Teoria Elementar da Probabilidade

Documentos relacionados
Probabilidades. José Viegas

Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS

Capítulo. 2.Teoria das Probabilidades Definições Experiência aleatória

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA

DEPARTAMENTO DE MATEMÁTICA

CIRCUITOS SEQUÊNCIAIS

Introdução ao Estudo de Sistemas Lineares

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

CAP. I ERROS EM CÁLCULO NUMÉRICO

Séries de Potências AULA LIVRO

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

DEPARTAMENTO DE ESTATÍSTICA PROBABILIDADE

Capítulo 5 Cálculo Diferencial em IR n 5.1 Definição de função de várias variáveis: campos vetoriais e campos escalares.

Probabilidade e Estatística. Probabilidade e Estatística

Os juros compostos são conhecidos, popularmente, como juros sobre juros.

ActivALEA. ative e atualize a sua literacia

Aula 2 - POT - Teoria dos Números - Fabio E. Brochero Martinez Carlos Gustavo T. de A. Moreira Nicolau C. Saldanha Eduardo Tengan

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

Lista 9 - Introdução à Probabilidade e Estatística

Métodos Quantitativos em Contabilidade. Análise da Variância ANOVA. Prof. José Francisco Moreira Pessanha

Módulo 4 Matemática Financeira

Probabilidade. Evento (E) é o acontecimento que deve ser analisado.

Análise de Projectos ESAPL / IPVC. Critérios de Valorização e Selecção de Investimentos. Métodos Estáticos

Faculdade Campo Limpo Paulista Mestrado em Ciência da Computação Complexidade de Algoritmos Avaliação 2

Probabilidade. Luiz Carlos Terra

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo.

RESOLUÇÃO DAS ATIVIDADES E FORMALIZAÇÃO DOS CONCEITOS

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos

Técnicas de Contagem I II III IV V VI

Se A =, o evento é impossível, por exemplo, obter 7 no lançamento de um dado.

Notas de Aula do Curso PGE950: Probabilidade

Métodos Quantitativos Aplicados

Capítulo 10 - Somatórios

Análise Combinatória I

Secção 9. Equações de derivadas parciais

AULA 07 Distribuições Discretas de Probabilidade

Chama-se sucessão de números reais, ou sucessão, a uma aplicação de N R (por vezes considera-se Ν 0 = { }

Até que tamanho podemos brincar de esconde-esconde?

somente um valor da variável y para cada valor de variável x.

5n 3. 1 nsen(n + 327) e)

Capítulo 1. Teoria da Amostragem

Conceitos Básicos de Probabilidade

Lista 2 - Introdução à Probabilidade e Estatística

1.5 Aritmética de Ponto Flutuante

UM NOVO OLHAR PARA O TEOREMA DE EULER

Goiânia, 07 a 10 de outubro. Mini Curso. Tópicos em passeios aleatórios. Ms. Valdivino Vargas Júnior - Doutorando/IME/USP

1- INTRODUÇÃO 2. CONCEITOS BÁSICOS

1.4- Técnicas de Amostragem

BASES DE DADOS I LTSI/2. Universidade da Beira Interior, Departamento de Informática Hugo Pedro Proença, 2010/2011

Testes de Hipóteses

COMPOSIÇÕES DE FUNÇÕES GERATRIZES E A FÓRMULA EXPONENCIAL

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades:

Neste capítulo, vamos estender o conceito de adição, válido para um número finito de parcelas, à uma soma infinita de parcelas.

Estimação por Intervalo (Intervalos de Confiança):

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS

Problema de Fluxo de Custo Mínimo

CAPÍTULO 8 - Noções de técnicas de amostragem

CONCURSO PÚBLICO 2013 MATEMÁTICA PARA TODOS OS CARGOS DA CLASSE "D" TEORIA E 146 QUESTÕES POR TÓPICOS. 1ª Edição JUN 2013

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais

UM ESTUDO DO MODELO ARBITRAGE PRICING THEORY (APT) APLICADO NA DETERMINAÇÃO DA TAXA DE DESCONTOS

Tabela Price - verdades que incomodam Por Edson Rovina

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo?

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013

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):

O oscilador harmônico

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA

VII Equações Diferenciais Ordinárias de Primeira Ordem

Matemática. Resolução das atividades complementares. M5 Análise combinatória

O poço de potencial infinito

INTRODUÇÃO A TEORIA DE CONJUNTOS

Matemática Ficha de Trabalho

Testes χ 2 (cont.) Testes χ 2 para k categorias (cont.)

Exercício 1. Quantos bytes (8 bits) existem de modo que ele contenha exatamente quatro 1 s? Exercício 2. Verifique que

A soma dos perímetros dos triângulos dessa sequência infinita é a) 9 b) 12 c) 15 d) 18 e) 21

Introdução aos Processos Estocásticos - Independência

Aula de Exercícios - Teorema de Bayes

UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA IM 317 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS

Estatística stica para Metrologia

Estatística e Probabilidade. Aula 5 Cap 03 Probabilidade

2.1 Dê exemplo de uma seqüência fa n g ; não constante, para ilustrar cada situação abaixo: (a) limitada e estritamente crescente;

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Regressão Linear. Bernardo Almada-Lobo

MATEMÁTICA A - 12o Ano Funções - Limite segundo Heine

J. A. M. Felippe de Souza 9 Diagramas de Bode

2 Conceitos Básicos. onde essa matriz expressa a aproximação linear local do campo. Definição 2.2 O campo vetorial v gera um fluxo φ : U R 2 R

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA

UM JOGO BINOMIAL 1. INTRODUÇÃO

Matemática. Resolução das atividades complementares. M10 Progressões. 1 (UFBA) A soma dos 3 o e 4 o termos da seqüência abaixo é:

Caique Tavares. Probabilidade Parte 1

Desigualdades (por Iuri de Silvio ITA-T11)

CRI Certificados de Recebíveis Imobiliários. Guia para Elaboração dos Fluxos de Pagamentos Data: 16/11/2015

Cap. 5. Testes de Hipóteses

Universidade Federal da Bahia - IM

Departamento de Matemática - Universidade de Coimbra. Mestrado Integrado em Engenharia Civil. Capítulo 1: Sucessões e séries

a k. Observação: Os sistemas de coordenadas considerados são cartesianos retangulares.

TEORIA ELEMENTAR DA PROBABILIDADE

Distribuição Normal de Probabilidade

Transcrição:

10 Teoria Elemetar da Probabilidade MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado o acaso iterfere a ocorrêcia de um ou mais dos resultados os quais tal processo se pode traduzir. Face à cojugação de um determiado úmero de codições, um resultado aleatório pode ou ão ocorrer. Exemplo 1: Laçameto ao ar de uma moeda equilibrada. Os resultados " SI CR " (F) ou " SI CORO " (C) são aleatórios. Cada resultado aleatório é a cosequêcia de iúmeras causas fortuitas. Exemplo 2 : Laçameto de um dado e observação do resultado apresetado a face superior.

11 SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI a) Cada experiêcia poderá ser repetida idefiidamete sob codições essecialmete ialteradas. b) Muito embora ão sejamos capazes de afirmar que resultado particular ocorrerá, seremos capazes de descrever o cojuto de todos os possíveis resultados da experiêcia. c) Quado a experiêcia for executada repetidamete, os resultados idividuais parecerão ocorrer de uma forma acidetal. Cotudo, quado a experiêcia for repetida um grade úmero de vezes, aparecerá uma regularidade. EXPERIÊNCIS LETÓRIS, ESPÇOS MOSTRIS E CONTECIMENTOS EXPERIÊNCI LETÓRI - Desiga uma situação à qual estejam associados, de forma ão cotrolada, dois ou mais resultados possíveis. Exemplos : Laçameto de uma moeda F-C ao ar uma vez ( resultados possíveis : " SI CR " (F) ou " SI CORO " (C) ).

12 Laçameto de uma moeda F-C ao ar tatas vezes quatas as ecessárias até sair F ( cojuto ifiito umerável de resultados possíveis : 1,2,3,...) O atraso de um comboio ( com uma ifiidade de resultados possíveis : [0, + [ ). ESPÇO MOSTRL - Cojuto de todos os resultados possíveis de uma experiêcia aleatória. Exemplos : Cosiderado as experiêcias aleatórias defiidas ateriormete temos: Espaço amostral : S = { F, C } Espaço amostral : S = {1, 2, 3, } Espaço amostral : S = {t : t 0 } Os espaços amostrais podem ser discretos ou cotíuos, cosoate os seus elemetos sejam umeráveis ou ão. Os espaços discretos podem ser fiitos ou ifiitos. O espaço amostral associado a uma experiêcia aleatória depede da forma como a experiêcia é avaliada isto é, depede daquilo que estamos a observar. Exemplo : Cosidere-se a experiêcia costituída pelo laçameto ao ar da moeda F-C três vezes cosecutivas.

13 Se o resultado for avaliado pelo úmero de F obtidos (º de vezes em que " SI CR"), o espaço amostral é costituído pelo cojuto {0, 1, 2, 3}. Se o resultado for avaliado pela sequêcia de F e C etão o espaço amostral é costituído por oito resultados possíveis. 1º laça/ 2º laça/ 3º laça/ F S FFF F C FFC C F FCF F C FCC C F CFF F C CFC C F CCF Árvore de resultados (utilizada a represetação de resultados de experiêcias sequeciais) C CCC Diagrama de Ve cotecimeto - Cojuto de elemetos de um espaço amostral, isto é, cojuto de resultados possíveis associados à realização de uma experiêcia aleatória. cotecimeto simples/composto cotecimeto certo/impossível

14 CCF FFF 1 FCC FCF 2 CFC FFC CFF CCC 1 - " Saída de duas caras " (acotecimeto composto) 2 - " Saída de três coroas " (acotecimeto simples) Como os acotecimetos são cojutos, podemos aplicarlhes as operações de reuião, itersecção e complemetaridade, defiido ovos acotecimetos. S B B B - acotecimeto que ocorrerá sse ou B (ou ambos) ocorrerem S B B B - acotecimeto que ocorrerá sse e B ocorrerem S - acotecimeto complemetar de em S, ocorrerá sse ão ocorrer Dois acotecimetos dizem-se mutuamete exclusivos se ão puderem ocorrer simultaeamete, isto é se B =

15 Coceito de probabilidade Defiição clássica Se uma experiêcia aleatória tiver N resultados mutuamete exclusivos e igualmete prováveis e se um acotecimeto cotiver N desses resultados ( N N), etão a probabilidade do acotecimeto é dada por : N umero de casos favoraveis P ( ) = N umero de casos possiveis Defiição geométrica Permite ultrapassar uma limitação da defiição clássica de probabilidade e que resulta do pressuposto de que o úmero de resultados possíveis associados a cada experiêcia aleatória é fiito. Etão vem que: P ( ) = med med S represetado "med" uma medida de dimesão de uma qualquer região icluída um espaço amostral cotíuo S de uma experiêcia aleatória. Defiição frequecista No decurso de N repetições de uma experiêcia aleatória, um acotecimeto ocorre N vezes (0 N N). frequêcia relativa de ocorrêcia desse acotecimeto é: N f = N

16 Defie-se probabilidade de como o limite de f quado o úmero de repetições tede para ifiito: P( ) = lim f = lim N N N N Defiição axiomática Baseia-se em propriedades resultates das defiições ateriores e asseta os três axiomas seguites: 0 P() 1 P(S) = 1 P ( B) = P() + P(B) se e B mutuamete exclusivos Propriedades: P() + P() = 1 P( ) = 0 P ( B) = P() + P(B) P( B) para e B quaisquer B P() P(B) Métodos de eumeração Regra da multiplicação 2 1 1. 2 2 procedimeto 1 procedimeto 2

17 Regra da adição procedim. 1 procedim. 2 1 2 1 + 2 rrajos e Permutações Cosiderem-se elemetos distitos. Pretede-se cotar o úmero de maeiras de escolher k elemetos (0 k ) de etre esses, cosiderado a sua ordem. Existem: Se k = vem: k =! ( k) =! = P! Combiações Cosiderem-se ovamete elemetos distitos.o úmero de maeiras de escolher k elemetos (0 k ) de etre esses, sem cosider a sua ordem é: C k = k =! k! k! ( ) Permutações com algus elemetos repetidos Cosiderem-se ovamete elemetos pertecetes a k espécies distitas.o úmero de permutações possíveis desses elemetos é dado por:! 1! 2! k! em que + + + = 1 2. k

18 Probabilidade codicioada e acotecimetos idepedetes Probabilidade codicioada, P( B ) - probabilidade de ocorrêcia de um acotecimeto quado se admite que ocorreu um acotecimeto B : ou P( B) = ( B) P( B) P P( B) = P( B) P( B) (com P(B) > 0) P() - probabilidade a priori P( B) - probabilidade a posteriori Dois acotecimetos dizem-se idepedetes sse: ( ) = ( ) ( ) P B P P B e portato de um modo equivalete: ou ( ) P( ) P B = (com P(B) > 0) ( ) P( B) P B = (com P() > 0) Teorema de Bayes B 1 B 3 B 5 B 2 B 4

19 ( ) P( B ) P B P B i = = P( ) i = 1 ( ) P( B ) P( B ) P( B ) i i i em que B 1, B 2,, B costituem uma partição do espaço amostral S, isto é: B B =, i j i j i = 1 Bi = ( ) S P B i > 0, i i i O resultado : ( ) = ( ) ( ) P P B P B i =1 i i é o euciado do teorema da probabilidade total e obtémse a partir da decomposição de em acotecimetos mutuamete exclusivos, isto é: ( ) ( ) ( ) = B1 B2 B Variáveis aleatórias Seja ε uma experiêcia aleatória e S um espaço amostral associado a essa experiêcia. Uma fução X, que associe a cada elemeto s ε S um úmero real X(s), é uma variável aleatória. Sobre um mesmo espaço amostral podem ser defiidas diferetes fuções (variáveis aleatórias). Cotrado mi io da aplicaçao discreto v. a. discreta cotiuo v. a. cotiua