Apresentação

quinta-feira, 6 de maio de 2010

8:28

Avaliações:
Prova 1 27/05
Prova 2 01/07
Recuperação 08/07

Professora Adriane Parraga

Livro:
Probabilidade e estatística para engenharia e ciências
Jay L. Devore
Sexta edição

Página 1 de Prob e Estatística

 Estatística descritiva
quinta-feira, 6 de maio de 2010
8:33

A apresentação de dados colocados de forma bem escrita e coerentes são essenciais ao bom
julgamento estático

Formas gráficas:
○ Histogramas (forma gráfica de probabilidade)
○ Distribuição de probabilidades

Construção de um histograma:

1) Definir a faixa de dados em intervalos de igual espaçamento, chamado classes

2) Contar a frequência que a medida aparece dentro do int Frequência cumulativa
3) Desenhar o histograma

Exercício 1:
Foram medidos corpos de prova para determinação da resistência de uma liga metálica sem
identificação.
105, 97, 245, 163, 207, 134, 218, 199, 160, 196, 221, 154, 228, 131, 180, 178, 157, 151, 175,
201.

Menor valor: 97 - 90
Maior valor: 245 - 250

250-90=160
160/4=40
Intervalo de classes Frequência Frequência relativa Frequência relativa cumulativa
90 <=x<= 130 2 2/20=0,1 0,1
130 <x< 170 8 8/20=0,4 0,1+0,4=0,5
170 <=x<= 210 6 6/20=0,3 0,3+0,5=0,8
210 <x<= 250 4 4/20=0,2 0,2+0,8=1

Histograma

Medidas de tendência central e dispersão

Média amostral: se n observações de uma amostra forem bem devotadas por x1, x2, x3....xn
então a média da amostra é

Media da população

n=tamanho da população
ẍ é uma estimativa razoável da população

Página 2 de Prob e Estatística

ẍ é uma estimativa razoável da população
Variância e desvio padrão da amostra:
Se x1, x2, x3....xn for uma amostra de n observações, estão a variância S² é:

Desvio amostral, representado por S é: s=sqrt(S²)

Calcule o desvio padrão dos seguintes dados:

X Xi Xi-ẍ Sxx S² S
1 0,68 0,68-1,752=-1,072
2 2,54 2,54-1,752=0,788
3 0,92 0,92-1,752=-0,832
4 3,13 3,13-1,752=1,378
5 1,49 1,49-1,752=-0,262

Σ Xi 8,76 Soma desses valores = 0 4,4298

ẍ 8,76/5=1,752
0,68+2,54+0,92+3,13+1,49=8,76

Desvio padrão populacional

Variância:
б²=

Mediana: sinônimo de metade ~x

É o valor do meio quando as observações são ordenadas da menor para a maior

Teoria da probabilidades:
Tem objetivo de fornecer modelos matemáticos para experimentos aleatórios

Espaço amostral:
a todo experimento está associado um conjunto S, chamado espaço amostral, composto por
todos resultados possíveis do experimento

Ex1: lançamento de um dado

S={1,2,3,4,5,6}
Ex2: sexo da próxima criança
S={f,m}
Prob: 1/2
Ex3: qualidade de uma peça
S={aprovado, reprovado}
Ex5: lançamento de um dado
S={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(2,1)....(6,6)}
Prob: 1/36

Evento:
Qualquer subconjunto de S. O evento é denominado simples se existir um único resultado e
composto se existir mais de um resultado.
É dito que o evento 'a' ocorreu ('a' contido em S) quando o resultado do experimento for

Página 3 de Prob e Estatística

 É dito que o evento 'a' ocorreu ('a' contido em S) quando o resultado do experimento for
um elemento de 'a'.

Ex:
Experimento: lançamento de dado evento a: "resultado par".
Caso par: A{2, 4, 6...}

Teoria dos conjuntos:

1) União AUB
2) Intersecção AȠB S={vazio}
3) Complemento do evento: A=A'

Ex seja S=(0, infinito)

E1={x|1<=x<10}
E2={x|3<x<118}

a) E1, U E2 = {x|1<=x<118}
b) E1, Ƞ E2 = {x|3<x<10}
c) E'1= {x|0<x<1 e x=>10}
d) E'1 Ƞ E2

Diagrama de Venn

Recorte de tela efetuado: 6/5/10; 10:18

Axiomos e propriedades da probabilidade

Dado um espaço amostral S, o objetivo da probabilidade e atribuir a cada evento A um

(N^S)*P(A) - probabilidade do evento A
Axiomas
1) P(s)=1
2) 0<=P(A)<=1

Página 4 de Prob e Estatística

2) 0<=P(A)<=1
3) Se A1, A2, A3....Ak for um conjunto finito de eventos mutuamente exclusivos:
4) P(A1 U A2 U A3... Uak) = ΣP(Ai), k..i=1

Propriedades:
1) Para qualquer evento A1 P(A)=1-P(a')
2) Se A e B forem mutuamente excludentes P(AȠB) = P(a)+P(B) - P(AȠB)

Resultados igualmente prováveis

Quando num espaço amostral S todos os elementos são igualmente provaveis de constituir N
resultados possíveis, a probabilidade de cada resultado é 1/N

P(A)=N(A)/N

N(A)= numero de elementos em A

N=numero de elementos em S

Ex1:
Quando 2 dados são lançados, encontre P(A), onde A=(soma dos 2 dados = &)
P(A)=6/36

Ex2:
Qual a probabilidade de sair cara no lançamento de uma moeda?
P(A)= 1/2=0,5

Ex3:
Num total de 940pastilhas semicondutoras sendo fabricadas, tem-se as seguintes informações

Centro da ferramenta
Centro Da ferramenta
alta Não Sim
conta Não 514 68
minação Sim 112 246

Eventos:
A - pastilhas com altos níveis de contaminação
B - pastilhas no centro da ferramenta

Encontre:
a) P(A)= 112+246=358
358/940=0,3809

b) P(B)= 246+68=314
314/940=0,334

c) P(AȠB)= 246/940=0,2617

d) P(AUB)= 426/940=0,4532

e) P((AUB)') 1-(426/940)=0,5468

Página 5 de Prob e Estatística

 Ex4:
Se a classificação fosse refinada:

Nº de partículas Centro Borda

contaminadas
0 0,30 0,10
1 0,15 0,05
2 0,10 0,05
3 0,06 0,04
4 0,04 0,01
5 ou + 0,07 0,03

Qual a probabilidade de que a pastilha:

a) Esteja no centro da ferramenta?
P(A)= 0,3+0,15+0,10+0,06+0,04+0,07=0,72

b) Contenha 4 ou mais partículas(E1) e que esteja na borda(E2)?

P(E1 Ƞ E2)= 0,01+0,03=0,04

c) Esteja na borda(E1) ou que contenha 4 ou mais partículas(E2)?

P(E1 U E2)= P(E1)+P(E2)-P(E1 Ƞ E2)
P(E1)= 0,10+0,05+0,05+0,04+0,01+0,03=0,28
P(E2)= 0,04+0,01+0,07+0,03=0,15
P(E1 Ƞ E2)= 0,01+0,03=0,04
P(E1)+P(E2)-P(E1 Ƞ E2)= 0,28+0,15-0,04=0,39

d) Contenha menos de 2 partículas(E3) ou que estejam na borda e contenham mais de 4

partículas(E4)?
P(E3)= 0,30+0,10+0,15+0,05=0,6
P(E4)= 0,03
P(E1 Ƞ E2)= não há
P(E3 U E4)= P(E3)+P(E4)-P(E1 Ƞ E2)= 0,6+0,03-0,0=0,63

Probabilidade condicional

A probabilidade condicional de um evento A1 dado que o evento B ocorreu é denominado

por: P(A|B).
Probabilidade de chover dado que estar nublado
Probabilidade de chover dado que tem sol
Probabilidade de passar na disciplina caso o aluno estude
Probabilidade de passar na disciplina caso o aluno não estude

P(A|B)= P(A Ƞ B)/P(B)

P(B|A)=P(A Ƞ B)/P(A)

Página 6 de Prob e Estatística

Página 7 de Prob e Estatística
 Probabilidade condicional
quinta-feira, 13 de maio de 2010
8:46

( Ƞ == Π)

18 - Um dia de produção de 850 peças fabricadas, 50 peças não apresentam os requerimentos exigidos
pelos consumidores. 2 peças são selecionadas ao acaso de uma batelada, sem reposição. O termo “ao
acaso” implica que quando a primeira peça é selecionada, todas as outras peças são igualmente
prováveis e quando a 2° peça é selecionada, todas as outras peças restantes são igualmente prováveis.
a. Qual a probabilidade de que a segunda peça seja defeituosa, dado que a primeira peça tirava
foi defeituosa? 49/849

b. se 3 peças forem selecionadas ao acaso, qual a probabilidade que as 2 primeiras sejam

defeituosas e que a terceira seja não defeituosa?

Colado de <file:///D:\Uergs\4%20semestre\Probabilidade%20e%20estatistica\Eng%20de%20sistemas%20digitais%20_prob%
20e%20est.doc>

Ex2) Comp complexos são montados em uma fábrica com 2 linhas de montagem B e B'. Sejam D os
componentes defeituosos:

D D'
B 2 6
B' 1 9

a) P(B)
8/18

b) Se o gerente seleciona um componente aleatoriamente e este apresentar defeito, qual a

probabilidade dele ter vindo da linha B?
P(B Ƞ D)/P(D)

Regra da probabilidade total

Útil para determinar a probabilidade de um evento que dependa dos outros
Evento B=(B Ƞ A) U (B Ƞ A')
P(B)=P(B Ƞ A)+P(B Ƞ A')
P(B)=P(B|A).P(A)+P(B|A').P(A')

19 – Suponha que na fabricação de semicondutores, a probabilidade seja de 0.1 de que um chip, que
esteja sujeito a altos níveis de contaminação durante a fabricação, cause uma falha no produto. A
probabilidade é de 0.005 de um chip, que não esteja sujeito a altos níveis de contaminação, cause uma
falha no produto. Sabendo que 20% dos chips estão sujeitos a altos níveis de contaminação, Qual a
probabilidade de que um produto usando um dos chips venha a falhar? Ou seja, encontre P(F).

Faça:
F – o evento em que o produto falhe:
P(F|A)=0,1

A – o evento em que um chip esteja exposto a altos níveis de contaminação.

P(F|A')=0,005

P(A)=0,2
P(A')=0,8

P(F)=P(F Ƞ A)+P(F Ƞ A')

Página 8 de Prob e Estatística

 P(F)=P(F Ƞ A)+P(F Ƞ A')
P(F)=P(F|A).P(A)+P(F|A).P(A')=0,024

Colado de <file:///D:\Uergs\4%20semestre\Probabilidade%20e%20estatistica\Eng%20de%20sistemas%20digitais%20_prob%
20e%20est.doc>

Generalizando a regra da probabilidade total para múltiplos eventos.

Suponha que E1, E2,...Ek sejam os eventos mutuamente exclusivos e exaustivos
Então:
B=(B Ƞ E1) + (B Ƞ E2) + (B Ƞ E3) + (B Ƞ E4)
P(B)=P(B Ƞ E1) + P(B Ƞ E2) + P(B Ƞ E3) + P(B Ƞ E4)
P(B)=P(B|E1).P(E1)+P(B|E2).P(E2)...

20 – Continuando o exercício anterior. Considere agora as seguintes probabilidades:

P(F|A) - 0.10 a probabilidade, de que um chip sujeito a altos níveis de contaminação durante a
fabricação, cause uma falha no produto.
P(F|M) - 0.01 a probabilidade, de que um chip sujeito a níveis médios de contaminação durante a
fabricação, cause uma falha no produto.
P(F|B) - 0.001 a probabilidade, de que um chip sujeito a níveis baixos de contaminação durante a
fabricação, cause uma falha no produto.

Numa produção,
P(A) - 20% dos chips estão sujeitos a altos níveis de contaminação.
P(M) - 30% dos chips estão sujeitos a níveis médios de contaminação.
P(B) - 50% dos chips estão sujeitos a baixos níveis de contaminação.

Faça:
F – o evento em que o produto falhe
P(F)=P(A Ƞ F) = P(F|A).P(A)+P(F|M).P(M)+P(F|B).P(B)=0,0235

A – o evento em que um chip esteja exposto a altos níveis de contaminação.

B – o evento em que um chip esteja exposto a baixos níveis de contaminação.

M – o evento em que um chip esteja exposto a níveis médios de contaminação.

Encontre a probabilidade de que um produto usando um destes chips falhe.

Colado de <file:///D:\Uergs\4%20semestre\Probabilidade%20e%20estatistica\Eng%20de%20sistemas%20digitais%20_prob%
20e%20est.doc>

EX:
Numa batelada de 25 peças moldadas por injeção, 5 delas sofrem excessivo encolhimento
Se 2 peças forem selecionadas ao acaso e sem reposição, qual a probabilidade de que a 2ª tenha
sofrido excessivo encolhimento?
Eventos:
A - 1ª peça defeituosa
B - 2ª Peça defeituosa

P(B)=P(A Ƞ B)+P(A' Ƞ B)
P(B)=P(B|A).P(A)+P(B|A').P(A')

(4/24)*(5/25)+(5/24)*(20/25)=0,2
3 peças - qual a probabilidade da 3ª peça tenha excessivo encolhimento

Página 9 de Prob e Estatística

 Teorema de Bayes:
Muitas vezes não temos uma tabela completa de informações e muitas vezes sabemos uma
probabilidade condicional e gostaríamos de calcular outra
Ex: se o produto usando um chip semicondutor falhar, qual a probabilidade que ele tenha sido
exposto a altos níveis de contaminação?
Lembrando que:
P(A Ƞ B)=P(A|B).P(B)=P(B|A).P(A)
P(A|B)=P(B|A).P(A)/P(B)

P(A|F)=P(F|A).P(A)/P(F)=0,84

Se usarmos a regra da probabilidade total na equação acima, temos o segundo resultado que é
conhecido como teorema de bayes
P(E1|B).P(B)=P(B|E1).P(E1)
P(B|E1)=P(B|E1).P(E1)/P(B)

P(E1|B)=P(E1|B).P(E1)/P(B|E1).P(E1)+P(B|E2).P(E2)+...+P(B|Ek).P(Ek)

Ex: seja a seguir urna com Bolas

U1 U2 U3
Branco 3 4 3
Preto 1 3 3
Vermelho 5 2 3

a) Tirando-se uma bola branca, qual a probabilidade de U1?

P(U1|B) = (P(B|u1)*P(U1))/ P(B) = (1/3 * 1/3 )/((1/3*1/3)+(4/9*1/3)+(1/3*1/3)) = 0.3

"Regra da probabilidade Total = P(B) = P(B|u1) P(u1) * P(B|U2)*P(U2)..."

P(U1) = 1/3=0,3333
P(U2)= 9/27=0,3333
P(U3)=9/27
P(B|U1) = 1/3
P(B|U2) = 4/9
P(B|u3) = 1/3

b) Tirando-se uma bola preta, qual a probabilidade de ser da U3?

Resp. P(U3|P)=0,428

17 - Um novo procedimento médico de detecção de uma doença foi proposto. Resolveu testar este
procedimento. A probabilidade de que o teste dê positivo, dado que o sujeito foi diagnosticado como
doente é 0.99. A probabilidade de que o teste dê negativo, dado que o sujeito não possui a doença é de
0.95. A incidência da doença na população é de 0.0001. Um novo sujeito fez o teste e o resultado deu
positivo. Qual a probabilidade de que ele tenha a doença, ou seja, P(D|P)?
(Use D para o evento em que o sujeito tem a doença e P para o evento em que o teste seja positivo).

Colado de <file:///D:\Uergs\4%20semestre\Probabilidade%20e%20estatistica\Eng%20de%20sistemas%20digitais%20_prob%
20e%20est.doc>

D - Doença
P - Positivo

Página 10 de Prob e Estatística

 P(D) = 0,0001 → P(D') = 1 - P(D)
P(P|D) = 0,99 → P(P'|D) = 0,01 ← Falso Negativo
P(P'|D') = 0,95 → P(P/D') = 0,05 ← Falso Positivo

a) P(D|P) = (P(P|D) .P(D)) / P(P) = (_____)/(P(P|D).P(D) + P(P|D').P(D')) =

= (0,99*0,0001)/((0,99*0,0001)+(0,05*(1-0,0001))) = 0,002

Independência de eventos

Ex.: Ao receber as peças de volta ... P(B|A) = P(B)

Definição: 2 eventos são independentes se qualquer uma das afirmações são verdadeiras:

1) P(A|B) = P(A)
2) P(B|A) = P(B)
3) P(A Ƞ B) = P(A).P(B)

Ex: sejam os eventos de um lançamento de um dado: A = {2, 4, 6}

B= {1, 2, 3}
C = {1, 2, 3, 4}
a) P(A)= 1/2
b) P(A|B)= (P( AΠB))/P(B) = 1/3
c) P(A|C)= 1/2
d) Os eventos A e B são independentes? P(A|B) = P(A) ? Não são independentes.
e) Os eventos A e C são independentes? P(A|C) = P(A) → 1/2 = 1/2 São ind.

Ex: Dado honesto

A - resultado Par
B->4
C - Múltiplo de 3

a) A e B são independentes? Sim

P(A|B) = P(A)
1/2 = 1/2
b) B e C são independentes? Não
P(B|C) = P(B)
1/2 =1/3

S={1,2,3,4,5,6}

a) P(A) = P(2,4,6) = 1/12 + 1/12 + 1/5 = 5/12

b) P(B)=1/4+1/4=2/4=1/2
c) A e B são ind.?
P(a|B) = (P(AΠB))/ P(B) = (1/4)/(1/2) = 1/2 = P(A)

15 - Suponha que 2 % dos rolos de tecido de algodão e 3 % dos rolos de tecido de náilon contenham
falhas. Dos rolos usados por um fabricante, 70 % são de algodão e 30 % são de náilon. Qual será a
probabilidade de que um rolo selecionado aleatoriamente, usado pelo fabricante, contenha falhas?

Página 11 de Prob e Estatística

probabilidade de que um rolo selecionado aleatoriamente, usado pelo fabricante, contenha falhas?

Colado de <file:///D:\Uergs\4%20semestre\Probabilidade%20e%20estatistica\Eng%20de%20sistemas%20digitais%20_prob%
20e%20est.doc>

A = rolos de algodão
N = rolos de náilon
F = Falhas

P(A) = 0,70
P(N) = 0,30
P(F) = P(AΠF) + P(NΠF)
P(F) = P(F|A).P(A) + P(FZN).P(N)
P(F) = (0,02*0,7)+(0,03*0,3)=0,023

16 - Consumidores são usados para avaliar projetos iniciais de produtos. No passado, 95 % dos
produtos altamente aprovados recebiam boas críticas, 60 % dos produtos moderadamente aprovados
recebiam boas críticas e 10 % dos produtos ruins recebiam boas críticas. Além disso, 40 % dos
produtos tinham sido altamente aprovados, 35 % tenham sido moderadamente aprovados e 25 %
tinham sido produtos ruins.

a. Qual é a probabilidade de que um produto atinja uma boa crítica?

b. Se um novo projeto atingir uma boa crítica, qual será a probabilidade de que ele se torne um
produto altamente aprovado?

c. Se um produto não atingir uma boa crítica, qual será a probabilidade de que ele se torne um produto
altamente aprovado?

Colado de <file:///D:\uergs\UERGS-%20Engenharia%20em%20Distemas%20Digitais\2009.2\3º%20semestre\Adriane%
20Parraga%20(2010)\Probabilidade%20e%20Estatistica\Eng%20de%20sistemas%20digitais%20_prob%20e%20est.doc>

Página 12 de Prob e Estatística