Experiência Aleatória
Experiência aleatória
é uma experiência em que:
não se sabe exactamente o resultado que se virá a observar,
mas
conhece-se o universo dos resultados possíveis.
Exemplo 2.1
Alguns exemplos de experiências aleatórias:
Lançamento de uma moeda e observação do lado voltado para
cima.
Observação do sexo numa série de nascimentos.
Inquérito ao rendimento de um certo conjunto de famílias.
Inquérito sobre o número de filhos de um casal.
Probabilidades 2
Espaço de Resultados
Probabilidades 3
Noção de acontecimento
Acontecimento
qualquer subconjunto do espaço de resultados
Probabilidades 4
Acontecimentos
Exemplo 2.2
Considere-se a experiência aleatória que consiste no lançamento
de um dado e a observação do número inscrito na face voltada para
cima.
Ora, Ω={1, 2, 3, 4, 5, 6}
Considere-se o acontecimento A - “saída da face par”.
Se lançarmos o dado e sair face 2, então o acontecimento
realizou-se e diz-se que ocorreu um sucesso.
Probabilidades 5
Acontecimentos (cont.)
Probabilidades 6
Acontecimentos (cont.)
Probabilidades 7
Conceitos de Probabilidade
Definição Clássica
Em 1812, Laplace apresenta a seguinte definição de probabilidade,
para o caso de Ω finito:
Probabilidades 8
Conceitos de Probabilidade (cont.)
Definição Frequencista
A probabilidade de qualquer acontecimento A define-se através do
limite da frequência relativa desse acontecimento, numa
sucessão de experiências realizadas sob o mesmo conjunto de
condições, isto é,
n( A )
P( A ) = lim
n→ ∞ n
em que:
n - número de experiências realizadas
n(A) - número de vezes que o acontecimento A se verificou.
Definição Axiomática
Dada uma experiência aleatória, seja Ω o espaço de resultados
associado. Probabilidade, P, é uma função que a cada
acontecimento de Ω associa um número real satisfazendo o
seguinte conjunto de axiomas:
A2) P(Ω)=1
Probabilidades 10
Probabilidade
P(∅)=0
P(Ā)=1-P(A)
P(A-B)=P(A)-P(A∩B)
P(A)≤1
P(A∪B )=P(A)+P(B)-P(A∩B )
Probabilidades 11
Exemplo
Exemplo 2.3
Num restaurante registaram-se, durante bastante tempo, os pedidos
dos clientes, tendo-se chegado à conclusão que, para terminar a
refeição, 20% do clientes pedem só sobremesa, 40% pedem só
café e 30% pedem café e sobremesa.
Probabilidades 12
Probabilidade Condicional
Definição
A probabilidade condicional de A dado B (ou sabendo B, ou se B)
é o quociente entre a probabilidade conjunta do acontecimento A e
B e a probabilidade do acontecimento dado, ou seja,
P( A ∩ B)
P( A | B) = , se P(B) > 0
P(B)
Probabilidades 13
Probabilidade Condicional (Exemplo)
Exemplo 2.4
Uma determinada companhia investigou junto de cada um dos seus 280
empregados qual o estado civil (e.c.) e qual o tipo de assistência médica
(a.m.) pretendida, de entre três tipos à escolha. Os resultados obtidos
encontram-se na seguinte tabela:
e.c.
Solteiros Casados Total
a.m.
Tipo 1 50 20 70
Tipo 2 10 140 150
Tipo 3 15 45 60
Total 75 205 280
Exercício 2.1
Um indivíduo que trabalha em Lisboa, mas reside na margem Sul
do Tejo, tem diariamente duas possibilidades para se dirigir ao
trabalho: o barco ou o autocarro. Ele gosta muito de ir de barco,
pelo que escolhe o barco 75% das vezes. A probabilidade de
chegar atrasado ao trabalho é 16,35%. Sabe-se ainda que a
probabilidade de ir de barco e chegar atrasado é 11,25%.
a) Qual a probabilidade de chegar atrasado, sabendo que veio de barco?
b) Qual a probabilidade de chegar atrasado, sabendo que não veio de
barco?
c) Qual a probabilidade de chegar atrasado ou vir de barco?
d) Qual a probabilidade de vir de barco, sabendo que chegou atrasado?
e) Qual a probabilidade de não chegar atrasado e não vir de barco?
Probabilidades 15
Probabilidade da intersecção de acontecimentos
Como
P( A ∩ B) P( A ∩ B)
P( A | B) = P(B | A ) =
P(B) e P( A )
vem
P(A∩B)=P(A|B)P(B)=P(B|A)P(A)
Probabilidades 16
Acontecimentos Independentes
Definição
Dois acontecimentos A e B dizem-se mutuamente independentes
(ou simplesmente independentes) se e só se
P(A|B)=P(A) e P(B|A)=P(B)
Probabilidades 17
Teorema da probabilidade total
A 1 ∪ A 2 ∪ L ∪ A n = Ω e A i ∩ A j = φ (i ≠ j).
Probabilidades 18
Teorema de Bayes
Teorema de Bayes
Sejam A1, A2, ..., An acontecimentos formando uma partição de Ω,
onde P(Ai)>0. Seja B um outro acontecimento de Ω, tal que P(B)>0.
Então para i=1,2,…,n tem-se
P( A i )P(B | A i )
P ( A i | B) = n
∑ P( A i )P(B | A i )
i=1
Probabilidades 19
Teorema de Bayes (Exemplo)
Exemplo 2.5
O José está indeciso em ir passar o fim de semana fora e telefonou
para o serviço meteorológico para saber qual a previsão do tempo.
Disseram-lhe que havia 20% possibilidades de chover. Se chover o
José tem uma probabilidade de 0,25% de ir para o Algarve. Se não
chover esta probabilidade aumenta para 0,85.
Probabilidades 20