exemplo anterior: E = um dado honesto lanado e a face observada = {1, 2, 3, 4, 5, 6} A = ocorre face 3 = {3} B = ocorre face mpar = {1, 3, 5} A B = {3}

P( A B) 1 6 1 P( A / B) = = = P(B) 36 3

30

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Probabilidade Condicional e Independncia

Regra do Produto Da probabilidade condicional tem-se: P(A B) = P(A/B).P(B) Dois eventos A e B so ditos independentes se a probabilidade de ocorrncia de um evento no interfere na probabilidade de ocorrncia do outro evento, ou seja: P(A/B) = P(A) P(B/A) = P(B) Logo: P(A B) = P(B A) = P(A).P(B)

31

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Probabilidade Condicional e Independncia

Exemplos:
1) Num lote de 12 peas, 4 so defeituosas. Duas peas so retiradas, uma a uma sem reposio. Qual a probabilidade de que ambas sejam no defeituosas? Soluo: A = primeira pea no defeituosa => P(A) = 8/12 B = segunda pea no defeituosa => P(B/A) = 7/11 P(A B) = P(A).P(B/A) = 8/12.7/11 = 14/33 = 42,42% Ou, utilizando a definio clssica de probabilidade: N = duas peas retiradas so no defeituosas
2 n() = C12

12! = = 66 (12 - 2)!2!

2 n(N) = C8

8! = = 28 (8 - 2)!2!

2 C8 28 P( A B) = 2 = = 42,42% C12 66

32

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Probabilidade Condicional e Independncia

Exemplos:
2) Considere no exemplo anterior que os eventos A e B so independentes, ou seja, existe reposio da primeira pea aps verificar se ou no defeituosa. Soluo: A = primeira pea no defeituosa => P(A) = 8/12 B = segunda pea no defeituosa => P(B) = 8/12 P(A B) = P(A).P(B/A) = 8/12.8/12 = 4/9 = 44,44% Ou, utilizando a definio clssica de probabilidade: N = duas peas retiradas com reposio so no defeituosas

n() = 12.12 = 144

n(N) = 8.8 = 64

n(N) 64 P( A B) = = = 44,44% n() 144

33

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Teorema da Probabilidade Total

Definio: Considere A1, A2, A3 ... An uma partio do espao amostral e B um evento qualquer de . A probabilidade do evento B ocorrer dada por: n P(B) = P( A i ).P(B / A i )
i=1

Tem-se:

B = (A1 B) U (A2 B) U U (An B) P(B) = P[(A1 B) U (A2 B) U U (An B)]

Aplicando o 3 axioma para eventos mutuamente excludentes: P(B) = P(A1 B) + P(A2 B) + + P(An B) Aplicando a regra do produto: P(B) = P(A1).P(B/A1) + P(A2).P(B/A2) + + P(An).P(B/An) Em aplicaes prtica, as probabilidades dos eventos da partio de so conhecidas ou podem ser calculadas, por isso, P(Ai) so chamadas de probabilidades priori dos eventos Ai. 34

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Teorema da Probabilidade Total

Exemplo: (MAGALHES e LIMA, 2010, pag. 58)

Um fabricante de sorvete recebe 20% do todo o leite que utiliza de uma fazenda F1, 30% de uma fazenda F2 e 50% de uma fazenda F3. Um rgo de fiscalizao inspecionou as fazendas e observou que 20% do leite produzido na fazenda F1 estava adulterado por adio de gua, enquanto que para F2 e F3, essa proporo era de 5% e 2%, respectivamente. Na fbrica de sorvete os leites so armazenados dentro de um refrigerador sem identificao das fazendas. Qual a probabilidade de que uma amostra de leite retirada do refrigerador esteja adulterada?
Soluo: Denotando por B = o leite est adulterado, deseja-se ento P(B). A probabilidade de que o leite est adulterado e que procedente da fazenda: F1: P(B/F1) = 0,20 F2: P(B/F2) = 0,05 F3: P(B/F3) = 0,02 A probabilidade de que o leite (adulterado ou no) procedente da fazenda: F1: P(F1) = 0,20 F2: P(F2) = 0,30 F3: P(F3) = 0,50 Logo: P(B) = P(F1).P(B/F1) + P(F2).P(B/F2) + P(F3).P(B/F3) P(A) = 0,20.0,20 + 0,30.0,05 + 0,50.0,02 = 0,065 = 6,5%

35

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Teorema de Bayes

Definio: Considere A1, A2, A3 ... An uma partio do espao amostral e B um evento qualquer de . n Do teorema da probabilidade total tem-se: P(B) = P( A i ).P(B / A i )
i=1

Onde P(Ai) so as probabilidade priori dos eventos Ai.

Vamos supor agora que o evento B tenha ocorrido e desejamos determinar a probabilidade posteriori do evento Ai, ou seja, P(Ai/B). P( Ai B) P( A i / B) = Por definio, tem-se: P(B) Aplicando a regra do produto e o teorema da probabilidade total:
P( A i / B) = P( A i ).P(B / A i )
36

P( Ai ).P(B / Ai )
i=1

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Teorema de Bayes

Exemplo 1: Considerando o exemplo anterior do fabricante de sorvete, sabendo que a amostra est adulterada, determinar a probabilidade de que o leite tenha sido fornecido pela fazenda F2.
Soluo: Deseja-se ento P(F2/B).

Por definio:

P(F2 B) P(F2 ).P(B / F2 ) P(F2 / B) = = 3 P(B) P(Fi ).P(B / Fi )

i=1

0,30.0,05 P(F2 / B) = = 0,2308 = 23,08% 0,065

37

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Teorema de Bayes

Exemplo 2: Determinadas peas so produzidas em trs fbricas F1, F2, e F3, sendo que a fbrica 1 e 2 produzem a mesma proporo de peas e a fbrica 3 produz o dobro das peas que cada uma das outras duas fbricas produzem. Sabe-se tambm, que 2% das peas produzidas pela fbrica 1 so defeituosas e que a proporo para as fbricas 2 e 3 so 3% e 4%, respectivamente. Qual a probabilidade de que uma pea defeituosa tenha origem da fbrica 2? Soluo: Sendo x a proporo de peas produzidas pelas fbricas 1 e 2, tem-se: x + x + 2x = 1. Logo x = 25%. Denotando por A = a pea defeituosa, deseja-se ento P(F2/A). A probabilidade de que a pea (defeituosa ou no) de procedncia da fbrica: F1: P(F1) = 0,25; F2: P(F2) = 0,25; F3: P(F3) = 0,50

A probabilidade de que a pea defeituosa e de procedncia da fbrica: F1: P(A/F1) = 0,02; F2: P(A/F2) = 0,03; F3: P(A/F3) = 0,04 Logo: P(A) = P(F1).P(A/F1) + P(F2).P(A/F2) + P(F3).P(A/F3) = 0,0325 = 3,25%
Portanto: P(F2 / A ) =
P(F2 A ) P(F ).P( A / F2 ) 0,25.0,03 = 3 2 = = 23,08% P( A ) 0,0325 P( Ai ).P( A / Fi )
i=1

38