Documente Academic
Documente Profesional
Documente Cultură
1
1.1
Conjuntos
Cardinal de um conjunto
1.2
Conjunto vazio
pA Bq px P A x P Bq .
Subconjunto de um conjunto
A Y S S.
Exemplo 2.1. t0, 1, 3u Y t3, 4, 5u t0, 1, 3, 4, 5u.
Interseco de conjuntos
Conjunto universo
A Y B B Y A;
2.2
1.5
Propriedades:
A Y H A;
1.4
A Y B tw P S : w P A _ w P Bu .
A Y A A;
1.3
Reunio de conjuntos
A X B B X A;
A X H H;
A X S A.
Exemplo 2.2. t0, 1, 3u X t3, 4, 5u t3u.
So tambm importantes as seguintes propriedades:
1/29
Teoria das probabilidades
C. Fernandes & P. Ramos
2/29
2.3
Complementar de um conjunto
2.6
O complementar de A em relao ao conjunto universo S indicado pelo smbolo A. O conjunto A formado por todos os elementos que no pertencem
ao conjunto A. Assim:
A tx : x R Au .
Propriedades:
A Y A S;
A X A H;
H S;
S H.
2.4
2.5
Reunio
AYB BYA
A Y pB Y Cq pA Y Bq Y C
A Y pB X Cq pA Y Bq X pA Y Cq
AYAA
AYAS
AYB AXB
AYHA
AYS S
Conjuntos disjuntos
3/29
4/29
Propriedades
Comutativa
Associativa
Distributiva
Idempotncia
Lei do
complemento
Lei de
De Morgan
Elemento
neutro
Elemento
absorvente
4.1
Interseco
AXB BXA
A X pB X Cq pA X Bq X C
A X pB Y Cq pA X Bq Y pA X Cq
AXAA
AXAH
AXB AYB
AXS A
4.2
AXHH
5/29
Acontecimento Elementar - um acontecimento que contm exactamente um dos resultados possveis de uma experincia aleatria;
Acontecimento Composto - um acontecimento que contm mais do
que um dos resultados possveis de uma experincia aleatria;
Acontecimento Certo - um acontecimento que contm todos os resultados possveis de uma experincia aleatria, denotado por S;
Acontecimento Impossvel - um acontecimento sem resultados, denotado por H, conjunto vazio.
Vamos agora introduzir o conceito de partes de um conjunto. Seja W
um conjunto no vazio e finito com n elementos. As partes do conjunto
W, P pWq, o conjunto cujos elementos so todos os subconjuntos de W,
incluindo o conjunto vazio e o prprio conjunto W. Este conjunto contm
2n elementos. Se W o conjunto W ta, bu ento os subconjuntos de W
so H, tau, tbu e ta, bu. Assim P pWq tH, tau , tbu , ta, buu. No caso do
conjunto ser o espao de resultados S associado a uma determinada experincia aleatria, as partes de S contm todos os acontecimentos associados
experincia em causa.
Considere-se um espao de resultados S. possvel definir sobre os acontecimentos as mesmas operaes que vimos para os conjuntos, uma vez que
definimos acontecimento como um conjunto de elementos do conjunto de
resultados S.
6/29
Diagrama de Venn:
O rectngulo representa o espao resultados, ou seja, todos os acontecimentos elementares. As elipses representam os acontecimentos A e B.
Existe um paralelismo entre as operaes com conjuntos e as operaes
com acontecimentos. No entanto, utiliza-se uma linguagem prpria para os
acontecimentos. Em seguida apresentam-se algumas operaes com acontecimentos.
S
B
AB
S
A
A=B
AB
7/29
8/29
Ai X Aj H, para i j e ni1 Ai S;
S
A1
A3
A2
A4
-B
Ai X Aj H, para i j e
S
A X B H e A Y B S;
...
i1
A1
An
Ai S;
A3
A2
A4
A
An
...
Exemplo 4.1. Considere-se a experincia aleatria que consiste no lanamento de dois dados e registo da soma dos pontos obtidos nas duas faces que
ficaram voltadas para cima. Espao de resultados: S t2, 3, 4, . . . , 10, 11, 12u.
Definam-se os seguintes acontecimentos:
A - A soma das faces um nmero par;
Tem-se ento:
A t2, 4, 6, 8, 10, 12u e B t2, 3, 4u;
A Y B t2, 3, 4, 6, 8, 10, 12u e A X B t2, 4u;
AzB t6, 8, 10, 12u e A t3, 5, 7, 9, 11u.
9/29
10/29
AN m pm 1q pm 2q pm N ` 1q
mN
elementos, nmero de arranjos completos (com repetio) de m objectos tomados N a N. Se as N bolas so retiradas simultaneamente (no faz sentido
falar em reposio ou no reposio e tem-se naturalmente 0 N m) o
espao de resultados tem
m
CN
m!
N! pm Nq!
5
5.1
Probabilidades
Conceito de probabilidade
11/29
5.1.1
NA
,
N
12/29
Exemplo 5.1. De um saco com trs bolas azuis e duas verdes retira-se, sem
ver, uma bola. Qual a probabilidade da bola ser azul?
Como cada uma das 5 bolas um caso possvel e cada uma das 3 bolas
azuis um caso favorvel, tem-se,
no de casos favorveis
3
p o
.
n de casos possveis
5
Logo,
5.1.2
3
5
n
n
P
Ai
P rAi s .
i1
5.2.1
Dado um acontecimento A com probabilidade P rAs 0, a probabilidade do seu complementar obtm-se por
P A 1 P rAs ;
A probabilidade do acontecimento impossvel zero, isto ,
P rHs 0;
Exemplo 5.3. Um gelogo afirma que numa dada regio h 60% de hiptese
de haver petrleo, baseando-se quer nas caractersticas do terreno, quer na
sua semelhana com outras regies com conhecida presena ou ausncia de
petrleo nos ltimos anos.
i1
5.2
(ii) P rSs 1;
P rA Y Bs P rAs ` P rBs .
5.1.3
(i) P rAs 0, @A S;
13/29
Se A B ento
P rAs P rBs .
Podemos ainda escrever que se A B ento
P rBs P rAs ` P rB As ;
0 P rAs 1, @A S;
Dados dois acontecimentos quaisquer A e B, a probabilidade do acontecimento diferena A B obtm-se pela diferena entre a probabilidade
de A e a probabilidade da interseco de A com B, ou seja,
P rA Bs P A X B P rAs P rA X Bs ;
14/29
Considerando os acontecimentos:
Q - A empresa tem departamento de controlo da qualidade;
R - A empresa tem departamento de recursos humanos.
P rA Y Bs P rAs ` P rBs P rA X Bs .
P rA1 Y A2 Y . . . Y An s P
Ai
QXR Y QXR
P QXR `P RXQ
P rQs P rQ X Rs ` P rRs P rQ X Rs
0, 6.
`
P Q X R Y Q X R P rQ Y Rs P rQ X Rs 0, 8 0, 2 0, 6.
i1
P rAi s
i1
n2
n1
n1
P Q X R P Q Y R 1 P rQ Y Rs 1 0, 8 0, 2.
P rAi X Aj s `
i1 ji`1
P rAi X Aj X Ak s ` . . . `
i1 ji`1 kj`1
` . . . ` p1qn`1 P rA1 X A2 X . . . X An s .
Exemplo 5.4. Do conjunto das grandes empresas que actuam num dado
sector industrial, sabe-se que 60% dessas empresas tm departamento de controlo de qualidade, 40% tm departamento de recursos humanos e 20% tm
ambos os departamentos. Escolhe-se ao acaso uma empresa do ficheiro das
empresas do referido sector.
Teoria das probabilidades
C. Fernandes & P. Ramos
15/29
P rRzQs P Q X R P rRs P rQ X Rs 0, 4 0, 2 0, 2.
P Q X R P rQs P rQ X Rs 0, 6 0, 2 0, 4.
16/29
5.3
5.3.1
5.4.1
P rA|Bs 0;
P rS|Bs 1;
Se A1 e A2 so mutuamente exclusivos, A1 X A2 H, ento:
P rpA1 Y A2 q |Bs P rA1 |Bs ` P rA2 |Bs .
pi 0;
n
n
P
Ai |B
P rAi |Bs .
p1 ` p2 ` ` pn 1.
Ento estamos na presena de um espao de probabilidade finito.
5.3.2
i1
Se o espao de resultados S for constitudo por um nmero finito, n, de acontecimentos elementares e se todos os acontecimentos elementares estiverem
nas mesmas condies de ocorrncia, ento todos os pi sero iguais e tero o
valor n1 .
Por exemplo, se tiver um acontecimento A constitudo pelos acontecimentos elementares w1 , w3 , wx1 , wx temos que:
1 1 1 1
4
P rAs ` ` ` .
n n n n
n
5.4
C: Chover; P rCs 0, 3;
V : Fazer vento; P rV s 0, 6;
C X V : Chover e fazer vento; P rC X V s 0, 25.
(a) Calcule a probabilidade de chover se estiver vento;
A probabilidade de chover se estiver vento
Probabilidades condicionadas
P rA X Bs
,
P rBs
P rC|V s
que, na verdade, significa que em 41, 2% dos dias em que est vento
tambm chove.
P rC X V s
0, 25
0, 412,
P rV s
0, 6
se P rBs 0.
i1
17/29
P rV |Cs
0, 25
P rV X Cs
0, 833,
P rCs
0, 3
que, na verdade, significa que em 83, 3% dos dias em que chove tambm
h vento.
Observao 5.2. O acontecimento contrrio de A|B A|B, pelo que,
P A|B 1 P rA|Bs .
18/29
De facto, temos:
P rA X B|Cs
P rA X B X Cs
P rCs
se P rB X Cs 0.
P rB X Cs P rA|B X Cs
P rCs
5.5
P rCs
5.6
e
P rA X Bs P rAs P rB|As .
Esta frmula conhecida por regra fundamental para o clculo de probabilidades e pode ser usada no clculo da probabilidade da interseco de dois
acontecimentos.
A probabilidade da interseco de trs acontecimentos dada por:
Acontecimentos independentes
P rA1 X A2 X A3 s P rpA1 X A2 q X A3 s
P rB|As P rBs .
O que equivalente a escrever-se:
P rA X Bs P rAs P rBs .
P rA3 |A1 X A2 s P rA1 s P rA2 |A1 s
5.6.1
n
n1
P
Ai P rA1 s P rA2 |A1 s P rA3 |A1 X A2 s P An |
Ai .
i1
i1
(1)
A e B tambm o so;
A e B tambm o so;
A e B tambm o so.
Os acontecimentos A, B e C so mutuamente independentes se as condies:
P rA X Bs P rAs P rBs;
P rA X Cs P rAs P rCs;
P rB X Cs P rBs P rCs;
19/29
20/29
P rBs 12 ;
P rCs 21 ;
1
8
1
4
P rAs P rCs;
P rB X Cs
1
8
3
8
P rBs P rCs;
P rA X B X Cs
1
8
B t1, 3u;
P rCs 21 ;
P rAs 21 ;
P rA X Cs
A t1, 2u;
P rBs 12 ;
P rAs P rBs;
P rAs 21 ;
1
4
e que:
A X B A X C B X C A X B X C t1u;
1
8
C t1, 4u;
Considerando os acontecimentos:
P rA X Bs
Exemplo 5.7. Considere-se a experincia aleatria que consiste no lanamento de um tetraedro e na observao da face obtida. O espao de resultados
associado a esta experincia S t1, 2, 3, 4u. Considerando os acontecimentos:
P rA X Bs
1
4
P rAs P rBs;
P rA X Cs
1
4
P rAs P rCs;
P rB X Cs
1
4
P rBs P rCs.
A definio de acontecimentos mutuamente independentes pode ser generalizada para quatro ou mais acontecimentos. Por exemplo, com quatro
acontecimentos, dever ter-se a independncia dois a dois, trs a trs e
P rA X B X C X Ds P rAs P rBs P rCs P rDs .
Em modelos probabilsticos de sistemas complexos envolvendo vrios componentes, muitas vezes conveniente assumir que o comportamento das componentes independente. Isto tipicamente simplifica os clculos e a anlise,
como se ilustra no exemplo seguinte.
21/29
22/29
fi
fi
sucesso num
insucesso num
fl
subsistema
subsistema fl
P
1P
em paralelo
em paralelo
0,8
X2
C
0,9
X4
X1
A
0,75
0,9 X3
0,95
X5
0,85
1 p1 p1 q p1 p2 q p1 pm q .
0,95
X6
X7
Suponhamos que as falhas das ligaes so independentes umas das outras. Qual a probabilidade da ligao entre A e B estar em funcionamento?
Este um problema usual sobre avaliao da fiabilidade dum sistema composto por componentes que podem falhar independentemente. Tal sistema
pode ser dividido em subsistemas, em que cada subsistema consiste em considerar vrios componentes que esto ligados quer em srie quer em paralelo,
como se apresenta nas figuras seguintes.
Pensando agora no nosso caso, representado na primeira figura, queremos calcular a probabilidade de sucesso (a ligao entre A e B estar em
funcionamento). Para representar a ligao entre o mdulo A e o mdulo B,
usaremos a notao A B. Consideremos que Xi representa a existncia
da ligao i, com i 1, . . . , 7. A ligao entre A e B est em funcionamento
se pelo menos um dos caminhos est em funcionamento. Ento:
P rA Bs P rpX1 X X2 X X3 q Y pX1 X X4 X X5 q Y pX6 X X7 qs
P rX1 X X2 X X3 s ` P rX1 X X4 X X5 s ` P rX6 X X7 s `
P rX1 X X2 X X3 X X4 X X5 s `
P rX1 X X2 X X3 X X6 X X7 s `
P rX1 X X4 X X5 X X6 X X7 s `
`P rX1 X X2 X X3 X X4 X X5 X X6 X X7 s
2
Ligao em srie
fi
sucesso num
subsistema fl p1 p2 pm .
P
em srie
Um subsistema em paralelo est em funcionamento se pelo menos uma
das suas componentes funcionar. Se o nmero de componentes for elevado, a
Teoria das probabilidades
C. Fernandes & P. Ramos
0, 9 0, 8 0, 9 ` 0, 9 0, 95 0, 85 ` 0, 75 0, 95 `
0, 9 0, 8 0, 9 0, 95 0, 85 `
0, 9 0, 8 0, 9 0, 75 0, 95 `
0, 9 0, 95 0, 85 0, 75 0, 95 `
`0, 9 0, 8 0, 9 0, 95 0, 85 0, 75 0, 95 0, 957.
3
Ligao em paralelo
23/29
5.6.2
Independncia condicional
24/29
Esta noo de independncia condicional simtrica, isto , se A condicionalmente independente de B dado um acontecimento C, ento B condicionalmente independente de A dado um acontecimento C e tem-se:
P rB|A X Cs P rB|Cs .
5.7
Partio
Os acontecimentos A1 , A2 , . . . , An constituem uma partio do espao amostral S, quando se verificam simultaneamente as seguintes condies:
P rA X B X Cs
P rA X Cs
P rCs P rA X B|Cs
P rCs P rA|Cs
P rB|Cs P rA|B X Cs
P rA|Cs
P rB|A X Cs
S
A1
P rB|Cs P rA|Cs
P rA|Cs
A2
A3
A4
P rB|Cs .
...
An
5.8
S
A2
A1
B
An
A3
A4
...
25/29
26/29
P rR|D
s0,98
D
#
##
###
P rR|D s0,02
###
#
#
P rAi s P rB|Ai s .
i1
5.9
Teorema de Bayes
P rDs0,08
P rD s0,92
###
###
#
#
##
###
P rAj X Bs
P rBs
(b) Qual a probabilidade de uma pea ser rejeitada por este sistema de
controlo?
j 1, . . . , n.
Exemplo 5.9. A actual linha de produo de uma empresa gera uma incidncia de peas defeituosas na ordem dos 8%. Foi implementado um sistema
de controlo da qualidade cuja probabilidade de rejeitar uma pea defeituosa
de 98%, e a probabilidade de rejeitar uma que de facto no defeituosa de
3%.
P R|D s0,03
P rR|D s0,97
P rAj s P rB|Aj s
P rAj s P rB|Aj s
n
,
i1 P rAi s P rB|Ai s
P rRs P rR X Ds ` P R X D
0, 08 0, 98 ` 0, 92 0, 03 0, 106.
(c) No conjunto das peas rejeitadas por este sistema de controlo, qual a
probabilidade de uma pea ser de facto defeituosa?
Agora temos apenas de considerar o universo das peas produzidas que
foram rejeitadas pelo sistema de controlo. Como o sistema pode falhar
na identificao da qualidade dessas peas, neste universo para alm
de peas defeituosas podem existir peas no defeituosas, obviamente
27/29
28/29
P rD X Rs
P rRs
P rDs P rR|Ds
0, 08 0, 98
0, 7396.
0, 08 0, 98 ` 0, 92 0, 03
Note-se que o resultado enunciado no teorema de Bayes se obtm aplicando primeiro a definio de probabilidade condicionada, e em seguida
recorrendo ao teorema da probabilidade total. de referir ainda que
na expresso associada ao teorema de Bayes o numerador uma das
parcelas que aparecem no denominador.
5.9.1
P rB|A X Cs P rA|Cs
.
P rB|Cs
De facto, temos:
P rA|B X Cs
pusando (1)q
P rA X B X Cs
P rB X Cs
P rAs P rB X C|As
P rCs P rB|Cs
P rAs P rC|As P rB|C X As
P rCs P rB|Cs
P rAs
P rCXAs
P rAs
P rB|A X Cs
P rCs P rB|Cs
P rCs P rB|Cs
P rA|Cs P rB|A X Cs
.
P rB|Cs
29/29