Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR

Universidade Federal Fluminense

Est at st ica I 1
Trabalho Est at st ica I
Probabilidades
Prof Ana Paula
Redson Fully
Roni Pet erson Vieira
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 2
ndice
- Hist rico
- Definio clssica de Probabilidades
- Espao Amost ral
- Event os
- Event os Dependent es
- Event os I ndependent es
- Event os Complement ares
- Event os Mut uament e Exclusivos
- Regra da Adio de Probabilidades
- Regra da Mult iplicao de Probabilidade
- Probabilidade condicional
- Teorema de Bayes
- List a de Exercicios
- Bibliografia
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 3
Hi st r i co
A palavra probabilidade deriva do Lat im probare (provar ou t est ar). I nformalment e,
provvel uma das muit as palavras ut ilizadas para event os incert os ou conhecidos, sendo
t ambm subst it uda por algumas palavras como sort e , risco , azar , incert eza,
duvidoso , dependendo do cont ext o.
Tal como acont ece com a t eoria da mecnica, que at ribui definies precisas a
t ermos de uso dirio, como t rabalho e fora, t ambm a t eoria das probabilidades t ent a
quant ificar a noo de provvel.
Em essncia, exist e um conj unt o de regras mat emt icas para manipular a
probabilidade. Exist em out ras regras para quant ificar a incert eza, como a t eoria de
Dempst er-Shafer e a lgica difusa fuzzy logic, mas est as so, em essncia, diferent es e
incompat veis com as leis da probabilidade t al como so geralment e ent endidas.
O est udo cient fico da probabilidade um desenvolviment o moderno. Os j ogos de
azar most ram que o int eresse em quant ificar as idias da probabilidade t em exist ido por
milnios, mas as descries mat emt icas de uso nesses problemas s apareceram muit o
mais t arde.
Fermat deu uma grande cont ribuio na Teoria da Probabilidade. Seus avanos
nest a rea deram-se por volt a de 1654, quant o passou a t rocar cart as com Pascal. A
probabilidade era um assunt o desconhecido por Fermat at ent o, que passou a obj et ivar
descobrir as regras mat emt icas que descrevessem com maior preciso as leis do acaso.
Post eriorment e, ambos det erminaram as regras essenciais da probabilidade, e Pascal
chegou at mesmo a se convencer de que poderia ut ilizar as suas t eorias para j ust ificar a
crena em Deus. Mais especificament e em uma cart a dat ada de 24 de agost o de 1654,
endereada a Pascal, Fermat discut e o seguint e problema: dois j ogadores A e B, quando A
precisa de 2 pont os para ganhar e B 3 pont os, o j ogo ser cert ament e decidido em quat ro
j ogadas. Para saber quem t em mais chance de ganhar, o mat emtico escreve t odas as
combinaes possveis ent re as let ras a, que represent a uma j ogada em favor do j ogador
A e b, que represent a uma em favor do j ogador B:
01 aaaa 09 baaa
02 aaab 10 baab
03 aaba 11 baba
04 aabb 12 babb
05 abaa 13 bbaa
06 abab 14 bbab
07 abba 15 bbba
08 abbb 16 bbbb
Assim, sendo, em um t ot al de 16, t m-se 11 casos favorveis para A cont ra 5
favorveis para B, vist o que a ocorrncia de 2 ou mais a favorvel para A e a ocorrncia
de 3 ou mais b para B. A soluo dada por Pascal a seguint e: suponhamos que cada um
dos j ogadores apost e a mesma quant ia, 32 pist olas (moeda da poca), aquele que t irar
primeirament e t rs vezes, seguidas ou no, o nmero que apost a no dado, de 1 a 6,
ganhar, num t ot al de quat ro part idas. Suponhamos t ambm que o primeiro j ogador
t enha ganhado duas part idas e o segundo apenas uma. Como dividir, se a part ida for
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 4
int errompida agora, as 64 pist olas ? Pascal explica que, se o j ogo t erminar empat ado
ent o cada um fica com 32 pist olas, logo o primeiro j ogador j as t em, porm como ele
ainda pode ganhar, deve-se part ilhar as out ras 32 pist olas, ficando o primeiro j ogador com
48 e o segundo com 16.
Est e problema foi propost o por Pascal, que incit ou Fermat a reflet ir sobre
ele, Rose Ball (1960) explicit a apenas mais um problema de probabilidade relacionado a
Fermat , que t ambm foi propost o por Pascal e t ambm est relacionado com j ogos, t rat a-
se da seguint e quest o: uma pessoa quer t irar 6 no dado em 8 j ogadas, suponhamos que
ela t enha feit o 3 t ent at ivas e falhado, quant o de dinheiro ela poderia apost ar em seu
sucesso, ou sej a, t irar um 6, na quart a j ogada? Fermat raciocinou da seguint e maneira: a
chance de se t irar um 6 no dado de 1/ 6, logo ela poderia apost ar 1/ 6 do dinheiro, no
obt endo sucesso, na segunda t ent at iva, ela deveria apost ar 1/ 6 do que sobrou do
dinheiro, ist o , 5/ 36, e assim por diant e, t endo que apost ar na quart a t ent at iva 125/ 1296
de seu dinheiro. I sso ilust ra o modo descompromissado com que Fermat t rat ava a
probabilidade, resolvendo apenas os problemas que foram post ulados por Pascal em suas
correspondncias.
Christ iaan Huygens (1657) deu o primeiro t rat ament o cient fico ao assunt o. A Art e
da Conj ect ura de Jakob Bernoulli (pst umo, 1713) e a Dout rina da Probabilidade de
Abraham de Moivre (1718) t rat aram o assunt o como um ramo da mat emt ica.
A idia geral da probabilidade freqent ement e dividida em dois conceit os
relacionados:
Probabilidade aleat ria, que represent a uma srie de event os fut uros cuj a
ocorrncia definida por alguns fenmenos fsicos aleat rios. Est e conceit o poder ser
dividido em fenmenos fsicos que so previsveis at ravs de informao suficient e e
fenmenos que so essencialment e imprevisveis. Um exemplo para o primeiro t ipo uma
rolet a, e um exemplo para o segundo t ipo um vazament o radioat ivo.
Probabilidade Epist emolgica, que represent a nossas incert ezas sobre proposies
quando no se t em conheciment o complet o das circunst ncias causat ivas. Tais
proposies podem ser sobre event os passados ou fut uros, mas no precisam ser. Alguns
exemplos de probabilidade epist emolgica so designar uma probabilidade proposio
de que uma lei da Fsica propost a sej a verdadeira, e det erminar o quo "provvel" que
um suspeit o comet eu um crime, baseado nas provas apresent adas.
uma quest o abert a se a probabilidade aleat ria redut vel probabilidade
epist emolgica baseado na nossa inabilidade de predizer com preciso cada fora que
poderia afet ar o rolar de um dado, ou se t ais incert ezas exist em na nat ureza da prpria
realidade, part icularment e em fenmenos qunt icos governados pelo princpio da
incert eza de Heisenberg. Embora as mesmas regras mat emt icas se apliquem no
import ando qual int erpret ao sej a escolhida, a escolha t em grandes implicaes pelo
modo em que a probabilidade usada para modelar o mundo real.
Como out ras t eorias, a t eoria das probabilidades uma represent ao dos
conceit os probabilst icos em t ermos formais - isso , em t ermos que podem ser
considerados separadament e de seus significados. Esses t ermos formais so manipulados
pelas regras da mat emt ica e da lgica, e quaisquer result ados so ent o int erpret ados ou
t raduzidos de volt a ao domnio do problema.
Houve pelo menos duas t ent at ivas com sucesso de formalizar a probabilidade, que
foram as formulaes de Kolmogorov e a de Cox. Na formulao de Kolmogorov,
conj unt os so int erpret ados como event os e a probabilidade propriament e dit a como uma
medida numa classe de conj unt os. Na de Cox, a probabilidade ent endida como uma
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 5
primit iva (ist o , no analisada post eriormente) e a nfase est em const ruir uma
associao consist ent e de valores de probabilidade a proposies. Em ambos os casos, as
leis da probabilidade so as mesmas e a probabilidade conj unt a de dois event os ou
proposies o produt o da probabilidade de um deles e a probabilidade do segundo,
condicionado na primeira.
Em suma, razovel pensar que a descobert a de mt odos rigorosos para est imar e
combinar probabilidades t em t ido um impact o profundo na sociedade moderna. Assim,
pode ser de ext rema import ncia para muit os cidados compreender como est imat ivas de
chance e probabilidades so feit as e como elas cont ribuem para reput aes e decises,
especialment e em uma democracia.
Def i ni o cl ssi ca de Pr obabi l i dades
Sendo n( A) o nmero de element os A e n( E) o nmero de element o do espao
amost ral E, (A c E), a probabilidade do event o A, que se indica por P( A) , o numero
real:
Onde n( A) o nmero de casos favorveis ao event o e n( E) o nmero de casos
possveis, desde que sej am igualment e provveis (equiprovveis).
Pr opr i edades
01. P(E) = 1
02. P(C) = 0
03. 0 s P(A) s 1
04. P(A) + P() = 1
Espao Amost r al
Definimos como espao amost ral (E) o conj unt o de t odos result ados possveis em
um experiment o aleat rio.
Chamamos de experiment o aleat rio qualquer operao ou procediment o que apresent a
as seguint es propriedades:
- Exist e um conj unt o U de t odos os possveis result ados da operao.
- Na realizao da operao, no possvel prever ou ant ecipar o result ado.
- A operao pode ser realizada n vezes sob as mesmas condies, qualquer que
sej a n, n e N* .
- Para cada valor de n e result ado r , exist e um numero nat ural s , 0 s s s n,que
indica o numero de vezes que o result ado r ocorreu. Os nmeros s e (s/ n) so
chamados, nessa ordem, de freqncia absolut a e freqncia relat iva do result ado r nas n
realizaes da operao.
- Para cada result ado r possvel exist e um nico numero P( r ) , t al que, quant o
maior for n, t ant o mais a frao (s/ n) se aproxima de P( r ) . Essa propriedade (que foi
descrit a empiricament e) conhecida com est abilidade da f r eqnci a r el at i va.
Para que se possa t er um melhor ent endiment o de espao amost ral, vej a o
exemplo abaixo:
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 6
Ex01: Foi lanada uma moeda, as nicas possibilidades so que ao cair sair cara
ou coroa, ent o seu espao amost ral consist e em cara ou coroa.
Ex02: Um copo de vidro ao cair no cho, t em duas possibilidades de event os,
quebrar ou no, ent o seu espao amost ral quebrar ou no quebrar o copo.
E cada element o do espao amost ral (cara/ coroa ou quebrar/ no quebrar)
chamado de ponto amost ral.
Um espao amost ral ( E) , com n amost ras, onde os event os element ares so t odos
igualment e provveis chamado de espao amost ral equiprovvel ( ou espao amost ral
com amost ras equiprovveis). Por exemplo, no lanament o de um dado honest o a
freqncia relat iva de ocorrncia de qualquer uma das faces se est abiliza em t orno de um
mesmo valor que igual a 1/ 6.
Event os
Todos os subconj untos pert encent es ao espao amost ral (S) so denominados
event os (E). Assim qualquer que sej a (E) e se (E) est iver cont ido em (S), ent o (E) um
event o de (S) . Event os podem ser:
- Event o Cer t o: Se o event o for igual ao espao amost ral ent o (E) chamado
de event o cert o.
- Event o I mpossvel : quando o conj unt o vazio. (E) = C
- Event o El ement ar : Se o event o (E) est cont ido no espao amost ral (S),
ent o E chamado de event o element ar.Por exemplo os event os element ares
no lanament o de um dado so { 1} ,{ 2} ,{ 3} ,{ 4} ,{ 5} , e{ 6} .
- Num espao amost ral finit o(E), com n element os , h 2
n
event os.
Como event os so conj unt os , valem as seguint es operaes :
I nt er seco
Dados os event os A e B :
A B = ( x E| x A , x B)
Uni o
Dados os event os A e B:
A B = { x e E | x e A ou x e B}
E
A B
E
A B
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 7
Event os Dependent es
Se A e B dois event os do espao amost ral (E). A e B so dit os dependent es se e
se soment e se, a probabilidade de um deles ocorrer int erferi na probabilidade do out ro
ocorrer, ent o:
P( A B) = P( A) .P( B) , os event os A e B so dependent es.
Ex01: Numa urna exist em 03 bolas azuis e 02 brancas. Ret irando se dessa urna,
sucessivament e, sem reposio,02 bolas , qual a probabilidade de obt ermos uma, bola
azul e , depois uma branca ?
Sej am os event os: A: sair bola azul. B: sair bola branca.
P(A) = (3/ 5)
P(B/ A) = (2/ 4) (pois uma bola j saiu, azul)
P(A B) = P(A).P(B/ A) = (3/ 5).(2/ 4)= (3/ 10)
Nest e caso, os event os so dependent es pois, para o calculo da probabilidade de
sair bola branca , t ivemos de admitir que o event o bola azul j t ivesse ocorrido.
Event os I ndependent es:
Sej am A e B dois event os de um espao amost ral (E). A e B so dit os
i ndependent es se e se soment e se, a probabilidade de um deles ocorrer no afet ar a
probabilidade do out ro ocorrer, ist o , o conheciment o de que um dos event os ocorreu
no alt era de nenhum modo a nossa est imat iva da probabilidade do out ro event o, ent o :
P( A/ B) = P( A)
P( B/ A) = P( B)
Port ant o se dois event os A e B so independent es t em se que :
P( A B) = P( A) .P( B)
Assim:
Se P( A B) = P( A) .P( B) , os event os A e B so i ndependent es.
Se A e B so event os do espao amost ral ( E) , so event os independent es, ent o:
I ) A e B
c
so independent es.
I I ) A
c
e B so independent es.
I I I ) A
c
e B
c
so independent es.
Ex01: Uma urna cont m 03 bolas azuis e 02 bolas brancas. Ret irando se dessa
urna, com reposio, 02 bolas qual a probabilidade de obt ermos uma bola azul e, depois
uma branca ?
Sej am os event os: A: sair bola azul. B: sair bola branca.
P(A) = (3/ 5)
P(B/ A) = (2/ 5) (pois se a bola azul foi devolvida urna, t udo se passa como se
nada t ivesse ocorrido).
P(A B) = P(A).P(B) = (3/ 5)(2/ 5)= (6/ 25)
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 8
Nest e caso os event os so independent es, pois P(B/ A) = P(B) , ist o , o calculo da
probabilidade de sair bola branca independent e do fat o de t er ocorrido ant es o event o sair
bola azul.
Ex02: Sendo A e B dois event os de um mesmo espao amost ral t ais que
P(A)= (1/ 3) e P(B)= p e P(A B) = (1/ 6), det ermine p para que A e B sej am
independent es.
Para que A e B sej am independent es, devemos t er:
P(A) = (1/ 3) P( A B ) = P(A).P(B)
P(B) = (p) (1/ 6) = (1/ 3)(p)
P( A B ) = (1/ 6) p = ( 1/ 2)
Event os Complement ar es:
Chamamos event o complement ar do event o A aquele formado pelos result ados
que no so de A. E indicamos por A
C.
E A e B so complement ares se sua int erseo vazia e sua unio o espao
amost ral, ist o :
A B =
A B =
Assim:
P( A) + P( A
C
) = ( E)
Ent o o complement ar de A represent ado por A
c
:
Ex01: No lanament o de um dado, o espao amost ral E= { 1,2,3,4,5,6} .
Considere os event os:
- O result ado um nmero impar: A = { 1,3,5}
- O result ado um nmero primo: B = { 2,3,5}
Qual o complement ar de A
C
e B
C
?
O complement ar do event o A A
C
= { 2,4,6} , est e result ado no numero
impar , logo o complement ar so os nmeros pares.
O complement ar do event o B B
C
= { 1,4,6} ,est e result ado no um
numero primo.
E
A
C
A
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 9
Ex02: Consideremos um conj unt o de 10 frut as, das quais 3 est o est ragados.
Escolhendo se aleat oriament e 02 frut as desse conj unt o, det erminar a probabilidade de
que:
a) Ambas no est ej am est ragadas.
b) Pelo menos uma est ej a est ragada
a) Para calcularmos as maneiras pelas quais as duas frut as podem ser escolhidas
se d da seguint e forma :
(E
1
) = (10! )/ (2! 8! ) = 3628800 / 80640 = 45 maneiras
Para calcularmos o numero de maneiras pelas quais as duas frut as boas podem ser
escolhidas, de forma semelhant e:
(E
2
) = (7! )/ (2! 5! ) = (5040)/ (240) = 21 maneiras.
P(A) = n(E
2
) / n(E
1
) = (21/ 45) = (7/ 15)
b) A
c
o event o: pelo menos uma furt a est est ragada.
P(A) + P(A
c
) = 1 (7/ 15) + P(A
c
) = 1
P(A
c
) = 1 7/ 15 P(A
c
) = 8/ 15
Event os Mut uament e Excl usi vos
Sendo A e B event os do mesmo espao amost ral ( E) t ais que A B = ,
dizemos que so mut uament e exclusivos quando a realizao de um exclui a realizao
do(s) out ro(s). Assim, no lanament o de uma moeda, o event o t irar cara e o event o t irar
coroa so mut uament e exclusivos, j que, ao se realizar um deles, o out ro no se realiza.
Se dois event os so mut uament e exclusivos, a probabilidade de que um ou out ro
se realize igual soma das probabilidades de que cada um deles se realize, ent o nest as
condies t em se que:
P ( 1 U 2 ) = P( 1) + P(2)
Ex01: Sej am A e B dois event os t ais que P(A) = 0,4. Sendo P(A B) = 0,7 e
P(B)= p , ent o qual deve ser o valor de p, para que A e B sej am mut uament e exclusivos?
P(A) = 0,4 P(A B) = P(A) + P(B)
P(A B) = 0,7 0,7 = 0,4 + p
P(B) = p p = 0,3
P( B) = 0,3
Ex02: Jogando se dois dados , qual a probabilidade de que a soma dos pont os
sej a 07 ou 10?
P(A) = (6/ 36) P(A B) = P(A) + P(B)
P(B) = (3/ 36) (6/ 36) + (3/ 36)
P( A B) = ( 1/ 4)
Regr a da Adi o de Pr obabi li dades
Sendo A e B eventos do mesmo espao amost ral ( E) , finit o e no vazio, t emos :
P( A B) = P( A) + P( B) - P( A B)
E
A B
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 10
Lembrando que os event os so conj unt os, o numero de element os da unio de
dois event os A e B :
n ( A B) = n( A) + n( B) n( A B)
Dividindo os dois membros da igualdade por n(E), t emos:
n ( A B) = n( A) + n( B) n( A B)
n( E) n( E) n( E) n( E)
port ant o P( A B) = P(A) + P( B) - P( A B) .
Se A e B forem eventos mut uament e exclusivos, ist o , A B = t emos n( A B) = 0.
Ex01: Ret irando se ao acaso uma cart a de um baralho de 52 cart as , qual e a
probabilidade de sair cart a de ouros ou dama ?
Um baralho de 52 cart as t em 13 cart as de paus,13 espadas, 13 copas e 13 ouros,
e uma dama de cada naipe. Assim:
A : cart a de ouros n(A) = 13
B : dama : n(B) = 04
A B : cart a de ouros e dama = dama de ouros : n(A B) = 1
Como P (A B) = P(A) + P(B) P(A B), t emos:
P (A B) = (13/ 52) + (4/ 52) (1/ 52) = (4/ 13)
Ex02: No lanament o de 02 dados (no viciados) qual a probabilidade de a
soma dos pont os ser 07 ou 11 ?
O numero de element os do espao amost ral : n(E) = 36
Sendo :
A : soma 07 : (1,6)(2,5)(3,4)(4,3)(5,2)(6,1) : n(A) = 6
B : soma 11 : (5,6)(6,5) : n(B) = 2
P (A B) : soma 7 e soma 11 = C ( A e B so mut uament e exclusivos)
Nesse caso , P (A B) = P (A) + P(B)
P (A B) = (6/ 36) + (2/ 36) = (2/ 9)
Regr a da Mul t ipl i cao de Pr obabi l i dade
A probabilidade de int erseo de dois event os A e B igual ao produt o da
probabilidade de um deles pela probabilidade do out ro em relao ao primeiro. Assim:
E
A B
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 11
Ex01: A probabilidade de sair o nmero 5 em dois lanament os sucessivos de um
dado, sendo A o event o obt er 5 no primeiro lanament o e B obt er 5 no segundo
lanament o.
E = { 1,2,3,4,5,6}
n (E) = 6
n (A) = 1
n (B) = 1 t emos P (A) = 1/ 6 e P (B) = 1/ 6.
A probabilidade pedida dada por: P (A) . P (B) = 1/ 6 . 1/ 6 = 1/ 36
Pr obabi l i dade condi ci onal
A probabilidade de um event o A ocorrer, dado que se sabe que um event o B ocorreu,
chamada probabilidade condicional do event o A dado B. Ela denot ada por e calculada por:
Est a expresso pode ser reescrit a como:
A probabilidade do event o (complement ar de A) dado que o event o B ocorreu, ist o ,
, expressa por:
Os event os A e B so independent es se o fat o de um deles t er ocorrido no alt era a
probabilidade da ocorrncia do out ro, ist o :
Da regra da mult iplicao t emos:
Ex01: Numa urna t emos 10 bolas , numeradas de 01 10.Ret irando se uma bola
da urna, e sabendo se que o numero obt ido primo, qual a probabilidade de esse
numero ser igual a 3?
Como h informao de que o numero deve ser primo e igual a 3, nosso espao
amost ral reduz para E= (2,3,5,7), o que faz a probabilidade de t irarmos 3 ser alt erada de
(1/ 10) para (1/ 4).
E = { 1,2,3,4,5,6,7,8,9,10}
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 12
B: numero primo = (2,3,5,7) , n(B) = 4
A: numero 3 = (3), n(A) = 1
P (A B): numero primo e 3 = (3) , n(A B) = 1
Assim:
P(A/ B) = n(A B) / n(b) = (1/ 4) ou ent o
P(A B) = P(A B)/ P(B) = (1/ 10)/ (4/ 10) = (1/ 4).
Ex02: Selecionamos uma sement e, ao acaso, uma a uma e sem reposio de uma
sacola que cont em 10 sement es de flores vermelhas e 5 de flores brancas. Qual a
probabilidade de que :
(a) a primeira sement e sej a vermelha. ?
(b) a segunda sej a branca se a primeira foi vermelha.?
Sej am os event os :
V
1
: ' A 1 sement e vermelha'
V
1
C
: ' A 1 sement e branca'
V
2
: ' A 2 sement e vermelha'
V
2
C
: ' A 2 sement e branca'
a) P(v
1
) = (10/ 15) = (2/ 5)
b) P(V
2
c
| V
1
) = (5/ 14)
Teor ema de Bayes
Sir Thomas Bayes foi um mat emt ico brit nico e um minist ro da igrej a
presbit eriana que primeiro ut ilizou a probabilidade indut ivament e e est abeleceu as bases
mat emt icas para a inferncia probabilst ica. Ele nasceu em Londres, em 1702, morreu em
Tunbridge Wells em 1761 (t endo vivido apenas 59 anos), e foi sepult ado no cemit rio
Bunhill Fields em Londres, onde sua t umba pode ser facilment e encont rada com o mapa
fornecido pelo cemit rio.
Seu t rabalho com as probabilidades foi reunido em um ensaio publicado aps a sua
mort e (em 1763) no livro Philosophical Transact ions of t he Royal Societ y of London. O
ensaio Essay Towards Solving a Problem in t he Doct rine of Chances relat ou, ent re out ras
import ant es descobert as de Bayes, o famoso Teorema de Bayes. O t eorema de Bayes
usado na inferncia est at st ica para at ualizar est imat ivas da probabilidade de que
diferent es hipt eses sej am verdadeiras, baseado nas observaes e no conheciment o de
como essas observaes se relacionam com as hipt eses. Est e t eorema uma das pedras
angulares da est at st ica das probabilidades combinadas, e largament e ut ilizada em reas
a primeira vist a pouco relacionadas, como Medicina e I nformt ica.
Considerando a probabilidade condicional j vist a no t pico ant erior P(A | B) = P(A
B) / P(B), t emos para B em relao a A P(B | A) = P(B A) / P(A). Desde que (A B
= B A), podemos combinar as igualdades e chegar a P(B | A) = P(A| B) P(B) / P(A) , que
relaciona as duas probabilidades condicionais.
O t eor ema de Bayes a relao acima aplicada a uma seqncia de n event os
mut uament e exclusivos B
1
, B
2
, ... , B
n
em lugar de um nico event o B:
P( A | B
i
) P( B
i
)
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 13
P( B
i
| A) =
P( B
1
) P( A | B
1
) + P( B
2
) P( A | B
2
) + ... + P( B
n
) P( A | B
n
)
Ex01: uma fbrica t em 3 linhas de produo para o mesmo produt o com os seguint es
result ados:
Linha 1 produz 60% do t ot al com um percent ual de defeit o de 1%.
Linha 2 produz 30% do t ot al com um percent ual de defeit o de 2%.
Linha 3 produz 10% do t ot al com um percent ual de defeit o de 3%.
Podemos considerar os event os:
B
1
o produt o foi produzido na linha 1.
B
2
o produt o foi produzido na linha 2.
B
3
o produt o foi produzido na linha 3.
Not ar que so disj unt os pois um produt o no pode ser produzido por mais de uma linha. E
as probabilidades so:
P(B
1
) = 60/ 100 = 0,6.
P(B
2
) = 30/ 100 = 0,3.
P(B
3
) = 10/ 100 = 0,1.
E consideramos o event o A como produt o defeit uoso. Assim:
P(A | B
1
) = probab de produt o defeit uoso dado que produzido na linha 1 = 1/ 100
= 0,01.
P(A | B
2
) = probab de produt o defeit uoso dado que produzido na linha 2 = 2/ 100
= 0,02.
P(A | B
3
) = probab de produt o defeit uoso dado que produzido na linha 3 = 3/ 100
= 0,03.
Port ant o, com os dados acima, o t eor ema de Bayes permit e calcular a
probabilidade do produt o t er sido produzido em uma det erminada linha P(B
i
| A)
considerando que est defeit uoso. Port ando a respost a 0,4.
Ex02: Uma mont adora trabalha com 2 fornecedores (A e B) de uma det erminada
pea. As chances de que uma pea provenient e dos fornecedores A e B est ej a fora das
especificaes so 10% e 5% respect ivament e. A mont adora recebe 30% das peas do
fornecedor A e 70% de B. Se uma pea do est oque int eiro escolhido ao acaso:
(a) Calcule a probabilidade de que ela est ej a fora das especificaes.
(b) Se uma pea escolhida ao acaso est fora das especificaes, qual a probabilidade
que venha do fornecedor A ?
Sej am os event os:
A: pea selecionada sej a do fornecedor A
B: pea selecionada sej a do fornecedor B
E: pea selecionada est ej a fora das especificaes
Do enunciado do problemas t emos:
P(A)= 0,30; P(B)= 0,70; P(E| A)= 0,10 e P(E| B)= 0,05.
Escola De Engenharia I ndust rial e Met alrgica de Volt a Redonda - EEI MVR
Universidade Federal Fluminense
Est at st ica I 14
(a)P(E)= P(A)P(E| A)+ P(B)P(E| B)= (0,30)(0,10)+ (0,70)(0,05)= 0,065
(b)P(A| E)= ?
Pelo t eorema de Bayes t emos:
3. Bi bl i ogr af i a
Os sit es cit ados nest a bibliografia foram acessados no dia 20.10.2007.
- www.mspc.eng.br/ mat m/ prob_est 120.sht ml
- www.emit .com.br
- www.leg.ufpr.br/ ~ pauloj us/ CE227/ ce227/ ce227.ht ml
- www.brasilescola.com/ mat emat ica/ probabilidade.ht m
- www.dim.fm.usp.br/ bayes/ hist oria.php
- I nt roduo a Probabilidades Prof. Prof. Vict or Hugo Lachos Davila
- Anglo Mat emt ica Livro Text o 07
- Proceso Est ocst icos, Luiz Affonso Guedes
- Apost ila PUC Rio Grande Do Sul - Dept Est at ist ica / Est at ist ica Aplicada a
Admisnit rao Prof. Valt er Albuquerque.
0,46
065 , 0
03 , 0
05 , 0 70 , 0 10 , 0 30 , 0
10 , 0 30 , 0
) | ( ) ( ) | ( ) (
) | ( ) (
) | ( = =
+

=
+
=
B E P B P A E P A P
A E P A P
E A P