Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4 de outubro de 2016
Um pouco de história
As probabilidades nasceram na Idade Média com os tradicionais jogos
de azar que se faziam na Corte.
A verdadeira teoria surgiu das correspondências entre Pascal e Fermat.
O italiano Jerónimo Cardano (1501-1576) escreveu um trabalho
notável sobre probabilidades - ”Libar de ludo aleal” (Livros sobre jogos
de azar), que só apareceu impresso em 1663.
Um pouco de história
Laplace (1749-1827) comentou as teorias de Pascal do seguinte modo:
”A teoria das probabilidades no fundo não é mais do que o bom senso com
exatidão aquilo que as pessoas sentem por uma espécie de instinto. É
notável que tal ciência, que começou nos estudos sobre jogos de azar,
tenha alcançado os altos níveis do conhecimento humano”.
Um pouco de história
Laplace também enunciou pela primeira vez a definição clássica de
probabilidade. Porém, foi Gauss (1777-1855) que utilizou as aplicações
do cálculo de probabilidade decisivamente. Gauss criou a teoria dos
erros de observação, Theoria combinationis observatorium erroriluns
minimis obnoxia, 1809, e justificou o emprego na teoria dos erros da
lei que designou por ”normal” hoje conhecida como lei de Gauss.
Experimentos
Existem dois tipos de experimentos
Determinísticos;
Não determinísticos.
- Os experimentos determinísticos, são aqueles que quando repetido várias
vezes o resultado sempre é o mesmo, em geral, são usuais na física, por
exemplo, ao aquecer a água ela entre em ebulição a 100◦ , independente do
seu volume.
- Já os fenômenos não determinísticos apresentam resultados diferentes,
mesmo quando mantida inalteradas as realizações do experimento, por
exemplo, coletar uma amostra de sangue de um paciente e verificar o tipo
sanguíneo.
Espaço amostral
O conjunto de todos os resultados possíveis de um experimento aleatório é
chamado de espaço amostral do experimento.
Evento
Um evento é um subconjunto do espaço amostral de um experimento
aleatório.
discreto
contínuo.
Exemplo 7: Selecionar por sorteio uma folha e ela ter menos que 10,5mm de espessura.
C = A folha da planta tem menos que 10,5mm.
C = {x; 10 < x < 10, 5}
Exemplo 8: Observar o tempo de reação de uma certa droga e ele ser inferior à 20
minutos.
C = O tempo de reação da droga é inferior à 20 minutos.
C = {t; 0 < t < 20}
Evento impossível
O evento impossível é quando o evento não pode ocorrer.
Evento certo
O evento certo é quando o resultado do experimento é o próprio espaço
amostral.
(a) A ∪ B; (f) B ∩ C ;
(b) A ∪ C ;
(g) Ac ;
(c) B ∪ C ;
(h) B c ;
(d) A ∩ B;
(e) A ∩ C ; (i) C c ;
Solução:
Ω : {1, 2, 3, 4, 5, 6}
A = {1, 3, 5}
B = {2, 4, 6}
C = {4, 5, 6}
(a) A ∪ B; (f) B ∩ C ;
(b) A ∪ C ;
(g) Ac ;
(c) B ∪ C ;
(h) B c ;
(d) A ∩ B;
(e) A ∩ C ; (i) C c ;
Solução: Ω : {1, 2, 3, 4, 5, 6}
Propriedades:
De acordo com as definições apresentadas, temos as seguintes
propriedades:
1 P() = 0;
2 P(Ac ) = 1 − P(A) ou P(A) = 1 − P(Ac );
3 P(A ∪ B) = P(A) + P(B) − P(A ∩ B), se A e B são dois eventos
quaisquer;
4 Se A ⊂ B, então P(A) ≤ P(B).
Exemplo 13: Considere um paciente que deseja saber o seu tipo sanguíneo
quanto ao grupo ABO.
(a) Qual a probabilidade do sangue do paciente ser tipo A?
(b) Qual a probabilidade do sangue do paciente ser tipo A ou B?
(c) Qual a probabilidade do sangue não ser tipo O?
Solução:
Ω : {A, B, AB, O}
A:o sangue do paciente é do tipo ”A”.
B:o sangue do paciente é do tipo ”B”.
C :o sangue do paciente é do tipo ”O”.
P(A ∩ B)
P(A|B) = , com P(B) > 0. (2)
P(B)
Solução:
Sorteando um aluno ao acaso, vamos considerar os seguintes eventos:
M: o aluno é do sexo masculino.
F: o aluno é do sexo feminino.
FA: o aluno cursa de Farmácia.
BI: o aluno cursa de Biomedicina.
ME: o aluno cursa de Medicina.
(d ) P(do aluno fazer o curso de Biomedicina dado que ele é do sexo feminino)=
P(BI ∩F ) 43
P(BI |F ) = P(F )
= 143
(a) P(FAc )=
(b) P(BI ∪ M)=
(c) P(BI |M) =
(d) P(F ∩ FA)=
(e) P(FA ∩ BI ∩ ME )=
(f) P(F |ME )=
(g) P(M ∪ ME )=
(h) P(BI ∪ F )=
(i) P(M|FA)=
(j) P(BI ∩ F )=
Definição:
Dois eventos A e B dizem-se independentes se e somente se
Exemplo 15: Uma urna contém 3 bolas brancas e 4 bolas amarelas. Duas
bolas são retiradas, uma após a outra. Qual a probabilidade de que ambas
sejam amarelas?
Teste clínico
Em um teste de diagnósticos, o pesquisador utiliza dois grupos muitos
específicos, sendo um grupo portador da doença perfeitamente
caracterizada e outro grupo são de pacientes sem a doença em questão.
O diagnóstico, deve ser feito por meio diferente do teste em estudo, o
chamado padrão ouro.
Os resultados desta etapa da pesquisa podem ser resumidos na forma da
Tabela 2, a seguir.
Sensibilidade:
é a probabilidade de o teste ser positivo, sabendo-se que o paciente que
está sendo examinado é doente.
P(T+ ∩ D+ ) a
s = P(T+ |D+ ) = = (4)
P(D+ ) a+b
Especificidade:
é a probabilidade de o teste ser negativo, sabendo-se que o paciente que
está sendo examinado não é portador da doença.
P(T− ∩ D− ) d
e = P(T− |D− ) = = (5)
P(D− ) c +d
P(T+ ∩ D+ ) 815
s = P(T+ |D+ ) = =
P(D+ ) 1023
P(T− ∩ D− ) 327
e = P(T− |D− ) == =
P(D− ) 442
Risco relativo:
O risco relativo (RR) é uma medida de efeito da exposição ao fator, e seu
valor estimado é dado por
a
P̂1 a+c
RR = = b
(6)
P̂0 b+d
Razão de chanches:
A razão de chanches (RC) é a chance de se desenvolver a doença entre dos
expostos dentre os não expostos, e seu valor estimado é dado por
P̂1 a/(a+c)
Q̂1 c/(a+c) ad
RC = = b/(b+d)
= . (7)
P̂0 bc
Q̂0 d/(b+d)
Definição
Seja E um experimento aleatório e Ω um espaço amostral associado ao
experimento. Uma função X que associa a cada elemento ωi ∈ Ω um
número real X (ωi ) é denominado variável aleatória.
Definição:
Seja X uma variável aleatória discreta e sejam x1 , x2 , x3 , ... os valores que
ela assume, dispostos em ordem crescente de magnitude. Suponha também
que seja atribuídos a esses valores probabilidade dadas P(X = x) = p(x).
Para que uma função p(x) seja uma distribuição de probabilidade, as
seguintes condições devem ser satisfeitas
1 p(x) ≥ 0;
Pn
i=1 p(xi ) = 1;
2
Definição:
Definimos função de distribuição, ou função acumulada, ou função de
repartição, de uma v.a. X no ponto x, como sendo a probabilidade de que
X assuma um valor menor ou igual a x, ou seja,
Solução:
Para encontrar a função acumulada, temos que calcular a F (x) nos pontos
0, 1 e 2.
F (x) = P(X ≤ x)
1
F (0) = P(X ≤ 0) = P(X = 0) =
4
1 2 3
F (1) = P(X ≤ 1) = P(X = 0) + P(X = 1) = + =
4 4 4
1 2 1 4
F (2) = P(X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2) = + + = =1
4 4 4 4
Definição:
A média de uma v.a. X é também chamada de valor esperado, ou
esperança matemática, ou simplesmente esperança de X .
A esperança de uma v.a. discreta representada por E [X ] é definida por
n
X
µX = E [X ] = xi p(xi ). (11)
i=1
ou seja,
n
X
µX = E [X ] = xi p(xi ) = x1 · p(x1 ) + x2 · p(x2 ) + · · · + xn · p(xn )
i=1
1 2 1 2 2 4
E [X ] = 0 ·
+1· +2· =0+ + = =1
4 4 4 4 4 4
Se um casal deseja ter dois filhos, espera-se que um dos filhos seja do sexo
masculino.
Propriedades:
Se a e b são constantes e X é uma v.a. discreta, então
1 E [a] = a;
2 E [bX ] = bE [X ];
3 E [X + a] = E [X ] + E [a] = E [X ] + a;
4 E [a + bX ] = E [a] + E [bX ] = a + bE [X ]
X 0 1 2 3 4 5
p(x) 0.1 0.1 0.2 0.3 0.2 0.1
Definição:
Assim, como a média ou a esperança é uma medida de posição de uma
v.a., é natural que se procure por uma medida que verifique a variabilidade
da variável aleatória, com relação à média, dispersão essa que chamamos
de variância e representamos por σX2 , a qual é definida por
h i
σX2 = Var [X ] = E (X − µ)2 = E X 2 − [E (X )]2 ,
(12)
Definição:
O desvio padrão, σX , é a raiz quadrada da variância.
Tem sobre esta última medida a vantagem de expressar a dispersão na
mesma unidade de medida da v.a.
O desvio padrão, σX é dado por
q p
σX = σX2 = Var [X ]. (13)
E X 2 = 02 · 41 + 12 · 24 + 22 · 14 = 0 · 14 + 1 · 42 + 4 · 14 = 0 + 24 + 44 = 6
4
= 1.5
Definição:
Uma variável aleatória X é contínua em R, se existir uma função f (x), tal
que
1 f (x) ≥ 0;
R +∞
−∞ f (x)dx = 1, a área total sob a função densidade é 1.
2
Probabilidade:
A probabilidade de uma variável aleatória X estar no intervalo [a, b] é dada
por
Z b
P (a ≤ X ≤ b) = f (x)dx = F (b) − F (a), (14)
a
corresponde à área delimitada pela função f (x), ou seja, área sob a curva
de função densidade de probabilidade entre os pontos a e b.
Modelos probabilísticos
Um modelo probabilísticos constitui-se numa família de distribuições,
porque dependem de um ou mais parâmetros, que quando determinados
especificam o modelo completamente.
Distribuição de Bernoulli
Seja E um experimento e Ω o espaço amostral com duas possibilidades:
sucesso ou fracasso.
Seja X a v.a. que representa o sucesso por meio do 1 (um) e o fracasso por
meio do 0 (zero).
X : 0, 1
P(sucesso) = P(X = 1) = p
P(fracasso) = P(X = 0) = (1 − p) = q
E [X ] = p e Var [X ] = pq
Notação: X ∼ Ber (p)
Ω : {10M, 40F }
X : 0, 1
P(sucesso) = P(X = 1) = 4050 = p
P(fracasso) = P(X = 0) = 1050 = q = (1 − p)
4
E [X ] = p = 5
Var [X ] = pq = p(1 − p) = 45 · 15 = 25
4
81 108 189
P(X ≤ 1) = P(X = 0) + P(X = 1) = 256
+ 256
= 256
Distribuição normal
Uma v.a. contínua X terá distribuição normal se a sua função densidade de
probabilidade for dada por
1 1 x−µ 2
f (x) = √ e − 2 ( σ ) , −∞ < x < +∞. (17)
σ 2π
E [X ] = µ e Var [X ] = σ 2
Notação: X ∼ N(µ, σ 2 )
1 1 2
fZ (z) = √ e − 2 (z) , −∞ < z < +∞. (19)
2π
E [Z ] = 0 e Var [Z ] = 1
Notação: Z ∼ N(0, 1)
Observações:
1 A função fZ (z) não depende dos parâmetros, então podemos tabelar
os valores de fZ (z);
2 P(−3 ≤ Z ≤ 3);
3 A medida usada para a conversão da normal padrão é o score, dado
por
X −µ
Z= .
σ
Solução:
(a) Determine a área sob a curva normal padronizada à esquerda de 1,72.
Consultado a tabela, vê-se que Z=1,72 corresponde à área (probabilidade) 0,9573 ou
P(Z < 1, 72) = 0, 9573
Solução:
(c) Determine a área sob a curva normal padronizada estar entre 0,70 e
1,35.
A área (probabilidade) é a diferença entre à área à esquerda de 1,35 e a área à esquerda
de 0,70 ou
P(0, 70 < Z < 1, 35) = P(Z < 1, 35) − P(Z < 0, 70) = 0, 9115 − 0, 7580 = 0, 1535
(d) Determine a área sob a curva normal padronizada maiores que 1,80.
Podemos verificar que à área correspondente para Z maior é a mesma que toda à área
menos a área para Z menor
P(Z > 1, 80) = 1 − P(Z < 1, 80) = 1 − 0, 9641 = 0, 0359
ou por simetria, a área acima de 1,80 é igual a área à esquerda de -1,80, ou seja,
P(Z > 1, 80) = P(Z < −1, 80) = 0, 0359
P(Z > z0 ) = 0, 10 ou
P(Z < z0 ) = 0, 90
z0 = 1, 28
X = 180 + 1, 28 · 60
X = 180 + 76, 8
X = 256, 8
A quantidade de tempo em segundos, em que estão os 10% dos tempos de reação mais demorados é a partir de 257
segundos aproximadamente.