Probabilidade Aula 02

Documentos relacionados
Introdução ao Cálculo de probabilidades

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

Probabilidade Aula 03

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

Introdução a Probabilidade

Aula 6 Revisão de análise combinatória

AULA 4 -Probabilidade Condicional e Regra de Bayes

NOÇÕES DE PROBABILIDADE

Aula 4. NOÇÕES DE PROBABILIDADE

Introdução à Probabilidade - parte III

INTRODUÇÃO À PROBABILIDADE

Processos Estocásticos. Luiz Affonso Guedes

Adição de probabilidades. O número de elementos da união dos conjuntos A e B n(aub) = n(a B) Dividindo os dois membros por n(e):

NOÇÕES DE PROBABILIDADE

Probabilidade e Estatística

Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS

Conceitos básicos de teoria da probabilidade

2. INTRODUÇÃO À PROBABILIDADE

Considere uma probabilidade P definida em um espaço amostral Ω. Dois eventos A e B são independentes se

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

AULA 5 - Independência, Combinatória e

PROBABILIDADE E ESTATÍSTICA PROBABILIDADES

Teoria das Probabilidades

Probabilidade Aula 01

Processos Estocásticos. Introdução. Probabilidade. Introdução. Espaço Amostral. Luiz Affonso Guedes. Fenômenos Determinísticos

Estatística aplicada a ensaios clínicos

Estatística e Modelos Probabilísticos - COE241

REGRAS PARA CÁLCULO DE PROBABILIDADES

Probabilidades. Palavras como

2. INTRODUÇÃO À PROBABILIDADE

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

Prof.Letícia Garcia Polac. 26 de setembro de 2017

Técnicas de Contagem I II III IV V VI

NOÇÕES DE PROBABILIDADE

PROBABILIDADE. Aula 2 Probabilidade Básica. Fernando Arbache

2. INTRODUÇÃO À PROBABILIDADE

3 NOÇÕES DE PROBABILIDADE

Sumário. 2 Índice Remissivo 12

NOÇÕES DE PROBABILIDADE

Teoria das Probabilidades

Aula de Exercícios - Teorema de Bayes

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano

Teoria das Probabilidades

Probabilidade Condicional. Prof.: Ademilson

Probabilidade - aula II

2 Conceitos Básicos de Probabilidade

Teoria das Probabilidades

2 a Lista de PE Solução

TE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina Notes. Processos Estocásticos em Engenharia Conteúdo Notes.

Estatística Empresarial. Fundamentos de Probabilidade

Probabilidade. Prof. Paulo Cesar F. de Oliveira, BSc, PhD

Estatística e Modelos Probabilísticos - COE241

Probabilidade - aula II

Estatística e Modelos Probabilísticos - COE241

EXPERIMENTOS ALEATÓRIOS E ESPAÇOS AMOSTRAIS.

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

Tipos de Modelo. Exemplos. Modelo determinístico. Causas. Efeito. Exemplos. Modelo probabilístico. Causas. Efeito. Determinístico.

AULA 08 Probabilidade

Eisencraft e Loiola 2.1 Probabilidade 37. Para resolver problemas de probabilidades são necessários 3 passos:

EXPERIMENTO ALEATÓRIO : Experimento que pode fornecer diferentes resultados, embora seja repetido toda vez da mesma maneira.

TE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina. TE802 Conceitos Básicos de Teoria de Probabilidade. Evelio M. G.

Probabilidade Básica. Capítulo 1 EXPERIMENTOS ALEATÓRIOS ESPAÇOS AMOSTRAIS

Processos Estocásticos

? CARA? OU? COROA? 2

Probabilidade em espaços discretos. Prof.: Joni Fusinato

Probabilidades. Departamento de Matemática Escola Superior de Tecnologia de Viseu. Gestão de Empresas Contabilidade e Administração

PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 2 07 e 08 março MOQ-12 Probabilidades e Int. a Processos Estocásticos

Princípios de contagem

Estatística e Modelos Probabilísticos - COE241

COMBINATÓRIA ELEMENTAR BASEADO EM TOWNSEND (1987), CAP. 2

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

CAPÍTULO 3 PROBABILIDADE

Aula de hoje Aula passada

UNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística. Probabilidade

Roteiro D. Nome do aluno: Número: Revisão. Combinações;

Introdução à Estatística. Segundo Semestre/2018

Princípios de Bioestatística

Teoria da Probabilidade

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA PROGRAMA DE PÓS-GRADUAÇÃO EM ENSINO DE MATEMÁTICA PRODUTO DA DISSERTAÇÃO

NOTAS DA AULA REVISÃO SOBRE FUNDAMENTOS DE PROBABILIDADE. Prof.: Idemauro Antonio Rodrigues de Lara

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba

Noções sobre Probabilidade

2. Nas Figuras 1a a 1d, assinale a área correspondente ao evento indicado na legenda. Figura 1: Exercício 2

03/07/2014. Noções de Probabilidade

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula 3 04/14 1 / 20

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

Notas de Aula. Estatística Elementar. by Mario F. Triola. Tradução: Denis Santos

COMBINATÓRIA ELEMENTAR BASEADO EM TOWNSEND (1987), CAP. 2 O QUE É COMBINATÓRIA

Métodos Estatísticos Básicos

MATEMÁTICA MÓDULO 4 PROBABILIDADE

Métodos Quantitativos para Ciência da Computação Experimental. Jussara Almeida DCC-UFMG 2013

Universidade Federal do Paraná UFPR. CE084 Probabilidade A. Prof. Sonia Isoldi Marty Gama Müller LISTA DE EXERCÍCIOS 02

Capítulo 3 Probabilidade Pearson Prentice Hall. Todos os direitos reservados.

ESTATÍSTICA I PROBABILIDADE. Aulas 3 e 4 Professor Regina Meyer Branski

Cap. 8 - Variáveis Aleatórias

Princípio da inclusão e exclusão: Alguns Exemplos de Uso do Princípio da Inclusão e Exclusão

Sumário. 2 Índice Remissivo 9

Transcrição:

0303200 Probabilidade Aula 02 Magno T. M. Silva Escola Politécnica da USP Março de 2017

Sumário 2.3 Técnicas de contagem 2.4 Probabilidade condicional

2.3 Princípio fundamental da contagem Suponhamos que uma tarefa possa ser executada em duas etapas. Se a primeira etapa pode ser realizada de n maneiras e a segunda de m maneiras, então a tarefa completa pode ser executada de n m maneiras. Essa regra pode ser estendida para tarefas que podem ser executadas em k etapas, cada uma realizada de n i, i = 1,2,,k, maneiras. Neste caso, a tarefa completa pode ser executada de n 1 n 2 n k maneiras. Exemplo 8 (1.5.1 do Dantas) Desejamos ir da cidade A à cidade C. Os caminhos de A a C passam pela cidade B. Se há dois caminhos que ligam A a B e três caminhos que ligam B a C, de quantas maneiras podemos ir de A a C? Resolução: Se designarmos por 1 e 2 os caminhos que ligam A e B e por 3, 4 e 5 os caminhos que ligam B a C, então há seis caminhos que ligam A a C: 13, 14, 15, 23, 24 e 25.

Exemplo 9 (2.18 do Devore) Uma família mudou-se para uma cidade e precisa dos serviços de um obstetra e de um pediatra. Há duas cĺınicas e cada uma tem 2 obstetras e 3 pediatras. A família obterá benefícios máximos do plano de saúde se escolher uma cĺınica e selecionar dois de seus especialistas. De quantas formas isso pode ser feito?

2.3 Exemplo 9 (continuação) Resolução: Vamos representar os obstetras por O 1, O 2, O 3, O 4 e os pediatras por P 1,, P 6. Desejamos determinar o número de pares (O i,p j ) para os quais O i e P j estão associados à mesma cĺınica. Como há n 1 = 4 obstetras e para cada um há três escolhas possíveis de pediatras (n 2 = 3), a regra do produto fornece N = n 1 n 2 = 12 escolhas possíveis. O diagrama de árvore desse problema segue abaixo. P 1 O 1 O 2 O 3 O 4 P 2 P 3 P 1 P 2 P 3 P 4 P 5 P 6 P 4 P 5 P 6

2.3 Arranjos Uma amostra é dita ordenada se os seus elementos forem ordenados, isto é, se duas amostras com os mesmos elementos, porém em ordens distintas, forem consideradas diferentes. Um subconjunto ordenado é chamado arranjo. O número de arranjos (amostras ordenadas sem reposição) de tamanho n que pode ser criado a partir de N elementos em um grupo é igual a (N) n = N! = N(N 1) (N n+1) (N n)! O número de amostras ordenadas com reposição de tamanho n com N elementos é igual a N n.

2.3 Exemplo 10 (1.5.4 do Dantas) Considere o conjunto das quatro primeiras letras do alfabeto {a,b,c,d}. O número de amostras ordenadas sem reposição de tamanho 3 é igual a (4) 3 = 4.3.2 = 24 O número de amostras ordenadas com reposição de tamanho 3 é igual a 4 3 = 64

2.3 Exemplo 11 (2.21 do Devore) Há 10 assistentes de professores disponíveis para correção de provas em um curso de cálculo. A P 1 consiste de 4 questões e o professor deseja selecionar um assistente diferente para corrigir cada uma (um assistente apenas por questão). De quantas formas diferentes os assistentes podem ser escolhidos para a correção?

2.3 Exemplo 11 resolução O tamanho do grupo é N = 10 e o tamanho do subconjunto é n = 4. O número de arranjos é (10) 4 = 10! (10 4)! = 10! = 10(9)(8)(7) = 5040 6! Há 5040 maneiras diferentes de escolher os assistentes para corrigir a P 1.

2.3 Exemplo 12 (1.5.6 do Dantas) Suponha que a data de nascimento de qualquer pessoa pode ser considerada igualmente distribuída entre os 365 dias de um ano. Se em uma sala existem n pessoas, qual a probabilidade de que todas tenham nascido em dias diferentes? Resolução: Vamos denotar esse evento por A. O número de conjuntos de n dias em que nasceram as n pessoas é igual ao número de amostras ordenadas com reposição de tamanho n de um conjunto com 365 elementos, que vale 365 n. Datas distintas de nascimento das n pessoas correspondem a amostras ordenadas sem reposição de tamanho n de um conjunto de 365 elementos, que vale (365) n. Assim, P(A) = (365) n 365 n = ( 1 1 )( 1 2 ) ( 1 n 1 ). 365 365 365

2.3 Exemplo 12 (1.5.6 do Dantas) Evento A: todas as n pessoas tenham nascido em dias diferentes. Gráfico de P(A) em função do número de pessoas na sala. 1 0.8 P(A) 0.6 0.4 0.2 0 0 20 40 60 80 n

2.3 Exemplo 13 (2.22 do Devore) Um MP3 player possui 100 músicas, 10 das quais são dos Beatles. Suponha que se utilize um recurso para tocar as músicas em ordem aleatória (cada música deve ser tocada apenas uma vez). Qual a probabilidade de que a primeira música ouvida dos Beatles seja a quinta música tocada?

2.3 Exemplo 13 resolução Para esse evento ocorrer, as primeiras quatro músicas tocadas não devem ser dos Beatles (NBs) e a quinta deve ser dos Beatles (B). O número de formas de selecionar as cinco primeiras músicas é 100(99)(98)(97)(96). O número de formas de selecionar essas cinco músicas de modo que as quatro primeiras sejam NBs e a próxima seja B é 90(89)(88)(87)(10) A probabilidade desejada é a proporção do número de resultados para que o evento de interesse ocorra para o número de resultados possíveis: P(1 a B é a 5 a música tocada) = 90 89 88 87 10 100 99 98 97 96 = 0,068

2.3 Permutações Uma amostra ordenada sem reposição de tamanho n de um conjunto de n elementos será denominada permutação dos n elementos. O número de permutações de n elementos é igual a P n = n! Exemplo 1.5.8 (Dantas): Considere o conjunto dos inteiros de 1 a 3. O número de permutações desse conjunto é P 3 = 6 e as permutações são as seguintes: 123, 132, 213, 231, 312, 321

2.3 Combinações Um subconjunto desordenado é chamado de combinação. O número de combinações (amostras não ordenadas sem reposição) de tamanho n que pode ser criado a partir de N elementos em um grupo é igual a (N) n P n = ( N n ) = (N) n n! = N! n!(n n)! = C N,n

2.3 Exemplo 14 (2.23 do Devore) Um escola de engenharia recebeu 25 impressoras, das quais 10 são a laser e 15 são jato de tinta. Se 6 das 25 forem selecionadas aleatoriamente para serem verificadas por um técnico, qual a probabilidade de 3 delas serem a laser?

2.3 Exemplo 14 resolução Seja o evento D 3 = {exatamente 3 das 6 selecionadas são impressoras a laser} Assumindo equiprobabilidade de eventos, temos em que Assim, P(D 3 ) = N(D 3) N ( ) 25 N = 6 ( )( 15 10 N(D 3 ) = 3 3 ( 15 )( 10 ) ) P(D 3 ) = N(D 3) N = 3 3 ( ) = 0,3083 25 6

2.3 Exemplo 15 (1.5.11 do Dantas) No jogo do pôquer com quatro participantes, é comum usar 32 cartas. As cartas pertencem a um conjunto de quatro naipes, a saber: paus, espadas, ouros e copas. As denominações das cartas são: sete, oito, nove, dez, valete, dama, rei e ás. Numa primeira etapa são dadas cinco cartas a cada jogador. Consideremos as cartas dadas a um jogador na primeira etapa. Qual a probabilidade de ele receber um par de ases e três outras cartas distintas?

2.3 Exemplo 15 (1.5.11 do Dantas) resolução O espaço amostral é o conjunto das amostras não ordenadas sem reposição de tamanho 5 de um conjunto de 32, ou seja ( ) 32. 5 Vamos denotar evento A : o jogador recebe um par de ases e três cartas distintas. ( ) 4 Podemos selecionar os dois ases de maneiras. 2 As outras três cartas (que não ( devem ) ser ases e dever ser distintas) 7 podem ser selecionadas de 4 3. Assim, 3 ( )( ) 4 7 4 2 3 3 P(A) = ( ) = 0,06 32 5

Probabilidade Condicional Para quaisquer dois eventos A e B com P(B) > 0, a probabilidade condicional de A dado que ocorreu B é definida por P(A B) = P(A B) P(B)

Probabilidade Condicional Exemplo 16 (2.24 do Devore) Uma fábrica de componentes eletrônicos usa duas linhas de montagem diferentes: A e A. A linha A usa equipamentos mais antigos que A, de forma que é mais lenta e um pouco menos confiável. Suponha que, em um determinado dia, a linha A tenha montado 8 componentes, dos quais 2 foram identificados como defeituosos (B) e 6 como não defeituosos (B ), ao passo que a linha A produziu 1 defeituoso e 9 não defeituosos. condição linha B B A 2 6 A 1 9 O gerente de vendas seleciona aleatoriamente 1 desses 18 componentes para uma demonstração. Perguntas: Qual a probabilidade do componente selecionado ser da linha A? Dado que o componente selecionado apresentou defeito, qual a probabilidade de ser da linha A?

Probabilidade Condicional Exemplo 16 (2.24 do Devore) Resolução: Antes da demonstração P(componente selecionado da linha A) = P(A) = 8 18 = 0,44. Se o componente escolhido tiver defeito, o evento B terá ocorrido, ou seja, P(A B) = 2 3 = 2/18 3/18 = P(A B) P(B)

Probabilidade Condicional Exemplo 17 (2.25 do Devore) Suponha que de todos os indivíduos que compram uma determinada câmera digital, 60% incluam um cartão de memória opcional na compra, 40% incluam uma bateria extra e 30% incluam um cartão e uma bateria. Considere a seleção aleatória de um comprador e sejam A = {compra de um cartão de memória} P(A) = 0,6 B = {compra de bateria} P(B) = 0,4 C = {compra de ambos} P(A B) = 0,3 Perguntas: Dado que o indivíduo selecionado comprou uma bateria extra, qual a probabilidade de compra de um cartão de memória opcional? Dado que o indivíduo selecionado comprou um cartão de memória opcional, qual a probabilidade de compra de uma bateria extra?

Probabilidade Condicional Exemplo 17 (2.25 do Devore) Resolução: P(cartão comprou bateria extra) = P(A B) = P(A B) P(B) = 0,30 0,40 = 0,75 De todos que compraram bateria extra, 75% compraram um cartão de memória opcional. Analogamente, P(bateria extra cartão de memória)=p(b A)= P(B A) = 0,30 P(A) 0,60 =0,50 De todos que compraram cartão de memória, 50% compraram uma bateria extra. Note que P(A B) P(A) e P(B A) P(B)

Regra da multiplicação para P(A B) Da definição de probabilidade condicional, obtemos: P(A B) = P(A B) P(B) = P(B A) P(A)

Regra da multiplicação Exemplo 18 (2.27 do Devore) Quatro indivíduos responderam a uma solicitação de um banco de sangue para doação. Nenhum deles doou sangue antes, de forma que seus tipos sanguíneos são desconhecidos. Suponha que apenas o tipo O + seja desejado e apenas um dos quatro indivíduos tenha esse tipo sanguíneo. Se os doadores potenciais forem selecionados em ordem aleatória para determinação do tipo sanguíneo, responda: qual a probabilidade de que pelo menos três indivíduos tenham de ser testados para obtenção do tipo desejado? qual a probabilidade do tipo de sangue do terceiro indivíduo ser O +?

Regra da multiplicação Exemplo 18 (2.27 do Devore) Resolução: Fazendo a identificação B = {primeiro tipo não O + } P(B) = 3 4 A = {segundo tipo não O + } Dado que o primeiro não é O +, dois dos três indivíduos restantes não serão O +, de forma que P(A B) = 2 3 Pela regra da multiplicação, obtemos: P(pelo menos três indivíduos tenham de ser testados) = P(A B) = P(A B) P(B) = 2 3 3 4 = 6 12 = 0,5

Regra de multiplicação Exemplo 18 (2.27 do Devore) Podemos estender a regra para experimentos que envolvem mais de duas etapas, ou seja, P(A 1 A 2 A 3 ) = P(A 3 A 1 A 2 ) P(A 1 A 2 ) = P(A 3 A 1 A 2 ) P(A 2 A 1 ) P(A 1 ) A 1 ocorre primeiro, seguido por A 2 e finalmente por A 3. Voltando ao Exemplo 18 (2.27 do Devore): P(terceiro indivíduo O + ) = P(terceiro O + primeiro não O + e segundo não O + ) P(segundo não O + primeiro não O + ) P(primeiro não O + ) = 1 2 2 3 3 4 = 1 4 = 0,25

Partição Uma partição de S é uma coleção de conjuntos disjuntos cuja união é S. Exemplo:S = A 1 A 2 A 3 A 4. Seja o evento B em S, então: B = B S = B (A 1 A 2 A 3 A 4 ) = (B A 1 ) (B A 2 ) (B A 3 ) (B A 4 ) A 1 A 3 B A 2 A 4 S

Teorema da Probabilidade total Sejam A 1,,A k eventos mutuamente exclusivos e exaustivos (partição de S). Então, para qualquer outro evento B em S, P(B) = k P(A i B) = P(A 1 B)+ +P(A k B) i=1 = P(B A 1 )P(A 1 )+ +P(B A k )P(A k ) = k P(B A i )P(A i ) i=1

Probabilidade total Exemplo 19 (2.30 do Devore) Um indivíduo possui 3 contas de e-mail diferentes, de modo que 70% de suas mensagens chega à Conta 1 e dessas 1% é spam 20% chega à Conta 2, sendo que dessas 2% é spam 10% chega à Conta 3 e dessas 5% é spam Qual a probabilidade de uma mensagem selecionada aleatoriamente ser spam?

Probabilidade total Exemplo 19 (2.30 do Devore) Resolução: Considere a notação A i = {mensagem é da Conta i}, para i = 1,2,3 B = {mensagem é spam} Do enunciado, obtemos P(A 1 ) = 0,7, P(A 2 ) = 0,2, P(A 3 ) = 0,1 P(B A 1 ) = 0,01, P(B A 2 ) = 0,02, P(B A 3 ) = 0,05 Usando o teorema da probabilidade total, obtemos P(B) = (0,01)(0,70) +(0,02)(0,20) +(0,05)(0,10) = 0,016 1,6% das mensagens do indivíduo é spam.