Probabilidades José Viegas Lisboa 001
1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia do eveto A é P ( A) x Exemplo 1-1: Uma caixa cotem 0 bolas vermelhas e 5 bolas bracas. A probabilidade de tirar uma bola braca é P 5/5 Permutações e combiações 1.1 Permutações A permutação de ites é simplesmete o arrajo desses ites todos tomados em cojuto. Exemplo 1-: 3 ites ( A, B, C ) dão origem a seis diferetes permutações: ABC BCA CAB ACB BCA CBA Para ites o úmero de permutações é :!. (-1). (-)..... 1 P Se dos ites só forem tomados r de cada vez para serem arrajados teremos permutações de, r a r : P r! ( r)! Por defiição 0! 1
Exemplo1-3: Permutações de A, B, C, D dois a dois. AB AC AD BA BC BD CA CB CD DA DB DC Exemplo1-4: Uma sala de aula é ocupada por uma turma de 15 aluos. Na primeira fila existem 6 carteiras. Quatas arrajos diferetes de aluos são possíveis a primeira fila? ( assumese que ehuma carteira fica vazia). 15 r 6 P 15! 9! 15 6 3603600 1. Combiações Se a ordem ão tem importâcia tem-se combiações em vez de permutações. A combiação de ites, tomado r de cada vez, é uma selecção de r ites tirados de, sem ter em cota a ordem porque foram seleccioados. Exemplo1-5: Combiações de 4 objectos ( A, B, C, D ) tomados a. AB AC AD BC BD CD As combiações de ites, r a r, são: C r Pr! r! r!( r)! 3
Exemplo1-6: Um lote é costituído por 100 lâmpadas quatas amostras diferetes de 5 lâmpadas são possíveis.? C 100! 5!95! 100 5 758750 1.3 Regras de probabilidade A probabilidade cojuta de ocorrêcia de A e B escreve-se P ( A B ) A probabilidade de ocorrêcia de A ou B escreve-se P ( A + B ) P ( A + B ) P (A) + P (B) - P (A B) A probabilidade de ocorrêcia de o acotecimeto complemetar de A, ( ão A ) escreve-se P ( A ) P ( A ) + P ( A ) 1 Se, e só se, os evetos A e B forem idepedetes, tem-se: P (A B) P (A B) P (A) P (B A) P (B A) P (B) A probabilidade cojuta de ocorrêcia de dois acotecimetos A e B idepedetes é o produto das probabilidades idividuais P (A B) P(A). P(B) A probabilidade cojuta de ocorrêcia de dois acotecimetos A e B ão idepedetes é: P (AB) P (A) P (B A) P (B) P (A B) ou aida P (B A) P (AB) / P(A) 4
Se os acotecimetos A e B forem mutuamete exclusivos, isto é se ão puderem ocorrer em simultâeo, etão: P (AB) 0 E P (A+B) P (A) + P(B) A partir de P (AB) P (B) P (A B) pode deduzir-se o teorema de Bayes P ( A B) P( A) P( B A) P( B) Distribuições Estatísticas Se colocarmos um gráfico valores que variam como será o valor do diâmetro de uma peça maquiada, ou a altura de um grupo de aluos da 6ª classe sob a forma de histograma teremos Exemplo a partir duma amostra de valores em tabela. Distribuição por famílias. Passagem para o gráfico 5
Vamos seguidamete aalisar o valor em cotos gastos mesalmete em trasportes pela população de um bairro de Lisboa. No caso que seguidamete apresetamos, 30 valores foram registados e as suas frequêcias de ocorrêcia estão represetadas. Os valores registados foram de a 9 havedo uma grade icidêcia os valores de 5 a 7. Outra amostra aleatória de outros ovos 30 valores, da mesma população dará origem a ovo histograma que terá o etato uma forma semelhate. Se represetarmos em ovo histograma os valores verificados as duas amostras mas utilizado itervalos de 0,5 teríamos: 6
Agora utilizámos a frequêcia em %. Se aumetássemos o úmero de observações e reduzíssemos os itervalos de medida, tederíamos para uma curva que descreve a fução desidade de probabilidade f(x) para uma dada variável x. Em que + f ( x) dx 1 E a probabilidade de um valor estar etre x1 e x será: P < x < x ( x1 ) x x1 f ( x) dx Temos aida como muito importates dois aspectos da fução desidade de probabilidade que são: Valor médio valor em toro do qual a distribuição se agrupa Dispersão variabilidade em toro do valor médio E aida: Moda valor da maior frequêcia mediaa poto cetral da distribuição 7
Valor médio x i 1 xi µ + xf ( x) dx Dispersão É a extesão em que os valores da distribuição variam. É medida pela variâcia ( xi x) Var( x) E( x x) Variâcia para uma amostra de dimesão. i 1 A estimativa da variâcia da população a partir de uma amostra de tamaho é dada por: σ ( x x) i i 1 1 Sedo a variâcia de uma população fiita de N elemetos dada por: ( xi x) σ N i 1 E para uma distribuição cotíua: σ + ( x µ ) f ( x) dx Distribuições discretas e cotíuas.1 Distribuições discretas Se uma variável aleatória discreta X poder tomar valores x1, x,..., x, com probabilidades p1, p,..., p, em que p1 + p +... + p 1, e pi 0 para qualquer i, 8
pode-se dizer que existe uma distribuição de probabilidade para x. As otações P(X x) ou P(x) são utilizadas para represetar a probabilidade de X ter um determiado valor x. Exemplo.1: Laçam-se duas moedas ão viciadas. Cosidera-se a variável aleatória X úmero de caras. Etão X pode Ter os valores 0, 1 ou. Os resultados possíveis do laçameto são: cara/cara cara/coroa coroa/cara coroa/coroa probabilidades ¼ ¼ ¼ ¼ P(X)1/4 P(X1)1/ P(X0)1/4 A soma destas probabilidades é igual a um e existe uma distribuição discreta para X. Biomial A distribuição biomial descreve uma situação que tem duas saídas, tais como passar ou ão passar, matedo-se a probabilidade costate para todas as tetativas, experiêcias. A fução probabilidade é dada por: f ( x)! p x q x!( x)! ( x)! x!( x)! C x Esta fução represeta a probabilidade x produtos bos e -x produtos maus uma amostra de produtos, quado a probabilidade de seleccioar um bom produto é p e a de seleccioar um mau produto é q. A média é dada por: µ p E o desvio padrão: σ pq E a probabilidade de obter r ou meos produtos bos virá: 9
F( r) r x 0 C x p x q ( x) Aplica-se o caso de a dimesão da amostra ser fiita e a dimesão da amostra ser pequea relativamete ao lote. Exemplo.: De uma liha de produção recolhem-se 5 peças, uma por hora. Sabedo-se que a % de peças defeituosas é de 10%, calcule a probabilidade de etre as 5 peças termos: a) Todas as peças boas b) Uma peça defeituosa c) Meos de duas peças defeituosas d) A média e o desvio padrão Distribuição de Poisso Os acotecimetos que ocorrem segudo uma distribuição de Poisso, acotecem a uma taxa de ocorrêcia costate. Só com uma de duas saídas determiável. Ex: - úmero de falhas um dado período de tempo - umero de defeitos um determiado comprimeto de arame A fução probabilidade é dada por: x µ f ( x) exp( µ ) x! ( x 0, 1,, 3,...) µ - taxa média de ocorrêcia µ λ t σ λ A distribuição de Poisso pode ser cosiderada como a extesão da distribuição Biomial, a qual é ifiito. Exemplo.3: Das 1 às 14 o úmero de automóveis que chegam a um parque de estacioameto é de 360. Qual a probabilidade de um miuto: a) Não chegar ehum automóvel? 10
b) Chegar um automóvel? c) Chegarem dois automóveis? d) Chegarem meos de dois automóveis? Exemplo.4: Um trem de aterragem tem 4 rodas. A experiêcia mostra que o rebetameto de rodas ocorre em média uma vez em cada 100 aterrages. Admitido que o rebetameto das rodas ocorre de forma estatisticamete idepedete, umas das outras, e que uma aterragem será segura se ão rebetarem mais de rodas. Qual a probabilidade de uma aterragem ão segura? Exemplo.5: Se a probabilidade de um item falhar é de 0,001, qual a probabilidade de se ecotrar 3 items com falha uma população de 000? Solução através da distribuição Biomial Solução através da distribuição Poisso. Distribuições cotíuas Diz-se que uma distribuição é cotíua quado a variável aleatória pode tomar qualquer valor detro de determiado itervalo. Distribuição Normal ou de Gauss A fução desidade de probabilidade da Normal é dada por: f ( x) 1 σ (π ) 1 x µ exp ( σ ) 1 µ - média ( parâmetro de localização ) moda, mediaa são coicidetes coma média dado que a fução de distribuição de probabilidade é simétrica. 11
Uma razão para a grade aplicação da Normal é o facto de, quado um valor está sujeito a muitos factores de variação, idepedetemete como estes factores são distribuídos, a distribuição composta resultate, aproxima-se muito da distribuição Normal. Este facto é cosequêcia do teorema do limite cetral A tabela em apêdice dá os valores para Φ (z) fução acumulada da distribuição ormal estadardizada, ( µ 0 ; σ 1 ) z represeta o úmero de desvios padrão de distâcia em relação ao valor médio. Qualquer distribuição ormal pode ser calculada a partir da distribuição ormal estadardizada, determiado a variável ormal estadardizada z, e achado o valor de Φ (z). µ z x σ Exemplo.6: O tempo de vida de uma lâmpada icadescete tem uma distribuição ormal de média 100H e desvio padrão σ 00H. a) Qual é a probabilidade desta lâmpada durar pelo meos 800H b) Qual é a probabilidade desta lâmpada falhar até às 900H Exemplo.7: Um rolameto tem um tempo de vida ormalmete distribuído com uma média de 6000h e um desvio padrão de 450h. Qual a probabilidade de um rolameto atigir as 7000h de fucioameto? Distribuição de Weibull 1
A distribuição de Weibull tem uma grade vatagem quado utilizada em trabalhos de fiabilidade, pois por modificação dos parâmetros da distribuição pode ajustar-se a muitas distribuições de tempos de vida típicos. A sua fução desidade de probabilidade em fução do tempo virá dada por: f ( t) exp ( ) η β 1 t t β η β β ( para t 0 ) f(t) 0 ( para t < 0 ) em que : β - parâmetro de forma µ - parâmetro de escala ou vida característica Exemplo.8: O tempo de vida de um rolameto uma dada istalação é represetado de forma satisfatória por uma distribuição de Weibull com β ½ e µ 5000. Calcule a probabilidade de o rolameto durar pelo meos 6000 horas. Calcule o tempo médio de vida. 13
3 Cofiaça estatística Na problemática da cofiaça estatística, o ível de cofiaça (1-α) é a percetagem em que o itervalo de cofiaça icluirá o verdadeiro valor observado, se se repetir a experiêcia várias vezes. O itervalo de cofiaça é o itervalo etre os limites superior e iferior do itervalo. Os itervalos de cofiaça são usados para se preverem os dados da população a partir dos dados de uma amostra. Quato maior for a amostra maior será a ossa ituição de que o valor estimado para a população esteja mais próximo do verdadeiro valor. Limites de cofiaça em distribuição Normal Se tivermos uma amostra de média x e pretedermos estimar a média da população com um grau de cofiaça ou ível de cofiaça de 95%, etão teremos : 14
σ σ P( x 1,96 µ x + 1,96 ) 0,95 P σ σ / µ x + zα / ) (1 α) ( x zα Sabe-se que se a população x segue uma distribuição ormal, os valores médios das amostras x também tem uma distribuição ormal de desvio padrão σ - desvio padrão da população σ. Exemplo 3.1: Uma amostra com 100 valores tem um valor médio de 7,56 e um desvio padrão de 1,10.Quais os limites do valor médio da população para um ível de cofiaça de 90% Limites de cofiaça em distribuição Expoêcial Em fiabilidade muitas vezes assumimos Ter uma taxa de avarias costate, este caso os valores tem uma distribuição expoecial egativa, que é uma distribuição assimétrica. Nestas distribuições aplicamos a distribuição do χ para estimarmos os limites de cofiaça. Demostra-se que os limites de cofiaça de dados gerados por um processo de Poisso, tais como os tempos de avaria, quado a taxa de avarias é costate são dados por: 15
θ i χ T α, ν θ s χ T 1 α, ν θ eθ i s limites de cofiaça superior e iferior para o MTBF T tempo total do teste α - ível de sigificâcia úmero de avarias ( ν ) quado o teste acaba com avaria ( ν + ) - quado o teste ão acaba com avaria Exemplo 3.: Dez uidades foram testadas 1000H, tedo ocorrido 3 avarias. Os testes foram etão iterrompidos. Assumido uma taxa de avarias costate, qual é o limite iferior do MTBF para um ível de cofiaça de 90%. 4 Testes de hipótese Uma hipótese estatística é uma afirmação ou hipótese feita sobre parâmetros de uma população. Esta afirmação ou hipótese deverá ser testada utilizado um determiado procedimeto. Método: 1. Especificar a hipótese ula ( Ho ), hipótese que se pretede testar e a hipótese alterativa ( H1). Determiar a estatística do teste para testar o parâmetro θ cosiderado 3. Especificar o ível de sigificâcia α para o teste 4. Retirar uma amostra e determiar a estimativa do parâmetro θ (θˆ). 5. Decisão θˆ - detro do itervalo de aceitação ão se rejeita Ho θˆ - fora do itervalo de aceitação rejeita-se Ho 16
Exemplo 4.1: Cosidere uma população Normal de variâcia-1. Sabedo que uma amostra de 5, obteve-se a média amostral de 1,4. Diga se pode cosiderar como média para a população o valor - 1,cosiderado um ível de sigificâcia de 5%. Exemplo 4.: Um rolameto de esferas tem um tempo de vida ormalmete distribuído, com uma média de 6000h e um desvio padrão de 450h. Utilizámos um ovo lubrificate uma amostra de 9 uidades, tedo obtido um tempo de vida médio de 6400h. Teria o ovo lubrificate provocado uma alteração do tempo de vida médio dos rolametos? 5 Bibliografia Guimarães, Rui e Cabral, José (1999), Estatística, McGraw-Hill Motgomery, Douglas e Ruger (1999), Aplllied Statistics ad Probability for Egieers 17