Академический Документы
Профессиональный Документы
Культура Документы
Probabilidade
Probabilidade
Arranjos n
Ap: número de grupos que se podem constituir com
Arranjos:
n
Ap = n , com n ! p. !
p
Permutações: Pn = n ! n
Combinações: n
Cp =
( n + p ! 1)
, com n " p. !
(n ! 1)!p!
Axiomática
! ! P(!) = 1
! P(A) ! 0 !
! P(#) = 0 %
! A e B são incompatíveis
. .
n
Ap = n , com
n
p
C =
(
n + pn !! 1p. ! ) , com n " p.
( n + (pn!!11)) !p!
UAlg Paulo Batista Basílio Probabilidade
p
Probabilidades Condicionadas:
n
Cp = , com n " p.
Pn (=nn! 1)!p!
n
Realização de um acontecimento A n se um acontecimento B já
Pn =! n
se realizou
P(A|B) ≥ 0. ! !
! "#$%&%'(')&)*!+$,)'+'$,&)&!
Se A e B são incompatíveis então A não se realizará.
"#$%&%'(')&)*!+$,)'+'$,&)&!
!
Se A∩B≠0 então ! !
(
P A! B
A ! B)
( )
A P A| BP =
B P ( A| B ) =
(
, P B > 0. !
P B, P ( B ) > 0. !
) ( )
( )
P B ( )
!
Se A e B são independentes! então
-*!.!*!/!01$!',)*2*,)*,3*0!
( ) ( )
P A| B = P A e P B | A = P B ! ( ) ( )
P ( A ! B ) = P ( B ) P ( A) . !
!
Partição:
Seja o seguinte espaço amostral Ω = A1, A2, A3, A4
!
A2
A1
A3
A4
Teorema de Bayes:
Variáveis aleatórias
Funções de Distribuição
F(x) = P(X ≤ x)
Teoremas
(1) 0 ≤ F(x) ≤ 1
(2) F(x) é não decrescente ∆x > 0 F(x) ≤ F(x+x)
Propriedades
(6) P(x1 < X < x2) = P(x1 < X ≤ x2) - P(X = x2)
(7) P(x1 ≤ X < x2) = P(x1 < X < x2) + P(X = x1)
f(x) ≥ 0
∑f(xi) = 1
F(x) = P(X≤x) = ∑ai<x f(ai)
X P(X)
Exemplo 1: 0 0.08 ! 0,08 0!x<1
1 0.17 0,25 1!x<2
Com base nos dados 2 0.25 0,5 2!x<3
do exemplo calcular: 3 0.17 F(x) = 0,67 3!x<4
0,88 4!x<5
F(2); P(0≤X<2); 4 0.21
0,96 5!x<6
5 0.08
1 x"6
6 0.04
1
0.36
Exemplo 2:
0.24
P(X)
0.12
0
0 1 2 3 4 5 6
X
!0 x<0
0,016 0!x<1
0,109 1!x<2
0,344 2!x<3
F(x) = 0,656 3!x<4
0,891 4!x<5
0,984 5!x<6
1 x"6
!
Determinar a probabilidade de uma componente escolhida
ao acaso:
a) Durar menos de 4000 horas;
Variáveis Discretas
Variáveis Contínuas
Propriedades
1. E(c) = c
2. E(c X) = c E(X)
E(XY) = E(X)E(Y)
5. E(∑Xi) = ∑E(Xi)
Variância - V(X)
Variáveis Discretas
Variáveis Contínuas
3. V(cX) = c2 V(X)
4. V(X + Y) = V(X) + V(Y)
se X e Y independentes
Distribuições Discretas
1. Distribuição Uniforme
0.7
f(x)
0
1 2 3 4 5 6
X
Thursday, April 8, 2010
UAlg . Paulo Batista Basílio . Probabilidade
P(Ā) = 1 – p = q (insucesso)
X é o número de sucessos em N provas repetidas
3. Distribuição Hipergeométrica
Mp + Mq = M
p + q = 1 e 0 < p < 1
a) com reposição
b) sem reposição
λ= Np = 20 ×1/20 = 1
Distribuições Contínuas
1. Distribuição Normal
Uma variável aleatória X com função densidade de probabilidade
Variável estandardizada.
E por conseguinte,
Tabela N(0, 1)
Neste contexto, uma estatística é uma variável aleatória, T(X1, X2, …, Xn)
que não envolve qualquer parâmetro desconhecido. Portanto, a
1. Distribuição de Amostragem
3 2 3 4 6 4 5 4 5
- E por conseguinte,
!"$%!#
2 3 4 5 6
!"!!!#
&# $# '# %# (#
A variância
2. Intervalos de confiança
Se T1 e T2 são duas estatísticas cuja distribuição de probabilidade
depende de um parâmetro Θ e
3. Variáveis fulcrais
Para a média (μ)
(σ conhecido) (σ desconhecido)
Amostra grande
3. Ensaios de Hipóteses