Cap. 4 - Probabilidade

Documentos relacionados
Chamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω.

Probabilidade e Modelos Probabilísticos. Conceitos básicos, variáveis aleatórias

Cap. 6 Variáveis aleatórias contínuas

Cap. 6 Variáveis aleatórias contínuas

Cap. 5 Variáveis aleatórias discretas

PROBABILIDADE E ESTATÍSTICA PROBABILIDADES

Aula 07. Modelos Probabilísticos. Stela Adami Vayego - DEST/UFPR 1

Aula 06. Introdução ao Cálculo de Probabilidades. Stela Adami Vayego - DEST/UFPR 1

INTRODUÇÃO À PROBABILIDADE

Probabilidade. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva

Probabilidade. Professora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise

PEDRO A. BARBETTA Estatística Aplicada às Ciências Sociais 6ed. Editora da UFSC, 2006.

Estatística para Cursos de Engenharia e Informática

2. INTRODUÇÃO À PROBABILIDADE

Variáveis Aleatórias

AULA 4 -Probabilidade Condicional e Regra de Bayes

2. INTRODUÇÃO À PROBABILIDADE

Probabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo

Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Probabilidades. Cristian Villegas

3 NOÇÕES DE PROBABILIDADE

Probabilidade. É o conjunto de todos os possíveis resultados de um experimento aleatório.

UNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística. Probabilidade

Definição: É uma coleção bem definida de

UNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística. Probabilidade. Cálculo das Probabilidades e Estatística I Luiz Medeiros

Probabilidades. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer

NOÇÕES DE PROBABILIDADE

Teoria das Probabilidades

CE Estatística I

Prof.Letícia Garcia Polac. 26 de setembro de 2017

Noções de Probabilidade

Probabilidade ESQUEMA DO CAPÍTULO. UFMG-ICEx-EST Cap. 2- Probabilidade 1

Teoria das Probabilidades

ELEMENTOS DE PROBABILIDADE. Prof. Paulo Rafael Bösing 25/11/2015

Probabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo

Probabilidade. Objetivos de Aprendizagem. UFMG-ICEx-EST. Cap. 2 - Probabilidade Espaços Amostrais e Eventos. 2.1.

Probabilidade - 7/7/2018. Prof. Walter Tadeu

Experiências Aleatórias. Espaço de Resultados. Acontecimentos

1 Probabilidade: Axiomas e Propriedades

Cap. 4 - Probabilidade

Teoria da Probabilidade

1 Variáveis Aleatórias

Probabilidade e Modelos Probabilísticos

Probabilidade Parte 1. Camyla Moreno

Universidade Federal de Lavras

Estatística Empresarial. Fundamentos de Probabilidade

Lucas Santana da Cunha de junho de 2017

PROBABILIDADE. Luciana Santos da Silva Martino. PROFMAT - Colégio Pedro II. 01 de julho de 2017

Prof. Dr. Lucas Santana da Cunha de maio de 2018 Londrina

Introdução à Probabilidade

Teoria das Probabilidades

PROBABILIDADES PROBABILIDADE DE UM EVENTO EM UM ESPAÇO AMOSTRAL FINITO

Introdução aos Proc. Estocásticos - ENG 430

NOÇÕES DE PROBABILIDADE

Probabilidade em espaços discretos. Prof.: Joni Fusinato

Introdução à Estatística

Probabilidade. O segundo aspecto é a incerteza inerente às decisões que podem ser tomadas sobre determinado problema.

Estatística e Modelos Probabilísticos - COE241

Matemática & Raciocínio Lógico

Poder do teste e Tamanho de Amostra

3. Probabilidade P(A) =

Estatística para Cursos de Engenharia e Informática. Cap. 2 O planejamento de uma pesquisa

T o e r o ia a da P oba ba i b lida d de

14/03/2014. Tratamento de Incertezas TIC Aula 1. Conteúdo Espaços Amostrais e Probabilidade. Revisão de conjuntos. Modelos Probabilísticos

PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I

UNIVERSIDADE FEDERAL DA PARAÍBA

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004

Cap. 9 Comparação entre tratamentos

Sumário. 2 Índice Remissivo 12

Estatística e Modelos Probabilísticos - COE241

Conceitos básicos de teoria da probabilidade

Estatística e Modelos Probabilísticos - COE241

1 Definição Clássica de Probabilidade

Aula 4. NOÇÕES DE PROBABILIDADE

Probabilidades. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo

2. INTRODUÇÃO À PROBABILIDADE

Prof. Janete Pereira Amador 1. 1 Introdução

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.

Estatística e Modelos Probabilísticos - COE241

Estatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral

Transcrição:

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 Científica e Tecnológica do Estado de Santa Catarina (FAPESC) Departamento de Informática e Estatística UFSC (INE/CTC/UFSC)

Modelos probabilísticos Construção de modelos de probabilidade para entender melhor os fenômenos aleatórios

Modelos probabilísticos Definição do experimento Definição dos resultados possíveis do experimento Definição de uma regra que obtenha a probabilidade de cada resultado ocorrer.

Espaço amostral O conjunto de todos os possíveis resultados do experimento é chamado de espaço amostral e é denotado pela letra grega Ω. Um espaço amostral é dito discreto quando ele for finito ou infinito enumerável; é dito contínuo quando for infinito, formado por intervalos de números reais.

Eventos Chamamos de evento a qualquer subconjunto do espaço amostral: A é um evento A Ω

Operações entre eventos (a) União: A B (b) interseção: A B (c) complementar: A A B Ω Ω Ω A A B

Operações entre eventos Operação Conjunto Evento a) União A B b) Interseção A B c) Complementar A reúne os elementos de ambos os conjuntos formado somente pelos elementos que estão em A e B formado pelos elementos que não estão em A ocorre quando ocorrer pelo menos um deles (A, B ou ambos) ocorre quando ocorrer ambos os eventos (A e B) ocorre quando não ocorrer o evento A (não A)

Eventos mutuamente exclusivos Eventos são ditos mutuamente exclusivos se e só se eles não puderem ocorrer simultaneamente. A e B são mutuamente exclusivos A B = A B Ω

Probabilidade de eventos Espaços amostrais discretos equiprováveis P A = n A n sendo: n resultados igualmente prováveis, n A destes resultados pertencem a um certo evento A

Probabilidade de eventos Espaços amostrais discretos Se A Ω = {ω 1, ω 2, ω 3,... }, então: P A = i : ϖ i A P ω i

P( ) = 0 Propriedades P(Ω) = 1 Probabilidade do evento complementar P A =1 P A A A Ω

Propriedades Regra da soma das probabilidades P A B =P A P B P A B A A B B Ω Se A e B mutuamente exclusivos, então: P A B =P A P B

Probabilidade condicional. Ex. de motivação Tipo do leite Condição do peso B (B) C (C) UHT (U) Total dentro das especificações (D) 500 4500 1500 6500 fora das especificações (F) 30 270 50 350 Total 530 4770 1550 6850 P F = 350 6850 =0,051 P F U = 50 1550 =0,032 Notar que: P F U = 50 1550 = 50 6850 1550 6850 = P F U P U

Probabilidade condicional Sejam A e B eventos quaisquer, sendo P(B) > 0. Definimos a probabilidade condicional de A dado B por P A B = P A B P B

Probabilidade condicional. Exemplo Seja o lançamento de 2 dados não viciados e a observação das faces voltadas para cima. Calcule a probabilidade de ocorrer faces iguais, sabendo-se que a soma é menor ou igual a 5. 1 1, 2 1, 3 1, 4 1, 5 1, 6 2, 1 2, 2 2, 3 2, 4 2, 5 2, 6 3, 1 3, 2 3, 3 3, 4 3, 5 3, 6 OMEGA={ 1, } 4, 1 4, 2 4, 3 4, 4 4, 5 4, 6 5, 1 5, 2 5, 3 5, 4 5, 5 5, 6 6, 1 6, 2 6, 3 6, 4 6, 5 6, 6 E 1 = faces iguais = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)} e E 2 = soma das faces é menor ou igual a 5 = = {(1, 1), (1, 2), (1, 3), (1, 4), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (4, 1)}.

Probabilidade condicional. Exemplo P E 1 E 2 = P E 1 E 2 P E 2 2 36 = 10 36 = 2 10 =0,2

P A B = P A B P B ou P B A = P A B P A Regra do produto P A B =P B P A B P A B =P A P B A

Eventos independentes Dois ou mais eventos são independentes quando a ocorrência de um dos eventos não influencia a probabilidade da ocorrência dos outros. Nesse caso: P A B =P A e P B A =P B A e B são independentes P A B =P A. P B

Teorema da probabilidade total Ilustração da formação de um lote de peças provindas de 4 fornecedores Fornecedor: (1) (2) (3) (4) Peças não conformes Grupo de peças extraídas para a formação do lote

Teorema da probabilidade total E 2 E 1 E 4 E 5 E 6 E 3 F E 7 F E3 F E 4 F E 5 F E 7 F= F E 1 F E 2... F E k P F =P [ F E 1 F E 2... F E k ]= =P F E 1 P F E 2... P F E k k P F = i=1 P E i P F E i

Teorema de Bayes E 2 E 1 E 4 E 5 E 6 E 3 F E 7 F E3 F E 4 F E 5 F E 7 P E i F = P E i F P F P E i F = P E i P F E i P F