Probabilidade: medida de incerteza sobre certos eventos ou caracterÃsticas de interesse.
Tais eventos, em geral, estão associados a experimentos aleatórios.
Aleatorização:
Jogar um dado.
Jogar uma moeda.
Girar uma roleta.
Ex: para aleatorizar dois tratamentos entre pacientes, pode-se lançar uma moeda. Se sair "cara" o paciente recebe a droga A, se sair "coroa", recebe a droga B.
Com poucos lançamentos, a proporção de 6 pode flutuar bastante, mas com o aumento do número de lançamentos, a proporção acumulada de 6 estabiliza em \(1/6\).
Quando a NASA lançou o primeiro ônibus espacial, como os cientistas sabiam a probabilidade de sucesso? Não havia nenhum dado sobre lançamentos no passado para que se pudesse calcular a probabilidade de sucesso.
Ao lançar um dado, podemos assumir que cada valor de \(1\) a \(6\) tenha a mesma chance de ocorrer: \(1/6\).
Ao lançar uma moeda, podemos assumir que ela pode cair de um lado ou de outro com a mesma chance: \(1/2\).
Outras vezes, podemos utilizar a distribuição de frequências observadas como uma estimativa das probabilidades.
Exemplo: dado
Estudar as probabilidades de ocorrência das faces de um dado.
Procedimento EmpÃrico: lançar o dado um certo número \(n\) de vezes e contar o número de vezes, \(n_i\), que a face \(i=1,2,3,4,5,6\) ocorre.
Distribuição empÃrica das probabilidades:
\[f_{i}=\frac{n_{i}}{n}\,.\]
Para diferentes vezes que esse experimento for realizado, a distribuição de frequência terá resultados diferentes (exemplo anterior, lançamento de 100 dados, várias vezes).
No entanto, espera-se que esses resultados, apesar de distintos, sejam semelhantes.
então, cada face deve ocorrer o mesmo número de vezes, ou seja \(f_{i}=\frac{1}{6}\).
Face
1
2
3
4
5
6
Total
Freq. Teórica
\(\frac{1}{6}\)
\(\frac{1}{6}\)
\(\frac{1}{6}\)
\(\frac{1}{6}\)
\(\frac{1}{6}\)
\(\frac{1}{6}\)
1
Espaço Amostral
Para quantificar incerteza em fenômenos aleatórios usando probabilidades, precisamos primeiro especificar o conjunto de todos os possÃveis resultados do fenômeno em questão.
Espaço Amostral: todos os resultados possÃveis do experimento (aleatório), denotado por \(\Omega=\{\omega_{1},\omega_{2},... \}\).
Probabilidade: \(P(\omega)\), para cada "ponto amostral" \(\omega\).
Quando cada elemento do espaço amostral tem a mesma probabilidade de ocorrer: \[P(A)=\frac{\mbox{número de elementos no evento $A$}}{\mbox{número de elementos do espaço amostral}}\]
Qual a probabilidade dela ter renda acima de 100.000 (evento \(Y\))?
\[Y=\{\mbox{(A, sim), (A,não)}\}\]
\[P(Y)=\frac{10700}{80200}=0.133\]
Exemplo: Qual a chance de cair na malha fina?
Renda
Caiu na malha fina
Não caiu na malha fina
Total
D - abaixo de 25000
90
14010
14100
C - 25000 a 49999
71
30629
30700
B - 50000 a 99999
69
24631
24700
A - acima de 100000
80
10620
10700
Total
310
79890
80200
Se escolhermos uma declaração de 2002 aleatoriamente, qual a probabilidade dela ter renda acima de 100.000 e ter caÃdo na malha fina (evento \(W\))?
\[W=Z\cap Y=\{\mbox{(A, sim)}\}\]
\[P(W)= P(Z\cap Y)=\frac{80}{80200}=0.001\]
Evento complementar
No caso geral, sejam \(A\) e \(B\) subconjuntos de \(\Omega\):
\(A\cap B=\) evento em que \(A\) e \(B\) ocorrem simultaneamente.
\(A\cup B=\) evento em que \(A\) ou \(B\) ocorrem.
\(P(A\cup B)=P(A) + P(B) - P(A\cap B)\).
se \(\{A\cap B\}=\varnothing\), então \(P(A\cup B)=P(A) + P(B)\).
\(A\) e \(B\) são complementares se \(A\cap B = \varnothing\) e \(A\cup B=\Omega\).
Um estabelecimento aceita Visa ou Mastercard. Dentre os clientes, 22% possuem Mastercard, 58% possuem Visa e 14% possuem os dois. Qual a probabilidade de que um cliente tenha pelo menos um destes cartões?
Um estabelecimento aceita Visa ou Mastercard. Dentre os clientes, 22% possuem Mastercard, 58% possuem Visa e 14% possuem os dois. Qual a probabilidade de que um cliente tenha pelo menos um destes cartões?
Espaço amostral: \(\Omega=\{V,M,VM,N\}\), onde V="tem só Visa", M="tem só Matercard", VM="tem Visa e Mastercard", N="não tem Visa nem Mastercard".
Evento A: cliente possui Mastercard. \(A=\{M,VM\}\).