Académique Documents
Professionnel Documents
Culture Documents
Exemplo 20. Os quatro itens a seguir ilustram experimentos aleatrios, pois no sabemos,
a. Jogar uma moeda duas vezes e observar a seqncia obtida de caras e coroas.
aleatrio.
Todo experimento aleatrio tem associado um espao amostral. O Exemplo 21 ilustra esse
fato.
45
Experimento aleatrio
Espao amostral
: = {1, 2, 3, 4, 5, 6}
b. Lanar uma moeda duas vezes e observar as faces : = {CC,CK,KC,KK}, com C = Cara
obtidas
e K = Coroa
46
:
c
em que A no ocorre.
Exemplo 23. Operaes com eventos. Seja : = {1, 2, 3, 4, 5, 6}. Considere os seguintes
eventos: A = {2, 4, 6}, B = {4, 5, 6} e C = {1, 3, 5}. Os eventos a seguir ficam assim:
A B = {4, 6}
AC=
A B = {2, 4, 5, 6}
A Bc = {1, 2, 3, 4, 6}
Eventos disjuntos
Dois eventos A e B so mutuamente exclusivos ou disjuntos se eles no podem ocorrer
simultaneamente (A B = ).
Aps essas quatro definies, acreditamos que o leitor esteja preparado para aprender a
calcular probabilidades. Sugerimos assim, que faa os dois primeiros exerccios da seo 1.4
antes de prosseguir.
47
Fermat
Pascal
Huygens
No entanto, fcil perceber que o termo probabilidade j est enraizado no senso comum,
pois as pessoas vivem o cotidiano calculando implicitamente algumas probabilidades, tais
como situaes de sua vida pessoal; organizando-se em relao a horrios a cumprir, levando
em conta as circunstncias do trfego; agasalhando-se ao sair de casa se a previso do tempo
indicar uma frente fria. Em resumo, prevenindo-se em situaes de risco.
1) Mtodo Clssico
3) Mtodo Subjetivo
2) Mtodo Freqentista
48
O primeiro devido a Laplace e o mais conhecido, pois relaciona eventos favorveis com
eventos possveis. O segundo consiste em repetir um experimento vrias vezes. O terceiro
baseado na opinio pessoal, e o ltimo devido a Kolmogorov e baseia-se no princpio de que
qualquer experimento pode ser modelado.
Mtodo Clssico
Consideremos o caso em que se joga um dado repetidas vezes. O dado tem seis faces: 1, 2, 3,
4, 5, 6. Se o dado homogneo, equilibrado, jogando-o uma vez no h razo para dizermos
que determinada face tenha preferncia sobre as outras. Todos os seis resultados so
igualmente possveis. Ento a probabilidade de aparecer a face 3, por exemplo, de 1/6. O
evento que nos interessa consiste em um elemento, e o espao amostral tem seis elementos.
P(A)
(5.1)
Exemplo 25. No lanamento de uma moeda equilibrada, qual a probabilidade de aparecer uma
Cara? O espao amostral associado : = {Cara, Coroa}. Pela definio clssica, a
probabilidade de ocorrncia do evento A = {Cara} P(A) = 1/2. Note que o nmero de
elementos em : 2 e o nmero de elementos em A 1.
Mtodo Freqentista
A definio clssica de probabilidade s se aplica a espaos amostrais em que os eventos
simples so igualmente possveis. Esse o caso da maioria das aplicaes de probabilidades
aos jogos de azar, rea que, precisamente, suscitou os primeiros problemas prticos resolvidos
pela teoria das probabilidades. Esses mesmos jogos, entretanto, repetidos inmeras vezes,
levaram a considerar a probabilidade de um evento como a freqncia relativa, ou seja, como a
proporo de vezes que um evento ocorre em uma srie suficientemente grande de realizaes
49
P( A )
(5.2)
Mtodo Subjetivo
Definio 5.3. Cada indivduo, baseado em informaes anteriores e em sua opinio a respeito
de um evento em questo, pode ter uma resposta para a probabilidade deste evento.
Exemplo 26. Um mdico experiente consegue calcular uma probabilidade de o indivduo ter
uma determinada doena a partir dos sintomas que o indivduo apresenta. Note que outro
mdico pode calcular uma probabilidade diferente para o mesmo indivduo. Da o carter
subjetivo.
Mtodo Moderno
A definio clssica, freqentista e subjetiva de probabilidade, embora sejam bastante
intuitivas e devendo, por isso, ser sempre lembradas, no so definies matematicamente
aceitveis de probabilidade. Por exemplo, no caso da definio freqentista, como saber se,
medida que o nmero de repeties de um experimento cresce, a freqncia relativa converge
para um nmero. Alm das dificuldades com o limite, existem muitas situaes em que
necessrio o uso de probabilidades, e, no entanto, no nem possvel nem intuitivo pensar em
repeties.
50
Definio 5.4. Probabilidade uma funo P() , que associa a cada evento do espao amostral
:, um nmero real, pertencente ao intervalo [0, 1], satisfazendo os seguintes axiomas:
Axioma 1. 0 P(A) 1.
Axioma 2. P(:) = 1.
Axioma 3. Se A e B so eventos mutuamente exclusivos: P(AB) = P(A) + P(B).
A partir desses axiomas, podemos demonstrar as seguintes propriedades:
Exemplo 27. Seguem alguns exemplos de funes j descobertas na literatura para calcular
probabilidades, que sero discutidas em detalhes nas prximas sees.
Distribuio
Funo de probabilidades
Bernoulli
P(X
P(X
Binomial
Hipergeomtrica
Poisson
P( X
p x 1 p
1 x
r N r
x n x
x)
P(X
1
V 2S
51
N
, 0 d x d mnimo(r, n).
n
e O O x
, x = 0, 1, ...
x!
x)
f (x)
f (x)
, x = 0, 1
n x
p 1 p n x , x = 0, 1, ..., n
x
x)
Uniforme
Normal
x)
1
,<x<
ED
1
2V2
x P 2
, - f < x< + f
1.4 Exerccios
1. Determine o espao amostral dos seguintes experimentos:
a. Lanar 2 dados e observar as faces superiores;
b. Lanar 2 dados e observar a soma das faces superiores;
c. Uma urna contm 10 bolas azuis e 10 brancas. 3 bolas so retiradas ao acaso e as cores so
anotadas;
d. Uma moeda lanada consecutivamente at o aparecimento da 1 cara;
e. Uma mquina produz 20 peas por hora. Ao final da primeira hora de produo, observa-se
o n de defeituosas;
f. Medio do tempo de vida de uma lmpada antes de se queimar:
2. Considere o seguinte espao amostral: : = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}. Defina os eventos:
A = nmero par:
B = nmero mpar:
C = mltiplo de 3:
D = maior ou igual a 6:
E = maior que 8:
F = menor que 5:
G = menor ou igual a 3:
e. C D =
b. A B =
f. E F =
c. (A B)c =
g. (A G)c =
d. (A B)c =
h. (Ec B)c =
COROA (K ) e a outra face de CARA (C). Suponham que haja interesse em saber se a sua
moeda honesta (isto significa saber se a probabilidade de CARA de sua moeda 1/2 ou,
em termos percentuais, se a chance de sair Cara 50%).
52
Passo 2 Um membro do grupo vai lanar a moeda e o outro vai marcar os resultados na
Passo 3 Continuando com a planilha, trocar de lugar com o parceiro, voltar para os itens a) e
d) Agora a linha 4 da planilha deve ser preenchida em cada posio deve ser colocado o
nmero acumulado de CARAS, at aquela jogada (verifique que a jogada est explicitada na
linha 1- que a linha n). Discutir com outro membro do grupo para ver se est claro se no,
pergunte! A linha de baixo continuao do acumulado da linha de cima.
Jogada(n)
C ou K
1 ou 0
Caras Acumuladas (m)
Frequncia Relativa (m/n)
1)
2)
3)
4)
5)
Jogada(n)
C ou K
1 ou 0
Caras Acumuladas (m)
Frequncia Relativa (m/n)
31 32 33
10
12
14
17
40
20
47
53
25
50
30
55
60
linhas 4 e 5 da planilha:
n
10
20
30
40
50
60
m/n
Passo 6 Completar o grfico, usando os valores da tabela recm-construda, do seguinte
modo:
Eixo Y valores m/n Eixo X valores da linha 1: (n)
Passo 7 Comparar os resultados com os colegas e interpretar o resultado comentando sobre a
30
40
50
60
seja, probabilidade o valor em que a freqncia relativa se estabiliza aps um nmero muito
grande de ensaios.
54
P(A B)
,
P(B)
P(B) ! 0
(6.1)
P(A B)
P(B)P(A | B)
(6.2)
Exemplo 28. Um grupo de pessoas foi classificado quanto a peso e presso arterial, de acordo
Excesso
Normal
Deficiente
Total
Alta
0,10
0,08
0,02
0,20
Normal
0,15
0,45
0,20
0,80
Total
0,25
0,53
0,22
1,00
55
a. Qual a probabilidade de uma pessoa escolhida ao acaso nesse grupo ter presso alta?
b. Se se verifica que a pessoa escolhida tem excesso de peso, qual a probabilidade de ela ter
Soluo:
a. Como a pessoa escolhida ao acaso em um grupo em que 20% tem presso alta, chamando
P(A | B)
P(A B)
P(B)
0,10
0,25
0,40
(6.3)
Exemplo 29. Joaninha tem probabilidade de 0,8 de passar no vestibular, enquanto que
56
B2
B1
B3
B5
B4
Vamos supor que o evento A possa ocorrer juntamente com um e s um dos n eventos
mutuamente exclusivos B1, B2,..., Bn. Em outras palavras vamos assumir que
A = (A B1) (A B2) ... (A Bn),
(6.4)
(6.5)
(6.6)
= P(A | B i ) P(B i )
i 1
57
Exemplo 30. Uma mineradora explora trs minas denominadas B1, B2 e B3. A partir de
pesquisas anteriores, sabe-se que a probabilidade de encontrar ouro na mina B1 0,1, na mina
B2 0,05 e na mina B3 0,2. Alm disso, essa mineradora tem explorado as minas B1, B2 e B3
nas propores 0,3, 0,2 e 0,5, respectivamente. Qual a probabilidade de a mineradora
encontrar ouro?
Soluo: Seja A = {encontrar ouro} e Bj = {explorando a j-sima mina j}. Pela regra da
0,14
dado por
P(B i | A)
P( A | B i ) P( B i )
n
P(A | B )P(B )
i
i 1
Exemplo 31. Considere novamente o Exemplo 30. Sabendo-se que a mineradora encontrou
ouro, qual a probabilidade de que tenha sido na mina B3?
58
P( A | B 3 ) P( B 3 )
n
P( A | B ) P( B )
i
0,2 x 0,5
0,14
0,10
# 0,7143
0,14
i 1
2.5 Exerccios
1. O campo da Engenharia da confiabilidade se desenvolveu rapidamente a partir do incio da
dcada de 1960. Um tipo de problema encontrado o de se estimar a confiabilidade de um
sistema a partir das confiabilidades dos subsistemas. A confiabilidade definida aqui como a
probabilidade do funcionamento apropriado durante um certo perodo de tempo. Considere a
estrutura de um sistema em srie simples, como o da figura a seguir:
Subsistema 1
Subsistema 2
59