Sumário. 2 Índice Remissivo 12
|
|
- Vítor Gabriel Vidal Neto
- 6 Há anos
- Visualizações:
Transcrição
1 i
2 Sumário 1 Definições Básicas Fundamentos de Probabilidade Noções de Probabilidade Espaços Amostrais Finitos Resultados Equiprováveis Probabilidade Condicional Teorema da Multiplicação Teorema da Probabilidade Total Teorema de Bayes Eventos Independentes Índice Remissivo 12 ii
3 Capítulo 1 Definições Básicas Modelos Matemáticos Modelo Determinístico: Um modelo no qual as condições impostas ao modelo determinam o resultado do experimento. Modelo Probabilístico: Modelos nos quais, mesmo mantendo as mesmas condições, o resultado do experimento pode variar. Isso se deve a um fator aleatório o qual não podemos controlar. Experimento aleatório Consiste em um experimento em que, mesmo mantendo as mesmas condições, o resultado do experimento pode variar. Exemplo 1.1 Exemplos de experimentos aleatórios 1. Lançar um dado e observar o resultado. 2. Jogar três moedas e contar o número de vezes que o resultado foi cara. 3. Medir o número de nascimentos na cidade de João Pessoa na última hora. 1.1 Fundamentos de Probabilidade Definição: Espaço amostral Espaço amostral é o conjunto de todos os resultados possíveis de um experimento. Denotamos o conjunto de todos os resultados por Ω. 1 / 12
4 Exemplo 1.2 Espaços amostrais associados aos exemplos anteriores 1. Ω = {1,2,3,4,5,6}; 2. Ω = {0,1,2,3}; 3. Ω = {0,1,2,3,...},Ω = {0,1,2,..., },... Nota Observe que no último exemplo tivemos mais de uma opção de espaço amostral. Isto não contradiz a definição de espaço amostral. De fato, podemos ter mais de uma opção de espaços amostrais, o importante é que cada uma dessas opções contenha todos os resultados possíveis. Definição: Evento Seja Ω o espaço amostral de um experimento. Todo conjunto A Ω tal que podemos calcular a probabilidade de A é chamado de evento. Destacamos dois eventos importantes: 1. Ω é chamado de evento certo; 2. /0 é chamado de evento impossível. Nota O conjunto de todos os eventos possui uma estrutura chamada de σ-álgebra. Apesar da definição de σ-álgebra ser muito simples, não há necessidade de estudarmos σ-álgebras, pois todos os conjuntos que utilizaremos ao longo do livro serão eventos. Além disso, as aplicações onde é realmente necessário o uso de σ-álgebras fogem do escopo deste livro. Como cada evento é um conjunto, vale a pena descrever os eventos obtidos após realizarmos as operações clássicas de conjuntos entre eventos. Exemplo 1.3 Eventos A B: é o evento A ou B ; A B: é o evento A e B ; A c : é o evento não ocorrência de A ; A B: significa que se o evento A ocorre, então o evento B ocorre. A B = /0: significa que A e B são eventos mutuamente excludentes, ou seja, a ocorrência de A implica que B não ocorre, e a ocorrência de B implica que A não ocorre. 2 / 12
5 Definição: Partição Dado um espaço amostral Ω, uma partição P = {A α,α I} de Ω é uma coleção de eventos, A α, indexados por α, tais que: Para todo α β, A α A β = /0; α I A α = Ω. Portanto, temos que os eventos de uma partição são dois-a-dois mutuamente excludentes e sua união é todo o espaço amostral. Exemplo 1.4 Exemplo de partição Se Ω = {1,2,3,4}, então {A 1,A 2 }, onde A 1 = {1,2,3} e A 2 = {4}, é uma partição de Ω. 1.2 Noções de Probabilidade Definição: Medida de Probabilidade Seja E um experimento. Seja Ω um espaço amostral, e seja E um evento de Ω. Dizemos que P é uma medida probabilidade em Ω se para todo evento A, temos que P(A) é um número não-negativo, chamado de probabilidade de A, tal que 0 P(A) 1; P(Ω) = 1; (Aditividade finita) Se A e B forem eventos mutuamente excludentes, temos que P(A B) = P(A) + P(B); (Aditividade contável) Se A i,i = 1,2,3,... forem eventos dois-a-dois mutuamente excludentes, então, ( ) P A i = i=1 i=1 Provaremos agora algumas consequências desta definição. Teorema Seja /0 o conjunto vazio, então P(/0) = 0. P(A i ). Demonstração Para qualquer evento A, podemos escrever A = A /0. Como A e /0 são mutuamente excludentes, decorre da aditividade finita que P(A) = P(A /0) = P(A) + P(/0). Desta forma, P(/0) = 0. Teorema Seja A c o evento complementar de A. Então P(A c ) = 1 P(A). Demonstração Podemos escrever Ω = A A c. Além disso, A e A c são mutuamente excludentes. Portanto, pela aditividade finita, temos que 1 = P(Ω) = P(A A c ) = P(A) + P(A c ). Desta forma, segue que P(A c ) = 1 P(A). 3 / 12
6 Teorema Sejam A e B dois eventos quaisquer. Então P(A B) = P(A) + P(B) P(A B). Demonstração Temos que A B = A (B A c ) (faça um desenho) e B = (A B) (B A c ). Desta forma, temos que como A e B A c são mutuamente excludentes, vale P(A B) = P(A) + P(B A c ). Por outro lado, temos que A B e B A c também são mutuamente excludentes. Portanto, segue que P(B) = P(A B) + P(B A c ) P(B A c ) = P(B) P(A B). Juntando as duas equações, obtemos que Mais geralmente temos o P(A B) = P(A) + P(B) P(A B). Teorema (Princípio da inclusão e exclusão) Sejam A 1,A 2,...,A n n eventos quaisquer. Então, P(A 1 A 2 A n ) = n i=1 + i< j<k P(A i ) P(A i A j ) i< j P(A i A j A k ) + + ( 1) n 1 P(A 1 A n ). Teorema Sejam A e B dois eventos. Suponha que A B, então P(A) P(B). Demonstração Temos que B = A (B A c ), com A e B A c sendo mutuamente excludentes. Desta forma,p(b) = P(A) + P(B A c ). Por outro lado, P(B A c ) 0. Portanto, temos que P(B) P(A). Exercício Mostre que a coleção de intervalos {(n,n+1] : n R} é uma partição do conjunto dos números reais R. Denote por [x] a parte inteira do número real x. Temos que para todo x real, vale x ([x] 1,[x]] ([x],[x] + 1]. Portanto, vale x (n,n + 1], ou seja, R (n,n + 1]. n Z Por outro lado, n Z,(n,n + 1] R. Daí (n, n + 1] R. Portanto, concluímos que n Z n Z R = (n,n + 1]. n Z 4 / 12
7 1.3 Espaços Amostrais Finitos Seja Ω um espaço amostral associado a um experimento aleatório E com um número finito de resultados possíveis. Então Ω pode ser escrito da seguinte forma: Ω = {ω 1,...,ω n }, para algum número natural n. A cada evento simples {ω i }, i = 1,...,n, associamos um número p i,i = 1,...,n de tal forma que duas condições sejam satisfeitas: 1. p i 0 para todo i = 1,...,n; 2. p p n = 1. Assim, definimos a probabilidade da ocorrência do resultado ω i,i = 1,...,n como sendo P({ω i }) = p i. Suponha que tenhamos um evento A consistindo de k resultados possíveis, ou seja, A = {ω j1,...,ω jk }, onde j 1,..., j k assumem valores entre 1 e n. Pela propriedade da aditividade contável, a probabilidade do evento A é dada por P(A) = P({ω j1 }) + + P({ω jk }) = p j1 + + p jk. Exercício Suponha que somente três resultados sejam possíveis em um experimento, a saber, a 1,a 2 e a 3. Além disso, suponha que a 1 seja duas vezes mais provável de ocorrer do que a 2, o qual, por sua vez, é duas vezes mais provável de ocorrer do que a 3. Determine as probabilidades de ocorrência de a 1,a 2 e a 3. Sejam p 1, p 2 e p 3 as probabilidades de ocorrências de a 1,a 2 e a 3, respectivamente. Então, temos do enunciado que p 1 = 2p 2 e que p 2 = 2p 3. Como sabemos que p 1 + p 2 + p + 3 = 1, temos que 4p 3 + 2p 3 + p 3 = 1, ou seja, p 3 = 1/7. Isto fornece p 1 = 4/7, p 2 = 2/7 e p 3 = 1/ Resultados Equiprováveis Suponha que temos um experimento com n resultados possíveis e que todos esses resultados sejam equiprováveis, isto é, todos os resultados possuem a mesma probabilidade de ocorrência. Neste caso, dizemos que o experimento possui resultados equiprováveis. Digamos que os resultados possíveis do experimento são a 1,...,a n. Sejam p 1, p 2,..., p n as probabilidades de ocorrências dos eventos a 1,a 2,...,a n, respectivamente. Então, como todos os resultados possuem a mesma probabilidade de ocorrência, temos que p 1 = p 2 = = p n = p. Além disso, sabemos que p p n = 1, ou seja, np = 1, o que por sua vez implica que p = 1/n. Utilizando a propriedade de aditividade contável da probabilidade podemos concluir o seguinte resultado: Seja A um evento que contém k resultados possíveis, então P(A) = k/n. Este método de avaliar a probabilidade do evento A normalmente é enunciado da seguinte maneira: P(A) = número de resultados favoráveis a A. número de resultados possíveis 5 / 12
8 Exercício Um dado é lançado e todos os resultados são igualmente prováveis. O evento A ocorrerá se, e somente se, um número maior do que 4 aparecer, isto é, A = {5,6}. Calcule P(A). Como temos 6 resultados possíveis e 2 resultados favoráveis, temos que P(A) = 2/6 = 1/ Probabilidade Condicional Suponha que temos a seguinte situação: Um lote é formado por 100 monitores de computador. Foi verificado que neste lote, temos 80 monitores em perfeito estado e 20 monitores defeituosos. Suponha que dois monitores são retirados do lote ao acaso. Considere então os eventos: A = O primeiro monitor é defeituoso e B = O segundo monitor é defeituoso. Suponha que a retirada dos monitores seja com reposição. Isto é, o primeiro monitor é retirado, verifica-se se é defeituoso ou não, e é colocado de volta ao lote. Neste cenário, temos 20 casos favoráveis ao evento A, entre 100 casos possíveis, e 20 casos favoráveis ao evento B, também entre 100 casos possíveis. Desta forma, no cenário com reposição, temos que P(A) = P(B) = 1/5. Entretanto temos um segundo cenário possível: que a retirada dos monitores seja feita sem reposição, isto é, o primeiro monitor é retirado, verifica-se se este é defeituoso, e em seguida um segundo monitor é retirado (sem que o primeiro seja devolvido ao lote), donde após a retirada, verifica-se se o segundo monitor é defeituoso ou não. Neste cenário, ainda temos 20 casos favoráveis ao evento A e 100 casos possíveis. No entanto, para o evento B o problema não se torna fácil, pois não sabemos se no momento da retirada do segundo monitor teremos 19 casos favoráveis ou 20 casos favoráveis. Isto dependerá se o evento A ocorreu ou não. A única coisa certa é que temos 99 casos possíveis para o evento B. A fim de resolver este problema vamos introduzir um novo conceito, o de probabilidade condicional. Assim que tivermos desenvolvido a teoria o suficiente para resolver o problema acima, terminaremos a solução dele. Definição: Probabilidade condicional Sejam agora, A e B dois eventos associados a um experimento E. Suponha que P(A) > 0, então denotamos por P(B A) a probabilidade do evento B ocorrer condicionada à ocorrência do evento A. Esta probabilidade condicional é definida como P(B A) = P(A B). P(A) Cuidado Vale a pena relembrar que na probabilidade condicional P(B A) estamos supondo que P(A) > 0. Importante Sempre que calculamos a probabilidade condicional P(B A), o que estamos fazendo na prática é reduzir o espaço amostral original Ω para um espaço amostral de eventos favoráveis à ocorrência do evento A. Esse espaço amostral é chamado de espaço amostral reduzido. 6 / 12
9 Exercício Dois dados equilibrados (onde todos os resultados são equiprováveis) são lançados. Os resultados são registrados como o par ordenado (x 1,x 2 ), onde x 1 representa o resultado obtido no lançamento do primeiro dado, e x 2 representa o resultado do lançamento do segundo dado. Consideremos os eventos: A = {(x 1,x 2 );x 1 + x 2 = 10} e B = {(x 1,x 2 );x 1 > x 2 }. Calcule P(A B) e P(B A). Escrevendo os eventos A,B e A B explicitamente, temos que e A = {(5,5),(4,6),(6,4)}, B = {(2,1),(3,1),(4,1),(5,1),(6,1),(3,2), (4,2),(5,2),(6,2),(4,3),(5,3),(6,3),(5,4),(6,4),(6,5)} A B = {(6,4)}. O número de casos totais é 36, pois temos 6 casos possíveis para o primeiro lançamento e 6 casos possíveis para o segundo lançamento. Assim, como os resultados são todos equiprováveis, temos que P(A) = 36 3 = ,P(B) = 36 = e P(A B) = 36. Assim, segue que P(A B) = P(A B) P(B) = 1/36 5/12 = 15 1 P(A B) e P(B A) = P(A) = 1/36 1/12 = Teorema da Multiplicação A mais importante consequência da definição da probabilidade condicional é obtida ao escrevermos: P(A B) = P(A B)P(B) ou equivalentemente, P(A B) = P(B A)P(A). Estas igualdades são chamadas de Teorema da multiplicação ou Teorema do produto. Existe uma generalização para mais de dois eventos e ela é a seguinte: Dados eventos A 1,A 2,...,A n, temos que P(A 1 A 2 A n ) = P(A 1 )P(A 2 A 1 )P(A 3 A 1 A 2 ) P(A n A 1 A n 1 ). Exercício Uma caixa contém 4 lâmpadas boas e 2 queimadas. Retira-se ao acaso 3 lâmpadas sem reposição. Calcule a probabilidade dessas 3 lâmpadas serem boas. Sejam os eventos A i = {A i-ésima lâmpada é boa}, para i = 1,2,3. Queremos calcular a probabilidade do evento A 1 A 2 A 3. Sabemos, pelo teorema da multiplicação, que P(A 1 A 2 A 3 ) = P(A 1 )P(A 2 A 1 )P(A 3 A 1 A 2 ). Vamos então calcular cada uma dessas probabilidades separadamente. Inicialmente, temos 4 resultados favoráveis ao evento A 1, entre 6 resultados possíveis, logo P(A 1 ) = 4 6 = / 12
10 Agora, vamos considerar o espaço amostral reduzido para calcular P(A 2 A 1 ). Dado que A 1 ocorreu, e como estamos sem reposição, para a retirada da segunda lâmpada teremos 3 lâmpadas boas, e um total de 5 lâmpadas. Logo, P(A 2 A 1 ) = 3 5. Analogamente, para calcular P(A 3 A 1 A 2 ), observe que se $A_1$ e $A_2$ ocorreram, então para a retirada da terceira lâmpada, teremos 2 lâmpadas boas e um total de 4 lâmpadas. Desta forma, P(A 3 A 1 A 2 ) = 2 4 = 1 2. Finalmente, juntando estas probabilidades obtemos que P(A 1 A 2 A 3 ) = = Teorema da Probabilidade Total Seja Ω o espaço amostral de um experimento E, e seja B 1,B 2,...,B k uma partição de Ω. Assim, dado um evento A qualquer, temos que A = (A B 1 ) (A B 2 ) (A B k ). Observe que como os eventos A B 1,A B 2,...,A B k são dois-a-dois mutuamente excludentes, podemos aplicar a aditividade contável da probabilidade, que é válida para eventos mutuamente excludentes, e escrever P(A) = P(A B 1 ) + + P(A B k ). Essa forma acima é chamada a primeira forma do Teorema da probabilidade total. Vamos agora para a segunda forma. Escrevendo cada termo P(A B i ) = P(A B i )P(B i ) e, daí, obtemos a segunda forma do teorema da probabilidade total: P(A) = P(A B 1 )P(B 1 ) + + P(A B k )P(B k ). Agora já temos teoria suficiente para resolver o problema dos monitores apresentado no início da seção: Exercício Consideremos o exemplo do lote com 20 monitores defeituosos e 80 monitores em perfeito estado, no qual extraímos duas peças sem reposição, e queremos calcular a probabilidade do evento B = {O segundo monitor é defeituoso}. Relembre a definição do evento A: A ={O primeiro monitor é defeituoso}. Pelo teorema da probabilidade total, segue que P(B) = P(B A)P(A) + P(B A c )P(A c ). Já sabemos que P(A) = 1 5. Isto fornece também, pela propriedade do complementar P(Ac ) = 1 P(A) = 4 5. Vamos calcular agora P(B A) e P(B A c ) separadamente. Dado que o evento A ocorreu, e sabendo que estamos sem reposição, para o segundo monitor, teremos 99 monitores disponíveis e entre eles, apenas 19 são defeituosos. Assim, P(B A) = / 12
11 Analogamente, temos que se A c ocorreu, então o primeiro monitor escolhido estava em perfeito estado. Assim, neste cenário, para a escolha do segundo monitor, teremos 20 monitores defeituosos disponíveis entre o total de 99 monitores. Assim P(B A c ) = Juntando todas as informações, temos que P(B) = = = 1 5. Então, curiosamente, apesar das contas serem completamente diferentes, e de estarmos sem reposição, neste caso, as probabilidades também são iguais. Note que isso é uma coincidência e não ocorre em geral. Cuidado Note que embora no exemplo acima as probabilidades com reposição e sem reposição coincidiram, isto não ocorre sempre! Teorema de Bayes Assim como no teorema da probabilidade total, seja Ω um espaço amostral associado a um experimento E, e seja B 1,B 2,...,B k uma partição de Ω. Temos então, pela definição da probabilidade condicional que P(B i A) = P(A B i),i = 1,2,...,k. P(A) Usando o teorema da multiplicação, temos que P(A B i ) = P(A B i )P(B i ). Além disso, pelo teorema da probabilidade total, temos que P(A) = k j=1 P(A B j)p(b j ). Portanto, juntando essas fórmulas com a definição da probabilidade condicional, obtemos: P(B i A) = P(A B i)p(b i ),i = 1,...,k. j=1 P(A B j )P(B j ) Esta fórmula é conhecida como Teorema de Bayes. Exercício Numa turma de ciências da computação da UFPB, 1% dos homens e 4% das mulheres possuem menos de 1,60m de altura. Além disso, 60% dos estudantes são homens. Se um estudante é selecionado ao acaso e é verificado que tem menos de 1,60m de altura. Qual é a probabilidade desse estudante ser homem? Defina os eventos A = {Estudantes com menos de 1,60m}, M = {Estudantes do sexo feminino} e H = {Estudantes do sexo masculino}. Pelo enunciado, sabemos que P(A H) = 0,01, P(A M) = 0,04, P(H) = 0,6 e P(M) = 1 P(H) = 0,4. Além disso, pelo teorema de Bayes, segue que P(H A) = P(A H)P(H) P(A H)P(H) + P(A M)P(M) = 0,01 0,6 0,01 0,6 + 0,04 0,4 = / 12
12 1.6 Eventos Independentes Considere dois eventos A e B quaisquer de um mesmo espaço amostral Ω. Dois eventos A e B são independentes quando a probabilidade de ocorrer um dos eventos não é modificada pela ocorrência do outro. Ou seja, dizemos que A e B são independentes quando P(A B) = P(A) ou P(B A) = P(B). Assim, se A e B são eventos independentes, então P(A B) = P(A)P(B). Nota Observe que se vale a recíproca dessa última afirmação, ou seja, se vale a identidade acima, então os eventos são independentes. Exercício Suponha que um dado equilibrado seja jogado duas vezes. Sejam os eventos: A = {o primeiro dado mostra um número par} e B = {o segundo dado mostra o número 5 ou 6}. Calcule P(A),P(B),P(A B),P(A B) e P(B A). Escrevendo explicitamente, temos que Ω = {(1,1),(1,2),(1,3),...,(6,6)}, onde Ω possui 36 elementos, onde A possui 18 elementos, A = {(2,1),(2,2),(2,3),(2,4),(2,5),(2,6),(4,1),(4,2),(4,3), (4,4),(4,5),(4,6),(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)}, B = {(1,5),(2,5),(3,5),(4,5),(5,5),(6,5),(1,6),(2,6),(3,6),(4,6),(5,6),(6,6)}, onde B possui 12 elementos, e A B = {(2,5),(2,6),(4,5),(4,6),(6,5),(6,6)}, onde A B possui 6 elementos. Portanto, temos que P(A) = = ,P(B) = 36 = 1 3 e P(A B) = 36 6 = 1 6. Observemos que P(A B) = 1 6 = = P(A)P(B). Logo, pelo que vimos acima, os eventos são independentes e desta forma, P(A B) = P(A) = 1 2, e P(B A) = P(B) = 1 3. Podemos também verificar diretamente: P(A B) = P(A B) P(B) = 1/6 1/3 = 1 P(A B) 2 e P(B A) = P(A) = 1/6 1/2 = 1 3. Podemos generalizar este resultado para n eventos. Isto fornece a seguinte definição: Definição: n eventos independentes Sejam A 1,A 2,...,A n eventos em um mesmo espaço amostral Ω. Dizemos que A 1,...,A n são eventos independentes se, e somente se, para k = 2,3,...,n, e todas as escolhas possíveis de índices i 1,...,i k, onde cada i j é um número entre 1 e n, e eles são diferentes, vale a igualdade P(A i1 A i2 A ik ) = P(A i1 ) P(A ik ). 10 / 12
13 Nota Neste caso, temos 2 n n 1 relações a serem verificadas. Exercício Suponha que um par de moedas honestas sejam lançadas. Considere os eventos: A = {cara na primeira moeda}, B = {cara na segunda moeda} e C = {cara em exatamente uma moeda}. Mostre que os eventos A,B e C são dois-a-dois independentes, mas não são independentes. Observe que Ω = {(cara,cara),(cara,coroa),(coroa,cara),(coroa,coroa)}. Note que Ω possui 4 elementos. Temos que A = {(cara,cara),(cara,coroa)}, B = {(cara,cara), (coroa,cara)}, C = {(cara,coroa),(coroa,cara)}. Além disso, segue que A B = {(cara,cara)}, A C = {(cara,coroa)}, B C = {(coroa,cara)}. Portanto, temos que P(A) = 4 2 = 2 1,P(B) = 2 4 = 1 2,P(C) = 2 4 = 1 2. Por outro lado, temos que latexmath:[p(a B) = 4 1 = = P(A)P(B), P(A C) = 1 4 = = P(A)P(C) e P(B C) = 12 = P(B)P(C). 1 4 = 1 2 Isso mostra que os eventos A, B e C são dois-a-dois independentes. Entretanto, temos que A B C = /0, e desta forma, P(A B C) = = P(A)P(B)P(C). Logo, os eventos A,B e C não são independentes. 11 / 12
14 Capítulo 2 Índice Remissivo A Aditividade Contável, 3 Finita, 3 amostral, 1 B Bayes, 9 C Certo, 2 Complementar, 3 Condicional, 6 Contável, 3 E Equiprováveis, 5 Espaço amostral, 1 Espaço Amostral Partição, 2 Reduzido, 6 Evento, 2 Certo, 2 Complementar, 3 Impossível, 2 Eventos Independentes, 10 Mutuamente excludentes, 2 Experimento Aleatório, 1 Medida Probabilidade, 3 Modelos Matemáticos, 1 Multiplicação, 7 Mutuamente excludentes, 2 P Partição, 2 Princípio Inclusão e Exclusão, 4 Probabilidade, 3 Condicional, 6 Probabilidade total, 8 R Reduzido, 6 Resultados Equiprováveis, 5 T Teorema Bayes, 9 Multiplicação, 7 Probabilidade total, 8 F Finita, 3 I Impossível, 2 Inclusão e Exclusão, 4 Independentes, 10 M 12 / 12
Probabilidade. 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 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 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 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 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 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. É o conjunto de todos os possíveis resultados de um experimento aleatório.
Probabilidade Introdução O trabalho estatístico se desenvolve a partir da observação de determinados fenômenos e emprega dados numéricos relacionados aos mesmos, para tirar conclusões que permitam conhecê-los
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 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 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 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 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 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 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 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 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 maisEST029 Cálculo de Probabilidade I Cap. 3: Probabilidade Condicional e Independência
EST029 Cálculo de Probabilidade I Cap. 3: Probabilidade Condicional e Independência Prof. Clécio da Silva Ferreira Depto Estatística - UFJF 1 Perguntas 1. Um novo aparelho para detectar um certo tipo de
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 maisprobabilidade PE-MEEC 1S 09/10 16 Capítulo 2 - de probabilidade 2.1 Experiências aleatórias. resultados. Acontecimentos probabilidade.
Capítulo 2 - Noções básicas de probabilidade 2.1 Experiências aleatórias. Espaço de resultados. Acontecimentos 2.2 Noção de probabilidade. Interpretações de Laplace, frequencista e subjectivista. Axiomas
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 maisProbabilidades. Palavras como
Probabilidades Departamento de Matemática Escola Superior de Tecnologia de Viseu Engenharia e Gestão Industrial 1 Introdução Palavras como provável probabilidade acaso sorte pertencem ao vocabulário corrente
Leia maisProbabilidades. Carla Henriques e Nuno Bastos. Eng. do Ambiente. Departamento de Matemática Escola Superior de Tecnologia de Viseu
Probabilidades Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Eng. do Ambiente Introdução Ao comprar acções, um investidor sabe que o ganho que vai obter
Leia maisMétodos Estatísticos Básicos
Aula 6 - Introdução à probabilidade Departamento de Economia Universidade Federal de Pelotas (UFPel) Maio de 2014 Experimento Experimento aleatório (E ): é um experimento que pode ser repetido indenidamente
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 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 maisProbabilidades. Departamento de Matemática Escola Superior de Tecnologia de Viseu. Gestão de Empresas Contabilidade e Administração
Probabilidades Departamento de Matemática Escola Superior de Tecnologia de Viseu Gestão de Empresas Contabilidade e Administração Introdução Ao comprar acções, um investidor sabe que o ganho que vai obter
Leia maisNOTAS DA AULA REVISÃO SOBRE FUNDAMENTOS DE PROBABILIDADE. Prof.: Idemauro Antonio Rodrigues de Lara
1 NOTAS DA AULA REVISÃO SOBRE FUNDAMENTOS DE PROBABILIDADE Prof.: Idemauro Antonio Rodrigues de Lara 2 Experimentos aleatórios Definição 1. Experimentos aleatórios são experimentos que quando executados
Leia maisProbabilidade - aula III
2012/02 1 Regra da Multiplicação 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Usar a regra da multiplicação para calcular probabilidade de eventos Usar a. Regra da Multiplicação Frequentemente
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 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 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 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 maisIntrodução à Probabilidade - parte III
Introdução à Probabilidade - parte III Erica Castilho Rodrigues 02 de Outubro de 2012 Eventos Independentes 3 Eventos Independentes Independência Em alguns casos podemos ter que P(A B) = P(A). O conhecimento
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 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 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 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 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 maisDepartamento de Matemática Instituto Superior Técnico
Capítulo 2 Conceição Amado Departamento de Matemática Instituto Superior Técnico Capítulo 2 - Noções básicas de probabilidade 2 2.1 Experiências aleatórias. Espaço de resultados. Acontecimentos.....................
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 maisProf. Tiago Viana Flor de Santana Sala 07
5.11 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 Tiago VFS (UEL/DSTA) 1 / 20
Leia maisNoções sobre probabilidade
Capítulo 3 Noções sobre probabilidade Um casal tem dois filhos. Qual é a probabilidade de: o primogênito ser homem? os dois filhos serem homens? pelo menos um dos filhos ser homem? A teoria das probabilidades
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 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. 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 maisProbabilidades. Departamento de Matemática Escola Superior de Tecnologia de Viseu. Eng. do Ambiente. (DepMAT ESTV) Probabilidades 2007/ / 22
Probabilidades Departamento de Matemática Escola Superior de Tecnologia de Viseu Eng. do Ambiente (DepMAT ESTV) Probabilidades 2007/2008 1 / 22 Introdução Introdução Ao comprar acções, um investidor sabe
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 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 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 maisEstatística Aplicada. Prof. Carlos Alberto Stechhahn PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL.
Estatística Aplicada Administração p(a) = n(a) / n(u) PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL Prof. Carlos Alberto Stechhahn 2014 1. Noções de Probabilidade Chama-se experimento
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 maisTEORIA DAS PROBABILIDADES
TEORIA DAS PROBABILIDADES 1.1 Introdução Ao estudarmos um fenômeno coletivo, verificamos a necessidade de descrever o próprio fenômeno e o modelo matemático associado ao mesmo, que permita explicá-lo da
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 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 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 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 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 maisPROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 2 07 e 08 março MOQ-12 Probabilidades e Int. a Processos Estocásticos
PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 2 07 e 08 março 2007 1 1. Probabilidade Condicional 2. Propriedades 3. Partições 4. Teorema de Probabilidade Total 5. Teorema de Bayes 6. Independencia
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 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 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 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 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 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 maisEstatística. 3 - Probabilidades
Estatística 3 - Probabilidades 03 - Probabilidades ESPAÇO AMOSTRAL: S Conjunto de todos os resultados possíveis de uma variável do fenômeno em observação EVENTO : A Sub-conjunto de resultados possíveis
Leia maisDisciplina: Prof. a Dr. a Simone Daniela Sartorio de Medeiros. DTAiSeR-Ar
Disciplina: 221171 Probabilidade Condicional Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Probabilidade condicional Em muitas situações práticas, o fenômeno aleatório com o qual trabalhamos
Leia maisProbabilidade - aula II
25 de Março de 2014 Interpretações de Probabilidade Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular
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 maisAULA 3 - Modelos probabiĺısticos, axiomas da probabilidade, espaços amostrais
AULA 3 - Modelos probabiĺısticos, axiomas da probabilidade, espaços amostrais Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Experimento não determinístico Definition (Experimento não determinístico)
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 maisPROBABILIDADE CONDICIONAL E TEOREMA DE BAYES
PROBABILIDADE CONDICIONAL E TEOREMA DE BAYES Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 08 de junho de 2016 Probabilidade Condicional
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 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 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 maisPROBABILIDADE E ESTATÍSTICA UNIDADE V - INTRODUÇÃO À TEORIA DAS PROBABILIDADES
PROBABILIDADE E ESTATÍSTICA UNIDADE V - INTRODUÇÃO À TEORIA DAS PROBABILIDADES 0 1 INTRODUÇÃO A teoria das probabilidades é utilizada para determinar as chances de um experimento aleatório acontecer. 1.1
Leia maisEstatística Planejamento das Aulas
7 de outubro de 2018 Fatorial Para n inteiro não negativo. O fatorial de n é definido por: Convenciona-se: Para n = 0, 0! = 1 Para n = 1, 1! = 1 Exemplos: 1. 6! = 6.5.4.3.2.1 = 720 2. 4! = 4.3.2.1 = 24
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 maisMA12 - Unidade 18 Probabilidade Condicional
MA12 - Unidade 18 Probabilidade Condicional Paulo Cezar Pinto Carvalho PROFMAT - SBM 4 de Abril de 2014 Um dado honesto é lançado duas vezes. a) Qual é a probabilidade de sair 1 no 1 o lançamento? b) Qual
Leia maisCarlos Pedreira.
Bio-Estatística Carlos Pedreira pedreira@ufrj.br CAPÍTULO 1 Conceitos Básicos de Probabilidade Em qual resultado você apostaria em 1 jogada de uma moeda justa? porque? Agora vamos jogar a moeda 2 vezes,
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 maisPROBABILIDADE. Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti PROBABILIDADE Dizemos que a probabilidade é uma medida da quantidade de incerteza que existe em um determinado experimento.
Leia maisTeoria das probabilidades
Teoria das probabilidades Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de abril de 2018 Londrina 1 / 22 Conceitos probabiĺısticos são necessários para se
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 maisResumo. Parte 2 Introdução à Teoria da Probabilidade. Ramiro Brito Willmersdorf Introdução.
Parte 2 Introdução à Teoria da Probabilidade Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Introdução 2 Espaço
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 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 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 maisOs experimentos que repetidos sob as mesmas condições produzem resultados geralmente diferentes serão chamados experimentos aleatórios.
PROBABILIDADE A teoria das Probabilidades é o ramo da Matemática que cria, desenvolve e em geral pesquisa modelos que podem ser utilizados para estudar experimentos ou fenômenos aleatórios. Os experimentos
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 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 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 maisConsidere uma probabilidade P definida em um espaço amostral Ω. Dois eventos A e B são independentes se
Independência Considere uma probabilidade P definida em um espaço amostral Ω. Dois eventos A e B são independentes se P(A B) = P(A)P(B). Independência é o oposto de mutuamente exclusivos (disjuntos)! Os
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 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 maisMAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 26 de Agosto, 2013 Probabilidade: uma Introdução / Aula 5 1 Variáveis aleatórias Definição
Leia mais