1 / 39

I- INTRODUÇÃO

I- INTRODUÇÃO. I- INTRODUÇÃO.

mura
Télécharger la présentation

I- INTRODUÇÃO

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. I- INTRODUÇÃO

  2. I- INTRODUÇÃO Há quem defenda que a teoria das probabilidades, ligada ao jogo, é anterior a Cristo. Gregos e Romanos, que sendo viciados dos dados, preocupavam-se com a "forma" de ganhar. O imperador Claudius (sec I) escreveu um livro : "Como ganhar nos dados". Mas o conceito matemático é mais recente e nasce com a correspondência trocada entre Blaise Pascal e Fermat acerca da possibilidade do ganho nos jogos. Borel  (1871-1956) e Henri Lebesgue(1875-1941) foram responsáveis pelo seu arranque sistemático.

  3. Inicialmente o conceito de probabilidade era de caráter frequentista, isto é, associando a probabilidade de um acontecimento à frequência com ele se repetia, quando observadas um grande número de experiências. • Não é difícil dar conta que tal conceito pecava for falta de rigor. Basta pensar no quão relativo é dizer-se :"um grande número de experiências". • Em 1933 o russo Kolmogorovconstruiu uma axiomática para o cálculo de probabilidades convertendo-a numa teoria matemática e transformando-a na ciência que hoje é.

  4. Os objetivos deste curso são: 1 - Apresentar uma introdução geral à probabilidade e estatística usando os conhecimentos prévios de cálculo e análise de sinais procurando relacionar as definições e conclusões dos experimentos científicos e de engenharia com situações reais, estimulando o uso da intuição, da observação e da dedução para extrair conclusões válidas e tomar decisões razoáveis com base na análise de dados. 2 - Introduzir o conceito de processos estocásticos para modelar fenômenos em função do tempo, apresentando diversas aplicações.

  5. N CIRCUITOS CENTRAL A CENTRAL B • MODELOS DETERMINÍSTICOS • MODELOS PROBABILÍSTICOS • EXEMPLOS DE APLICAÇÕES DE PROCESSOS ESTOCÁTICOS • 1. TRÁFEGO TELEFÔNICO • QUAL DEVE SER O VALOR DE N PARA QUE, EM MÉDIA, 99,9% DAS • CHAMADAS DE A PARA B NÃO DEIXEM DE SER ATENDIDAS ? M TERMINAIS

  6. SITUAÇÃO: Uma população de usuários solicita em diferentes instantes de tempo um determinado serviço. MODELO: tráfego de entrada, fila posto de serviço, etc. Teoria de filas 3- SÉRIE TEMPORAIS Previsão de valores futuros base- ados no valor presente e passados de um conjunto de variáveis. Onde se aplica: Vazão de um rio, demanda de energia elétrica, inflação, etc 2- RUÍDO TÉRMICO

  7. 4- DESVANECIMENTO DE SINAIS RÁDIOELÉTRICOS DESVANECIMENTO DOS SINAIS RADIOELÉTRICOS ENLACE RADIOELÉTRICO • 6- OUTRAS APLICAÇÕES • Modelamento de canais de • propagação para comunicação • móveis e fixas. • Qualidade de serviço em redes • de telecomunicações. • Confiabilidade de sistemas • Identificação, estimação • etc 5- SISTEMA DE COMUNICAÇÃO DIGITAL

  8. TEORIA DAS PROBABILIDADES 1. ESPAÇO DE AMOSTRAS É O CONJUNTO FORMADO POR TODOS OS RESULTADOS POSSÍVEIS DE UM EXPERIMENTO ALEATÓRIO. RELAÇÃO ENTRE O FENÔMENO FÍSICO E O MODELO MATEMÁTICO MODELO PROBABILÍSTICO 1. ESPAÇO DE AMOSTRAS 2. ÁLGEBRA DE EVENTOS 3. MEDIDA DE PROBABILIDADE 1. ESPAÇO DE AMOSTRAS EXPERIÊNCIA: ABRIR UM LIVRO E OBSERVAR A PRIMEIRA LETRA IMPRESSA. S = { a, b, c, . . . , z } observar se é vogal ou consoante S = { vogal, consoante } CONTAR O NÚMERO DE CHAMADAS QUE CHEGAM A UMA CENTRAL TELEÔNICA POR MINUTO NO HORÁRIODE DE 10:00 AS 12:00 H. S = { 100, 97, 94, ... }

  9. 2. ÁLGEBRA DE EVENTOS EVENTO: SUBCONJUNTO DO ESPAÇO DE AMOSTRAS QUE SATISFAZ UMA DADA CONDIÇÃO A = { s : uma dada condição c é satisfeita } S = { s1 , s2 , s3 . . . , sK } AS OPERAÇÕES COM EVENTOS OBEDECEM AS MESMAS REGRAS DAS OPERAÇÕES COM CONJUNTOS. 1. IGUALDADE A = B 2. INCLUSÃO A  B, B  A 3. UNIÃO A  B 4.INTERSEÇÃO A  B 5. COMPLEMENTO Ā 6. DIFERENÇA A - B 7. EVENTO NULO  8. EVENTOS MUTUAMENTE EXCLUSIVOS OU DISJUNTOS

  10. PROPRIEDADES 1. COMUTATIVA: A  B = B  A e A  B = B  A 2. ASSOCIATIVA : A  ( B  C) = (A  B)  C e (A  B)  C = A  (B  C) 3.DISTRIBUTIVA: A  (B  C) = (A  B)  (A  C) e A  (B  C) = (A  B)  (A  C) 4. REGRA DE DEMORGAN : (A  B)C = AC  BC e (A  B) C = AC  BC CLASSE DE EVENTOS A CLASSE OU COLEÇÃO  DE EVENTOS É UMA CLASSE QUANDO SATIZFAZ: SE A e B SÃO EVENTOS, ENTÃO 1. SE A   Ā  2. PORTANTO  É FECHADA RELATIVAMENTE ÀS OPERAÇÕES DE COMPLEMENTAÇÃO E UNIÃO. PROPRIEDADES: SE    S  

  11. -ALGEBRA DE EVENTOS UMA ÁLGEBRA DE EVENTOS  É UMA -ÁLGEBRA QUANDO SATISFAZ A SEGUINTE CONDIÇÃO: DADA UMA CLASSE QUALQUER DE EVENTOS C, HÁ PELO MENOS UMA -ÁLGEBRA CONTENDO C, QUE É CONSTITUÍDA POR TODOS OS POSSÍVEIS SUBCONJUNTOS DE S. É POSSÍVEL MOSTRAR QUE TODAS AS -ÁLGEBRAS CONTENDO C É TAMBÉM UMA -ÁLGEBRA. DEFINIÇÃO A MENOR -ÁLGEBRA QUE CONTÉM TODOS OS EVENTOS DE UMA DADA CLASSE C É REPRESENTADA POR A(C), QUE É UMA -ÁLGEBRA GERADA POR C. EXEMPLO: LANÇAMENTO DE UM DADO. S = { f1 , f2 , f 3 , f4 , f5 , f 6 }ESPAÇO DE AMOSTRAS SEJA C A COLEÇÃO DE EVENTOS C = [ { f1 } , { f2 , f 4 , f6 } , { f1 , f 3 , f 5 } , S ,  ]

  12. ESTA COLEÇÃO NÃO CONSTITUI UMA ALGEBRA, POIS VIOLA A DEFINIÇÃO { f1 }  { f2 , f4 , f6 } = { f1 , f2 , f4 , f6 }  C { f1 }c = { f2 , f3 , f4 , f5 , f6 }  C ENTÃO: [ , S , { f1 , f3 , f5 }, { f2 , f4 , f6 } , { f1 } , { f1 , f2 , f4 , f6 } , { f2 , f3 , f4 , f5 , f6 } , { f3 , f5 } ]É FECHADA EM RELAÇÃO À COMPLEMENTAÇÃO E À UNIÃO. PORTANTO É UMA ÁLGEBRA. NA REALIDADE, ESTA COLEÇÃO É A MENOR -ÁLGEBRA A(C) DEFINIDA POR C POIS NENHUM DOS TRÊS ELEMENTOS ACRESCENTADOS PODERIA SER RETIRADO SEM VIOLAR A DEFINIÇÃO DE ÁLGEBRA. OBSERVA-SE QUE SE A COLEÇÃO CONTÉM UM NÚMERO FINITO DE ELEMENTOS E É UMA ÁLGEBRA ENTÃO SERÁ TRIVIALMENTE UMA -ÁLGEBRA

  13. b 4 c 5 d 1 2 3 I II III a EXEMPLO: REDE DE COMUNICAÇÃO COM 4 TERMINAIS ( a, b, c, d ) E 5 TRONCOS (1, 2, 3, 4, 5 ) E UMA CHAVE QUE ASSUME 3 POSIÇÕES ( I, II, III) A EXPERIÊNCIA CONSISTE EM OBSERVAR A SITUAÇÃO DA REDE EM UM DADO INSTANTE, VERIFICANDO A POSIÇÃO DA CHAVE E OS ESTADOS DOS TRONCOS. 1. REPRESENTAÇÃO DO ESPAÇO DE AMOSTRAS CADA TRONCO PODE ESTAR EM: “OPERAÇÃO” OU “NÃO OPERAÇÃO” SEJA iUM PONTOGENÉRICO DE S , ENTÃO: i = { C, T1 , T2 , T3, , T4 ,T5 } ; C  { I , II , III }; Ti ={ 0 , 1 } , i = 1, 2, 3, 4, 5. NÚMERO TOTAL DE PONTOS EM S : N = 3 x = 96

  14. b 4 c 5 d 1 2 3 I II III a 2. DETERMINAR O NÚMERO DE PONTOS AMOSTRAS PARA OS EVENTOS 2.1. A = {  : a e c podem comunicar-se } A1 = { I , 1 , x , x , 1 , x }; A2 = { II , x , 1 , x , x , x }; A3 = { III , x , x , 1 , x , 1 }; A = A1 A2 A3 N = 8 + 16 + 8 = 32 ( EVENTOS DISJUNTOS ) 2.2. B = {  : b e c podem comunicar-se } B = { x , x , x , x , 1 , x }; N = 3 x = 48 2.3. C = {  : a chave está na posição I } C = { I , x , x , x , x , x }; N = = 32

  15. 3. MEDIDA DE PROBABILIDADE A CADA EVENTO A ASSOCIA-SE UM NÚNERO P(A) CHAMADO DE PROBABILI- DADE DO EVENTO A. ESTE NÚMERO É ESCOLHIDO TAL QUE AS SEGUINTES CONDIÇÕES SÃO SATISFEITAS : AXIOMAS DA TEORIA DA PROBABILIDADE 1. P(A) > 0 ; 2. P( S ) = 1 ; 3. SE A  B =  , ENTÃO P(A+B ) = P(A) + P(B) PROPRIEDADES 1. SE Ai  Bj=  ; i, j = 1, 2, 3, . . . , n , i  j , 2. P( Ā ) = 1 - P( A ) 3. P(  ) = 0 , ENTÃO P( S ) = 1 4. P( A ) < 1 5. P( A  B) = P( A ) + P( B ) - P( AB )

  16. 1) Evento complementar:   P ( A ) 1 P ( A ) 2) Propriedade da soma:      P ( A B ) P ( A ) P ( B ) P ( A B ) 3) Propriedade da soma para eventos mutuamente exclusivos:    P ( A B ) P ( A ) P ( B ) 4) Propriedade do produto:    P ( A B ) P ( A ) P ( B / A ) 5) Propriedade do produto para eventos independentes    P ( A B ) P ( A ) P ( B ) Probabilidades de eventos

  17. Exemplo • Lançar um dado e observar a face voltada para cima. Suponha que o dado seja perfeitamente equilibrado e o lançamento imparcial. • Espaço amostral = {1, 2, 3, 4, 5, 6} • Probabilidades: P(1) = P(2) = ... = P(6) = 1/6

  18. C2 C1 A B C3 Exemplo • Seja um sistema formado por 3 componentes, ligados conforme o esquema abaixo. Considerando que a probabilidade de cada componente funcionar é de 0,9, qual a probabilidade do sistema funcionar? (O sistema funciona se houver uma ligação entre A e B. Admita independência entre os componentes)

  19. C2 C1 A B C3 Exemplo • P(sistema funcionar) = P{(C1 C2)  (C1 C3)}= = P(C1 C2) + P(C1 C3)  P(C1 C2  C3) = = (0,9)(0,9) + (0,9)(0,9)  (0,9)(0,9) (0,9) = = 0,891 P(Ci) = 0,9, i = 1, 2, 3

  20. Espaço amostral é o conjunto de todos os possíveis resultados de um experimento.O espaço amostral é denotado por S. Elementos ou pontos no espaço amostral são os resultados individuais de um experimento. O conjunto de elementos do espaço amostral é denotado por Elementos são mutuamente exclusivos ou disjuntos. O número de pontos no espaço amostral pode ser: finito quando o espaço amostral é discreto e finito infinito contável quando o espaço amostral é discreto e infinito infinito incontável quando o espaço amostral é contínuo evento é um subconjunto de S. Será denotado por letras maiúsculas. Eventualmente serão consideradas operações de união, intersecção e complemento de eventos. ocorrência do evento A se dá quando ocorre algum ponto em A.

  21. Probabilidade • Mensuração da chance de ocorrência de fenômenos aleatórios, mostrando como poderão ocorrer os fatos. • Base teórica para a análise inferencial.

  22. ProbabilidadeIntuitiva Este resultado pode ser estendido para uma interpretação estatística de probabilidade como sendo a frequência relativa de ocorrência do evento.

  23. ProbabilidadeAxiomática As noçõesintuitivas de probabilidadepermitemtratarproblemasrelativamente simples, em especial quando tem-se igualdade de condiçõesparatodososeventos. No entanto, freqüentementedeseja-se tratarsituaçõesondealgunseventosnãosão "honestos". Adicionalmente, emalgunscasosnão se podeenumerartodosospossíveisresultados de um experimento. A formulaçãoaxiomáticadateoriadaprobabilidadesimplifica o tratamentonestescasos.

  24. Axiomas da Probabilidade Para qualquereventoA, associa-se um número P(A), chamado de probabilidade do evento A. Este númerosatisfaz as seguintestrêscondiçõesdenominadas de axiomasdaprobabilidade. Note que (iii) estabeleceque se A e Bsãoeventos mutuamenteexclusivos, a probabilidadedauniãoé igual a soma de suasprobabilidades)

  25. Resultados ou dados observados Probabilidade universo do estudo (população) Hipóteses, conjeturas, ... O raciocínio dedutivo da probabilidade

  26. Exemplo de um experimento aleatório • Selecionar uma pessoa ao acaso e observar se é homem ou mulher. • Resultados possíveis: homem, mulher • Espaço amostral = {homem, mulher}

  27. Probabilidade de um resultado • Qual a probabilidade de homem e de mulher? • P(homem) = 0,5 • P(mulher) = 0,5 • A probabilidade é um número entre 0 e 1, sendo que a soma das probabilidades de todos os resultados possíveis deve ser 1. 50% homens 50% mulheres

  28. Modelo probabilístico ResultadoProbab. bom/ótimo 0,20 regular 0,30 ruim/péssimo 0,50 Modelo de probabilidades POPULAÇÃO Opinião a respeito do governo AMOSTRA: 1 pessoaobservada aoacaso

  29. Evento • Evento = conjunto de resultados possíveis • Espaço amostral = {1, 2, 3, 4, 5, 6} • Probabilidades: P(1) = P(2) = ... = P(6) = 1/6 • Eventos: A = número par, B = número menor que 3 A = {2, 4, 6} B = {1, 2} P(A) = 1/2 P(B) = 2/6 = 1/3

  30. A Operações com eventos não A

  31. A B A  B Operações com eventos

  32. Revisão de AnáliseCombinatóriaA Análisecombinatóriaestudaosdiversosprocedimentosquepossibilitam a construção de gruposdiferentesformadospor um númerofinito de elementos de um conjunto sob certascircunstâncias. Na maior parte das vezes, tomaremosconjuntos Z com m elementos e osgruposformados com elementos de Z terão p elementos com p< m, isto é, p será a taxa do agrupamento. No fundo com o usodaAnálisecombinatóriateremosmétodosquepermitemcontar, de forma indireta, oselementosdessesconjuntos. Vamosanalisaralgunsdessesagrupamentos:

  33. Fatorial Definimos o fatorial de n (indicadopelosímbolo n! ) , comosendo n! = n .(n-1) . (n-2) . ... .4.3.2.1para n  2. E pordefinição : Para n = 0 , teremos : 0! = 1. Para n = 1 , teremos : 1! = 1 Exemplos: 7! = 7.6.5.4.3.2.1 = 2940  3! = 3.2.1 = 6 Muitasvezesutilizamosuma forma maissintéticaparanosfacilitaroscálculos: 11! =11.10.9.8.7!  6! = 6.5.4!

  34. Princípio fundamental dacontagem - PFC Sedeterminadoacontecimentoocorreemnetapasdiferentes, e se a primeiraetapapodeocorrer de k1maneirasdiferentes, a segunda de k2maneirasdiferentes, e assimsucessivamente, então o número total T de maneiras de ocorrer o acontecimento é dado por T = k1. k2 . k3 . ... . kn

  35. Permutações Permutações de nelementosdistintossãoosagrupamentosformados com todososnelementos e que se distinguemuns dos outrospelaordem de seuselementos. Exemplo: com oselementos 1,2,C sãopossíveis as seguintes permutações:12C, 1C2, 21C, 2C1, C12 e C21. O número total de permutações simples de nelementosdistintos é dado por n!, isto é Pn= n! no exemplo anterior 3!=3.2.1=6 Numafila de 6 pessoas de quantasformasdiferentes se podemorganizar ? P6 = 6! = 6.5.4.3.2.1 = 720

  36. Arranjos Dado um conjunto com nelementos , chama-se arranjo simples de taxak , a todoagrupamento de kelementosdistintosdispostosnumacertaordem. Doisarranjosdiferem entre si, pelaordem de colocação dos elementos. Assim, no conjunto E = {a,b,c}, teremos: a) arranjos de taxa 2: ab, ac, bc, ba, ca, cb. b) arranjos de taxa 3: abc, acb, bac, bca, cab, cba. Representando o número total de arranjos de nelementostomadosk a k (taxa k) porAn,k, teremos a seguintefórmula:

  37. Combinações Denominamoscombinações simples de nelementosdistintostomadosk a k (taxa k) aossubconjuntosformadosporkelementosdistintosescolhidos entre osnelementos dados. Observe queduascombinaçõessãodiferentesquandopossuemelementosdistintos, nãoimportando a ordememqueoselementossãocolocados. Exemplo: No conjunto E= {a,b,c,d} podemosconsiderar: a) combinações de taxa 2: ab, ac, ad, bc, bd, cd. b) combinações de taxa 3: abc, abd, acd, bcd. c) combinações de taxa 4: abcd.

  38. Representando o número total de combinações de nelementostomadosk a k (taxa k) porCn,k, teremos a seguintefórmula: É fácilmostrarque

  39. Exemplo:Umcampeonato de atletismoconsta de 10 provasdiferentescadaequipe tem de concorrer a 7. De quantasformaspodeumaequipeparticipar ? Solução:  Observe que a ordem de escolha das provasnãoaltera a forma de concorrer. Portantotrata-se  de um problema de combinação de 10 elementos 7 a 7.  Aplicandosimplesmente a fórmulachegaremos a:  C15,10 = 15! / [(15-10)! . 10!] = 15! / (5! . 10!) = 15.14.13.12.11.10! / 5.4.3.2.1.10! = 3003

More Related