UNIDADE I. José J. C. Hernández. March 29, 2017 DE - UFPE. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
|
|
- Natália Vilanova Anjos
- 5 Há anos
- Visualizações:
Transcrição
1 INTRODUÇÃO À ESTATÍSTICA UNIDADE I José J. C. Hernández DE - UFPE March 29, 2017 José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
2 TEORIA DOS CONJUNTOS Definição [conjunto] Um conjunto é uma coleção de objetos bem definidos, denominados elementos ou membros do conjunto. As palavras conjunto e elementos são termos indefinidos da teoria dos conjuntos. CONJUNTOS são denotados por letras maiúsculas A, B, C,... ELEMENTOS são denotados por letras minúsculas a, b, c... Notação: Seja S um conjunto e a um elemento de S Nota: a S, a pertence a S a / S, a pertence a S José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
3 Relações entre conjuntos: Subconjuntos Definição: Se A e B são conjuntos, A é chamado subconjunto de B, escrito A B, se cada elemento de A também é um elemento de B. imbolicamente: A B se x A então x B. As frases A está contido em B e B contém A são formas alternativas de dizer que A é um subconjunto de B. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
4 Relações entre conjuntos: Subconjunto próprio Definição: Se A e B são conjuntos, A é chamado subconjunto próprio de B, escrito A B, se cada elemento de A também é um elemento de B mas existe pelo menos um elemento de B que não está em A. imbolicamente: A B se x A então x B e y B tal que y / A. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
5 Relações entre conjuntos: Igualdade de Conjuntos Definição: Dados os conjuntos A e B, A = B se cada elemento de A está em B e cada elemento de B está em A. Simbolicamente: A = B A B e B A. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
6 Conjunto Universo Definição: Conjunto Universo, denotado por Ω, U. É o conjunto que contém todos os elementos que queremos considerar. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
7 Operações sobre conjuntos Sejam A e B subconjuntos do conjunto universal U. União: A B = {x U : x A ou x B}. Para uma quantidade finita de conjuntos A 1, A 2,..., A n, usamos a notação n A 1 A 2 A n = i=1 Intersecção: A B = {x U : x A e x B}. Notação n A 1 A 2 A n = i=1 Diferença: A B = {x U : x A e x / B}. Complemento: A c (A ou A) = {x U : x A e x / B}. Diferença Simétrica: A B = (A B) (B A). A i A i José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
8 Propriedades de subconjuntos Inclusão da interseção: para todos conjuntos A e B A B A A B B Inclusão na união: para todos conjuntos A e B A A B B A B Propriedade transitiva dos subconjuntos: para todos conjuntos A, B e C Se A B e B C então A C. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
9 Identidades de conjuntos Sejam todos os conjuntos abaixo subconjuntos do conjunto universal U. Comutatividade: A B = B A, A B = B A Associatividade: (A B) C = A (B C), (A B) C = A (B C) Distributividade: A (B C) = (A B) (A C), A (B C) = (A B) (A C) Interseção e União com U: A U = A, A U = U José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
10 Identidades de conjuntos Sejam todos os conjuntos abaixo subconjuntos do conjunto universal U. Complemento duplo: (A c ) c = A Idempotência: A A = A, A A = A De Morgan: (A B) c = A c B c, (A B) c = A c B c. Para uma quantidade finita de conjuntos A 1, A 2,..., A n, temos ( n ) c n A i = A c i, i=1 i=1 ( n ) c n A i = A c i. i=1 i=1 Representação alternativa para diferença de conjuntos: A B = A B c. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
11 Teorema sobre conjunto vazio Teorema Um conjunto com nenhum elemento é um subconjunto de cada conjunto. Em outras palavras, se é um conjunto com nenhum elemento e A é um conjunto qualquer, então A. Corolário Existe somente um conjunto com nenhum elemento. Definição O conjunto único com nenhum elemento é chamado de conjunto vazio e é denotado pelo símbolo. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
12 Propriedades de conjuntos que envolvem União com : A = A Intersecção e uniõ com o complemento: A A c =, A A c = U. Intersecção com : A = Complementos de U e : U c =, c = U. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
13 Partições de conjuntos Definição: Dois conjuntos são chamados disjuntos se eles não têm nenhum elemento em comum. Simbolicamente: A e B são disjuntos A B =. Definição (conjuntos mutuamente disjuntos): Conjuntos A 1,..., A n são mutuamente disjuntos (ou disjuntos par-a-par ou sem sobreposição) se A i A j = para todos i, j {1,..., n} e i j. Definição (Partição): Uma coleção de conjuntos não vazios {A 1,..., A n } é uma partição do conjunto A se A = A 1 A 2 A n. A 1,..., A n são mutuamente disjuntos José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
14 Conjunto potência Definição (Conjunto potência): Dado um conjunto A, o conjunto potência de A, denotado por P(A), é o conjunto de todos os subconjuntos de A. Exemplo: Achar o conjunto potência do conjunto A = {x, y, z}. Teorema Para todo inteiro n 0, se um conjunto A tem n elementos então P(A) tem 2 n elementos. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
15 EXPERIMENTO ALEATÓRIO Entendemos por experimento aleatório os fenômenos que, quando repetidos inúmeras vezes em processos semelhantes, possuem resultados imprevisíveis. Procedimento que, ao ser repetido sob as mesmas condições, pode fornecer resultados diferentes Exemplo: O lançamento de um dado e de uma moeda são considerados exemplos de experimentos aleatórios, no caso dos dados podemos ter seis resultados diferentes {1, 2, 3, 4, 5, 6} e no lançamento da moeda, dois {cara, coroa}. Exemplo: Preço de alguma ação na bolsa de valores na próximo quinta. Condições climáticas no próximo domingo. Taxa de inflação do próximo mês. Tipo sanguíneo de um habitante escolhido ao acaso. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
16 ESPAÇO AMOSTRAL A coleção de todos os possíveis resultados de um experimeto aleatório é denominada espaço amostral. Em todos os problemas estatísticos devemos inicialmente definir qual o espaço amostral ou a população alvo. Com ela, estarão relacionadas as quantidades de interesse. Exemplo: Lançamento de um dado: Ω = {1, 2, 3, 4, 5, 6} Exame de sangue (tipo sanguíneo): Ω = {A, B, AB, O} Hábito de fumar: Ω = {fumante, não fumante} Tempo de duração de uma lâmpada: Ω = {t : t 0} José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
17 EVENTOS Subconjuntos do espaço amostral Ω. Notação: A, B, C,... (conjunto vazio): evento impossível Ω: evento certo Exemplo: Lançamento de um dado: Ω = {1, 2, 3, 4, 5, 6} Eventos: A: sair face par A = {2, 4, 6}. B: sair face maior que 3 B = {4, 5, 6}. C: sair face 1 C = {1}. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
18 OPERAÇÕES COM EVENTOS Sejam A e B dois eventos de um espaço amostral. A B: União dos eventos A e B: Representa a ocorrência de pelo menos um dos eventos, A ou B. A B: Intersecção dos eventos A e B: Representa a ocorrência simultânea dos eventos A e B. Observações: A e B são disjuntos ou mutuamente exclusivos quando não têm elementos em comum, isto é, A B = A e B são complementares se sua interseção é vazia e sua união é o espaço amostral, isto é, A B = e A B = Ω. O complementar de A é representado por A c. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
19 Exemplo: Lançamento de um dado Ω = {1, 2, 3, 4, 5, 6}. Eventos: A = {2, 4, 6}, B = {4, 5, 6} e C = {1} sair uma face par e maior que 3 sair uma face par e face 1 A B = {2, 4, 6} {4, 5, 6} = {4, 6} A C = {2, 4, 6} {4, 5, 6} = {1} = sair uma face par ou maior que 3 A B = {2, 4, 6} {4, 5, 6} = {2, 4, 5, 6} não sair face par A c = {1, 3, 5} José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
20 FREQUÊNCIAS RELATIVAS Medida numérica associada a eventos que represente a probabilidade com que eles ocorrem. Considere uma coleção de experimentos aleatórios (não necessariamente numéricos). Fixando uma dada sequencia de resultados, se estamos interessados na ocorrência de um dado evento A, a frequência relativa de A nada mas é que uma média aritmética da função indicadora de A calculada em cada um dos termos da sequência. Exemplo: Lançamento de um dado, Ω = {1, 2, 3, 4, 5, 6}. Seja o evento A: sair face par. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
21 Definição (função indicadora): Seja A um evento. A função indicadora do evento A é definido por { 0 se w / A 1 A (w) = 1 se w A Definição (frequência relativa): A frequência relativa de um evento A, determinada pelos resultados {w 1,..., w n } de n experimentos aleatórios, é definida por r n (A) = N n(a) = 1 n 1 A (w i ) n n i=1 José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
22 PROBABILIDADE Medida da incerteza associada aos resultados do experimento aleatório Deve fornecer a informação de quão verossímil é a ocorrência de um particular evento. Como atribuir probabilidade aos elementos do espaço amostral? Duas abordagens possíveis: Frequências de ocorrências Suposições teóricas. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
23 Atribuição da probabilidade: Através das frequências de ocorrências. O experimento aleatório é repetido n vezes Calcula-se a frequência relativa com que cada resultado ocorre. Obs: Para um número grande de realizações, a frequência relativa aproxima-se da probabilidade. Através de suposições teóricas. Exemplo: Lançamento de um dado. Admite-se que o dado é perfeitamente equilibrado P( face 1) = P( face 2) = = P( face 6) = 1 6 José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
24 PROBABILIDADE No caso discreto, todo experimento aleatório tem seu modelo probabiĺıstico especificado quando estabelecemos: O espaço amostral Ω = {w 1, w 2,... } A probabilidade P(w) para cada ponto amostral de tal forma que: 0 P(wi ) 1 P(Ω) = P({w1, w 2,... }) = P(w i ) = 1 Ainda no caso discreto Se A é um evento, então Se Ω = {w 1, w 2,..., w n } e i=1 P(A) = w i A P(w i ) P(w i ) = 1 n (pontos equiprováveis), então P(A) = no. de elementos de A no. de elementos de Ω José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
25 Exemplo: A tabela a seguir apresenta a distribuição de alunos diplomados em 2002, segundo nível de ensino e tipo de instituic cão, no município de São Paulo. Um aluno diplomado em 2002 do município de São Paulo ẽ selecionado, ao acaso. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
26 Ω: conjunto de alunos diplomados em 2002 no município de São Paulo. Definimos os eventos M: aluno se formou no ensino médio; F : aluno se formou no ensino fundamental; S: aluno se formou no ensino superior; G: aluno se formou em instituição pública. Temos P(M) = = 0, , P(F ) = = 0, P(M) = = 0, , P(F ) = = 0, José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
27 Qual é a probabilidade do aluno escolhido ter se formado no ensino médio e numa instituição pública? José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
28 Qual é a probabilidade do aluno escolhido ter se formado no ensino médio e numa instituição pública? Solução: M G: aluno formado no ensino médio e em inst.pública José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
29 Qual é a probabilidade do aluno escolhido ter se formado no ensino médio e numa instituição pública? Solução: M G: aluno formado no ensino médio e em inst.pública P(M G) = = 0, José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
30 Qual é a probabilidade do aluno escolhido ter se formado no ensino médio e numa instituição pública? Solução: M G: aluno formado no ensino médio e em inst.pública P(M G) = = 0, Qual é a probabilidade do aluno ter se formado no ensino médio ou numa instituição pública? José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
31 Qual é a probabilidade do aluno escolhido ter se formado no ensino médio e numa instituição pública? Solução: M G: aluno formado no ensino médio e em inst.pública P(M G) = = 0, Qual é a probabilidade do aluno ter se formado no ensino médio ou numa instituição pública? Solução: M G: aluno formado no ensino médio ou em inst.pública José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
32 Qual é a probabilidade do aluno escolhido ter se formado no ensino médio e numa instituição pública? Solução: M G: aluno formado no ensino médio e em inst.pública P(M G) = = 0, Qual é a probabilidade do aluno ter se formado no ensino médio ou numa instituição pública? Solução: M G: aluno formado no ensino médio ou em inst.pública P(M G) = = = 0, José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
33 Regra da adição de probabilidades Sejam A e B eventos de Ω. Então, Casos particulares: P(A B) = P(A) + P(B) P(A B). Se A e B forem eventos disjuntos, então P(A B) = P(A) + P(B). Para qualquer evento A de Ω, então P(A c ) = 1 P(A). Uniões finitas disjuntas: Dados eventos A 1, A 2, A 3,..., A n todos disjuntos par-a-par, então: ( n ) P A i = i=1 n P(A i ). i=1 José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
34 Princípio da Inclusão-Exclusão Se os eventos A 1, A 2, A 3,..., A n não são disjuntos par-a-par, então como computamos ( n P A i )?. i=1 Teorema (H. Poincaré): Seja I um conjunto genérico de índices que é um subconjunto não-vazio qualquer de {1, 2,..., n}. Para eventos arbitrários {1, 2,..., n}, ( n ) ( ) P A i = ( 1) I +1 P A i, i=1 =I {1,2,...,n} em que o somatório é sobre todos os 2 n 1 conjuntos de índices excluíndo apenas o conjunto vazio. i I José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
35 Exemplo Para n = 3: P ( 3 i=1 A i ) = P(A 1 ) + P(A 2 ) + P(A 3 ) P(A 1 A 2 ) P(A 1 A 3 ) P(A 2 A 3 ) + P(A 1 A 2 A 3 ). José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
36 ESPAÇOS AMOSTRAIS FINITOS O espaço amostral Ω = {1, 2,..., n} é chamado espaço amostral finito. A probabilidade P(w i ) para cada ponto amostral é denotado por p i = P(w i ), então n p i = 1. i=1 José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
37 Exemplo: Em uma urna, há 5 bolas: 2 brancas e 3 vermelhas. Duas bolas são sorteadas sucessivamente, sem reposição. Definamos os eventos A: 2 a bola sorteada é branca Calcular P(A). Para representar todas as possibilidades, utilizamos, um diagrama conhecido como diagrama de árvores ou árvore de probabilidades. O experimento aleatório é: Duas bolas são sorteadas sucessivamente, sem reposição. Então Ω = {BB, BV, VB, VV } José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
38 Temos P(A) = = 2 5. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
39 Considere agora que as extrações são feitas com reposição, ou seja, a 1a. bola sorteada é reposta na urna antes da 2a. extração. O experimento aleatório é: Duas bolas são sorteadas sucessivamente, com reposição. Então Ω = {BB, BV, VB, VV } Nesta situação, temos Temos P(A) = = 2 5. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
40 MÉTODOS DE CONTAGEM Regra de adição: procedimento 1, possa ser realizado de n 1 maneiras. procedimento 2, possa ser realizado de n 2 maneiras. Suponha que não seja possível que ambos os procedimentos 1 e 2 sejam realizados em conjunto. O número de maneiras pelas quais poderemos realizar ou 1 ou 2 será n 1 + n 2. Exemplo. Suponha que estejamos planejando uma viagem e devamos escolher entre o transporte por ônibus ou por trem. Se existirem três rodovias e duas ferrovias, então existirão = 5 caminhos disponíveis para a viagem. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
41 Regra da Multiplicação [princípio fundamental da contagem]: procedimento 1, possa ser realizado de n 1 maneiras. procedimento 2, possa ser realizado de n 2 maneiras. Cada maneira de executar 1 pode seguir por qualquer maneira para executar 2. Então o procedimento formado por 1 seguido de 2 poderá ser executado de n 1 n 2 maneiras. Exemplo. Quantos divisores inteiros e positivos possui o número 360? Quantos desses divisores são pares? Quantos são quadrados perfeitos? Solução: 360 = Os divisores inteiros e positivos de 360 são os número da forma: 2 a 3 b 5 c, em que a {0, 1, 2, 3}, b {0, 1, 2}, e c {0, 1}. Portanto, existem = 24 maneiras de escolher os expoentes a, b, c. Logo há 24 divisores. Para o divisor ser par, a não pode ser zero. Então, existem = 18 divisores pares. Para o divisor ser quadrado perfeito, os expoentes tem que ser pares. Logo, existem = 4 divisores quadrados perfeitos. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
42 Exemplo. Uma peça manufaturada deve passar por três passos e por três estações de controle. Em cada estação a peça é inspecionada com relação a uma determinada característica e marcada adequadamente. Na primeira estação, três classificações são poss veis (ok, excelente, retrabalho), enquanto que nas duas últimas, duas classificações são possíveis (ok, retrabalho). De quantas maneiras uma peça pode ser marcada? 1ª estação - 3 maneiras 2ª estação - 2 maneiras 3ª estação - 2 maneiras José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
43 Amostragem com Reposição (Arranjo simple) Dado um conjunto com n elementos distintos, o número de maneiras de selecionar uma sequência distinta de comprimento r escolhida desse conjunto com repetidas seleções do mesmo elemento sendo permitida é dada por n r já que estamos repetindo o mesmo procedimento r vezes, e cada procedimento tem n maneiras de ser executado. Exemplo. O conjunto A possui 4 elementos e, o conjunto B, 7 elementos. Quantas funções f : A B existem? Quantas delas são injetoras? Solução: Note que para cada elemento de A temos 7 opções de valores diferentes. Como A contém 4 elementos, existem = 7 4 = 2401 funções diferentes. Recorde que uma função é injetora se f (a) f (b) sempre que a b. Portanto, não podemos repetir o mesmo elemento de B como imagem de dois elementos de A, logo existem = 840 funções injetoras. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
44 Amostragem sem Reposição Dado um conjunto com n elementos distintos, o número de maneiras de selecionar uma sequência distinta de comprimento r escolhida desse conjunto com repetidas seleções do mesmo elemento não sendo permitida é dada por r 1 (n) r = n(n 1)(n 2) (n r + 1) = (n i). Denotando n! = n(n 1)(n 2) 1, segue-se (n) r = n! (n r)!. Exemplo. De quantos modos é possível colocar r rapazes e m moças em fila de modo que as moças permaneçam juntas? Solução: Primeiro temos r + 1 opções de escolher o lugar das moças. Em seguida, temos r! maneiras de escolher a posição dos rapazes entre si, e m! maneiras de escolher a posição das moças entre si. Portanto, temos (r + 1)r!m! modos diferentes de escolha. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78 i=0
45 Permutações e combinação Permutação: Suponha que tenhamos uma coleção Ω = {w 1, w 2,..., w n } de n objetos. De quantas maneiras podemos dispor (permutar) estes elementos? O número de maneiras que podemos fazer isto é denominado permutação. Exemplo. Se tivermos os objetos a, b e c, podemos considerar as permutaçẽs: abc, acb, bac, bca, cab e cba. Aplicando a regra da multiplicação, temos que o número de maneiras de permutar n elementos é: P n = n(n 1)(n 2) 21 = n! José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
46 Permutações com elementos repetidos: Seja A um conjunto com n elementos, dos quais k elementos repetem-se. A fórmula para o cálculo das permutações de A é: P k n = n! k! Exemplo. Calcule o número de anagramas da palavra AMOR. Se um conjunto A, com n elementos, possui k 1 repetições de um elemento, k 2 repetições de outro,..., k l repetições de outro, a fórmula assume a seguinte forma: P k n = n! k 1!k 2! k l! Exemplo. Calcule o número de anagramas da palavra ANTONIA. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
47 Combinação: Suponha que tenhamos uma coleção Ω = {w 1, w 2,..., w n } composta por n objetos. Agora, trataremos da contagem do número de maneiras de escolher r( n) objetos dentre os n objetos sem considerarmos a ordem. Exemplo. Na coleção de objetos Ω = {a, b, c, d}, quantos grupos podemos formar com dois objetos? Podemos formar os seguintes grupos com dois elementos: {ab, ac, ad, bc, bd, cd}. Note que aqui não contamos ab e ba pois formam dois grupos iguais. Em geral, o número de maneiras de alocarmos os n objetos em r compartimentos é C n,r = ( ) n = r n! r!(n r)! José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
48 Exemplo. Um grupo de 1000 pessoas contém 2 pessoas com diabetes e 998 pessoas saudáveis. Dez pessoas são escolhidas ao acaso e sem reposição. Qual a probabilidade de escolhermos apenas uma pessoa com diabetes? Espaço amostral: Ω = {(w 1,..., w 10 ) : w i = pessoa, ew i w j } 1000 pessoas; 2 pessoas com diabetes; 10 pessoas selecionadas ao acaso e sem reposição. De quantas maneiras podemos selecionar 10 pessoas sem reposição? C 1000,10 = 1000! 10!990! Qual a probabilidade de encontrarmos 1 pessoa com diabetes entre as 10 escolhidas? ( 2 )( 998 ) 1 9) ( José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
49 Binômio de Newton: Dados x, y R temos que (x + y) n = n k=0 ( ) n x k y n k. k José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
50 PROBABILIDADE CONDICIONAL E INDEPENDÊNCIA Probabilidade condicional Dados dois eventos A e B, a probabilidade condicional de A dado que ocorreu B é denotada por P(A B) e definida por P(A B) P(A B) =, P(B) > 0. P(B) Da definição de probabilidade condicional, obtemos a regra do produto de probabilidades P(A B) = P(B)P(A B). Analogamente, se P(A) > 0 P(A B) = P(A)P(B A). José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
51 Exemplo: A tabela a seguir apresenta a distribuição de alunos diplomados em 2002, segundo nível de ensino e tipo de instituic cão, no município de São Paulo. Um aluno diplomado em 2002 do município de São Paulo ẽ selecionado, ao acaso. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
52 Ω: conjunto de alunos diplomados em 2002 no município de São Paulo. Definimos os eventos M: aluno se formou no ensino médio; F : aluno se formou no ensino fundamental; S: aluno se formou no ensino superior; G: aluno se formou em instituição pública. Qual é a probabilidade do aluno escolhido ser formado no ensino médio sabendo-se que é de instituição pública? Olhando diretamente a tabela P(M G) = P(M G) G = = 0, José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
53 Exemplo: Em uma urna, há 5 bolas: 2 brancas e 3 vermelhas. Duas bolas são sorteadas sucessivamente, sem reposição. Definamos os eventos A: 2 a bola sorteada é branca C: 1 a bola sorteada é branca Calcular P(A C). P(A) = = 2 5. P(A C) = P(A C) P(C) = 1 4 José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
54 Considere agora que as extrações são feitas com reposição, ou seja, a 1a. bola sorteada é reposta na urna antes da 2a. extração. Nesta situação, temos P(A) = = 2 5. P(A C) = P(A C) P(C) = 2 5 = P(A), ou seja, o resultado na 2a. extração independe do que ocorre na 1a. extração. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
55 Independência de eventos Dois eventos A e B são independentes se a informação da ocorrência (ou não) de B não altera a probabilidade de ocorrência de A, isto é, Temos a seguinte forma equivalente: P(A B) = P(A), P(B) > 0. P(A B) = P(A)P(B). José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
56 Exemplo: A probabilidade de Julia ser aprovada no vestibular é 1/3 e a de Madalena é 2/3. Qual é a probabilidade de ambas serem aprovadas? A: Julia é aprovado B: Madalena é aprovada Qual foi a suposição feita? P(A B) = P(A) P(B) = = 2 9. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
57 Probabilidade Total (lei das probabilidades totais) Seja {B j } n j=1 uma partição do espaço amostral Ω, i.e., Então P(A) = Se P(B j ) > 0 para todo j, então n P(A B j ). j=1 n P(A) = P(B j )P(A B j ). j=1 José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
58 REGRA DE BAYES Seja {B j } n j=1 uma partição do espaço amostral Ω, P(B j) > 0, j, A Ω, P(A) > 0. Então P(B j A) = P(B j)p(a B j ). n P(B k )P(A B k ) k=1 José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
59 Exemplo: Um médico desconfia que um paciente tem tumor no abdômem, pois isto ocorreu em 70% dos casos similares que ele tratou. Se o paciente de fato tiver o tumor, o exame de ultra-som o detectará com probabilidade 0, 9. Entretanto, se ele nõ tiver o tumor, o exame pode, erroneamente, indicar que tem com probabilidade 0, 1. Se o exame detectou um tumor, qual é a probabilidade do paciente tê-lo de fato? Solução: Seja o evento T : tem tumor Então, P(T ) = 0, 7 e P(T c ) = 0, 3. Os dados do problema são, P(detectar Tumor T ) = 0, 9 P(detectar Tumor T c ) = 0, 1 Deseja-se calcular P(T detectar Tumor). José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
60 P(T detect Tumor) = = = = P(T, detect Tumor) P(detect Tumor) P(T )P(detect Tumor T ) P(T, detect Tumor) + P(T c, detect Tumor) P(T )P(detect T T ) P(T )P(detect T T ) + P(T c )P( detect T T c ) , 63 = = 0, 95 = 95%. 0, 7 0, 9 + 0, 3 0, 1 0, 66 José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
61 Exemplo: Suponha que os dígitos 1, 2,..., n sejam escritos em ordem aletória. Qual a probabilidade de que ao menos um dígito ocupe seu lugar próprio? Examine a resposta quando n for grande. Solução: Seja o evento A i = { x 1 x i 1 i x i+1 x n : x i {1,..., n} \ {i} }. Note que A i = (n 1)!, A i1 A i2 = (n 2)!, i 1 i 2 A i1 A ik = (n k)!. Lembre-se que Portanto A 1 A n = =I {1,...,n}( 1) I +1 j I P(ao menos um dígito próprio) = A 1 A n n! A j. = 1 n ( 1) k k=0 k! José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
62 Exemplo: Um saco contém três moedas, uma das quais foi cunhada com duas caras, enquanto as duas outras moedas são normais e não viciadas. Uma moeda é tirada ao acaso do saco e jogada quatro vezes, em sequência. Se sair cara toda vez, qual será a probabilidade de que essa seja a moeda de duas caras? Se sair cara pelo menos uma vez, qual será a probabilidade de que essa seja a moeda de duas caras? Solução: Pedem calcular P(moeda de 2 caras CCCC) = José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
63 Exemplo: Em um teste de múltipla escolha, assuma que a probabilidade do aluno saber a resposta da questão é p. Havendo m escolhas, se ele sabe a resposta ele responde corretamente (com probabilidade 1); se não sabe ele responde corretamente com probabilidade 1/m. Qual a probabilidade de uma pergunta ser respondida corretamente? Qual a probabilidade que o aluno sabia a resposta, dado que a pergunta foi respondida corretamente? Solução: Seja o evento A: uma pergunta ser respondida corretamente. B: o aluno sabe a resposta (a) P(A) = P(A B)P(B) + P(A B c )P(B c ) = p + 1 m (b) P(B A) = P(B)P(A B) P(A B)P(B) + P(A B c )P(B c ) = (1 p) p p + 1 m (1 p) José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
64 Regra do Produto Dados os eventos A 1,..., A n de um espaço amostral Ω, P(A 1 A n ) = P(A 1 )P(A 2 A 1 )P(A 3 A 1, A 2 ) P(A n 1 A 1,..., A n 1 ) Esta formula é chamada a regra do produto, e é particularmente útil para experimentos. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
65 VARIAVEL ALEATÓRIA Uma função X que associa a cada elemento w do espaço amostral Ω um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado duas vezes e observar o resultado (P = par e I= impar) A cada ponto do espaço amostral, atribui-se um número na reta real. Isto corresponde a transformar o objeto de estudo de um plano abstrato (espaço amostral) em valores numéricos. Agora saberemos fazer contas. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
66 Exemplo: Observa-se o sexo (característica) das crianças em famílias com três filhos (M: masculino e F: feminino). Espaço amostral: Defina X: no de crianças do sexo masculino (M). Então X assume valores no conjunto {0, 1, 2, 3}. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
67 Exemplo: No mesmo experimento... Espaço amostral: Podemos definir agora Y: no de crianças do sexo feminino (M). Então Y também assume valores no conjunto {0, 1, 2, 3}, porém, para outros valores de Ω. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
68 Variável aleatória Seja X : Ω R uma função real de Ω e considere A = (, a]. A função X será uma variável aleatória se P(X 1 (A)) está bem definida para todo a R. Aqui: X 1 (A) = {w Ω : X (w) A}. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
69 Função de distribuição acumulada Seja X uma variável aleatória. A função de distribuição acumulada de X é definida por F X (x) = P(X x) A função de distribuição acumulada F X satisfaz as seguintes propriedades: Monotonicidade. Se x y, então F X (x) F X (y). Continuidade à direita. Se x n x, então F X (x n ) F X (x). Se x n, então F X (x n ) 0. Se x n, então F X (x n ) 1. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
70 Tipos de Variável aleatória Podemos trabalhar apenas com as variáveis aleatórias e sua medida de probabilidade. Seja X uma variável aleatória e P sua medida de probabilidade. Variáveis aleatórias discretas: Uma variável aleatória X cujo suporte S X é um conjunto enumerável é dita ser discreta (ex: S X = {0, 1}, S X = {1, 2, 3}). Variáveis aleatórias contínuas: Uma variável aleatória X cujo suporte S X é um conjunto não-enumera vel é dita ser contínua (ex: S X = (0, 1), S X = (3, 5), S X = (0, ),S X = R). Observa-se o tempo de vida, em horas, de lâmpadas produzidas por uma fábrica. Defina T : tempo de vida, em horas, da lâmpada escolhida, ao acaso, da fábrica. Então, T é uma variável aleatória contínua que assume qualquer valor real não negativo. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
71 Variável Aleatória Discreta Caracterização Função de probabilidade ou distribuição de probabilidades: É a função que atribui a cada valor x i da v. a. discreta X sua probabilidade de ocorrência e pode ser representada pela tabela Uma função de probabilidade deve satisfazer: José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
72 Exemplo: O Departamento de Estatística da UFPE é formado por 35 professores, sendo 21 homens e 14 mulheres. Uma comissão de 3 professores será constituida para uma banca de um TCC, sorteando ao acaso e sem reposição três membros do departamento. Descreva o espaço amostral. Defina a v.a. Y : n o de mulheres na comissão, e calcule a função de probabilidade de Y. Solução: Calcular a probabilidade que a comissão tenha pelo menos 1 mulher. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
73 Seja a v.a. X com função de probabilidades Então a função de distribuição acumulada de X é F X (x) = p(x i ). i:x i x José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
74 Exemplo: Assuma que X é uma variável aleatória discreta que assume os valores 2, 3, e 5 com probabilidades 1/2, 1/4, e 1/4, então sua função de distribuição acumulada é: José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
75 Variáveis aleatórias contínuas Uma variável aleatória X é contínua se existe uma função real f X : R R + tal que onde f X satisfaz F X (x) = f (x) 0 para todo x R f é continua em S X f (x)dx = 1 x f X (t)dt A função f X é chamada de função densidade de probabilidade de X. A função de distribuição acumulada satisfaz F X dx (x) = f X (x). José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
76 Seja B R, então definimos P(X B) = B f X (x)dx. Em particular P(X [a, b]) = P(a X b) = b a f (x)dx. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
77 Função de uma Variáveis aleatórias Seja X uma v.a. e definamos Y = g(x ), onde g : R R, então P(Y A) = P(g(X ) A) = P(X g 1 (A)). Exemplo: Seja X uma v.a. discreta. Admita-se que X tenha os valores possíveis 1, 2, 3,... e que P(X = n) = (1/2) n. Seja Y = 1 se X for par e Y = 1 se X for ímpar. Determinar a distribuição de Y. Exemplo: Seja X uma v.a. continua com densidade f X (x) = 2x se 0 < x < 1 e defina Y por Y = 0 se X < 1/3, Y = 1 se 1/3 X < 2/3 e Y = 2 se X 2/3. Determine a distribuição de Y. José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
78 Independência entre Variáveis Aleatórias Duas variáveis aleatórias. X e Y são independentes se, e somente se, para quaisquer subconjuntos A, B R P(X A, Y B) = P(X A)P(Y B). No caso discreto ficaria da forma: Seja X {x 1,..., x k } e Y {y 1,..., y n }. As v.a. X e Y são independentes se P(X = X i, Y = y j ) = P(X = X i )P(Y = y j ). José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
79 VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Seja X e Y duas v.a. discretas definidas no mesmo espaço amostral Ω, com distribuições de probabilidades dadas por and x x 1 x n P(X = x) P(X = x 1 ) = p(x 1 ) P(X = x n ) = p(x n ) x y 1 y m P(Y = y) P(Y = y 1 ) = p(y 1 ) P(Y = y m ) = p(y m ) A função X : Ω R 2, definida por X (w) = (X (w), Y (w)), é chamada de variável aleatória bidimensional discreta (vetor aleatório). José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
80 Distribuição Acumulada Conjunta Seja X e Y duas v.a. discretas definidas no mesmo espaço amostral Ω. A função de distribuição acumulada conjunta do vetor X (w) = (X (w), Y (w)), representada por F X, é definida por F X (x, y) = P(X x, Y y). Como X, Y são v.a. discretas, podemos definir a função de probabilidade conjunta ou sua distribuição de probabilidade conjunta p, P(X = x i, Y = y j ) = p(x i, y j ). Note que se X e Y fossem v.a. independentes teriamos P(X = x i, Y = y j ) = p(x i )p(y j ). José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
81 Distribuições Marginais Seja X e Y duas v.a. discretas definidas no mesmo espaço amostral Ω, e o vetor aleatório bidimensional X (w) = (X (w), Y (w)). A função de probabilidade de massa marginal ou a distribuição de probabilidade marginal de X é p X (x i ) = m p(x i, y j ). j=1 A função de probabilidade de massa marginal ou a distribuição de probabilidade marginal de Y é p Y (y j ) = m p(x i, y j ). i=1 José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
82 Distribuição condicional Seja X e Y duas v.a. discretas definidas no mesmo espaço amostral Ω,com distribuição condicional conjunta P(X = x i, Y = y j ) = p(x i, x j ). Então a distribuição condicional de X dado Y = y j é P(X = x i Y = y j ) = P(X = x i, Y = y j ) P(Y = y j ) = p(x i, y j ) p Y (y j ) = p X Y (x i y j ). José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
83 Exemplo: Certa empresa vende um produto formado pelo encaixe de duas peças, cada uma proveniente de uma indústria. Uma peça fabricada na indústria A tem 93% de chance de não apresentar defeito, 5% de ter um defeito recuperável de 2% de chance de ter um defeito grave. As peças da insdústria B podem ser perfeitas ou apresentar um defeito recuperável. Uma peça fabricada na indústria B tem 95% de chance de não apresentar defeito. Um produto tem 88.35% de chance de não apresentar defeito e 0.25% de chance de apresentar defeito recuperável em ambas peças. Seja X a variável aletória que assume os valores 0(perfeitas), 1(defeito recuperável) ou 2(defeito grave), na indústria A. Seja Y a variável aletória que assume os valores 0(perfeitas), 1(defeito recuperável), na indústria B. Apresente a tabela da distribuição conjunta de (X, Y ). As variáveis aleatórias são independentes? José J. C. Hernández (DE - UFPE) Estatística I March 29, / 78
NOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE Experimento Aleatório Experimento Aleatório: procedimento que, ao ser repetido sob as mesmas condições, pode fornecer resultados diferentes Exemplos:. Resultado no lançamento de
Leia maisAula 4. NOÇÕES DE PROBABILIDADE
Aula 4. NOÇÕES DE PROBABILIDADE ? CARA? OU? COROA? ? Qual será o rendimento da Caderneta de Poupança até o final deste ano??? E qual será a taxa de inflação acumulada em 013???? Quem será o próximo prefeito
Leia maisNOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE ALEATORIEDADE Menino ou Menina me? CARA OU COROA? 3 Qual será o rendimento da Caderneta de Poupança no final deste ano? E qual será a taxa de inflação acumulada em 014? Quem será
Leia maisNOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE ? CARA? OU? COROA? 2 ? Qual será o rendimento da Caderneta de Poupança até o final deste ano??? E qual será a taxa de inflação acumulada em 2011???? Quem será o próximo prefeito
Leia maisProbabilidade - 7/7/2018. Prof. Walter Tadeu
Probabilidade - 7/7/018 Prof. Walter Tadeu www.professorwaltertadeu.mat.br Espaço Amostral (): conjunto de todos os resultados possíveis de um experimento aleatório. Exemplos: 1. Lançamento de um dado.
Leia maisNOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE Qual a razão para esta mudança? (isto é, para passarmos de Análise Descritiva para Cálculo de Probabilidades?) ALEATORIEDADE Menino ou Menina me? 3 CARA? OU COROA? 4 ? Qual será
Leia mais? CARA? OU? COROA? 2
NOÇÕES DE PROBABILIDADE ? CARA? OU? COROA? 2 ?Q Qual será o rendimento da Caderneta de Poupança até o final deste ano??? E qual será a taxa de inflação acumulada em 2011???? Quem será o próximo prefeito
Leia maisPROBABILIDADE. Aula 2 Probabilidade Básica. Fernando Arbache
PROBABILIDADE Aula 2 Probabilidade Básica Fernando Arbache Probabilidade Medida da incerteza associada aos resultados do experimento aleatório Deve fornecer a informação de quão verossímil é a ocorrência
Leia maisConceitos básicos de teoria da probabilidade
Conceitos básicos de teoria da probabilidade Experimento Aleatório: procedimento que, ao ser repetido sob as mesmas condições, pode fornecer resultados diferentes Exemplos:. Resultado no lançamento de
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Experimento aleatório Definição Qualquer experimento cujo resultado
Leia maisT o e r o ia a da P oba ba i b lida d de
Teoria da Probabilidade Prof. Joni Fusinato Teoria da Probabilidade Consiste em utilizar a intuição humana para estudar os fenômenos do nosso cotidiano. Usa o princípio básico do aprendizado humano que
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Experimento aleatório Definição. Qualquer experimento cujo resultado não pode
Leia maisProbabilidades. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer
Probabilidades Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 06/03/2018 WB, EK, FM ( LEG/DEST/UFPR
Leia mais3 NOÇÕES DE PROBABILIDADE
3 NOÇÕES DE PROILIDDE 3.1 Conjuntos Um conjunto pode ser considerado como uma coleção de objetos chamados elementos do conjunto. Em geral denota-se conjunto por letras maiúsculas,, C,... e a sua representação
Leia maisPode ser a observação de um fenômeno natural:
MAE 116 Introdução à Probabilidade FEA -2º Semestre de 2017 1 Experimento Designaremos por Experimento todo processo que nos fornece dados: Pode ser a observação de um fenômeno natural: 4observação astronômica
Leia mais2. INTRODUÇÃO À PROBABILIDADE
2. INTRODUÇÃO À PROBABILIDADE 2019 Conceitos básicos Experimento aleatório ou fenômeno aleatório Situações ou acontecimentos cujos resultados não podem ser previstos com certeza. Um experimento ou fenônemo
Leia maisINTRODUÇÃO À PROBABILIDADE
INTRODUÇÃO À PROBABILIDADE Análise e Elaboração de Projetos Apresentação Prof Dr Isnard Martins Conteúdo: Profº Dr Carlos Alberto (Caio) Dantas Profº Dr Luiz Renato G. Fontes Prof Dr Victor Hugo Lachos
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula 3 04/14 1 / 20
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula 3 04/14 1 / 20 Alguns Conceitos Básicos de Contagem As ideias de contagem se relacionam com
Leia maisProf.: Joni Fusinato
Introdução a Teoria da Probabilidade Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Teoria da Probabilidade Consiste em utilizar a intuição humana para estudar os fenômenos do nosso
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Probabilidades. Cristian Villegas
Probabilidades Cristian Villegas clobos@usp.br Setembro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas
Leia maisIntrodução à Estatística
Introdução à Estatística Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução a Probabilidade Existem dois tipos de experimentos:
Leia maisProbabilidade em espaços discretos. Prof.: Joni Fusinato
Probabilidade em espaços discretos Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Probabilidade em espaços discretos Definições de Probabilidade Experimento Espaço Amostral Evento Probabilidade
Leia maisTeoria da Probabilidade
Teoria da Probabilidade Luis Henrique Assumpção Lolis 14 de fevereiro de 2014 Luis Henrique Assumpção Lolis Teoria da Probabilidade 1 Conteúdo 1 O Experimento Aleatório 2 Espaço de amostras 3 Álgebra dos
Leia maisTeoria das Probabilidades
Teoria das Prof. Eduardo Bezerra (CEFET/RJ) 23 de fevereiro de 2018 Eduardo Bezerra (CEFET/RJ) Teoria das 2018.1 1 / 54 Roteiro Experimento aleatório, espaço amostral, evento 1 Experimento aleatório, espaço
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística. Probabilidade
UNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística Probabilidade Disciplina: Cálculo das Probabilidades e Estatística I Prof. Tarciana Liberal Existem muitas situações que envolvem incertezas:
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística. Probabilidade. Cálculo das Probabilidades e Estatística I Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística Probabilidade Cálculo das Probabilidades e Estatística I Luiz Medeiros http://www.de.ufpb.br/~luiz/ Existem muitas situações que envolvem incertezas:
Leia maisProbabilidade. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Probabilidade Probabilidade Experimento Aleatório Um experimento é dito aleatório quando satisfaz
Leia maisProbabilidade. Professora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise
Probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Você reconhece algum desses experimentos? Alguns
Leia mais3. Probabilidade P(A) =
7 3. Probabilidade Probabilidade é uma medida numérica da plausibilidade de que um evento ocorrerá. Assim, as probabilidades podem ser usadas como medidas do grau de incerteza e podem ser expressas de
Leia maisRoteiro D. Nome do aluno: Número: Revisão. Combinações;
Faculdade Tecnológica de Carapicuíba Tecnologia em Logística Ênfase em Transportes Roteiro D Nome do aluno: Número: Periodo: Grupo: Revisão Tópicos Tarefa Pesquisar história do Fatorial e outros tipos
Leia mais1 Noções de Probabilidade
Noções de Probabilidade Já vimos que para se obter informações sobre alguma característica da população, podemos utilizar uma amostra. Estudaremos agora a probabilidade, que é uma ferramenta usada e necessária
Leia maisProf.Letícia Garcia Polac. 26 de setembro de 2017
Bioestatística Prof.Letícia Garcia Polac Universidade Federal de Uberlândia UFU-MG 26 de setembro de 2017 Sumário 1 2 Probabilidade Condicional e Independência Introdução Neste capítulo serão abordados
Leia maisExperiências Aleatórias. Espaço de Resultados. Acontecimentos
Experiências Aleatórias. Espaço de Resultados. Acontecimentos Experiência Aleatória É uma experiência em que: não se sabe exactamente o resultado que se virá a observar; conhece-se o universo dos resultados
Leia maisMétodos Estatísticos Básicos
Aula 8 - Análise combinatória Departamento de Economia Universidade Federal de Pelotas (UFPel) Maio de 2014 Número de elementos do espaço amostral A denição clássica de probabilidade requer que saibamos
Leia maisMatemática & Raciocínio Lógico
Matemática & Raciocínio Lógico para concursos Prof. Me. Jamur Silveira www.professorjamur.com.br facebook: Professor Jamur PROBABILIDADE No estudo das probabilidades estamos interessados em estudar o experimento
Leia mais2. INTRODUÇÃO À PROBABILIDADE
2. INTRODUÇÃO À ROILIDDE 2014 Conceitos básicos Experimento aleatório ou fenômeno aleatório Situações ou acontecimentos cujos resultados não podem ser previstos com certeza. Um experimento ou fenônemo
Leia maisCurso de Farmácia Estatística Vital Aula 05 Comentários Adicionais. Prof. Hemílio Fernandes Depto. de Estatística - UFPB
Curso de Farmácia Estatística Vital Aula 05 Comentários Adicionais Prof. Hemílio Fernandes Depto. de Estatística - UFPB Um pouco de Probabilidade Experimento Aleatório: procedimento que, ao ser repetido
Leia maisTeoria das Probabilidades
Capítulo 2 Teoria das Probabilidades 2.1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento
Leia maisRegras de probabilidades
Regras de probabilidades Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 16 de maio de 2018 Londrina 1 / 17 Propriedades As probabilidades sempre se referem a
Leia maisTeoria das Probabilidades
Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 08:8 ESTATÍSTICA APLICADA I - Teoria das
Leia maisPROBABILIDADE E ESTATÍSTICA PROBABILIDADES
PROBABILIDADE E ESTATÍSTICA PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Revisando - Análise combinatória
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Motivação Exemplos de aplicação de probabilidade e estatística Informações do curso Aula de hoje Espaço amostral Álgebra de Eventos Eventos
Leia maisTE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina Notes. Processos Estocásticos em Engenharia Conteúdo Notes.
TE802 Processos Estocásticos em Engenharia Conceitos Básicos de Teoria de Probabilidade 7 de março de 2016 Informação sobre a disciplina Terças e Quintas feiras das 09:30 às 11:20 horas Professor: Evelio
Leia maisNOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE Fenômeno Aleatório: situação ou acontecimento cujos resultados não podem ser determinados com certeza. Exemplos: 1. Resultado do lançamento de um dado;. Hábito de fumar de um estudante
Leia maisEspaços Amostrais Finitos
2 ESQUEMA DO CAPÍTULO Espaços Amostrais Finitos 1.1 ESPAÇO AMOSTRAL FINITO 1.2 RESULTADOS IGUALMENTE VEROSSÍMEIS 1.3 MÉTODOS DE ENUMERAÇÃO UFMG-ICEx-EST-032/045 Cap. 2 - Espaços Amostrais Finitos 1 2.1
Leia maisELEMENTOS DE PROBABILIDADE. Prof. Paulo Rafael Bösing 25/11/2015
ELEMENTOS DE PROBABILIDADE Prof. Paulo Rafael Bösing 25/11/2015 ELEMENTOS DE PROBABILIDADE Def.: Um experimento é dito aleatório quando o seu resultado não for previsível antes de sua realização, ou seja,
Leia maisIntrodução a Probabilidade
Introdução a Probabilidade Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Cronograma 1. Origem e história 2. Introdução 3. Definições básicas 4. Conceituação de probabilidade 5. Probabilidade
Leia maisTeoria das Probabilidades
08/06/07 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica Universidade Federal do Pará Instituto
Leia mais2. INTRODUÇÃO À PROBABILIDADE
2. INTRODUÇÃO À PROILIDDE 2011 Conceitos básicos Experimento aleatório ou fenômeno aleatório Situações ou acontecimentos cujos resultados não podem ser previstos com certeza. Um experimento ou fenônemo
Leia maisProbabilidades. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidades Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Noções Básicas Os métodos estatísticos para análise de dados estão associados
Leia maisProbabilidade. Objetivos de Aprendizagem. UFMG-ICEx-EST. Cap. 2 - Probabilidade Espaços Amostrais e Eventos. 2.1.
2 ESQUEMA DO CAPÍTULO 2.1 ESPAÇOS AMOSTRAIS E EVENTOS 2.2 INTERPRETAÇÕES E AXIOMAS DE PROBABILIADE 2.3 REGRAS DE ADIÇÃO 2.4 PROBABILIDADE CONDICIONAL 2.5 REGRAS DA MULTIPLICAÇÃO E DA PROBABILIDADE TOTAL
Leia mais1 Probabilidade: Axiomas e Propriedades
1 Probabilidade: Axiomas e Propriedades 1.1 Definição Frequentista Considere um experimento aleatório que consiste no lançamento de um dado honesto. O espaço amostral desse experimento é Ω = {1, 2, 3,
Leia maisTE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina. TE802 Conceitos Básicos de Teoria de Probabilidade. Evelio M. G.
TE802 Processos Estocásticos em Engenharia Conceitos Básicos de Teoria de Probabilidade 23 de agosto de 2017 Informação sobre a disciplina Segundas e Quartas feiras das 09:30 às 11:20 horas Professor:
Leia maisSumário. 2 Índice Remissivo 12
i Sumário 1 Definições Básicas 1 1.1 Fundamentos de Probabilidade............................. 1 1.2 Noções de Probabilidade................................ 3 1.3 Espaços Amostrais Finitos...............................
Leia maisProbabilidade. Definição de Probabilidade Principais Teoremas Probabilidades dos Espaços Amostrais Espaços Amostrais Equiprováveis.
Probabilidade Definição de Probabilidade Principais Teoremas Probabilidades dos Espaços Amostrais Espaços Amostrais Equiprováveis Renata Souza Probabilidade É um conceito matemático que permite a quantificação
Leia maisREGRAS DE PROBABILIDADE
REGRAS DE PROBABILIDADE Lucas Santana da Cunha lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 24 de maio de 2017 Propriedades As probabilidades sempre se referem a
Leia maisA B e A. Calcule as suas respectivas probabilidades.
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 2-BIOESTATÍSTICA II (CE020) Prof. Benito Olivares Aguilera 1 o Sem./17 1. Expresse em termos de operações entre eventos:
Leia maisFernando de Pol Mayer. Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR)
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisProbabilidade Parte 1. Camyla Moreno
Probabilidade Parte 1 Camyla Moreno Probabilidade A teoria das probabilidades é um ramo da Matemática que cria, elabora e pesquisa modelos para estudar experimentos ou fenômenos aleatórios. Principais
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 4 Probabilidade: Conceitos Básicos Leituras: Obrigatória: Devore, Capítulo 2 Complementar: Bertsekas e Tsitsiklis, Capítulo 1 Cap 4-1 Objetivos Nesta aula, aprenderemos:
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Probabilidade Análise Combinatória Independência de eventos Aula de hoje Independência de eventos Prob. Condicional Teorema da Probabilidade
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Motivação Exemplos de aplicação de probabilidade e estatística Informações do curso Aula de hoje Espaço amostral Álgebra de Eventos Eventos Mutuamente
Leia maisPROBABILIDADES PROBABILIDADE DE UM EVENTO EM UM ESPAÇO AMOSTRAL FINITO
PROBABILIDADES Probabilidade é um conceito filosófico e matemático que permite a quantificação da incerteza, permitindo que ela seja aferida, analisada e usada para a realização de previsões ou para a
Leia mais1 Definição Clássica de Probabilidade
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 4 Professor: Carlos Sérgio UNIDADE 2 - Probabilidade: Definições (Notas de aula) 1 Definição Clássica
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Motivação Espaço Amostral, Eventos, Álgebra de eventos Aula de hoje Probabilidade Análise Combinatória Independência Probabilidade Experimentos
Leia maisREGRAS PARA CÁLCULO DE PROBABILIDADES
REGRAS PARA CÁLCULO DE PROBABILIDADES Prof. Dr. Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ 15 de abril de 2019 Londrina 1 / 17 As probabilidades sempre se referem a ocorrência de eventos
Leia mais2 Conceitos Básicos de Probabilidade
CE003 1 1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento de técnicas estatísticas
Leia maisChamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω.
PROBABILIDADE 1.0 Conceitos Gerais No caso em que os possíveis resultados de um experimento aleatório podem ser listados (caso discreto), um modelo probabilístico pode ser entendido como a listagem desses
Leia maisESTATÍSTICA EXPLORATÓRIA
ESTATÍSTICA EXPLORATÓRIA Prof Paulo Renato A. Firmino praf62@gmail.com Aulas 07-08 Probabilidade Apanhado Geral Seguimos nossas discussões sobre a Incerteza Decidir usualmente envolve incerteza Uma presa
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula 1 03/14 1 / 49 Conceitos Fundamentais Prof. Tarciana Liberal
Leia maisTipos de Modelo. Exemplos. Modelo determinístico. Causas. Efeito. Exemplos. Modelo probabilístico. Causas. Efeito. Determinístico.
Tipos de Modelo Sistema Real Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Modelo determinístico Exemplos Gravitação F GM 1 M 2 /r 2 Causas Efeito
Leia maisProbabilidade e Estatística Probabilidade Condicional
Introdução Probabilidade e Estatística Probabilidade Condicional Em algumas situações, a probabilidade de ocorrência de um certo evento pode ser afetada se tivermos alguma informação sobre a ocorrência
Leia mais2 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 2 a Lista de PE Solução 1. a Ω {(d 1, d 2, m : d 1, d 2 {1,..., 6}, m {C, K}}, onde C coroa e K cara. b Ω {0, 1, 2,...} c Ω {(c 1, c 2, c 3, c 4 : c
Leia maisProbabilidades- Teoria Elementar
Probabilidades- Teoria Elementar 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
Leia maisINTRODUÇÃO À PROBABILIDADE
INTRODUÇÃO À PROBABILIDADE Foto extraída em http://www.alea.pt Profª Maria Eliane Universidade Estadual de Santa Cruz USO DE PROBABILIDADES EM SITUAÇÕES DO COTIDIANO Escolhas pessoais Previsão do tempo
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA
UNIVERSIDADE FEDERAL DA PARAÍBA Probabilidade Departamento de Estatística UFPB Luiz Medeiros Introdução Encontramos na natureza dois tipos de fenômenos Determinísticos: Os resultados são sempre os mesmos
Leia maisMétodos Quantitativos para Ciência da Computação Experimental. Jussara Almeida DCC-UFMG 2013
Métodos Quantitativos para Ciência da Computação Experimental Jussara Almeida DCC-UFMG 2013 Revisão de Probabilidade e Estatística Concentrado em estatística aplicada Estatística apropriada para medições
Leia maisPROBABILIDADE. Luciana Santos da Silva Martino. PROFMAT - Colégio Pedro II. 01 de julho de 2017
Sumário PROBABILIDADE Luciana Santos da Silva Martino PROFMAT - Colégio Pedro II 01 de julho de 2017 Sumário 1 Conceitos Básicos 2 Probabildade Condicional 3 Espaço Amostral Infinito Outline 1 Conceitos
Leia maisProbabilidade ESQUEMA DO CAPÍTULO. UFMG-ICEx-EST Cap. 2- Probabilidade 1
Probabilidade ESQUEMA DO CAPÍTULO 2.1 ESPAÇOS AMOSTRAIS E EVENTOS 2.2 INTERPRETAÇÕES DE PROBABILIADE 2.3 REGRAS DE ADIÇÃO 2.4 PROBABILIDADE CONDICIONAL 2.5 REGRAS DA MULTIPLICAÇÃO E DA PROBABILIDADE TOTAL
Leia maisExperimento Aleatório
Probabilidades 1 Experimento Aleatório Experimento aleatório (E) é o processo pelo qual uma observação é ob;da. Exemplos: ü E 1 : Jogar uma moeda 3 vezes e observar o número de caras ob;das; ü E 2 : Lançar
Leia maisNoções de Probabilidade parte I
Noções de Probabilidade parte I 5 de Março de 2012 Site: http://ericaestatistica.webnode.com.br/ e-mail: ericaa_casti@yahoo.com.br Referências: Probabilidae Aplicações à Estatística - Mayer (Capítulo 1)
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Motivação Exemplos de aplicação de probabilidade e estatística Informações do curso Aula de hoje Espaço amostral Álgebra de Eventos Eventos
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula 2 08/11 1 / 25
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula 2 08/11 1 / 25 Prof. Tarciana Liberal (UFPB) Aula 2 08/11 2 / 25 Para apresentar os conceitos
Leia maisSe a bola retirada da urna 1 for branca temos, pelo princípio da multiplicação:
Livro: Probabilidade - Aplicações à Estatística Paul L. Meyer Capitulo 3 Probabilidade Condicionada e Independência. 1. Probabilidade Condicionada. Definição: Definição. Dizemos que os representam uma
Leia maisEstatística Básica. Probabilidade. Renato Dourado Maia. Instituto de Ciências Agrárias. Universidade Federal de Minas Gerais
Estatística Básica Probabilidade Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Lembrando... O que é Probabilidade? 2/29 Leitura Recomendada Na página da disciplina
Leia maisBioestatística Aula 3
Bioestatística Aula 3 Anderson Castro Soares de Oliveira Anderson Bioestatística 1 / 51 Probabilidade Probabilidade é o ramo da matemática que estuda fenômenos aleatórios. Probabilidade é uma medida que
Leia maisEstatística Empresarial. Fundamentos de Probabilidade
Fundamentos de Probabilidade A probabilidade de chuva é de 90% A probabilidade de eu sair é de 5% Conceitos Básicos Conceitos Básicos 1. Experiência Aleatória (E) Processo de obtenção de uma observação
Leia maisBase Matemática Probabilidade
Noções Básicas Base Matemática Experimento Aleatório Resultado no lançamento de um dado; Hábito de fumar de um estudante sorteado em sala de aula; Tempo de duração de uma lâmpada; Tipo sangüíneo de um
Leia maisVARIÁVEIS ALEATÓRIAS 1
VARIÁVEIS ALEATÓRIAS 1 Variável Aleatória Uma função X que associa a cada elemento w do espaço amostral W um valor x R é denominada uma variável aleatória. Experimento: jogar 1 dado duas vezes e observar
Leia mais2. Nas Figuras 1a a 1d, assinale a área correspondente ao evento indicado na legenda. Figura 1: Exercício 2
GET00189 Probabilidade I Lista de exercícios - Capítulo 1 Profa. Ana Maria Lima de Farias SEÇÃO 1.1 Experimento aleatório, espaço amostral e evento 1. Lançam-se três moedas. Enumere o espaço amostral e
Leia maisMétodos Quantitativos para Ciência da Computação Experimental. Jussara Almeida DCC-UFMG 2016
Métodos Quantitativos para Ciência da Computação Experimental Jussara Almeida DCC-UFMG 2016 Revisão de Probabilidade e Estatística Concentrado em estatística aplicada Estatística apropriada para medições
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Espaço Amostral Álgebra de Eventos Axiomas de Probabilidade Análise Aula de hoje Probabilidade Condicional Independência de Eventos Teorema
Leia maisPROBABILIDADE. ENEM 2016 Prof. Marcela Naves
PROBABILIDADE ENEM 2016 Prof. Marcela Naves PROBABILIDADE NO ENEM As questões de probabilidade no Enem podem cobrar conceitos relacionados com probabilidade condicional e probabilidade de eventos simultâneos.
Leia maisBIOESTATÍSTICA AULA 3. Anderson Castro Soares de Oliveira Jose Nilton da Cruz. Departamento de Estatística/ICET/UFMT
BIOESTATÍSTICA AULA 3 Anderson Castro Soares de Oliveira Jose Nilton da Cruz Departamento de Estatística/ICET/UFMT Probabilidade PROBABILIDADE Probabilidade é o ramo da matemática que estuda fenômenos
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 1 / 56 Introdução É provável que você ganhe um aumento....
Leia mais