Probabilidade e Estatística/Probabilidade: diferenças entre revisões
[edição não verificada] | [edição verificada] |
Removendo VDA de http://www.isa.utl.pt/dm/estat/estat/seb2.pdf |
|||
Linha 81: | Linha 81: | ||
{{AutoCat} |
{{AutoCat}} |
||
Introdu¸c˜ao. No¸c˜ao de experiˆencia aleat´oria |
|||
A teoria da Probabilidade tem como objectivo formular modelos de fen´omenos |
|||
naturais em que se sup˜oe intervir o acaso, i.e., em que a partir do passado se n˜ao pode |
|||
prever deterministicamente o futuro, mas para os quais se podem encontrar, em certas |
|||
condi¸c˜oes, taxas de realiza¸c˜ao constante, que poder˜ao permitir certas previs˜oes de ´ındole |
|||
geral. |
|||
Tais fen´omenos dizem-se fen´omenos aleat´orios, i.e., s˜ao fen´omenos sujeitos `a |
|||
influˆencia do acaso e, como tal, fora do alcance do observador. |
|||
Defini¸c˜ao 2.1 |
|||
Considere-se uma experiˆencia que verifica as seguintes caracter´ısticas: |
|||
– pode repetir-se um grande n´umero de vezes nas mesmas condi¸c˜oes ou pelo |
|||
menos em condi¸c˜oes semelhantes; |
|||
– a sua realiza¸c˜ao d´a um resultado de entre um conjunto de resultados poss´ıveis |
|||
w1,w2, ...,wN; |
|||
– cada um dos resultados da experiˆencia ´e imprevis´ıvel mas ´e poss´ıvel considerar |
|||
“estabilidade na frequˆencia da sua ocorrˆencia”. |
|||
Uma experiˆencia com estas caracter´ısticas diz-se ser uma experiˆencia aleat´oria. |
|||
Exemplos de experiˆencias aleat´orias: |
|||
1. lan¸camento de um dado e registo do n´umero de pontos que sai; |
|||
2. lan¸camento de uma moeda e observa¸c˜ao da face que fica voltada para cima; |
|||
3. lan¸camento de dois dados ; |
|||
4. tempo de vida de uma pessoa, em anos; |
|||
5. tempo de trabalho de uma m´aquina at´e `a primeira avaria. |
|||
Em cada um dos exemplos dados n˜ao ´e poss´ıvel saber `a priori o resultado que se ir´a |
|||
obter. Os fen´omenos aleat´orios s˜ao caracterizados pela sua imprevisibilidade (fen´omeno |
|||
n˜ao determin´ıstico) e pela sua regularidade estat´ıstica (observando-se o fen´omeno um |
|||
grande n´umero de vezes, nas mesmas condi¸c˜oes, a frequˆencia relativa de cada resultado |
|||
Introdu¸c˜ao `a Estat´ıstica e `a Probabilidade - ISA(2008) - Manuela Neves 39 |
|||
poss´ıvel do fen´omeno tende a estabilizar, aproximando-se dum valor constante). Estas |
|||
caracter´ısticas foram j´a referidas na defini¸c˜ao de experiˆencia aleat´oria, dada acima. |
|||
Sendo assim, num fen´omeno aleat´orio n˜ao se pode prever o resultado da pr´oxima |
|||
prova, mas pode fazer-se uma previs˜ao do resultado em m´edia. |
|||
Espa¸co de resultados. No¸c˜ao de acontecimento |
|||
Defini¸c˜ao 2.2 |
|||
Chama-se espa¸co de resultados ou espa¸co amostra e representa-se por |
|||
ao |
|||
conjunto de todos os resultados poss´ıveis associados a uma experiˆencia aleat´oria. |
|||
Para cada um dos exemplos citados acima temos os seguintes espa¸cos de resultados: |
|||
1. |
|||
= {1, 2, 3, 4, 5, 6}; |
|||
2. |
|||
= { ‘valor’, ‘pa´ıs’} = {‘V’,‘P’} = {1, 0}; |
|||
3. |
|||
= {(1, 1), (1, 2), (1, 3), ..., (6, 5), (6, 6)}; |
|||
4. |
|||
= IN; |
|||
5. |
|||
= IR+. |
|||
Defini¸c˜ao 2.3 |
|||
Chama-se acontecimento aleat´orio a qualquer subconjunto do espa¸co de resultados. |
|||
Por exemplo |
|||
• no lan¸camento do dado, o acontecimento A – sa´ıda de face par pode representarse |
|||
por A={2, 4, 6}; |
|||
• na observa¸c˜ao do tempo de trabalho de uma m´aquina at´e `a primeira avaria, o |
|||
acontecimento B – dura¸c˜ao entre 10 e 12 anos ´e B={x : 10 < x < 12}. |
|||
Se um acontecimento ´e constitu´ıdo por um ´unico elemento diz-se acontecimento |
|||
elementar, um acontecimento que n˜ao cont´em nenhum elemento diz-se acontecimento |
|||
imposs´ıvel e ao espa¸co |
|||
chama-se acontecimento certo. |
|||
Diz-se que um acontecimento se realiza sempre que o resultado de uma experiˆencia |
|||
´e um elemento que pertence ao acontecimento. |
|||
Do que ficou dito verifica-se que h´a equivalˆencia entre a no¸c˜ao de acontecimento |
|||
e a no¸c˜ao de conjunto. Tem-se ent˜ao um paralelismo entre ´algebra de conjuntos e ´algebra |
|||
de acontecimentos. Consideremos as principais no¸c˜oes da |
|||
Introdu¸c˜ao `a Estat´ıstica e `a Probabilidade - ISA(2008) - Manuela Neves 40 |
|||
´A |
|||
lgebra dos Acontecimentos |
|||
1. Diz-se que A ´e subacontecimento de B e escreve-se A � B, se e s´o se a realiza¸c˜ao |
|||
de A implica a realiza¸c˜ao de B; |
|||
2. Dado um acontecimento A, chama-se acontecimento complementar ou contr´ario |
|||
a A e representa-se por Ac ou A, ao conjunto de todos os elementos de |
|||
que |
|||
n˜ao est˜ao em A. |
|||
3. Dados os acontecimentos A e B chama-se uni˜ao de A com B e representa-se por |
|||
A [ B ao acontecimento que consiste na realiza¸c˜ao de pelo menos um deles; |
|||
4. produto ou intersec¸c˜ao ´e o acontecimento AB ou A \ B, que se realiza apenas |
|||
quando ambos os acontecimentos se realizam; |
|||
Os acontecimentos A e B dizem-se mutuamente exclusivos ou incompat´ıveis |
|||
se e s´o se a realiza¸c˜ao de um implica a n˜ao realiza¸c˜ao do outro, i.e., se e s´o se |
|||
A \ B = ;, ou seja a intersec¸c˜ao ´e o acontecimento imposs´ıvel; |
|||
5. Chama-se diferen¸ca dos acontecimentos A e B ao acontecimento A − B = A \ Bc, |
|||
i.e., ao acontecimento que se realiza se e s´o se A se realiza sem que B se realize. |
|||
Se B ⊂ A, A − B ´e o acontecimento complementar de A em rela¸c˜ao a B. |
|||
As propriedades estudadas na ´algebra dos conjuntos (associatividade, comutatividade, |
|||
idempotˆencia, absor¸c˜ao, distributividade, leis de Morgan, dupla nega¸c˜ao, complementaridade, |
|||
citando as mais importantes), s˜ao v´alidas para acontecimentos. |
|||
Probabilidade de um acontecimento |
|||
Intuitivamente, a no¸c˜ao de probabilidade de um acontecimento ´e uma medida da |
|||
possibilidade de ocorrˆencia do acontecimento quando se realiza a experiˆencia aleat´oria `a |
|||
qual o acontecimento est´a ligado. |
|||
A primeira defini¸c˜ao de probabilidade conhecida, foi a sintetizada por Laplace no |
|||
princ´ıpio do s´ec. XIX, sob a hip´otese de casos igualmente prov´aveis ou poss´ıveis, |
|||
ou o chamado princ´ıpio da simetria. |
|||
A defini¸c˜ao de Laplace dizia o seguinte: |
|||
• A probabilidade de realiza¸c˜ao de um dado acontecimento ´e igual ao quociente entre |
|||
o n´umero de casos favor´aveis `a realiza¸c˜ao desse acontecimento e o n´umero total de |
|||
casos poss´ıveis, desde que todos os casos sejam igualmente prov´aveis. |
|||
Seja A o acontecimento “sa´ıda de face par” quando do lan¸camento de um dado |
|||
equilibrado. Como h´a 3 casos favor´aveis em 6 casos poss´ıveis tem-se |
|||
P(A) = |
|||
3 |
|||
6 |
|||
. |
|||
Introdu¸c˜ao `a Estat´ıstica e `a Probabilidade - ISA(2008) - Manuela Neves 41 |
|||
A defini¸c˜ao cl´assica de Laplace manteve-se at´e ao come¸co deste s´eculo, quando |
|||
come¸caram a surgir cr´ıticas por ela apresentar diversos inconvenientes. N˜ao era uma |
|||
defini¸c˜ao suficientemente geral pois fazia depender o c´alculo das probabilidades do facto |
|||
de os diferentes casos serem igualmente prov´aveis e numer´aveis. |
|||
A regularidade estat´ıstica dos fen´omenos aleat´orios faz surgir uma outra teoria |
|||
a Teoria frequencista da probabilidade, por analogia com a no¸c˜ao emp´ırica de |
|||
frequˆencia. Surgiu no in´ıcio do s´eculo e segundo ela a probabilidade de um acontecimento |
|||
pode ser determinada observando a frequˆencia relativa de ocorrˆencia desse acontecimento |
|||
numa sucess˜ao numerosa de experiˆencias aleat´orias. |
|||
Efectuando n repeti¸c˜oes duma experiˆencia aleat´oria, seja nA o n´umero de vezes |
|||
que se verificou o acontecimento A nessas n repeti¸c˜oes. Devido ao princ´ıpio da regularidade |
|||
estat´ıstica ´e de esperar que as frequˆencias relativas fn(A) = nA/n do acontecimento |
|||
A numa sucess˜ao de provas com um grande n´umero de repeti¸c˜oes sejam aproximadamente |
|||
iguais a um n´umero, digamos P (0 ≤ P ≤ 1). |
|||
A probabilidade ´e ent˜ao interpretada como frequˆencia limite, i.e., quando n |
|||
grande tem-se fn(A) � P(A). |
|||
Esta teoria considera como uma medi¸c˜ao f´ısica (frequˆencia relativa) um conceito |
|||
te´orico (probabilidade). A probabilidade P aparece como um objecto matem´atico, satisfazendo |
|||
certas propriedades imediatas que resultam da defini¸c˜ao de Laplace e da no¸c˜ao |
|||
de frequˆencia relativa. |
|||
No in´ıcio do s´ec XX come¸cou a sentir-se a necessidade de uma axiomatiza¸c˜ao |
|||
da teoria das probabilidades, que permitisse ultrapassar a ambiguidade da certos conceitos |
|||
e interpreta¸c˜oes, mas partindo da observa¸c˜ao da realidade e que a ela se aplicasse. |
|||
A defini¸c˜ao axiom´atica de probabilidade que iremos apresentar foi introduzida por Kolmogoroff. |
|||
Defini¸c˜ao 2.4 |
|||
Dada uma experiˆencia aleat´oria, seja |
|||
o espa¸co de resultados associado. Chamase |
|||
probabilidade P, a uma aplica¸c˜ao que a cada acontecimento de |
|||
associa um n´umero |
|||
real satisfazendo o seguinte conjunto de axiomas: |
|||
A1) P(A) ≥ 0 ∀A ⊂ |
|||
; |
|||
A2) P( |
|||
) = 1; |
|||
A3) P(A∪B) = P(A)+P(B) se A∩B = ∅. (Axioma das probabilidades totais). |
|||
Os axiomas apresentados referem-se ao caso de |
|||
ser finito. Quando |
|||
´e infinito, |
|||
o conjunto de axiomas est´a incompleto. Ter´a ent˜ao que se considerar a generaliza¸c˜ao do |
|||
axioma A3) ao caso de uma sucess˜ao infinita de acontecimentos. Teremos ent˜ao o axioma |
|||
A3∗) P(∪∞ i=1Ai) = |
|||
P∞ |
|||
i=1 P(Ai) se Ai ∩Aj = ∅, i 6= j (Axioma completo das probabilidades |
|||
totais). |
Revisão das 18h44min de 14 de março de 2012
Um dos ramos da matemática que é mais importante para a Estatística é a Teoria das Probabilidades. Esta teoria, por sua vez, está bastante embasada na Teoria dos Conjuntos. Este capítulo tem por objetivo explicar os fundamentos desta teoria.
Definições e Axiomas da Teoria dos Conjuntos
- O Espaço Amostral é um conjunto formado por todos os resultados possíveis em qualquer fenômeno aleatório. Ele é representado pela letra grega maiúscula (Ômega).
- Evento é o nome que se dá à qualquer sub-conjunto do Espaço Amostral. Eles são representados por letras maiúsculas, como A, B, C, etc... O conjunto vazio é representado por Ø.
- Por serem subconjuntos, é possível realizar a operação de união (U) entre conjuntos. A União de Eventos representa a ocorrência de um evento OU de outro.
- Outra operação que pode ser feita sobre Eventos é a intersecção (∩). A intersecção de eventos representa a ocorrência de um E de outro.
- Diz-se que dois eventos são Mutualmente Exclusivos ou Disjuntos quando eles não possuem nenhum elemento em comum entre si. Ou seja, a ocorrência de qualquer sub-evento que compõe um dos eventos automaticamente faz com que o outro não possa ocorrer. Ou ainda: Se A ∩ B = Ø , então A e B são Disjuntos.
- Caso dois eventos sejam disjuntos, mas a sua união seja igual à todo o Espaço Amostral, significa que eles são complementares. Ou seja, eles são os únicos eventos possíveis de ocorrer. Ou ainda: Se A e B são Disjuntos e A U B = , então A e B são complementares. Ou ainda: Ac=B e Bc=A.
Axiomas da Teoria das Probabilidades
É possível designar à todo e qualquer evento uma Probabilidade. A Probabilidade é uma função que pode receber um evento qualquer e retornar um número real entre 0 e 1. Se a probabilidade de um evento é 0, o evento nunca irá ocorrer. Se a probabilidade é 1, então ele sempre ocorrerá. Na maioria das vezes, a função de probabilidade retorna um número entre 0 e 1. Quanto mais próximo de 0 é o valor, mais difícil é para o evento acontecer. E quanto mais próximo de 1, mais provável é a ocorrência de um evento. A Teoria das Probabilidades possui os seguintes axiomas:
1 - A probabilidade de um evento é sempre um número entre 0 e 1. Ou seja:
2 - A Probabilidade de ocorrer algo dentro do Espaço Amostral é 1. Ou seja:
3 - A Probabilidade de ocorrer a união de todos os Pontos Amostrais é igual à soma da Probabilidade de ocorrer cada um dos Pontos Amostrais. Ou seja:
Propriedades da Teoria das Probabilidades
- 1 - A probabilidade de ocorrer um conjunto vazio pertencente ao conjunto de Pontos Amostrais é sempre zero. Este é um evento impossível. Ou seja:
P(Ø)=0
Ou seja, no lançamento de uma moeda, onde o Espaço Amostral é "Cara" ou "Coroa", é impossível que ocorra um resultado que não é nem um e nem outro.
- 2 - A probabilidade de qualquer subconjunto pertencente ao Conjunto Amostral pode ser calculada através da soma da probabilidade de seus elementos. Ou seja:
tal que A pertence ao Espaço Amostral e
Ou seja, no lançamento de um dado de 6 faces, a probabilidade de ocorrer 1 ou 2 é igual à P(1)+P(2).
- 3 - A probabilidade de que ocorra um evento é igual à 1 menos a probabilidade de ocorrer o evento complementar. Ou seja:
Isso significa que a probabilidade de ocorrer o número 5 ou 2 no lançamento de um dado é igual à 1-(P(1)+P(3)+P(4)+P(6))
- 4 - A probabilidade de acontecer a união de dois subconjuntos é a mesma da soma das probabilidades de ambos menos a probabilidade dos dois ocorrerem juntos. Ou seja:
P(A U B)=P(A)+P(B)-P(A ∩ B)
Isso significa que a probabilidade de que no lançamento de dois dados ocorram os resultados 1 ou 5 é a mesma de que ocorra o resultado 1 em um dos dados mais a probabilidade de ocorrer resultado 5 em um dos dados menos a probabilidade de que ocorram os dois juntos (esta probabilidade acaba sendo contada duas vezes na operação anterior).
- 5 - Para calcular a probabilidade de um evento, basta dividir o número de Pontos Amostrais nos quais ele ocorre pelo número de pontos amostrais existentes. Isso significa que para calcular a probabilidade de ocorrer o número 3 em um dado de 6 faces, basta dividir 1(3 é apenas um ponto amostral) por 6 (número de todos os pontos amostrais existentes).
Probabilidade Condicional
Muitas vezes, o fenômeno aleatório com o qual trabalhamos pode ser dividido em etapas. A informação do que ocorre em uma etapa pode interferir na probabilidade de ocorrência da próxima etapa. Por exemplo, sabe-se que em uma caixa com 20 ovos (onde metade dos ovos são brancos e a outra metade vermelha), 8 estão quebrados. Dentre os ovos brancos, são 7 os quebrados e dentre os ovos vermelhos, 1 está quebrado. A probabilidade de que um ovo aleatório esteja quebrado é de 0,4 , pois:
(NÚMERO_DE_OVOS_QUEBRADOS)/(NÚMERO_TOTAL) = 8/20 = 0,4.
Entretanto, sabendo anteriormente que o ovo aleatório é vermelho, chegamos à conclusão que:
(NÚMERO_DE_OVOS_QUEBRADOS)/(NÚMERO_TOTAL) = (NÚMERO_DE_OVOS_VERMELHOS_QUEBRADOS/NÚMERO_TOTAL_DE_OVOS)/(NÚMERO_DE_OVOS_VERMELHOS/NÚMERO_TOTAL_DE_OVOS) = (1/20)/(10/20) = 0,05/0,5 = 0,1.
Ou seja: P(A|B)=P(A∩B)/P(B), onde P é a função de probabilidade e neste caso, A é o evento no qual o ovo está quebrado e B é o evento no qual o ovo é vermelho.
A fórmula acima também nos permite deduzir que: P(A∩B) = P(A|B)*P(B)
Eventos Independentes
Dois eventos são ditos independentes se a informação da ocorrência ou não de B não altera a probabilidade de A. Ou seja:
P(A|B)=P(A).
Ou ainda:
P(A ∩ B)=P(A)*P(B)
Perceba que se A é independente de B, então B também é independente de A.