PROBABILIDADE - CONCEITOS BÁSICOS
|
|
|
- Benedito Andrade Maranhão
- 9 Há anos
- Visualizações:
Transcrição
1 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 em condções dêntcas. 2 spaço mostral é o conjunto de todos os resultados possíves para um expermento aleatóro. É denotado por. ode ser: - Dscreto Fnto: formado por um conjunto fnto de pontos; Infnto: conjunto nfnto e enumerável de pontos; - Contínuo formado por um conjunto Não numerável de pontos. 3 Um vento é um subconjunto de, assocado a um expermento. É denotado por letras maúsculas:, B,,... 4 Um vento Complementar: denotado por c é o complementar de em relação a, ou seja, c =. 5 Dos eventos e B são mutuamente exclusvos, ou dsjuntos, se B =. xemplos: Um dado equlbrado é lançado e seu número observado. O espaço amostral é: = {, 2, 3, 4, 5, 6 }. Sejam = O número observado é menor ou gual a 4, então, = {, 2, 3, 4 } B = O número observado é par, B = { 2, 4, 6 } C = O número observado é ímpar, C = {, 3, 5 }
2 ntão, temos B = { 2, 4 } e C = {, 3 } B C = B e C são dsjuntos B c = C, pos B C = 6 vento elementar Seja o espaço amostral = {, 2,..., N }, em que, =, 2,..., N, são resultados elementares. Um evento é dto elementar se é formado por um resultado elementar, ou seja: = { }, =, 2,..., N. obs: note que o evento elementar é dado por um subconjunto untáro. No lançamento de um dado equlbrado: = { }, 2 = { 2 }, 3 = { 3 }, 4 = { 4 }, 5 = { 5 }, 6 = { 6 } são eventos elementares. ssm sendo, temos que: = Ou seja: 6 Ω. xemplos: a xpermento: numa lnha de produção, conta-se o número de peças com defeto, por lote; = { 0,, 2,..., N }, N = tamanho do lote ventos: = todas as peças são boas = { 0 } 2 = no máxmo cnco peças com defeto 2 = {, 2, 3, 4, 5 }
3 b xpermento: Numa ndústra são contados os tens produzdos até a ocorrênca de um tem defetuoso; B = {, 2, 3, 4,... }, ou anda B = N*, N* = N { 0 } ventos: B = o tem defetuoso ocorre até a 0ª peça produzda B = {, 2, 3, 4, 5, 6, 7, 8, 9, 0 } B 2 = são produzdas no mínmo 200 peças antes do tem defetuoso B 2 = { X N* X > 200 } c xpermento: Uma lâmpada é fabrcada e, num ensao, é anotado o tempo semanas até que ela se queme; C = { t R t 0 } ventos: C = a lâmpada quema antes de completar 720 horas 4 sem. C = { t < 4 } C 2 = a lâmpada dura pelo menos ano 52 semanas C 2 = { t R t 52 } 7 Medda de robabldade: Seja um evento assocado a um espaço amostral, então a probabldade de ocorrênca de é dada por medda medda de de Ω s meddas de e de são bem defndas e estando assocadas às suas dmensões.
4 7. robabldade em spaços Fntos: seja um evento assocado a um espaço amostral fnto, então número de pontos, em Ω, favoráves número total de pontos em Ω a card, card Ω card. = função cardnaldade = número de elementos do conjunto. é a probabldade de ocorrênca do evento e deve satsfazer: a 0 ; b Ω ; c Se e B são dsjuntos, então, B B. 7.2 robabldade como frequênca relatva: sejam o evento assocado a um expermento. Suponha que seja repetdo n vezes e seja n o número de ocorrêncas de. frequênca relatva de é dada por: Se n for grande, então ocorrênca de, ou seja, n f, 0 f. n lm n f. f se aproxma da probabldade de 7.3 Resultados gualmente prováves: se num espaço amostral fnto os eventos elementares têm todos a mesma probabldade, então dzemos que são gualmente prováves. Seja p, =, 2,..., N, a probabldade de ocorrênca do -ésmo evento elementar, então:
5 p p2 pn, N cardω N obs: nesse caso dzemos que o espaço amostral é unforme. 7.3 ropredades de robabldade Se é o espaço vazo, então = 0 e, consequentemente, = ; Se c é o evento complementar de, então Se e B são eventos quasquer, então B B B v Se e B são eventos tas que B, então B ; B B ; B B B B. 8 Métodos de Contagem ermutação: quando temos de permutar n elementos em n posções dferentes n, n n! n! n n n 2, n! é o fatoral de n rranjo: quando, de um total de n elementos, devemos tomar k destes elementos e permutá-los c n! n k n n n 2 n k. n k!,
6 Combnação: quando temos de escolher k, dentre n elementos dstntos, sem consderar a ordem C n, k n n! ; note que k k! n k! n, k Cn, k. k, k 9 robabldade Condconal e Independênca: sejam e B eventos quasquer tas que 0, então a probabldade de B condconada ao evento é defnda por B B. Lê-se: probabldade de B dado. Nota: os eventos e B são ndependentes se: B B. 9. Regra Multplcatva das robabldades: da probabldade condconal podemos escrever a probabldade conjunta de e B por B B ou B B B, se e B forem ndependentes, então B B.
7 xemplos: I Consdere as nformações da qualdade de um produto pela regão de procedênca. O produto fo classfcado como tpos e B, sendo o tpo de melhor qualdade. Qualdade Regão S S CO Total Tpo Tpo B Total Se um fornecedor é sorteado ao acaso para verfcação, qual é a probabldade de que: a Seja de qualdade Tpo? b Seja procedente da regão S? 75 S c Seja de qualdade Tpo B e da regão CO? B CO d Seja da regão S ou de qualdade Tpo? S
8 e Sabendo que o fornecedor escolhdo é da regão S, qual a probabldade de que seja de qualdade do Tpo B? 42 / B S / f Se a amostra não é de regão S, qual é a probabldade de que seja de qualdade do Tpo? [ S CO] [ S CO] S CO 8 54 / [ S CO] / II Um aluno responde a um teste de múltpla escolha com quatro alternatvas, sendo uma só correta. probabldade de que saba a resposta é de 30%. Se ele não sabe a resposta, va chutar. Defnndo: = o aluno acerta a questão e S = o aluno sabe a resposta. a Qual a probabldade dele acertar a questão? = acertar sabendo ou acertar chutando = acertar sabendo +acertar chutando = S S + S c S c = = b Se ele acertou a questão, qual é a probabldade de que ele realmente saba a resposta? S 0.3 S ** sse resultado é conhecdo como teorema de Bayes.
9 0 Teorema de Bayes 0. artção: os eventos, 2,..., k, são uma partção de se: j =, j,, j =, 2,..., k; 2... k = Seja um evento ocorrendo sobre a partção de.
10 ssm, podemos escrever como sendo: ou anda: k. ntão, a probabldade de ocorrênca de é calculada por: k k k O resultado acma é conhecdo como le da probabldade total. 0.2 Teorema de Bayes: consderando a partção de e sabendo que ocorreu o evento, a probabldade de que tenha ocorrdo uma parcela específca da partção é dada por, =, 2,..., k. odemos, anda escrever o resultado acma como: k, =, 2,..., k. sse resultado se deve ao Revendo Inglês Thomas Bayes num trabalho seu publcado em 763, e recebe o seu nome em sua homenagem.
11 Os exemplos a segur são para resolver em sala III Um levantamento nas estradas mostra que 75% dos acdentes ocorrem por mprudênca do motorsta, 5% por defeto na psta ou falha na snalzação e o restante por falha mecânca no veículo. O índce de casos fatas nos acdentes é de 9%, 5% e 3%, respectvamente. a Se um acdente é regstrado, qual é a probabldade de que haja uma vítma fatal? b Se uma morte acontece num acdente, qual a probabldade de que seja por falha na psta? por mprudênca? IV O Neymar do Santos e o Ronaldo do Cornthans resolveram fazer uma dsputa de pênalts. O Neymar só acertou 30% dos últmos pênalts cobrados e o Ronaldo 88%. Cada um tem uma únca cobrança e o Marcos do almeras é o golero. Qual a probabldade de que: a mbos acertem as cobranças? b Só o Ronaldo acerte? c penas um deles acerte? IV Num processo de produção de placas eletrôncas, o índce de defetos é de %. Sabendo que as peças são produzdas ndependentemente umas das outras: a Qual é a probabldade de que a prmera placa com defeto seja exatamente a qunta a ser produzda? b xste uma norma na empresa que dz que se a prmera placa defetuosa for produzda antes e que a ª placa tenha sdo produzda, então o processo deve ser ajustado. Qual a probabldade de que o processo precse ser ajustado? c Qual a probabldade de que a prmera placa defetuosa ocorra apenas após a 20ª peça ter sdo produzda?
INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
2. VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo
Teoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )
DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco
CONCEITOS 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
Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis
Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,
PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Notas de Aula de Probabilidade A
VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável
Probabilidade: Diagramas de Árvore
Probabldade: Dagramas de Árvore Ana Mara Lma de Faras Departamento de Estatístca (GET/UFF) Introdução Nesse texto apresentaremos, de forma resumda, concetos e propredades báscas sobre probabldade condconal
AEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras ([email protected]) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Elementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Probabilidade nas Ciências da Saúde
UNIVERSIDDE ESTDUL DE GOIÁS Undade Unverstára de Cêncas Exatas e Tecnológcas Curso de Lcencatura em Matemátca robabldade nas Cêncas da Saúde Rafaela Fernandes da Slva Santos NÁOLIS 014 Rafaela Fernandes
Teoremas de Otimização com Restrições de Desigualdade
Teoremas de Otmzação com Restrções de Desgualdade MAXIMIZAÇÃO COM RESTRIÇÃO DE DESIGUALDADE Consdere o segunte problema (P) de maxmzação condconada: Maxmze Fx onde x x,x,...,x R gx b As condções de Prmera
Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna
Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade
Probabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers [email protected] Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Experimento aleatório Definição Qualquer experimento cujo resultado
O problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
PROBABILIDADE. 3) Jogando-se dois dados, qual a probabilidade de que a soma dos pontos obtidos seja menor que 4?
Segmento: ENSINO MÉDIO Dscplna: MATEMÁTICA Tpo de Atvdade: LISTA DE EXERCÍCIOS Prof. Marcelo 06/2016 Turma: 3 A PROBABILIDADE 1) No lançamento de um dado, determnar a probabldade de se obter: a) o número
Associação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Lista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias.
Classque as varáves: Faculdade Ptágoras / Dvnópols-MG Curso: Pscologa Dscplna: Estatístca Aplcada à Pscologa Lsta de Eercícos a) número de peças produzdas por hora; b) dâmetro eterno da peça; c) número
Introdução a Combinatória- Aplicações, parte II
Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o
Probabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers [email protected] Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Experimento aleatório Definição. Qualquer experimento cujo resultado não pode
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
DEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor
1 MECÂNICA CLÁSSICA AULA N o 7 Teorema de Louvlle Fluo no Espaço de Fases Sstemas Caótcos Lagrangeano com Potencal Vetor Voltando mas uma ve ao assunto das les admssíves na Físca, acrescentamos que, nos
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
CAPÍTULO 4 - Variáveis aleatórias e distribuições de probabilidade
CAPÍTULO 4 - Varáves aleatóras e dstrbuções de probabldade Conceto de varável aleatóra Uma função cujo valor é um número real determnado por cada elemento em um espaço amostral é chamado uma varável aleatóra
Resposta: Interbits SuperPro Web 0,5
1. (Eear 017) Um aparelho contnha as seguntes especfcações de trabalho: Entrada 9V- 500mA. A únca fonte para lgar o aparelho era de 1 V. Um cdadão fez a segunte lgação para não danfcar o aparelho lgado
Probabilidade. 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
Estatística Espacial: Dados de Área
Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes
Cap. 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
Probabilidade 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,
Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade
Departaento de Inforátca Dscplna: do Desepenho de Ssteas de Coputação Medda de Probabldade Prof. Sérgo Colcher [email protected] Teora da Probabldade Modelo ateátco que perte estudar, de fora abstrata,
Algarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
