Anda di halaman 1dari 17

C alculo Combinat

orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

2. Noc
oes B
asicas de Probabilidade

1 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

2.1. C
alculo Combinat
orio
Antes de iniciarmos o estudo das probabilidades e conveniente relembrar alguns
conceitos fundamentais de calculo combinat
orio.
Consideremos um conjunto com n elementos distintos a partir do qual se
pretende formar grupos com k elementos distintos, onde os grupos diferem
segundo ordem em que os elementos s ao seleccionados. O numero total de
grupos distintos que se podem formar e designado por arranjos de n elementos
k a k, representa-se por Ank , e o seu valor numerico
e

n!
Ank =
(n k)!

onde n! denota o fatorial de n, n! = n (n 1) (n 2) ... 2 1,


convencionando-se que 0!=1.

2 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

Exemplo: De quantas formas diferentes


e possvel arrumar um conjunto de 10
livros numa estante com capacidade para 6 livros?
H
a 10 livros distintos que podem ocupar a primeira posicao na estante.
Arrumado o 1o livro, h a 9 livros distintos que podem ocupar a segunda posic
ao
da estante. Arrumado o 2o livro, h a 8 livros que podem ocupar a terceira
posic
ao da estante. E assim sucessivamente.
10!
A resposta ao 10 9 8 ... 5, ou seja, A10
e ent 6 = (106)! = 151200.
Se no caso anterior se considerarem grupos de k elementos n ao necessariamente
distintos, o n
umero total de grupos possveis
e designado por arranjos
completos de n elementos k a k, representa-se por nk e o seu valor num erico
e

nk = nk

Exemplo: Quantas passwords diferentes


e possvel gerar utilizando 5 letras de
um alfabeto de 26 letras?
Uma vez que as passwords podem admitir letras repetidas, a primeira letra da
password pode ser uma das 26 do alfabeto. O mesmo se passa com qualquer
uma das seguintes.
e 26
Logo, a resposta 5
5 = 26 = 11881376.

3 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

Consideremos um conjunto com n elementos distintos a partir do qual se


pretende formar grupos com k elementos distintos, onde os grupos n ao diferem
segundo ordem em que os elementos s ao seleccionados. O n
umero total de
grupos distintos que se podem formar e designado por combinac
oes de n
elementos k a k, representa-se por Ckn ou kn e o seu valor num

erico
e

n  n!
Ckn = =
k k!(n k)!

Exemplo: De uma turma com 30 alunos pretende-se formar uma comiss ao de 3


alunos para representar a turma nas reuni
oes do conselho pedag
ogico. Quantas
comiss
oes diferentes
e possvel formar?
Neste caso a ordem pela qual os elementos da comiss ao s
ao escolhidos n
ao
e
importante j
a que uma ordem diferente n
ao significa uma comissao diferente.
A resposta ao 30
e ent 3
30!
= 3!(303)! = 4060.

4 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

2.2. Experi
encias Aleat
orias. Algebra dos Acontecimentos.
Uma experi encia aleat
oria
e uma experi
encia em que o conjunto dos resultados
possveis
e fixado antecipadamente e cujo resultado nunca pode ser previsto
antes da sua realizacao.
Ao conjunto de todos os resultados possveis de uma experi
encia aleat
oria d
a-se
o nome de espaco de resultados. Este espaco e normalmente representado por
.
Exemplos:

E1: Lancamento de um dado e registo dos pontos obtidos;


= {1, 2, 3, 4, 5, 6}
E2: Contagem do n umero anual de acidentes na A1; = {0, 1, 2, ...}
E3: Observacao da durac
ao de uma lampada; = [0, +[

5 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

Um acontecimento
e um subconjunto do conjunto .
Exemplos:

Experi
encia Acontecimentos
E1 A= Sair o n umero 4 no lancamento do dado
= {4}
B= Sair um n umero par no lancamento do dado
= {2, 4, 6}
E2 A= Registo de mais de 5 acidentes anuais na A1
= {6, 7, 8, ...}
B= Registo de um ano sem acidentes na A1
= {0}
E3 A= Registo de uma durac ao superior a 100 horas
= ]100, +[
B= Registo de uma durac ao inferior a 50 horas
= [0, 50[

6 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes


Algebra dos Acontecimentos
Uma vez que os acontecimentos n ao s
ao mais do que conjuntos,
e possvel
efetuar sobre eles operac
oes j
a nossas conhecidas como e o caso da reuniao,
intersec
ao, etc.
Sejam um espaco de resultados e A e B dois acontecimentos. E possvel
realizar as seguintes operac
oes sobre A e B:
Operac ao Notac
ao Descric
ao
Intersec
ao AB Realizac
ao simult
anea de A e B
Reuniao AB Realizac
ao de A ou de B ou de ambos
Diferenca B A Realizac
ao de B sem que A se realize
Complementar A N
ao realizac
ao de A

7 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

As operac
oes anteriores gozam das seguintes propriedades:
Associativa A (B C ) = (A B) C
A (B C ) = (A B) C
Comutativa AB =B A
AB =B A
Distributiva A (B C ) = (A B) (A C )
A (B C ) = (A B) (A C )
Leis de De Morgan AB =AB
AB =AB
Dois acontecimentos A e B dizem-se disjuntos ou incompatveis se A B = ,
ou seja, se a realizac
ao simult
anea de A e B for impossvel.
Exemplo: Na experi
encia aleat
oria que consiste no lancamento de um dado os
acontecimentos A = sair um numero mpar e B = sair o numero 4 s
ao
incompatveis.

8 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

2.3. Definic
ao de Probabilidade. Axiom
atica de Kolmogorov.
Definic
ao cl
assica de probabilidade: Para finito com todos os acontecimentos
elementares igualmente prov aveis, define-se a probabilidade do acontecimento A
como
No de acontecimentos favor aveis a A #(A)
P(A) = =
No de acontecimentos possveis #()
Exemplo: Na experi encia aleat
oria que consiste no lancamento de duas moedas
equilibradas h
a quatro resultados igualmente provaveis:
Sada de face em ambas as moedas: FF
Sada de coroa em ambas as moedas: CC
Sada de face na primeira moeda e de coroa na segunda: FC
Sada de coroa na primeira moeda e de face na segunda: CF
Designando por A o acontecimento sada de exatamente uma face, a
probabilidade de A segundo a definic
ao cl
assica de probabilidade
e

#{FC , CF } 2 1
P(A) = = =
#{FF , CC , FC , CF } 4 2

9 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

Limitac
ao da definic
ao cl
assica de probabilidade: Esta definic
ao n
ao admite os
casos em que e infinito.
Definic
ao frequencista de probabilidade: Dado um acontecimento A, a sua
probabilidade e igual ao limite da frequ
encia relativa da ocorr
encia de A, ou seja,

F (A)
P(A) = lim = lim f (A)
n+ n n+

Exemplo: Simularam-se 200 lancamentos de uma moeda equilibrada e


registou-se para cada lancamento a frequencia relativa do acontecimento sada
de coroa. No gr afico que se segue pode ver-se o comportamento da frequ encia
relativa `
a medida que o n umero de lancamentos aumenta.
1.0

0.8

0.6

0.4

0.2

0.0
50 100 150 200

10 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

Axiom
atica de Kolmogorov
Qualquer medida de probabilidade obedece aos seguintes 3 axiomas:
1. P(A) 0
2. P() = 1
3. Se A e B forem acontecimentos disjuntos (A B = ), ent
ao
P(A B) = P(A) + P(B)
A partir dos axiomas anteriores
e possvel demonstrar as seguintes propriedades:
P() = 0
P(A) = 1 P(A)
Se A B ent
ao P(A) P(B)
P(B A) = P(B) P(A B)
P(A B) = P(A) + P(B) P(A B)

11 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

Exemplo: Uma empresa de telecomunicac oes classifica as chamadas feitas pelos


seus clientes como sendo de dois tipos: voz (caso haja transmiss ao de voz) e
dados (caso haja transmissao de dados). De experi encias anteriores sabe-se que
70% das comunicac oes t
em transmiss
ao de voz, 50% t em transmissao de dados
e 20% t em transmiss
ao de ambos os tipos. Calcule a probabilidade de:
a transmiss
ao n
ao ser de voz.
Do enunciado sabe-se que
Acontecimento Probabilidade
V = transmiss
ao de voz P(V ) = 0.7
D = transmiss
ao de dados P(D) = 0.5
V D = transmiss
ao simult
anea de voz e dados P(V D) = 0.2
e: P(V ) = 1 P(V ) = 1 0.7 = 0.3
A probabilidade pedida
a transmiss
ao ser de voz e n
ao ser de dados.
A probabilidade pedida
e:
P(V D) = P(V ) P(V D) = 0.7 0.2 = 0.5

12 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

2.4. Probabilidade Condicionada


Exemplo: Consideremos a experi encia aleat
oria que consiste no lancamento de
dois dados, um vermelho e outro verde, onde o interesse reside em registar a
soma do numero de pontos obtidos.
Se o acontecimento A designar obter uma soma igual a 5, sabemos que
P(A) = 4/36 = 1/9.
Por outro lado, se se considerar o acontecimento B obter 4 pontos no dado
verde e se soubermos que B ocorreu, a probabilidade de A deve ser reavaliada.
Neste caso, o acontecimento A equivale ao acontecimento obter 1 ponto no
dado vermelho pelo que a sua probabilidade passaria a ser 1/6.
Sejam A e B dois acontecimentos definidos no mesmo espaco de resultados. A
probabilidade de A se realizar sabendo que B se realizou, ou seja, a
probabilidade de A condicionada por B, denotada por P(A|B), e definida por

P(A B)
P(A|B) = , se P(B) > 0
P(B)

13 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

Exemplo: Retomando o exemplo da empresa de telecomunicac oes, qual a


probilidade de uma comunicacao ter transmiss
ao de voz, sabendo que ha
transmissao de dados?
P(V D) 0.2
A probabilidade pedida e P(V |D) = = = 0.4
P(D) 0.5
Dois acontecimentos A e B definidos no mesmo espaco de resultados dizem-se
independentes se e so se

P(A B) = P(A) P(B)

Notas:
A definic
ao anterior implica que se A e B s
ao independentes ent
ao
P(A|B) = P(A) e P(B|A) = P(B);
Nao se devem confundir acontecimentos independentes com
acontecimentos incompatveis. Dois acontecimentos independentes
podem ocorrer ao mesmo tempo.

14 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

2.5. Teorema da Probabilidade Total e Teorema de Bayes


Exemplo: De um conjunto de homens e mulheres sabemos que a probabilidade
de selecionarmos uma mulher fumadora e de 0.15 e que a probabilidade de
selecionarmos uma mulher n ao fumadora
e de 0.3. Qual sera a percentagem de
mulheres no grupo?
A resposta `a quest
ao
e intuitiva: P(Mulher ) = 0.15 + 0.3 = 0.45
A resposta `a quest
ao anterior
e v
alida porque os acontecimentos ser fumador
e n
ao ser fumador constituem uma partic ao do espaco de resultados.
Um conjunto de acontecimentos {A1 , A2 , ..., Am } definidos num espaco de
resultados diz-se uma partic
ao de se:
Ai Aj = para i =
6 j
A1 A2 ... Am =

15 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

ao de , {A1 , A2 , ..., Am },
Teorema da Probabilidade Total: Dada uma partic
tem-se para qualquer acontecimento B
m
X
P(B) = P(Aj )P(B|Aj )
j=1
| {z }
P(BAj )

Exemplo: Com o objetivo de aumentar a seguranca de criancas em autom oveis,


est
ao a ser testados dois dispositivos de retenc
ao, A e B. As simulacoes
mostraram que, em caso de acidente grave, o dispositivo A e eficaz em 95% dos
casos enquanto que o dispositivo B e eficaz em 96% dos casos. Admita que no
mercado s o existem estes dois dispositivos e que 45% dos autom oveis t
em
dispositivos do tipo A. Qual a probabilidade de um dispositivo de retenc ao
seleccionado ao acaso vir a ser eficaz em caso de acidente grave?
Do enunciado sabe-se que
Acontecimento Probabilidade
E |A = dispositivo eficaz dado que
e do tipo A P(E |A) = 0.95
E |B = dispositivo eficaz dado que
e do tipo B P(E |B) = 0.96
A = dispositivo do tipo A P(A) = 0.45
B = dispositivo do tipo B P(B) = 0.55

Uma vez que so existem 2 tipos de dispositivos, A e B constituem uma partic


ao
de logo, a probabilidade pedida
e:
P(E ) = P(E |A)P(A) + P(E |B)P(B) = 0.95 0.45 + 0.96 0.55 = 0.9555.
16 / 17
C alculo Combinat
orio
Experi encias Aleat
orias. Algebra dos Acontecimentos
Definic
ao de Probabilidade. Axiom atica de Kolmogorov
Probabilidade Condicionada
Teorema da Probabilidade Total e Teorema de Bayes

Terminamos com um resultado fundamental que permite calcular P(B|A) `


a custa de
P(A|B).
Teorema de Bayes: Dados dois acontecimentos A e B definindos no mesmo
espaco de resultados tais que P(A) > 0 e P(B) > 0, tem-se que

P(A|B)P(B)
P(B|A) =
P(A)

Exemplo: Retomando o exemplo anterior, se um dispositivo de seguranca foi


eficaz num acidente grave, qual a probabilidade de este dispositivo ser do tipo
B?
P(E |B)P(B) 0.96 0.55
A probabilidade pedida
e: P(B|E ) = = = 0.553.
P(E ) 0.9555
Nota: Alguns resultados que n
ao se devem confundir:
P(B|A) 6= 1 P(A|B);
P(B|A) 6= 1 P(B|A);
P(B|A) = 1 P(B|A).

17 / 17