10. TEORIA DAS PROBABILIDADES. Quadro 1: Motivação
|
|
- Evelyn Chaplin Frade
- 7 Há anos
- Visualizações:
Transcrição
1 10. OR DS ROBBLDDS Quadro 1: Motivação
2 Figura 1: Gráfio de pontos. Figura 3: olígono de frequênias.
3 Figura 4: Função de distribuição de probabilidades sobre o histograma. teoria das probabilidades estuda os modelos de probabilidades, definidos pela função fx, para os diferentes proessos ou fenômenos em estudo CONCOS BÁSCOS a xperimento leatório é um experimento no qual: i todos os possíveis resultados são onheidos; ii resulta num valor desonheido, dentre todos os resultados possíveis; iii pode ser repetido em ondições idêntias. b spaço mostral é o onjunto de todos os resultados possíveis para um experimento aleatório. É denotado por.
4 ode ser: - Disreto Finito: formado por um onjunto finito de pontos; nfinito: onjunto infinito e enumerável de pontos; - Contínuo formado por um onjunto não enumerável de pontos. Um vento é um subonjunto do espaço amostral, assoiado a um experimento. É denotado por letras maiúsulas:, B,,... d Um vento Complementar: o evento omplementar de é dado pelo onjunto dos pontos que pertenem ao espaço amostral mas não pertenem a. =. É denotado por. e Dois eventos e B são mutuamente exlusivos, ou disjuntos, se a interseção entre eles é vazia. B =. xemplos: Um dado equilibrado é lançado e seu número observado. O espaço amostral é: = { 1, 2, 3, 4, 5, 6 }. Sejam = O número observado é menor ou igual a 4, então, = { 1, 2, 3, 4 } B = O número observado é par, B = { 2, 4, 6 } C = O número observado é ímpar, C = { 1, 3, 5 }
5 ntão, temos B = { 2, 4 } e C = { 1, 3 } B C = B e C são disjuntos B = C, pois B C = f vento elementar Seja um espaço amostral finito = { 1, 2,..., N }. ntão os eventos elementares são formados por um únio elemento do espaço amostral, sendo assim, um subonjunto unitário. or exemplo: = { 1 }. No lançamento de um dado equilibrado: 1 = { 1 }, 2 = { 2 }, 3 = { 3 }, 4 = { 4 }, 5 = { 5 }, 6 = { 6 } são eventos elementares DFNÇÕS D ROBBLDD
6
7 xemplos: a xperimento: numa linha de produção, onta-se o número de peças om defeito, por lote; = { 0, 1, 2,..., N }, N = tamanho do lote ventos: 1 = todas as peças são boas 1 = { 0 } 2 = no máximo ino peças om defeito 2 = { 0, 1, 2, 3, 4, 5 } b xperimento: numa indústria são ontados os itens produzidos até a oorrênia de um item defeituoso; B = { 1, 2, 3, 4,... }, ou ainda B = N*, N* = N { 0 } ventos: B 1 = o item defeituoso oorre até a 10ª peça produzida B 1 = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 } B 2 = são produzidas no mínimo 200 peças antes do item defeituoso B 2 = { X N* X > 200 } xperimento: Uma lâmpada é fabriada e, num ensaio, é anotado o tempo semanas até que ela se queime; C = { t R t 0 } ventos: C 1 = a lâmpada queima antes de ompletar 720 horas 4 sem. C 1 = { t < 4 } C 2 = a lâmpada dura pelo menos 1 ano 52 semanas C 2 = { t R t 52 } Obs: Neste aso o espaço amostral é ontínuo.
8 10.3. ROBBLDDS M SÇOS FNOS Seja um evento assoiado a um espaço amostral disreto e finito, então número de pontos favoráveis a. número total de pontos é a probabilidade de oorrênia do evento e deve satisfazer: a 0 1; b Ω 1; Se e B são disjuntos, então, B B. Seja a função ard que retorna o número de elementos do onjunto, então, a definição aima pode ser esrita omo: ard. ard Obs: Na teoria dos onjuntos, ard é a abreviação de ardinalidade.
9 ropriedades de robabilidade i Se é o espaço vazio, então: vazio = = 0 ii espaço amostral todo = = 1; iii Se é o evento omplementar de, então: 1 iv Se e B são eventos quaisquer, então: B B B Métodos de Contagem Quando o espaço amostral é equiprovável, ou homogêneo, o álulo de probabilidades se resumo nas ontagens dos elementos de ada um dos eventos e do espaço amostral. Desta forma, é importante o domínio de algumas ténias de ontagens. i ermutação: quando temos de permutar n elementos em n posições diferentes n, n n! n! n n 1 n 2 1, n! é o fatorial de n
10 ii rranjo: quando, de um total de n elementos, devemos tomar k destes elementos e permutá-los n! n k n n 1 n 2 n k 1. n k!, iii Combinação: quando temos de esolher k, dentre n elementos distintos, sem onsiderar a ordem C n, k n n! ; note que k k! n k! n, k Cn, k. k, k xemplos: <a serem apresentados em sala aula>
11 10.4. ROBBLDD CONDCONL NDNDÊNC Sejam e B eventos quaisquer tais que 0, então a probabilidade de B ondiionada ao evento é definida por B B. Lê-se: probabilidade de B dado NDNNDÊNC NR VNOS Dois eventos e B são independentes se: B B RGR MULLCV DS ROBBLDDS Da probabilidade ondiional podemos esrever a probabilidade da interseção entre e B por B B ou B B B, se e B forem independentes, então B B.
12 xemplos: Considere as informações sobre a olaboração om a oleta seletiva do lixo residenial em pesquisa realizada om as 200 famílias da idade de UFSCarCity. Na tabela são apresentadas as famílias que olaboram e as que não olaboram pelo nível de esolaridade do hefe da família. solaridade Colabora om a oleta seletiva otal SM NÃO nsino Fundamental F nsino Médio M Superior S otal Uma família é sorteada ao aaso, qual é a probabilidade de que: a Colabore om a oleta seletiva? 126 SM b O hefe da família tenha nível de esolaridade no ensino médio? 90 M O hefe da família tenha nível de esolaridade superior e não olabore om a oleta seletiva? 8 S NÃO
13 d O hefe da família tenha nível de esolaridade no ensino fundamental ou olabore om a oleta seletiva? F SM F SM e Sabendo que o hefe da família esolhida tem nível de esolaridade no ensino médio, qual é a probabilidade de que não olaborem om a oleta seletiva? 16 / NÃO M / f Se o hefe da família não tem nível de esolaridade superior, qual é a probabilidade de que a família olabore om a oleta seletiva? [SM F M] [ SM M SM F] F M / [ SM F M] /
14 Um aluno responde a um teste de múltipla esolha om quatro alternativas, sendo uma só orreta. probabilidade de que saiba a resposta é de 30%. Se ele não sabe a resposta, vai hutar. Definindo: = o aluno aerta a questão e S = o aluno sabe a resposta. a Qual a probabilidade dele aertar a questão? b Se ele aertou a questão, qual é a probabilidade de que ele realmente saiba a resposta? a Qual a probabilidade dele aertar a questão? = aertar sabendo ou aertar hutando = aertar sabendo +aertar hutando = S S + S S = = b Se ele aertou a questão, qual é a probabilidade de que ele realmente saiba a resposta? S 0.3 S ** sse resultado é onheido omo teorema de Bayes.
15 10.5. eorema de Bayes Considere um espaço amostral dividido em duas partes 1 e 2 tais que i 1 2 = ii 1 2 = ; Ω ntão 1 e 2 formam uma partição de Ω. Considere, agora, um evento oorrendo sobre a partição de. Ω
16 ssim, podemos esrever omo sendo: 2 1. ntão, a probabilidade de oorrênia de é alulada por: da regra multipliativa, temos que: O resultado aima é onheido omo lei da probabilidade total. m outras palavras, temos que a probabilidade de oorrênia de é dada pela soma das probabilidades de nas partes de, ponderadas pelas probabilidades de oorrênia destas partes. Considerando a partição de e sabendo que oorreu o evento, desejamos alular a probabilidade de que tenha oorrido uma pate espeífia J da partição. ntão, o eorema de Bayes define esta probabilidade por J J J J, J = 1, 2. odemos, ainda esrever o resultado aima omo: J J J, J = 1, 2. sse resultado se deve ao Revendo nglês homas Bayes num trabalho publiado em 1763, e reebe o seu nome em sua homenagem.
17 xemplo 1 Numa população adulta 40% são homens e 60% mulheres. Sabe-se, ainda, que 50% dos homens e 30% das mulheres são fumantes. Determine: a probabilidade de que uma pessoa esolhida ao aaso nesta população seja fumante. artição do espaço amostral: sexo = { H, M }. H = { a pessoa esolhida é do sexo masulino homem } H M = { a pessoa esolhida é do sexo feminino mulher } M ventos: F = { a pessoa esolhida é fumante }; F = { a pessoa esolhida não é fumante }. Como F H e F M 0. 30, então, pela regra da probabilidade total: F F e H F e M F F H F M F F H H F M M F F 0.38 b Sabendo que a pessoa esolhida é fumante, qual a probabilidade de que seja um homem? probabilidade de que seja um homem sabendo que é um fumante é determinada pelo teorema de Bayes:
18 H F H F F H F F H H F H F probabilidade de ser um homem, dado que é fumante, é Uma forma onveniente para se representar as probabilidades aima é através da arvore de probabilidades, nas quais representamos as probabilidades das partes e probabilidades ondiionais em ramos, onforme Figura Nesse esquema, as probabilidades onjuntas das interseções são obtidas perorrendo-se os ramos e multipliando-se as probabilidades. Figura 10.1: Regra multipliativa em diagrama de árvore para o exemplo 1.
19 xemplo 2 Sabe-se que numa população 8% das pessoas são infetadas por um vírus ausador de uma doença muito grave. Um teste para deteção do vírus é efiiente em 99% dos asos nos quais os indivíduos são infetados, mas, resulta em 2% de resultados positivos para os não infetados falsos positivos. Se o teste de uma pessoa dessa população der resultado positivo, qual a probabilidade de que ela esteja de fato infetada? Definindo-se: = grupo das pessoas infetadas; = grupo dos não infetados; = o resultado do teste é positivo; = o resultado do teste é negativo; tem-se as probabilidades: orém, deseja-se alular a probabilidade: que, pela regra da probabilidade ondiional, é dada por e. ela regra do produto e pela lei da probabilidade total, enontramos fazendo: e e
20 ortanto, a probabilidade de que o resultado de um teste seja positive é de Sabendo que uma pessoa da população fez o teste o teste e o resultado foi positivo, qual é a probabilidade de que realmente seja infetada? elo teorema de Bayes, temos: Qual seria a onfiança no teste se o resultado fosse negativo, ou seja, qual a probabilidade de o teste sendo negativo a pessoa de fato não seja infetada? Deseja-se:, mas
21 Como: então, , portanto, se o teste for negativo a pessoa pode se sentir segura. Na Figura 10.2 é apresentada o diagrama de árvore para o resultado aima. Figura 10.2: Regra multipliativa em diagrama de árvore para o exemplo 2.
22 VLÇÃO D SS DGNÓSCOS M SÚD Considere que estamos interessados na deteção de uma doença D, ssim sendo, definiremos: D : evento em que uma pessoa tem a doença; D : evento em que uma pessoa não tem a doença. É laro que D e D são mutuamente exlusivos, ou seja, D D Ø. Considere, agora, um teste para a deteção da doença. ntão, definimos os eventos: : resultado positivo do teste; : resultado negativo do teste. Duas medidas importantes na avaliação de testes diagnóstios são a sensibilidade e espeifiidade, que são as probabilidades deste aertar no diagnóstio: i Sensibilidade: definida pela probabilidade de um teste resultar em positivo, dado que a pessoa tem a doença D D D ii speifiidade: definida pela probabilidade de um teste resultar em negativo, dado que a pessoa não tem a doença D D D prevalênia da doença D é definida omo lei da probabilidade total D D D.
23 Um teste diagnóstio pode resultar em erro, diagnostiando omo positivo alguém que não tem a doença ou, diagnostiando omo negativo alguém que tem a doença. s probabilidades de erro são, então, definidas por: D robabilidade de um teste resultar em positivo, dado que a pessoa não tem a doença. Reebe o nome de robfalso positivo. * falso positivo = 1 espeifiidade D robabilidade de um teste resultar em negativo, dado que a pessoa tem a doença. Reebe o nome de robfalso negativo. * falso negativo = 1 sensibilidade Duas outras medidas são importantes na avaliação de testes diagnóstios. Os valores preditivos positivo e negativo, definidos por: D robabilidade de que uma pessoa ujo resultado do teste deu positivo tenha a doença Reebe o nome de Valor preditivo positivo. D robabilidade de que uma pessoa ujo resultado do teste deu negativo não tenha a doença Reebe o nome de Valor preditivo negativo.
24 Reunindo os dados numa tabela de dupla entrada, teremos: resença da Resultado do este otal Doença D a b a + b D d + d otal a + b + d n Desta forma: i Sensibilidade: b a a D ii speifiidade: d d D iii robfalso positivo: d D iv robfalso negativo: b a b D
25 xemplo 3 Um teste foi realizado para se avaliar a ompetênia dos ténios que analisaram exames apaniolau, na deteção de âner do olo do útero, em 306 laboratórios. Os resultados foram: âner = falso negativo âner = , ou seja, a sensibilidade do apaniolau foi de Note que âner = 1 âner. inda: não âner = falso positivo não âner = , ou seja, a espeifiidade do apaniolau foi de prevalênia da doença foi onsiderada omo 8,3 por 10 mil mulheres, segundo uma publiação da área da saúde. Logo: âner Desta forma: não âner 1 âner
26 ara alular os valores preditivos, vamos apliar o teorema de Bayes: i valor preditivo positivo: V âner âner VN Mas: âner âner âner âner âner não âner não âner ssim, o valor preditivo positivo do teste de apaniolau é de: V âner ste resultado india que, para ada 1 milhão de testes om apaniolau positivos, espera-se 373 asos verdadeiros de âner no olo uterino. pesar do apaniolau ter sensibilidade e espeifiidade altas, tem um valor preditivo positivo baixíssimo.
27 ii valor preditivo negativo: VN VN Mas: não âner não âner não âner não âner não âner âner âner não âner não âner ssim, o valor preditivo negativo do teste de apaniolau é de: VN não âner ste resultado india que, para ada 1 milhão de mulheres om apaniolau negativos, espera-se que não tenham âner no olo uterino. pesar do apaniolau ter sensibilidade e espeifiidade altas e um baixíssimo valor preditivo positivo, tem um valor preditivo negativo muito alto, indiando que o apaniolau é um exelente teste para exlusão da suspeita de âner quando a mulher não tem a doença.
28 xemplo 4 Um estudo sobre a inidênia de tuberulose foi realizado om 1820 indivíduos, dos quais, 30 tinham tuberulose. odos os paientes foram examinados om raio X do tórax que indiou 73 resultados positivos, ou sejam, dos 1820 exames, 73 deram positivo para tuberulose. Os dados finais do estudo são apresentados na tabela: uberulose RX Raio X RX otal _SM _NÃO otal Definindo os eventos: D = o indivíduo tem a doença tuberulose e D = o indivíduo não tem a doença. De um levantamento de 1987, tem-se que a prevalênia da tuberulose é D indivíduo doente Logo, D indivíduo sem a doença ortanto: i Sensibilidade: 22 RX D ii speifiidade: RX D
29 51 iii robfalso positivo: RX D iv robfalso negativo: RX D v Valor preditivo positivo: D RX V RX D D D RX RX Mas: RX ntão: V Note que, a priori, a probabilidade de que um indivíduo seleionado aleatoriamente da população, tenha tuberulose é de No entanto, após a realização do raio X, om resultado positivo, esse mesmo indivíduo tem probabilidade de ter a doença. sta probabilidade é hamada de probabilidade a posteriori. Como / = 25.7, a probabilidade de que um indivíduo om resultado positivo do raio X tenha tuberulose é 25/7 vezes maior do que uma pessoa esolhida aleatoriamente da população.
30 vi Valor preditivo negativo: RX D RX D D RX RX D VN Mas: RX ntão: VN
2. INTRODUÇÃO À PROBABILIDADE
. INTRODUÇÃO À ROILIDDE 00 Coneitos básios Experimento aleatório ou fenômeno aleatório Situações ou aonteimentos ujos resultados não podem ser previstos om erteza. Um experimento ou fenônemo que, se for
Leia maisCONCEITOS BÁSICOS. 5) Dois eventos A e B são mutuamente exclusivos, ou disjuntos, se A B =.
CONCITOS BÁSICOS 1 xperimento leatório é um experimento no qual: i todos os possíveis resultados são conhecidos; ii resulta num valor desconhecido, dentre todos os resultados possíveis; iii pode ser repetido
Leia maisCap. 4 - Probabilidade
statística para Cursos de ngenharia e Informática edro lberto arbetta / Marcelo Menezes Reis / ntonio Cezar ornia São aulo: tlas, 2004 Cap. 4 - robabilidade OIO: undação de poio à esquisa Científica e
Leia maisProbabilidade e Modelos Probabilísticos. Conceitos básicos, variáveis aleatórias
robabilidade e Modelos robabilísticos Conceitos básicos, variáveis aleatórias 1 Incerteza e robabilidade Tomar decisões: Curso mais provável de ação: Se desejamos passear de barco e não sabemos nadar,
Leia maisAula 07 Introdução ao Cálculo de Probabilidades
ula 07 Introdução ao Cálculo de robabilidades Stela dami Vayego - DST/UR 1 xperimentos ou enômenos leatórios São experimentos que, quando repetidos em condições similares, fornecem resultados diferentes.
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 maisCap. 4 - Probabilidade
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 4 - Probabilidade APOIO: Fundação de Apoio à Pesquisa
Leia maisPROBABILIDADE - CONCEITOS BÁSICOS
ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo
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 maisMétodos Estatísticos 2006
Fenómeno e Experiência leatórios Métodos Estatísticos 2006 5ª ula Teoria Elementar da Probabilidade Fenómeno (ou processo) aleatório O acaso interfere na ocorrência do resultado nos quais o fenómeno se
Leia maisAula 06. Introdução ao Cálculo de Probabilidades. Stela Adami Vayego - DEST/UFPR 1
ula 06 Introdução ao Cálculo de robabilidades Stela dami Vayego - DEST/UR 1 Experimentos ou enômenos leatórios São experimentos que, quando repetidos em condições similares, fornecem resultados diferentes.
Leia maisTEORIA DAS PROBABILIDADES. Figura 1: Gráfico de pontos. Figura 3: Polígono de frequências.
TEORIA DAS PROBABILIDADES Figura 1: Gráfico de pontos. Figura 3: Polígono de frequências. Figura 4: Função de distribuição de probabilidades sobre o histograma. A teoria das probabilidades estuda os modelos
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 13 a Lista de Exercícios Práticos Conceitos Básicos de Probabilidade 1) Considere um experimento que consiste em
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 maisAULA 4 -Probabilidade Condicional e Regra de Bayes
AULA 4 - e Regra de Bayes Susan Schommer Introdução à Estatística Econômica - IE/UFRJ : exemplos A soma dos resultados de dois lançamentos de um dado é 9. Qual a probabilidade do primeiro resultado ter
Leia maisa. Qual a probabilidade de uma paciente escolhida ao acaso ter tido um distúrbio hormonal?
Proposta Resolução Lista 5 Questão 1 Das paientes de uma Clínia de Gineologia om idade aima de 40 anos, 60% são ou foram asadas e 40% são solteiras. Sendo solteira, a probabilidade de ter tido um distúrbio
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 maisNOÇÕES 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 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 maisProf.: Joni Fusinato
Probabilidade Condicional Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Probabilidade Condicional É a probabilidade de ocorrer um evento A sabendo-se que já ocorreu um evento B. Assim,
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 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 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 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 PROBABILIDADE
INTRODUÇÃO À ROBABILIDAD Conetos básos xpermento aleatóro ou fenômeno aleatóro Stuações ou aontementos ujos resultados não podem ser prevstos om erteza. Um expermento ou fenônemo que, se for observado
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 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 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 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 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 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 mais2. Se A e B são acontecimentos incompatíveis, a sua interseção é o conjunto vazio, pelo que
reparar o Exame 0 06 Matemática ágina 6. nalisemos cada opção: : e não são contrários pois a sua união não é o espaço amostral. Há, ainda, bolas pretas. : e não são contrários pois a sua união não é o
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 maisDefinição: É uma coleção bem definida de
EST029 Cálculo de Probabilidade I Cap. 1: Introdução à Probabilidade Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Conjuntos: Definição e notação Definição: É uma coleção bem definida de objetos,
Leia maisProf. Herivelto Tiago Marcondes dos Santos
PROBABILIDADES Algumas ocorrências de nosso cotidiano de certos fenômenos naturais não podem ser previstos antecipadamente. Há nessas ocorrências o interesse em estudar a intensidade de chuvas em uma determinada
Leia maisProcessos Estocásticos. Introdução. Probabilidade. Introdução. Espaço Amostral. Luiz Affonso Guedes. Fenômenos Determinísticos
Processos Estocásticos Luiz ffonso Guedes Sumário Probabilidade Variáveis leatórias Funções de Uma Variável leatória Funções de Várias Variáveis leatórias Momentos e Estatística Condicional Teorema do
Leia maisParte 3 Probabilidade
Parte 3 Probabilidade A probabilidade tem origem no século XVII, motivada, inicialmente, pelos jogos de azar. De maneira bastante informal, refere-se à probabilidade como uma medida de chance de algum
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 maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerih / Aleu S Britto Programa de Pós-Graduação em Informátia Pontifíia Universidade Católia do Paraná (PUCPR) Aprendizagem Bayesiana Plano de Aula Introdução Teorema
Leia maisProbabilidades 1. Motivação; 2. Conceitos importantes; 3. Definições de probabilidades; 4. Probabilidade Condicional; 5. Independência de eventos; 6.
Probabilidades 1. Motivação; 2. Conceitos importantes; 3. Definições de probabilidades; 4. Probabilidade Condicional; 5. ndependência de eventos; 6. Regra da probabilidade total. Probabilidades Probabilidades
Leia maisNoções de Probabilidade
Noções de Probabilidade Joel M. Corrêa da Rosa 2011 A estatística descritiva é ferramenta indispensável para extrair informação em um conjunto de dados. Entretanto, a tomada de decisões está fortemente
Leia maisAula 9 Teorema da probabilidade total e teorema de Bayes
Aula 9 Teorema da probabilidade total e teorema de Bayes Nesta aula você estudará dois importantes teoremas de probabilidade e verá suas aplicações em diversas situações envolvendo a tomada de decisão.
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 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 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. 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 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 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 maisProf. Janete Pereira Amador 1. 1 Introdução
Prof. Janete Pereira Amador 1 1 Introdução A ciência manteve-se até pouco tempo atrás, firmemente apegada à lei da causa e efeito. Quando o efeito esperado não se concretizava, atribuía-se o fato ou a
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerih Programa de Pós-Graduação em Informátia Pontifíia Universidade Católia do Paraná (PUCPR Aprendizagem Bayesiana Plano de Aula Introdução Teorema de Bayes Classifiador
Leia maisCE Estatística I
CE 002 - Estatística I Agronomia - Turma B Professor Walmes Marques Zeviani Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná 1º semestre de 2012 Zeviani,
Leia mais14/03/2014. Tratamento de Incertezas TIC Aula 1. Conteúdo Espaços Amostrais e Probabilidade. Revisão de conjuntos. Modelos Probabilísticos
Tratamento de Incertezas TIC-00.176 Aula 1 Conteúdo Espaços Amostrais e Probabilidade Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/2014.1/tic-00.176
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 maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerih Programa de Pós-Graduação em Informátia Pontifíia Universidade Católia do Paraná (PUCPR Aprendizagem Bayesiana Plano de Aula Introdução Teorema de Bayes Classifiador
Leia maisMétodos Estatísticos Básicos
Aula 7 - Probabilidade condicional e independência Departamento de Economia Universidade Federal de Pelotas (UFPel) Maio de 2014 Probabilidade condicional Seja (Ω, A, P) um espaço de probabilidade. Se
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 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 mais1 Definição de Probabilidade 2 Principais Teoremas 3 Probabilidades dos Espaços Amostrais 4 Espaços Amostrais Equiprováveis. Francisco Cysneiros
Probabilidade 1 Definição de Probabilidade 2 Principais Teoremas 3 Probabilidades dos Espaços Amostrais 4 Espaços Amostrais Equiprováveis Francisco Cysneiros Introdução 1 - Conceito Clássico Se uma experiência
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 maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Probabilidade: 19/10/2018 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
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 maisProf. Fabrício Maciel Gomes. Capítulo 3 Probabilidade
Prof. Fabrício Maciel Gomes Capítulo 3 Probabilidade Probabilidade ESPAÇO AMOSTRAL: S Conjunto de todos os resultados possíveis de uma variável do fenômeno em observação EVENTO : A Sub-conjunto de resultados
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema
Leia maisPolo Olímpico de Treinamento Intensivo UFPR Curso de Combinatória, Nível 3 2 o semestre de 2018
Polo Olímpio de Treinamento Intensivo UFPR Curso de Combinatória, Nível 3 2 o semestre de 2018 Vitor Emanuel Gulisz Grafos: Introdução Definição 1. Um grafo 1 é um par G = (V, A), onde V = {v 1,..., v
Leia maisTratamento de Incertezas TIC MINTER-IFMT
Tratamento de Incertezas TIC-10.005 MINTER-IFMT Aula 1 Conteúdo Espaços Amostrais e Probabilidade Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/2016.2/tic-10.005
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 maisESTATÍSTICA. Prof. Ari Antonio, Me. Ciências Econômicas. Unemat Sinop 2012
ESTTÍSTIC rof. ri ntonio, Me Ciências Econômicas Unemat Sinop 2012 1. robabilidades Diz respeito a experiências aleatórias: - Lançamento de uma moeda - Lançamento de um par de dados - Retirada de uma carta
Leia maisProbabilidade Condicional
Disciplina: 221171 robabilidade ondicional rof. a Dr. a Simone Daniela Sartorio de Medeiros DTiSeR-r 1 robabilidade condicional Em muitas situações práticas, o fenômeno aleatório com o qual trabalhamos
Leia maisIntrodução à Probabilidade
A Teoria de Probabilidade é responsável pelo estudo de fenômenos que envolvem a incerteza (é impossível prever antecipadamente o resultado) e teve origem na teoria de jogos, servindo como ferramenta para
Leia maisCONCEITOS BÁSICOS. 5) Dois eventos A e B são mutuamente exclusivos, ou disjuntos, se A B =.
CONCEITOS BÁSICOS Eperimento leatório é um eperimento no qual: i todos os possíveis resultados são conhecidos; ii resulta num valor desconhecido, dentre todos os resultados possíveis; iii pode ser repetido
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 maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Espaço Amostral Álgebra de Eventos Axiomas de Probabilidade Análise Combinatória Aula de hoje Probabilidade Condicional Independência de Eventos
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 maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 1 / 48 É provável que você
Leia mais2. Nas Figuras 1a a 1d, assinale a área correspondente ao evento indicado na legenda. Figura 1: Exercício 2
GET00116 Fundamentos de Estatística Aplicada Lista de exercícios Probabilidade Profa. Ana Maria Lima de Farias Capítulo 1 Probabilidade: Conceitos Básicos 1. Lançam-se três moedas. Enumere o espaço amostral
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 maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula 3 03/14 1 / 20
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula 3 03/14 1 / 20 Probabilidade Prof. Tarciana Liberal (UFPB) Aula 3 03/14 2 / 20 Probabilidade
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 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 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 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 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 maisDefinição de Probabilidade
INTRODUÇÃO A TEORIA DAS PROBABILIDADES A teoria das probabilidade nada mais é do que o bom senso transformado em cálculo A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número
Leia maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #03 de Probabilidade: 04/10/2017 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
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 I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula 1 04/14 1 / 35
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula 1 04/14 1 / 35 Prof. Tarciana Liberal (UFPB) Aula 1 04/14 2 / 35 Prof. Tarciana Liberal (UFPB)
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 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 maisAULA 2 AULA4 Introdução à Teoria das Probabilidades
UL UL4 Introdução à Teoria das robabilidades rof. itor Hugo Lahos Davila Coneitos ásios Experimento leatório ou Fenômeno leatório Situações ou aonteimentos ujos resultados não podem ser previstos om erteza.
Leia mais0 são números reais negativos. Desta maneira, existem duas possibilidades:
Aula 5 Projeto de Sistemas de Controle or meio do Método do Lugar das Raízes SCS Sistemas de Controle / Servomeanismos Aula 5 Projeto de Sistemas de Controle or meio do Método do Lugar das Raízes Definição:
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. Prof. Tiago Viana Flor de Santana Sala 07
Prof. Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana tiagodesantana@uel.br Sala 07 Universidade Estadual de Londrina UEL Departamento de Estatística DSTA Definição: é uma função P, definida
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Exemplos Análise Combinatória Probabilidade Condicional Independência de Eventos Teorema da Probabilidade Total Lei de Bayes Aula de hoje Exemplo
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 maisExemplo para Fixar a Matéria Vista Até Agora: Modelagem de Reações Químicas
Exemplo para Fixar a Matéria Vista Até Agora: Modelagem de eações Químias. Introdução Em uma reação químia, um onjunto de ompostos químios hamados reagentes e indiados aqui por i se ombina para formar
Leia mais