You are on page 1of 6

Probabilidades e Estatstica Gesto de Empresas 3 ano(N) Ano lectivo 2007/08

rea Departamental de Matemtica rea Cientfica de Estatstica e Investigao Operacional

Docente: Carla Santos

Introduo s Probabilidades

No possvel determinar exactamente a origem do estudo das probabilidades, mas tudo leva a crer que em algumas civilizaes antigas, estudiosos se dedicassem analise da existncia de regularidades em fenmenos imprevisveis. Embora os jogos de azar fossem j conhecidos dos Egpcios, 3500 anos a.C. , o incio oficial do estudo das probabilidades foi no sec. XVII, com as tentativas de desenvolver uma teoria com base no estudo dos jogos de azar. Cardano foi um dos primeiros a tentar descrever um mtodo de clculo das probabilidades. No seu livro The book on games of chance no s explica as leis das probabilidades, como analisa os jogos de azar e ensina a jogar e a detectar batoteiros Em 1651 ou 1652, Chevalier de Mr (conhecido escritor e jogador da corte de Luis XIV) props a Pascal a resoluo de problemas relacionados com os jogos que habitualmente praticava. Numa das consultas que De Mr fez a Pascal disse-lhe que suspeitava que a probabilidade de obter pelo menos um "6" em quarto lanamentos de um dado,

Figura 1:

Pascal

era ligeiramente superior probabilidade de obter pelo menos um duplo 6 em 24 lanamentos de dois dados

Pascal resolveu o problema e provou De Mr estava correcto. De facto a observao de De Mr verdadeira mesmo que os dois dados sejam lanados 25 vezes, uma vez que a probabilidade de obter pelo menos um duplo 6 neste caso

Ao deparar com algumas dificuldades na sua resoluo dos problemas que De Mr lhe colocava Pascal procurou, por correspondncia, a ajuda do seu colega Fermat. Para muitos, a correspondncia entre estes dois matemticos marca o incio da Teoria das Probabilidades.

Carla Santos

Depois de Pascal e Fermat a teoria das probabilidades desenvolveu-se rapidamente graas aos contributos de inmeros matemticos. Entre eles destacaram-se, Bernoulli (1654-1705), autor do magistral tratado Ars conjectandi, que demonstrou a lei dos grandes nmeros e Laplace (1749 1827) autor do livro Teoria analtica das probabilidades a quem se ficou a dever a definio clssica de probabilidades, vulgarmente conhecida pelo nome de Lei de Laplace.

Depois de Laplace e at aos nossos dias a teoria das probabilidades continuou o seu desenvolvimento e tem hoje grande utilidade, em diferentes reas da Cincia assim como no quotidiano permitindo-nos compreender melhor, informaes dos campos econmico, social, poltico ou desportivo. Apesar de podermos considerar que os censos, para fins de alistamento militar e de colecta de impostos, realizados h mais de 4000 anos (como o caso do censo do imperador Yao na China, em 2200AC) marcaram o incio dos estudos estatsticos, mas estes estudos abrangiam apenas a vertente da Estatstica Descritiva uma vez que se limitavam exibio e sntese dos dados recolhidos (a) no envolvendo nenhum trabalho probabilstico, pois todos os objectos do universo envolvido ( a populao ) eram observados ou medidos, . A primeira pessoa a observar apenas uma pequena amostra e, a partir de uma anlise probabilstica, estender os resultados da amostra para o todo do universo ou populao foi Adolphe Qutelet. A partir desta iniciativa, rapidamente surgiu a ideia de dar, uma base mais rigorosa para o mtodo cientfico, a partir de uma fundamentao probabilstica para as etapas da colecta e a da anlise indutiva de dados cientficos. Essa concepo, hoje essencial no trabalho cientfico, s atingiu um nvel prtico no incio do sc. XX deu origem inferncia estatstica, que estuda tcnicas que permitem quantificar probabilisticamente as incertezas envolvidas ao induzirmos, para um universo, observaes feitas numa amostra do mesmo. Os pais da Inferncia Estatstica so J. Neyman e Karl Pearson, os quais a criaram em vrios artigos escritos a partir de 1930. Embora os estudos de Neyman e Pearson estivessem associados s questes de hereditariedade, os mtodos e at as expresses que criaram, tais como "hiptese nula" e "nvel de significncia", fazem hoje parte da rotina diria de todo o estatstico e cientista. O delineamento das experincias cientficas trata das precaues que o cientista deve tomar, antes de iniciar suas observaes ou medidas, de modo que os objectivos pretendidos sejam atingidos. Foi R. A. Fisher, ao trabalhar na seleco gentica de plantas agrcolas, que desenvolveu grande quantidade de resultados bsicos sobre delineamento de experincias e os divulgou, com grande sucesso, em dois livros histricos: Statistical Methods for Research Workers (1925) e The Design of Experiments, publicado em 1935.

A Teoria das Probabilidades o ramo da Matemtica que estuda os possveis resultados de acontecimentos nos quais intervm o acaso, isto , estuda os fenmenos aleatrios, assim como, as suas semelhanas e distribuies.

Ao lanar um dado, no podemos prever qual o nmero que ir ocorrer, ou quando lanamos uma moeda no podemos prever se aparecer cara ou coroa. Experincias, deste tipo, cujos resultados no podem ser previstos quando, em idnticas condies, so repetidas vrias vezes so chamadas experincias aleatrias. Ao conjunto de todos os resultados possveis associados a uma experincia aleatria chama-se espao amostral ou espao de resultados e representa-se por =

{1 ,..., n } .

Todo o subconjunto de um espao amostral, de uma experincia aleatria, um acontecimento.

Carla Santos

Exemplo 1:

No lanamento de uma moeda, o espao amostral ={cara, coroa} No lanamento de um dado, o espao amostral = {1, 2, 3, 4, 5, 6} No lanamento de duas moedas, uma aps a outra = {(cara, cara), (cara, coroa ), (coroa, cara), (coroa, coroa)} Ao extrairmos uma bola de uma urna contendo bolas brancas, vermelhas e pretas = {B, V, P} No lanamento de dois dados, um aps o outro. = {(1, 1), (1, 2), (1, 3) ... (5, 6), (6, 6)} (#=36)

Os acontecimentos constitudos por um s elemento do espao de resultados so chamados elementares e os constitudos por mais do que um elemento, dizem-se compostos.

Se um acontecimento inclui todos os elementos do espao de resultados designa-se por acontecimento certo ( ) e se no inclui nenhum elemento do espao de resultados um acontecimento impossvel ().

Exemplo 2:

Consideremos o lanamento dois dados, alguns dos acontecimentos possveis so:

A ={ocorrncia de soma 4} = {(1, 3), (2, 2), (3, 1)} B ={ocorrncia de resultados iguais nos dois lanamentos} = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5, (6, 6)}

Exemplo 3:

De acordo com a experincia que consiste no lanamento de um dado, consideremos os acontecimentos:

A: obter um nmero par, B: obter um mltiplo de 3, C: obter um mltiplo de 5,

A ={2, 4,6} B={3, 6} C = {5}

Nota:

A,

e C

so um

acontecimentos acontecimento

compostos,

elementar, D um acontecimento certo e E um acontecimento impossvel.

D: obter um nmero inferior a 7, E : obter o nmero 10 F : obter nmero mpar,

D = {1, 2, 3, 4, 5, 6} E= F = {1, 3, 5}

Dado um acontecimento A, o seu complementar (em ) o conjunto cujos elementos so exactamente os elementos de que no esto em A e designa-se por

A ou Ac ou ~ A .

Carla Santos

Exemplo 4: Suponhamos que pretendemos no

obter nmero par. lgico que nos estamos a referir ao acontecimento F obter nmero mpar Diz-se que F o F = {1,3, 5} acontecimento

complementar de A e representa-se por

Dados dois conjuntos A e B, a interseco de A com B, designada por A B, o conjunto cujos elementos so elementos de A e B simultaneamente.

Exemplo 5:

E se pretendermos obter um nmero par que seja ao mesmo tempo mltiplo de 3?

A B = {6}

Dados dois conjuntos A e B, a unio (reunio) de A com B, designada por A B, o conjunto cujos elementos so elementos de A, de B o u de ambos.

Carla Santos

Dados dois conjuntos A e B, a diferena de B em A, designada por A \ B ou A B, o conjunto cujos elementos so os elementos de A que no pertencem a B.

A \ B = A B = { : A B}

Dois conjuntos A e B, dizem-se disjuntos ou mutuamente exclusivos se no tm elementos comuns, ou seja, se A B =

Para quaisquer subconjuntos A, B e C de verificam-se as seguintes propriedades:

Propriedades

Unio - U

Interseco -

Comutativa

A B = B A
A ( B C) = ( A B) C

A B = B A
A ( B C ) = ( A B) C

Associativa

Distributiva

A ( B C ) = ( A B) ( A C ) A ( B C ) = ( A B) ( A C )

Idempotncia

A A = A

A A = A

Complementar

A A =
A = A A =

A A =
A = A A =

Elemento Neutro

Elemento Absorvente

Leis de De Morgan

A B = A B

A B = A B

Carla Santos

Axiomas de Probabilidade

Da necessidade de sistematizao dos conceitos empregues na Teoria das Probabilidades e da construo de um Corpo terico coerente surgem os trs axiomas em que se baseiam todos os desenvolvimentos posteriores deste campo das cincias matemticas.

0 P( Ai ) 1 P( ) = 1
Aditividade

P( A1 A2 ) = P( A1 ) + P( A2 ) onde A

e A2 so mutuamente exclusivos

Generalizao: Para um conjunto numervel de N conjuntos disjuntos A1 e A2, ..., AN

N P A i = i=1

P(A ) para n=1, 2, ..., N onde A


i i=1

e A2, ..., AN so mutuamente exclusivos.

Teoria Empirista ( Von Mises, Copeland, Wald)


Considerando o lanamento de uma moeda, sabe-se que se pode verificar a sada de Cara (C) ou coroa (c) e intuitivamente todos cremos que Cara e coroa tm a mesma probabilidade de aparecimento. Repetindo a experincia vrias vezes, a sucesso dos resultados dos lanamentos, qualquer que ela seja, ser caracterizada pela irregularidade e imprevisibilidade. A sucesso dos resultados dos lanamentos poderia ser, C c c C C C C c c C c C c c C C C c c C c c c c c C .... (por exemplo). Prolongando, tanto quanto possvel, a sucesso dos lanamentos, verifica-se a nossa crena o nmero de caras sadas muito semelhante ao de coroas. Seja A um acontecimento qualquer. Repetindo n vezes a experincia que originou esse acontecimento e fazendo o quociente entre o nmero de vezes que o acontecimento A aparece e n, obtm-se a frequncia relativa desse acontecimento, fr(A).

Teoria subjectivista (Keynes, Jeffereys, Finnetti, Savage)


Esta teoria considera a probabilidade de um acontecimento como o grau de crena na realizao desse acontecimento.

Teoria clssica de Laplace


A primeira definio que se conhece de probabilidade de um acontecimento foi enunciada por Pierre Simon Laplace (1749-1827).

P( A) =

n de casos favorveis n de casos possveis

Na extraco de cartas de um baralho, no lanamento de dados ou em todas as situaes em que os acontecimentos elementares so equiprovveis a probabilidade de um acontecimento pode ser calculada, sem recurso experimentao, aplicando a definio de Laplace. Para tal s necessitamos saber o nmero de casos possveis e favorveis ao acontecimento em estudo.

Carla Santos