2 PROBABILIDADE Há várias definições para probabilidade. As três mais utilizadas são: Clássica, Frequentista e Axiomática Definição 2.1 (Clássica): Seja A um evento e Ω o espaço amostral finito, então se todos os resultados elementares de Ω sao equiprováveis a medida da probabilidade de ocorrência do evento #A P (A) = #Ω em que #A é a cardinalidade de A e #Ω é a cardinalidade de Ω Definição 2.2 (Frequentista): Seja A um evento, então nA n→∞ n P (A) = lim em que nA é o número de ocorrências do evento A em n realizações. A definição frequentista baseia-se na frequência relativa de um número grande n. Definição 2.3 (Axiomática - Axiomas de Kolmogorov): Probabilidade ou medida de probabilidade na σ-algebra F e a função P , definida em F, e que satisfaz os axiomas seguintes: 1. Para algum A ∈ F, existe um numero P (A) ≥ 0 2. P (Ω) = 1 3. (Aditividade finita). Se A1 , A2 , .., An ∈ F são disjuntos (2 a 2), então P n [ i=1 ! Ai = n X P (Ai ) i=1 Os eventos são disjuntos, ou disjuntos 2 a 2, se são mutuamente exclusivos, ou seja, Ai ∩ Aj = ∅ se i 6= j Probabilidade 2.1 2 ESPAÇOS DE PROBABILIDADE Definição 2.4: A tripla (Ω, F, P ) é um espaço de probabilidade se • Ω é um espaço de amostral • F é uma σ-álgebra dos subconjuntos (eventos) mensuráveis de Ω • P é uma medida de probabilidade que satisfaz os axiomas de Kolmogorov. Intuitivamente quando se modela uma problema através de probabilidade, basicamente, o que se faz é especificar cada uma das componentes da tipla (Ω, F, P ), em que: • Os eventos são os elementos de F, aos quais se pode atribuir probabilidade. • Probabilidade é uma função cujo argumento é um conjunto. Portanto, não somente conjuntos, como também as operações sobre eles, têm uma importância fundamental em teoria da probabilidade. 2.2 PROPRIEDADES DE PROBABILIDADE Teorema 2.1 (Propriedades de probabilidade): Dado um espaço de probabilidade (Ω, F, P ) e considerando os eventos abaixo nesse espaço, tem-se as propriedades de probabilidade 1. P (Ac ) = 1 − P (A) 2. P (∅) = 0 3. 0 ≤ P (A) ≤ 1 (Consequência do Axioma 1 e Propriedade 1) 4. Se A1 ⊂ A2 então P (A1 ) ≤ P (A2 ) 5. P (A1 ∪ A2 ) ≤ P (A1 ) + P (A2 ) 6. Regra da Adição de Probabilidades P (A1 ∪ A2 ) = P (A1 ) + P (A2 ) − P (A1 ∩ A2 ) Exemplo 2.1: Um aluno leva dois livros para ler durante as férias. A probabilidade de ele gostar do primeiro livro é de 0,5, de gostar do segundo livro é de 0,4 e de gostar de ambos os livros é de 0,3. Qual é a probabilidade de que ele não goste de nenhum dos livros? Seja o evento Li "Gostar do livro i". Então temos os seguintes eventos: • gostar somente do livro 1 L1 • gostar somente do livro 1 L2 Probabilidade 3 • gostar de ambos os livros é L1 ∩ L2 . • gostar de pelo menos um livro L1 ∪ L2 . • não gostar de nenhum livro Lc1 ∩ Lc2 . Assim, P (Lc1 ∩ Lc2 ) = P ((L1 ∪ L2 )c ) = 1 − P ((L1 ∪ L2 )) P ((L1 ∪ L2 )) = P (L1 ) + P (L2 ) − P ((L1 ∩ L2 )) = 0, 5 + 0, 4 − 0, 3 = 0, 6 P (Lc1 ∩ Lc2 ) = 1 − 0, 6 = 0, 4 Exemplo 2.2: Considere o lançamento de um dado viciado, no qual a probabilidade de um numero ser impar é 0,6 e a probabilidade de um numero ser menor ou igual a 4 é 0,64. Qual é a probabilidade de se obter o numero "seis"? Sejam os eventos: • A: o numero ser impar ⇒ A = {1, 3, 5} • B: o numero ser menor ou igual a 4 ⇒ A = {1, 2, 3, 4} • C: o numero ser igual a 6 Então temos que: C = (A ∪ B)c ⇒ P (C) = P (A ∪ B)c = 1 − P (A ∪ B) Assim, P (C) = 1 − (P (A) + P (B) − P (A ∩ B)) = 1 − (0, 60 + 0, 64 − P (A ∩ B)) = 1 − 1, 24 + P (A ∩ B) = P (A ∩ B) − 0, 24 Não conhecemos P (A ∩ B), desta forma não é possível obter a probabilidade exata do evento C, mas como (A ∩ B) ⊂ B, assim P (A ∩ B) ≤ P (B), ou seja P (A ∩ B) ≤ 0, 64. Assumindo P (A ∩ B) = 0, 64, temos P (C) = 0, 64 − 0, 24 = 0, 40 Assim 0 ≤ P (C) ≤ 0, 40 Probabilidade 2.3 4 PROBABILIDADE CONDICIONAL Definição 2.5: Seja (Ω, F, P ) um espaço de probabilidade. Se A e B ∈ F e P (B) > 0, então a probabilidade condicional de A dado B é definida por: P (A|B) = P (A ∩ B) P (B) Observações: • Se A e B forem mutuamente exclusivos, então A ∩ B = ∅, desse modo P (A|B) = 0 • Se B ∈ A então P (A|B) = 1 É possível verificar que, para P (B) > 0, a função P1 aplicada em conjuntos FB é definida por P1 (A) = P (A ∩ B) P (B) satisfaz os Axiomas de Kolmogorov sendo assim uma probabilidade. Desse modo, construímos um novo espaço de probabilidade (B, FB , P1 ) partindo do original (Ω, F, P ). Consequentemente as propriedades de probabilidade são mantidas, por exemplo P (Ac |B) = 1 − P (A|B) Com o conceito de probabilidade condicionada é possível apresentar uma maneira de se calcular a probabilidade da interseção de dois eventos A e B em função destes eventos. Esta expressão é denominada de teorema da multiplicação P (A ∩ B) = P (B)P (A|B) = P (A)P (B|A) Exemplo 2.3: Em uma cidade onde se publicam três jornais A, B e C, constatou-se que entre 1000 famílias, os assinantes se dispõem da seguinte forma Jornais Numero de familias A 140 B 230 C 370 AeB 80 AeC 90 BeC 130 AeBeC 50 Qual a probabilidade de: a) Uma familia assinar o jornal A, dado que assinou o jornal B? P (A|B) = P (A ∩ B) 80/1000 80 = = = 0, 3478 P (B) 230/100 230 Probabilidade 5 b) Uma familia assinar o jornal A, dado que assina pelo menos um dos outros2 jornais ? P (A|B ∪ C) = P (A ∩ (B ∪ C) = = P (B ∪ C) = P (A|B ∪ C) = P (A ∩ (B ∪ C) P (B ∪ C) P ((A ∩ B) ∪ (A ∩ C)) = P (A ∩ B) + P (A ∩ C) − P (A ∩ B ∩ C) 80 + 90 − 150 120 = 1000 1000 230 + 370 − 130 470 P (B) + P (C) − P (B ∩ C) = = 1000 1000 120 = 0, 2553 470 c) Uma familia assinar o jornal A, dado que assina pelo menos um dos 3 jornais? Exemplo 2.4: Suponha que A, B e C sejam eventos tais que P (A) = P (B) = P (C) = 1/4, P (A ∩ B) = P (C ∩ B) = 0 e P (A ∩ C) = 1/8. Calcule a as seguintes probabilidades: a) P (A|B) P (A|B) = 0 pois P (A ∩ B) = 0 b) P (A|C) P (A|C) = 1/8 1 P (A ∩ C) = = P (C) 1/4 2 c) P (A ∩ (B ∪ C)) Temos que A ∩ (B ∩ C) = (A ∩ B) ∪ (A ∩ C) = ∅ ∪ (A ∩ C) = (A ∩ C) Assim P (A ∩ (B ∪ C)) = P (A ∩ C) = 2.3.1 1 8 Independência Definição 2.6: Seja o espaço de probabilidade (Ω, F, P ). Os eventos aleatórios A e B são independentes (estocastimente) se: P (A ∩ B) = P (A)P (B) Da definição de independência verifica-se que os eventos A e B sao independentes se P (A|B) = P (A) e P (B|A) = P (B) Probabilidade 6 Exemplo 2.5: Se A e B são independentes, P (A) = 1 3 e P (B c ) = 41 , determine P (A ∪ B) 1 3 = 4 4 1 13 = P (A ∩ B) = P (A)P (B) = 34 4 P (B) = 1 − P (B c ) = 1 − P (A ∪ B) = P (A) + P (B) − P (A ∩ B) = 5 1 3 1 + − = 3 4 4 6 Quando dois eventos são independentes, a ocorrência de um não exerce nenhuma influência na probabilidade de ocorrência do outro Exemplo 2.6: Se P (A) = 21 , P (B c ) = P (A ∪ B) 3 4 3 4 P (A ∩ B) 1 4 e P (A ∪ B) = 34 , A e B são independentes? = P (A) + P (B) − P (A ∩ B) 1 1 = + − P (A ∩ B) 2 4 3 = − P (A ∩ B) 4 = 0 Logo os eventos não são independentes Teorema 2.2: Se A e B são independentes, então A e B c ; Ac e B; Ac e B c também são independentes. Definição 2.7: Os eventos aleatórios A1 , A2 , ..., An ,são: • independente dois a dois (pares) se P (Ai ∩ Aj ) = P (Ai )P (Aj ) • coletivamente independentes se P (A1 ∩ A2 ∩ ... ∩ An ) = P (A1 )P (A2 )...P (An ) Independência a pares não implica independência coletiva. Probabilidade 7 Exemplo 2.7: Seja Ω = {w1 , w2 , w3 , w4 } e P (W ) = 41 para todo w ∈ Ω. Sejam os eventos A = {w1 , w4 }, B = {w2 , w4 } e C = {w3 , w4 }. Então temos P (A) = P (B) = P (C) = 1 1 1 + = 4 4 2 1 = P (A)P (B) 4 1 P (A ∩ C) = = P (A)P (C) 4 1 P (B ∩ C) = = P (B)P (C) 4 P (A ∩ B) = Então os eventos são independentes dois a dois, mas 1 4 111 1 P (A)P (B)P (C) = = 222 8 P (A ∩ B ∩ C) 6= P (A)P (B)P (C) P (A ∩ B ∩ C) = 2.3.2 Teorema de Bayes Definição 2.8: Uma partição do espaço amostral Ω é uma família de conjuntos A1 , A2 , ..., An mutuamente exclusivos, isto é: • n [ Ai = Ω i=1 • Ai ∩ Aj = ∅, para todo i 6= j Teorema 2.3 (Teorema da Probabilidade Total): Se a sequencia de eventos aleatórios A1 , A2 , ..., An forma uma partição do espaço amostral Ω, então a probabilidade de um evento B contido em Ω e dada por n X P (B) = P (Ai )P (B|Ai ) i=1 Teorema 2.4 (Formula de Bayes): Se a sequencia de eventos aleatóriosA1 , A2 , ..., An forma uma partição do espaço amostral Ω, então P (Ai )P (B|Ai ) j P (Ai j)P (B|Aj ) P (Ai |B) = P Exemplo 2.8: 8) Apenas uma em cada dez pessoas de uma população tem tuberculose. Das pessoas que tem tuberculose 80% reagem positivamente ao teste Y, enquanto apenas 30% dos que não tem tuberculose reagem positivamente. Uma pessoa da população e selecionada ao acaso e o teste Y é aplicado. Probabilidade 8 a) Qual a probabilidade de que essa pessoa tenha tuberculose, se reagiu positivamente ao teste? Sejam os eventos: – A o teste Y reagiu positivamente – N o teste Y reagiu negativamente – T a pessoa tem tuberculose – N T a pessoa não tem tuberculose 1 = 0, 1 10 9 P (N T ) = = 0, 9 10 P (A|T ) = 0, 8 ⇒ P (N |T ) = P (Ac |T ) = 1 − P (A|T ) = 1 − 0, 8 = 0, 20 P (T ) = P (A|N T ) = 0, 3 ⇒ P (N |N T ) = P (Ac |N T ) = 1 − P (A|N T ) = 1 − 0, 30 = 0, 70 P (A) = P (T ∩ A) + P (N T ∩ A) = P (A|T )P (T ) + P (A|N T )P (N T ) = 0, 80 × 0, 10 + 0, 30 × 0, 90 = 0, 08 + 0, 27 = 0, 35 P (T ∩ A) 0, 08 P (T |A) = = = 0, 2286 P (A) 0, 35 b) Qual a probabilidade de que essa pessoa não tenha tuberculose, se reagiu negativamente ao teste? 2.4 2.4.1 EXERCÍCIOS Teóricos 2.1) Mostre que para quaisquer A1 , A2 , .., An ∈ F P n [ i=1 ! Ai ≤ n X P (Ai ) i=1 2.2) Mostre que: a) P (A1 ∪A2 ∪A3 ) = P (A1 )+P (A2 )+P (A3 )−P (A1 ∩A2 )−P (A1 ∩A3 )−P (A2 ∩A3 )+P (A1 ∩A2 ∩A3 ) Probabilidade 9 b) P (A1 ∪ A2 ∪ .. ∪ An ) = n X P (Ai ) − XX j=1 P (Ai ∩ Aj ) + i<j n+1 +(−1) XXX P (Ai ∩ Aj ∩ Ak ) − ... i<j<k P (A1 ∩ A2 ∩ .. ∩ An ) c) P n \ ! Ai = P (A1 )P (A2|A1 )P (A3|A1 ∩ A2 )...P (An |A1 ∩ A2 ∩ ... ∩ An−1 ) i 2.3) Seja A ∈ B. Expresse as seguintes probabilidades da forma mais simples possível. P (A|B), P (A|B c ), P (B|A), P (B|Ac ) 2.4) Se Ai , i = 1, 2, 3, ... são mutuamente exclusivos, mostre que: P ∞ [ ! Ai |B i=1 = ∞ X P (Ai |B) i=1 2.5) Seja P uma probabilidade sobre um espaço amostral e suponha que A é um evento com 0 < P (A) < 1. Mostre que A e B são independentes se e somente se P (B|A) = P (B|Ac ). 2.6) Os eventos A, B e C são independentes. Prove que P (B|A ∩ C) = P (B|A ∪ C) = P (B). 2.7) Demonstre ou dê um contra exemplo: a) Se A é independente de B, e A é independente de C, então A é independente de B ∪ C b) Se A é independente de B, e A é independente de C, com B ∩ C = ∅ então A é independente de A ∪ B 2.8) Seja A um evento qualquer, mostre que: a) A e ∅ são independentes b) A e Ω são independentes 2.9) Demonstre que se P (B|Ac ) = P (B|A), então P (B|A) = P (B) 2.4.2 Práticos 2.1) Considere um círculo inscrito em um triângulo equilátero. Pergunta-se a) Se um inseto pousar no círculo, qual a probabilidade de que tenha pousado também no triangulo? Probabilidade 10 b) Se um inseto pousar no triangulo, qual a probabilidade de que tenha pousado também no circulo? 2.2) Durante um período de 24 h, em algum momento X, uma chave é posta na posição "ligada". Depois em algum momento futuro Y (dentro do período de 24h) a chave é virada para a posição "desligada". Suponha que X e Y sejam medidas em horas, no eixo dos tempos, com o início do período na origem da escala. O resultado do experimento é constituído pelo par de números (X, Y ). a) Descreva o espaço amostral. b) Descreva e marque no plano XY os seguintes eventos: 1. O circuito está ligado por uma hora ou menos. 2. O circuito está ligado no tempo Z, onde Z é algum instante no período de 24 h. 3. O circuito é ligado antes do tempo t1 e desligado depois do tempo t2 (t1 < t2) são 2 instantes durante o período de 24 h especificado). 4. O circuito permanece ligado 2 vezes mais tempo do que desligado 2.3) A probabilidade de um estudante ter o cartão de credito A é 0,5, de ter o cartão de credito B é 0,4 e de ter ambos os cartões é 0,25. Determine a probabilidade de: a) Um estudante ter pelo menos um dos dois cartões. b) Um estudante não ter nenhum dos dois cartões. 2.4) Três estudantes A, B e C estão em uma competição de natação. A e B têm as mesmas chances de vencer e, cada um, e tem duas vezes mais chances de vencer do que C. Qual a probabilidades de A ou C vencer?. 2.5) Escolha um ponto, ao acaso, no círculo unitário com centro na origem. Qual é a probabilidade da distância desse ponto à circunferência, que limita o círculo, ser inferior a 1/2. 2.6) Suponha que A e B sejam eventos independentes associados a um experimento. Se a probabilidade de A ou B ocorrerem for igual a 0,6 enquanto a probabilidade de ocorrência de A for igual a 0,4 determine a probabilidade da ocorrência de B. 2.7) Sejam A e B dois eventos associados a um experimento. Suponha que P (A) = 0, 4 enquanto P (A ∪ B) = 0, 7. Seja P (B) = p. a) Para qual valor de p, A e B serão mutuamente excludentes? b) Se A e B não são disjuntos, para qual valor de p, A e B são independentes? Probabilidade 11 2.8) As probabilidades de três motoristas serem capazes de guiar até em casa com segurança, depois de beber, são de 13 , 14 e 15 , respectivamente. Se decidirem guiar até em casa, depois de beber numa festa, qual a probabilidade de todos os três motoristas sofrerem acidentes? Qual a probabilidade de pelo menos um dos motoristas guiar até em casa a salvo? 2.9) Sendo P (A) = 1 2 e P (A ∪ B) = 34 , determine P (B) no seguintes casos: a) A e B são independentes b) A e B são disjuntos c) A está contido em B 2.10) A probabilidade de fechar o i-ésimo rele em um circuito é dado por pi , i = 1, 23, 4 e 5. Se todos os reles funcionam independentemente. Qual a probabilidade da corrente passar entre os pontos A e B. 2.11) Um meteorologista acerta 80% dos dias em que chove e 90% dis duas en que faz bom tempo. Chove em 10% dos dias. Tendo havido previsão de chuva, qual a probabilidade de chover? 2.12) Considere dois eventos A e B tais que: 1 P (A) = , 4 1 P (B|A) = , 2 P (A|B) = 1 4 a) A e B são mutuamente excludentes? b) A e B são independentes? c) Determine P (Ac |B c ), P (Ac |B) + P (A|B) e P (A|B c ) 2.13) Um sistema é composto de três componentes 1, 2 e 3, com confiabilidade 0,9; 0,8 e 0,7, respectivamente. O componente 1 é indispensável ao funcionamento do sistema; se 2 ou 3 não funcionam, o sistema funciona, mas com um rendimento inferior. A falha simultânea de 2 e 3 implica o não funcionamento do sistema. Supondo que os componentes funcionem independentemente, calcular a confiabilidade do sistema. 2.14) Uma válvula a vácuo pode provir de 3 fabricantes, com probabilidade 0,25; 0,50 e 0,25. As probabilidades de que , durante determinado período de tempo, a válvula funcione bem são, respectivamente, 0,1; 0,2 e 0,4, para cada um dos fabricantes. Calcule a probabilidade de que uma válvula escolhida ao acaso funcione bem durante o período de tempo especificado. Probabilidade 12 2.15) Um treinador de basquete tem duas jogadas em mente que podem ser úteis em momentos decisivos de uma partida. Ele acha que a probabilidade de que a jogada de ataque dê certo é de 0.5. Se a jogada de ataque dá certo, a chance do time roubar a bola na defesa é de 0,75; caso contrário, a probabilidade se reduz a 1/3. Determine: a) a probabilidade do time conseguir sucesso nas duas jogadas; b) a probabilidade de ambas jogadas darem errado; c) a probabilidade de somente a jogada de defesa ser bem sucedida. 2.16) Considere três conjuntos A, B e C, sendoP (A) = P (B) = P (C) = 1/4, P (A ∩ B) = 1/8, P (A ∩ C) = P (B ∩ C) = 0. Determine a probabilidade de: a) somente um dos eventos ocorrer b) todos os eventos ocorrerem c) nenhum dos eventos ocorrer.