Probabilidades Conjuntos Se B é subconjunto próprio de A, escreve-se: B A (B implica A). Notações de conjuntos para representar relações entre acontecimentos Relação entre conjuntos Acontecimento certo Acontecimento impossível O acontecimento A não ocorre Ocorre o acontecimento A e ocorre o acontecimento B Ocorre o acontecimento A ou ocorre o acontecimento B ou ocorrem ambos Se C ocorre, então D também ocorre (C implica a realização de D) Os acontecimentos E e F são incompatíveis Reunião e interseção de conjuntos S Notação de conjuntos A Ω, S, E Ø B A U A A B { x : x A x B } A B ( A B ) # A # B # ( A B ) Nota: # S A B A B A∩B C D E F Cardinal de um conjunto A B { x : x A x B } Conjuntos disjuntos (incompatíveis) Ao número de elementos de um conjunto chama-se cardinal do conjunto e representa-se pelo símbolo # (“cardinal”). A e B são conjuntos disjuntos se A∩B=Ø. S A A={1, 2, 7}; #A=3 Igualdade entre os conjuntos ( A B ) ( x A x B ) Subconjunto de um conjunto ( A B ) ( x A x B ) S B B A Diagrama de Venn B Propriedades das operações com conjuntos Propriedade comutativa Propriedade associativa Elemento neutro Elemento absorvente Idempotência Leis de De Morgan Seja A e B dois subconjuntos quaisquer: B A B B A B e A A B B A A B B A A A B ) C A ( B C ) ( A B ) C A ( B C ) ( A A A S A A S S A A A A A A A Termos e conceitos probabilísticos Experiência determinista As experiências deterministas ou causais caracterizamA ( B C ) ( A B ) ( A C ) A ( B C ) ( A B ) ( A C ) se por produzirem o mesmo resultado, desde que sejam repetidas sob as mesmas condições (i.e.:lançar uma pedra ao mar e verificar que vai ao fundo; furar Complementar de um conjunto um balão cheio de ar e verificar que rebenta). Propriedade distributiva O complementar de um conjunto A representase A . S A A x : x A 1.º - A A S 2.º - A A 3.º - A As experiências aleatórias ou casuais caracterizam-se pela impossibilidade de prever o resultado que se obterá, ainda que as experiências sejam realizadas sob as mesmas condições (i.e.: lança um dado e observar a face que fica voltada para cima; tirar um carta de um baralho e verificar se sai vermelha). Conjunto de resultados 4.º - AA Complementar de um conjunto relativamente a outro Seja A e B dois conjuntos. O complementar de B relativamente a A representa-se por A\B e tem-se: A \ B { x : x A x B } S A Experiência aleatória B Só se realiza se e só se A se realiza sem que B se realize. Ao conjunto formado por todos os resultados possíveis de uma experiência aleatória chama-se conjunto de resultados ou espaço amostral e representa-se por S, U ou Ω (i.e.: no lançamento de um dado, S={1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}). Acontecimento A qualquer subconjunto de S chamamos acontecimento. Acontecimento de uma experiência aleatória é cada um dos subconjuntos do conjunto de resultados. Acontecimento elementar – Se o resultado de uma experiência consta de um só elemento do conjunto de resultados (i.e.: A={8}). Acontecimento composto - Se o resultado de uma experiência consta de dois ou mais elementos do conjunto de resultados (i.e.: B={1, 3, 5, 7}). Lançar dois dados, um dado e uma moeda, retirar de um saco mais de uma bola são experiências compostas porque envolvem mais do que uma experiência simples. As tabelas de dupla entrada são úteis para identificar todas as probabilidades de saídas quando se trata de duas experiências simples. O diagrama de árvore usa-se para o mesmo efeito mas pode ser utilizado para duas ou mais experiências. Acontecimento certo – Se o resultado de uma experiência consta de todos os elementos do conjunto de resultados (i.e.: C={1, 2, 3, 4, 5, 6}=S). Acontecimento impossível – Se o resultado de uma experiência não tem qualquer elemento do conjunto de resultados (i.e.: D=Ø). Definição frequencista de probabilidade Lei dos grandes números Ao número à volta do qual estabiliza a frequência relativa de um acontecimento quando o número de repetições da experiência cresce consideravelmente chama-se probabilidade do acontecimento. Designemos por p(A) a probabilidade do acontecimento A. A relação entre frequência relativa e a probabilidade de um acontecimento permite desde já estabelecer as seguintes conclusões: Acontecimentos incompatíveis e acontecimentos contrários – dois 1.º - 0 ≤ p(A) ≤ 1 acontecimentos, X e Y, dizem-se incompatíveis 2.º - p(acontecimento certo) = p(S) = 1 se a sua verificação simultânea for o Y 3.º - p(acontecimento impossível) = p(Ø) = 0 acontecimento impossível, ou seja, X 4.º - Se A e B são dois acontecimentos quaisquer do (a realização de um acontecimento não implica mesmo espaço amostral S , a realização do outro). p ( A B ) p ( A ) p ( B ) p ( A B ) S X 5.º - Se A e B são incompatíveis, p ( A B ) p ( A ) p ( B ) Y ( A ) 1 p ( A ) 6.º - p Lei de Laplace No caso dos acontecimentos A e B, além de B serem incompatíveis ( A ), verifica-se A B que é o acontecimento certo B S (A ). Por esta razão também se chama a A e B acontecimentos contrários (a interseção é um acontecimento impossível e a reunião é um acontecimento certo). S A B B é o acontecimento contrário de A e representa-se por A . Se os acontecimentos elementares são equiprováveis, a probabilidade de um acontecimento A é igual ao quociente entre o número de casos favoráveis ao acontecimento e o número de casos possíveis. Ou seja: n d c ú f e a m a a a s o n c v A o t e o o p ( A ) n d c ú f e a m a s v o Definição axiomática de probabilidade Axiomas são proposições, sugeridas pela nossa intuição ou experiência, que não se demonstra e se aceitam como verdadeiras. Provar ou demonstrar uma proposição é mostrar, usando raciocínios lógicos, que ela resulta de outras consideradas verdadeiras. Teoremas são proposições que se demonstram a partir dos axiomas ou de outras proposições já demonstradas. Axiomas das probabilidades (Axiomática de Kolmogorov) Axioma 1 – A probabilidade de qualquer acontecimento A do conjunto de resultados S é um número não negativo. p ( A ) 0 , A S Axioma 2 – A probabilidade do acontecimento certo é 1. P(S) = 1, S é o acontecimento certo Axioma 3 – A probabilidade da reunião de dois acontecimentos incompatíveis (disjuntos) é igual à soma das probabilidades desses acontecimentos. ( A ) p ( A B ) p ( A B ) Teorema 5 - p A p ( A \ B ) p ( A ) p ( B ) Teorema 6 - B A p ( B ) p ( A ) Teorema 7 - B ( A ) p ( B ) p ( A B ) 1 p ( A B ) Teorema 8 - p Probabilidade condicionada (acontecimentos dependentes) Representa-se por p(A|B) a probabilidade de ocorrência de A, na hipótese de B se ter realizado, e tem-se (probabilidade de A sabendo que B ocorre): p ( A B ) p ( A |B ) , p ( B ) 0 p ( B ) ( A B ) p ( B ) p ( A | B ) 1.º - p ( A B ) p ( A ) p ( B | A ) 2.º - p p ( A B ) p ( A ) p ( B ), s ( A B ) e Probabilidade condicionada e axiomática Teorema 1 – a probabilidade de um acontecimento impossível é zero. p(Ø) = 0 Teorema 2 – a probabilidade de qualquer acontecimento A é um número do intervalo [0, 1]. 0 p ( A ) 1 , A S Teorema 3 – a probabilidade do acontecimento contrário de A ( A ) é igual à diferença entre 1 e a probabilidade de A. p ( A ) 1 p ( A ) A , S S, B Se Sendo S o conjunto de resultados, A p(B)>0, p(A|B) satisfaz os 3 axiomas da teoria das probabilidades se: 1.º - p(A|B) ≥ 0 2.º - p(S|B) = 1 3.º - Se A 1eA 2 são acontecimentos incompatíveis, isto A é, se A , então: 1 2 p [ A A ) ( | B ] p ( A | B ) p ( A | B ) 1 2 1 2 Acontecimentos independentes Dois acontecimentos são independentes quando a probabilidade de realização de um deles não interfere na probabilidade da realização do outro. (Exemplos: lançamentos consecutivos de 2 p ( A B ) p ( A ) p ( B ) p ( A B ) dados/moedas; tirar consecutivamente bolas/cartas, com reposição.) Teorema 4 – probabilidade da reunião de dois acontecimentos Dois acontecimentos são independentes se e só se: p ( A | B ) p ( A ) p ( A B ) p ( A ) p ( B ) Teorema das probabilidades totais Notação Notação X N xi Descrição Variável aleatória Nº de elementos da população Valores que pode tomar a variável X fri Frequência relativa de x i , em % fi Frequência absoluta de x i pi Probabilidade de x i Média Desvio-padrão Variância μ, x σ p ( A ) p ( A | B ) p ( B ) p ( A | B ) p ( B ) 2 ou Chama-se distribuição de probabilidades de uma X à aplicação que a cada valor x i da variável X faz corresponder a respetiva probabilidade pi . p ( A ) p ( A | B ) p ( B ) p ( A | B ) p ( B ) . p ( A | B ) p ( . B ) . 1 1 2 2 n n variável aleatória Teorema de Bayes Dada uma variável aleatória X, discreta, que assume finito de valores distintos x , x ,x . ,. x . ., . , ,. então as probabilidades 1 2 i n p P ( X x ) , i = 1, …, n, devem satisfazer as i i seguintes condições: p ( A B ) p ( B | A ) p ( A | B ) p ( B ) p ( A | B ) p ( B ) . p ( A | B ) p ( . B )um número . 1 1 2 2 n n Variável aleatória e distribuição de probabilidades Uma variável aleatória é uma variável cujo valor é um resultado numérico associado ao resultado de uma experiência aleatória. Pode ser discreta ou contínua: Variável aleatória discreta – pode assumir um número finito ou infinito numerável de valores. Dados obtidos por contagem (i.e.: nº de pessoas atendidas num hospital). Variável aleatória contínua – pode assumir um número infinito não numerável de valores. Dados obtidos através de aparelhos de medida (i.e.: temperatura). 1.º - 0 ≤ p i ≤ n, i = 1, …, n n 2.º - p 1 i i1 Amostra População Variável estatística X que toma valores x , x , 1 2 Variável aleatória X que toma x . , . x . . . , . , valores i n x , x ,x . ,. x . ., . , 12 i n. Média aritmética Valor médio ou esperança n x n x i i 1 N i n x fi i i 1 Variância amostral n 2 x n i i 2 i 1 x2 x2 f i x2 r i N n (x x )2 n i i (xi x)2f i N i 1 i 1 n xi p i r i 1 Variância populacional 2 2 2 x p i i n i 1 n r Ou ( x ) p n 2 2 i 1 Desvio-padrão amostral 2 i Desvio-padrão populacional 2 i Modelo binomial (variáveis discretas) Distribuição binomial Designa-se por modelo de distribuição binomial uma experiência aleatória com as seguintes características: 1.º - É constituída por n provas idênticas. 2.º - Em cada prova apenas são possíveis dois resultados: sucesso ou insucesso. 3.º - Os resultados das provas são independentes uns dos outros. 4.º - A probabilidade de sucesso p não varia de prova para prova. À variável aleatória X, que representa o número de sucessos nas n provas, chama-se variável aleatória com distribuição binomial de parâmetros n e p. Representa-se por B (n, p). A variável X pode tomar os valores 1, 2, …, n. Se X tem distribuição binomial de parâmetros n e p, a probabilidade para qualquer valor X = r da variável aleatória X é dada por: nr n r P ( X r ) C p ( 1 p ) r Provas de Bernoulli Sucessão de experiências aleatórias independentes, em cada uma das quais se observa ou não, a realização de um determinado acontecimento A, com probabilidade P(A)=p, constante de experiência para experiência A distribuição binomial é um modelo probabilístico aplicável em problemas onde se consideram repetidas provas de Bernoulli. O problema das provas repetidas consiste na determinação da probabilidade de que em n realizações de uma dada experiência determinado acontecimento se verifique k vezes. n kn k p ( x k ) C p . q k x = k – acontecimento n – nº de vezes que a experiência se repete k – nº de vezes de sucesso p – probabilidade de sucesso q – probabilidade de insucesso Modelo normal (variável contínua) Uma distribuição normal é caracterizada pela média μ e pelo desvio-padrão σ. Representa-se por N(μ,σ). A curva normal é em forma de sino e denomina-se por Curva de Gauss. Características da curva normal 1.º - É simétrica relativamente ao valor médio μ da variável. f ( x ) f ( x ) x , 0 0 0 2.º - Tem um máximo para x = μ. 3.º - Quanto maior for o desvio-padrão σ, mais achatada é a curva. 4.º - A área compreendida entre a curva e o eixo Ox é igual a 1. 5.º - A probabilidade de que a variável tome valores no intervalo [ xi , xj ] é igual à área compreendida entre o eixo Ox, o gráfico da função densidade e as retas xxi e xxj . 6.º - A concavidade da curva muda de sentido para x e x ( x1ex2 são abcissas dos 1 2 pontos de inflexão). 7.º - O eixo das abcissas é assimptota da curva. Provas repetidas 8.º - A área abaixo da curva distribui-se em intervalos da seguinte forma: Chama-se fatorial de um número natural n e representa-se por n! ao produto: n ! n ( n 1 )( n 2 ) . 3 2 . 1 . x ; x [ 6 , 2 % 8 6 *] NOTA: 0!=1 x 2 ; x 2 [ 9 , 4 % 5 4 *] x 3 ; x 3 [ 9 , 7 % 9 4 *] Permutações x 2 x x x x 2 Chama-se permutação de n elementos a todas as sequências diferentes que é possível obter com os n elementos. O número dessas sequências representa-se ! por Pn (permutação de n). P n n Arranjos sem repetição (arranjos simples) Cálculo combinatório Princípio geral da multiplicação (“A e B”) Por cada alternativa, existem n alternativas diferentes. Consideremos um processo constituído por k etapas. Se existirem n 1 maneiras de realizar a primeira etapa e se, para cada uma destas, existirem n 2 maneiras de realizar a segunda etapa, e assim sucessivamente, até à k-ésima etapa, então todo o processo pode ser realizado n n . n . . de n maneiras diferentes. 1 2 3 k Princípio geral da adição (“A ou B”) As várias formas de realizar algo. Se para realizar um processo existirem k alternativas que se excluem duas a duas, e se existirem n 1 maneiras de realizar a primeira alternativa, n 2 maneiras de realizar a segunda, …, n k maneiras de realizar a k-ésima, então o processo pode ser realizado de n n n . n . . maneiras diferentes. 1 2 3 k Dados n elementos quaisquer, chama-se arranjos sem repetição de n elementos escolhidos arbitrariamente entre os n dados. O número de todas estas sequências A n ( n 1 ) n 2 ) ( . ( n p . 1 ) designa-se por n n, . p p N e n≥p n ! 1.º - nA p (np ) ! 2.º - nA n P n Arranjos com repetição (arranjos completos) ,a ,. a . ., Dados n elementos diferentes, a , chama-se 1 2 n arranjos com repetição dos n elementos p a p a todas as sequências de p elementos, sendo estes diferentes ou não, que se podem formar escolhendo os p elementos entre os n dados. O número total de p sequências representa-se por nA p' n Combinações sem repetição (tiragens simultâneas) n C p ou é o número de subconjuntos com p p elementos que se podem definir num conjunto com n elementos. n Fatorial de um número natural n n Cp n Ap p! n ! C , n, p N0 e n≥p p p ! (n p ) ! n 1.º - Em cada linha são iguais os termos equidistantes dos extremos: n n C C p n p n C 1.º - nC p n p n n 1 C C C 2.º - n p p 1 p 1 2.º - A soma de dois números consecutivos de uma linha é igual ao número que na linha seguinte figura entre eles: n n n 1 C C C p 1 p p Regra de Stiefel 3.º - A soma de todos os elementos da n-ésia linha é igual a 2 n : n C C 1 3.º - n 0 n Síntese Arranjos com repetição Arranjos sem repetição Permutações Combinações A ordem influi? Pode haver repetição? n n C C . C . 2 . n n n 0 1 Entram todos os elementos da sequência? Combinatória n p A p' n - n ! A p (np ) ! n P ! n n n ! n C p p ! (n p ) ! Binómio de Newton n n n n n 1 n n 2 2 n n 1 n n ( a b ) C a C a b C a b . C a . C b . 0 1 2 n 1 n Ou n n n n pp ( a b ) C a b p p 0 Triângulo de Pascal Observações )n tem n+1 termos. 1.º - O desenvolvimento de (ab 2.º - O termo de ordem p é T p , sendo: 1 1 1 1 2 1 1 3 1 3 4 6 n n p 1 p 1 n n pp T C a b C a b ou T p p 1 p 1 p 1 4 1 1 5 10 10 5 1 1 6 15 20 15 6 1 …………………………………… O binómio de Newton é uma forma rápida de )n. simplificar expressões do tipo (ab Corresponde aos valores de: 0 C0 1 1 C0 2 3 4 5 6 C0 C0 6 C1 3 4 C0 5 C0 C0 C1 6 C2 C2 6 2 C1 3 C1 4 C2 5 C3 C3 6 C2 3 C2 4 C1 5 C1 2 C3 4 C3 5 C4 C4 6 C4 5 C5 C5 6 C6 …………………………………………… Propriedades