1 O Modelo

Neste capítulo, abordaremos o modelo matemático fundamental para fenômenos estocásticos, essenciais para a Engenharia. O conteúdo cobre desde experimentos aleatórios até a teoria condicional.

1.1 O Problema

Em sistemas críticos de engenharia (como a rede de distribuição de energia elétrica ou o sistema de frenagem ABS de um veículo), a falha de um componente não é determinística, mas probabilística. Se soubermos a probabilidade de um sensor falhar, como calculamos a probabilidade de falha do sistema inteiro?

Precisamos de uma linguagem matemática baseada na Teoria de Conjuntos para modelar esse problema.

1.2 Modelo Matemático

O modelo matemático da probabilidade é baseado em três conceitos fundamentais: experimento aleatório, espaço amostral e eventos, esses são os ingredientes necessários para a construção do nosso modelo teorico de probabilidade, afim de obtermos as probabilidades de ocorrência de eventos. A figura Figura 1.1 ilustra esses conceitos, que serão detalhados a seguir. Para obtermos a noção de probabilidade, precisamos primeiro definir o que é um experimento aleatório, seus resultados e os eventos de interesse.

1.2.1 Experimento Aleatório ($\mathcal{E}$)

Um experimento é qualquer ação ou processo cujo resultado está sujeito à incerteza.

Dessa forma, os experimentos aleatórios incluem jogar uma moeda uma ou diversas vezes, selecionar uma ou várias cartas de um baralho, mensurar a massa de um objeto, determinar o tempo de deslocamento da sala de aula ao RU, mensurar a altura de um grupo de indivíduos, medir as resistências de compressão de um lote de vigas de concreto, testar a voltagem de baterias de lanterna, medir a potencia de recarregamento de baterias, avaliar o consumo de carro em litros por cem quilômetros, avaliar o consumo de celular em kWh por mês, entre outros que você pode pensar.

Definição de Experimento Aleatório

Um experimento aleatório ($\mathcal{E}$) é qualquer processo de observação cujos resultados não podem ser previstos com certeza absoluta, mesmo quando repetido sob as mesmas condições.

1.2.1.1 Exemplo

$\mathcal{E}$: Medir a vida útil (em horas) de uma lâmpada LED recém-fabricada.
$\mathcal{E}$: Examinarmos três fusíveis em seqüência e anotarmos o resultado de cada exame ($D^c$ - Não Defeituoso ou $D$ - Defeituoso).
$\mathcal{E}$: Dois postos de gasolina estão localizados em uma determinada interseção. Cada um possui seis bombas. Considere o experimento em que o número de bombas em uso em determinada hora do dia é determinado para cada posto.

1.2.2 Espaço Amostral ($\Omega$)

O conjunto de todos os resultados possíveis de um experimento aleatório.

Definição de Espaço Amostral

O espaço amostral ($\Omega$) é o conjunto de todos os resultados possíveis de um experimento aleatório.

1.2.2.1 Exemplo

$\mathcal{E}$: Medir a vida útil (em horas) de uma lâmpada LED recém-fabricada.
$\Omega$: O espaço amostral é $\Omega = \{t \in \mathbb{R} \mid t \ge 0\}$, infinitos possíveis resultados.

1.2.2.2 Exemplo

$\mathcal{E}$: Examinarmos três fusíveis em seqüência e anotarmos o resultado de cada exame ($D^c$ - Não Defeituoso ou $D$ - Defeituoso).
$\Omega$: o espaço amostral é $\Omega = \{ NNN,NND,NDN,NDD,DNN,DND,DDN,DDD\}$, finitos resultados, $n(\Omega) = 8$.

1.2.2.3 Exemplo

$\mathcal{E}$: Se uma bateria de lanterna nova, tipo D, tiver uma voltagem fora de certos limites, será classificada como falha ($F$); se a voltagem estiver dentro dos limites especificados, será classificada como sucesso ($S$). Suponha que um experimento consista em testar cada bateria quando sai de uma linha de montagem até que seja observado um sucesso.
$\Omega$: O espaço amostral é $\Omega = \{S, FS, FFS, FFFS, ...\}$, que contém um número infinito de resultados possíveis. Apesar de não ser muito provável, um resultado possível é que as primeiras 10 (ou 100 ou 1000 ou …) sejam $F$ e a próxima seja $S$. Isto é, para qualquer inteiro $n$ possível, teremos de examinar $n$ baterias antes de obter o primeiro $S$.

1.2.2.4 Exemplo

$\mathcal{E}$: é registrado o sexo de cada criança recém-nascida, em um horário especificado, até que seja observado o nascimento de uma criança do sexo masculino.
$\Omega$: O espaço amostral é $\Omega = \{F, FM, FFM, FFFM, ...\}$, a mesma forma abreviada de espaço amostral é apropriada para esse experimento.

O espaço amostral é denotado por $\Omega$ e seus resultados $\omega_i$. Exemplo: $\Omega = \{\omega_1, \omega_2, \omega_3, \dots\}$.

O conjunto pode ser:

Finito: $\Omega = \{\omega_1, \omega_2, \omega_3\}$
Infinito: $\Omega = \{\omega_1, \omega_2, \omega_3, \dots\}$

Os resultados ($\omega_i$) devem ser mutuamente exclusivos, ou seja, não pode haver resultados iguais, e coletivamente exaustivos, ou seja, todos os resultados devem ser considerados, com certa granularidade.

O espaço amostral $\Omega$ e seus resultados $\omega_i$, são representados na Figura Figura 1.2 com o auxílio de um Diagrama de Venn, sendo os pontos todos os possíveis resultados.

Figura 1.2: Espaço Amostral e seus resultados, representados em um Diagrama de Venn.

1.2.3 Eventos

No estudo de probabilidade, estaremos interessados não apenas nos resultados individuais de $\Omega$, como também em qualquer grupo de resultados de $\Omega$.

Definição de Evento

Um evento é qualquer grupo (subconjunto) de resultados contidos no espaço amostral $\Omega$.

O evento é denominando simples se consistir um único resultado e composto se consistir em mais de um resultado.

Os eventos são denotados por letras latinas maiúsculas ($A, B, C, \dots$).

Quando um experimento é realizado, determinado evento $A$ ocorre se o resultado experimental estiver contido em $A$. Em geral, ocorrerá exatamente um evento simples, mas diversos eventos compostos também podem ocorrer simultaneamente. Na Figura Figura 1.3, podemos observar um exemplo de espaço amostral e eventos dois eventos compostos $A$ e $B$, representados em um Diagrama de Venn.

Figura 1.3: Espaço Amostral e Eventos, representados em um Diagrama de Venn.

1.2.3.1 Exemplos

Dos exemplos anteriores (três fusíveis e lâmpada de LED), podemos enumerar os seguintes eventos:

Eventos simples

$H$: O evento $H = \{DND\}$
$F$: O evento $F = \{DDD\}$

Eventos compostos

$A$: O evento “A lâmpada dura mais de 10.000 horas” é denotado por $A = \{t \in \Omega \mid t > 10000\}$.
$B$: O evento “A lâmpada dura menos de 10.000 horas” é denotado por $B = \{t \in \Omega \mid t < 10000\}$.
$C$: O evento “Exatamente dois fusíveis estão defeituosos” é denotado por $C = \{DND,DDN,NDD\}$.
$E$: O evento “Pelo menos um fusível está defeituoso” é denotado por $E = \{DND,DDN,NDD,DDD\}$.

1.3 Algumas relações sobre a teoria dos conjuntos

Um evento é essencialmente um conjunto (subconjunto de $\Omega$), de forma que as relações e resultados da teoria elementar dos conjuntos podem ser usados para o estudo dos eventos. As operações a seguir serão usadas para construção de novos eventos, a partir de eventos já conhecidos.

União $\cup$

A união de dois eventos $A$ e $B$, representada por $A \cup B$ e lida “A união B”.

É o evento que consiste em todos os resultados que estão no evento $A$ ou no $B$ ou em ambos (de forma que a união inclui resultados em que ocorram $A$ e $B$, bem como aqueles em que exatamente um ocorre), isto é, todos os resultados em ao menos um dos eventos.

Interseção $\cap$

A interseção dos dois eventos $A$ e $B$, representada por $A \cap B$ e lida “A interseção B”, é o evento que consiste de todos os resultados que estão em ambos $A$ e $B$.

Complemento $A^c$

O complemento de um evento $A$, representado por $A^c$ ou $A'$ ou $\bar{A}$, é o conjunto de todos os resultados em $\Omega$ que não estão contidos em $A$.

1.3.0.1 Exemplo

Para o experimento em que é observado o número de bombas em uso em um posto de gasolina de seis bombas, assuma:

$\Omega = \{1, 2, 3, 4, 5, 6\}$

Os eventos sugeridos são:

$A = \{1, 2, 3, 4\}$
$B = \{3, 4, 5, 6\}$
$C = \{1, 3, 5\}$

Então:

$A \cup B = \{1, 2, 3, 4, 5, 6\} = \Omega$
$A \cap B = \{3, 4\}$
$A \cap C = \{1, 3\}$
$A^c = \{5, 6\}$
$(A \cap C)^c = \{2, 4, 5, 6\}$

1.4 Visualizando o Espaço Amostral: Diagramas de Venn e Árvores

Considere um sistema de fornecimento de energia ininterrupta (UPS) em um data center. Este sistema é composto por duas matrizes principais para evitar quedas: painéis solares na rede principal ($FS$) e geradores a diesel auxiliares ($FD$). A engenharia de confiabilidade exige calcular a probabilidade de falhas conjuntas. Para isso, o primeiro passo nunca é calcular números, mas organizar as possibilidades de erro de maneira que não deixemos nenhum cenário de fora.

Ao lidar com o espaço amostral ($\Omega$), a maneira mais segura de organizar a lógica é tratá-lo visualmente. Pense no espaço amostral como uma caixa contendo absolutamente todos os resultados possíveis do experimento. Desenhando formas dentro dessa caixa, conseguimos mapear onde cada cenário “mora”. Para isso vamos iniciar com o Diagrama de Venn. Começaremos explicitando qual é o espaço amostral e quais são os eventos de interesse.

O espaço amostral desse experimento é $\Omega = \{FSFD, FSFD^c, FSFD, FSFD^c\}$. Onde $FS$ representa a falha no sistema solar e $FD$ representa a falha no gerador a diesel e o resultado $FSFD$, por exemplo, representa a falha em ambos os sistemas, que também pode ser representado por $FS \cap FD$.

1.4.1 O Diagrama de Venn

Uma representação gráfica de eventos e manipulações de eventos é obtida pelo uso de diagramas de Venn. Para construir um desses diagramas, desenhe um retângulo cujo interior representará o espaço amostral $\Omega$. Então, qualquer evento $A$ é representado como o interior de uma curva fechada (normalmente um círculo, ou retângulo) contido em $\Omega$. A Figura Figura 1.7 mostra um exemplo de diagrama de Venn.

Figura 1.7: Espaço Amostral e Eventos, no contexto de falhas em um sistema UPS

Para analisar as falhas do sistema UPS, temos os 4 possíveis resultados:

$FSFD$: Falha no sistema solar e falha no gerador a diesel, ambos falham simultaneamente.
$FSFD^c$: Falha no sistema solar e não falha no gerador a diesel.
$FS^cFD$: Não falha no sistema solar e falha no gerador a diesel.
$FS^cFD^c$: Não falha no sistema solar e não falha no gerador a diesel, nenhum dos sistemas falha.

O contorno dessas figuras geométricas tem um papel na teoria dos conjuntos: ele recorta o plano inteiro em subdivisões (frequentemente chamadas de partições ou partições disjuntas). Qualquer dia de operação cairá impreterivelmente em apenas um desses quatro resultados “espaços”.

O espaço amostral desse processo/experimento é $\Omega = \{FSFD, FSFD^c, FSFD, FSFD^c\}$. Note que $FSFD = FS \cap FD$, e assim por diante.

Podemos nomear eventos de interesse, como por exemplo $A$ = “Falha no sistema solar” e $B$ = “Falha no gerador a diesel”.

Observe a Figura 1.8 abaixo. O retângulo que delimita a figura é a nossa “caixa” do espaço amostral ($\Omega$), contabilizando $1$, ou $100\%$ das observações. Dentro desse universo, o retangulo laranja, evento entitulado como $A$ agrupa todos os dias em que o sistema solar falhará, e o retangulo azul, evento entitulado como $B$ agrupa os dias em que o sistema solar não falhará.

Figura 1.8: Espaço Amostral e Eventos, no contexto de falhas em um sistema UPS

Uma outra forma de representar o mesmo espaço amostral e os seus resultados e eventos é apresentado na Figura 1.9. Note que o resultado é o mesmo, apenas a forma de representar é diferente. Em alguns casos ela pode ser mais intuitiva de entender. Para uma representação mais fidedigna ao espaço amostral, o diagrama de Venn deve ser desenhado de forma que os eventos sejam representados por áreas proporcionais à sua probabilidade.

Figura 1.9: O mesmo espaço Amostral e Eventos, no contexto de falhas em um sistema UPS, representado de forma diferente.

Outra forma de representar o mesmo espaço amostral e os seus eventos é utilizando um diagrama de árvore, como apresentado a seguir.

1.4.2 O Diagrama de Árvore

Em aplicações industriais práticas, o diagnóstico de equipamentos é usualmente serial (passo-a-passo). Primeiro inspecionamos a parte solar, e em seguida validamos o acionamento da retaguarda a diesel. Quando a análise pressupõe uma ordem lógica seqüencial, um diagrama de árvore funciona muito bem para quebrar o espaço amostral sem perder ou sobrepor vertentes.

Ele simplesmente ramifica o possível resultado de cada teste, percorrido de forma sequencial:

%%{init: { 
  "themeVariables": { 
    "edgeLabelBackground": "#c4c4c3ff",
    "edgeLabelColor": "#f3f0f0ff",
    "edgeLabelFontWeight": "600"
  },
  "themeCSS": ".edgeLabel { opacity: 1 !important; } .label rect { opacity: 1 !important; fill-opacity: 1 !important; }"
}}%%

flowchart LR
    A["Início do Teste"] -- $$FS$$: Falha Solar --> C["C"]
    A L_A_B_0@-- $$FS^c$$: Não Falha Solar --> B["C"]
    B -- $$FD$$: Falha Diesel --> E["$$FS^c \cap FD$$: Apenas Diesel Falha"]
    B L_B_D_0@-- $$FD^c$$: Não Falha Diesel --> D["$$FS^c \cap FD^c$$: Operação Normal"]
    C -- $$FD$$: Falha Diesel --> G["$$FS \cap FD$$: Falha Total"]
    C -- $$FD^c$$: Não Falha Diesel --> F["$$FS \cap FD^c$$: Apenas Solar Falha"]

    C@{ shape: f-circ}
    B@{ shape: f-circ}
    style E fill:#fff3cd,stroke:#ffc107,stroke-width:2px,color:#856404
    style D fill:#d4edda,stroke:#28a745,stroke-width:2px,color:#155724
    style G fill:#f8d7da,stroke:#dc3545,stroke-width:2px,color:#721c24
    style F fill:#fff3cd,stroke:#ffc107,stroke-width:2px,color:#856404

    L_A_B_0@{ animation: slow }
    L_B_D_0@{ animation: slow }

No diagrama de árvore, temos os nós iniciais, intermediários e finais. Os nós iniciais são aqueles que não possuem nenhuma aresta apontando para eles. Os nós intermediários são aqueles que possuem arestas apontando para eles e também arestas apontando para fora deles. Os nós finais são aqueles que possuem arestas apontando para eles, mas nenhuma aresta apontando para fora deles.

Os nós iniciais irão representar o evento $FS$ e $FS^c$. Os nós intermediários irão representar o evento $FD$ e $FD^c$. Os nós finais irão representar o conjunto de todos os possíveis resultados do experimento, ou seja, o espaço amostral ($\Omega$).

A mesma árvore poderia ser desenhada, iniciando-se com os eventos $FD$ e $FD^c$, se fizesse sentido. Nesse caso, os nós iniciais iriam representar o evento $FD$ e $FD^c$. Os nós intermediários iriam representar o evento $FS$ e $FS^c$. Os nós finais irão representar o mesmo espaço amostral ($\Omega$).

Como se pode perceber, os nós finais das árvores capturam as mesmas quatro partições desenhadas pelo diagrama de Venn, que são todos os resultados possíveis do experimento, o espaço amostral ($\Omega$). Se percorrermos o fluxo até a marcação superior em verde no final, teremos passado pelo evento complementar da falha no sistema solar $FS^c$, e depois do evento complementar de falhas do gerador diesel $FD^c$.

1.4.3 Verificação computacional das regiões do espaço amostral

A matemática garante que as quatro partições geradas limitam $\Omega$ de modo que as frequencias relativas sempre somem exatamente iguais a $1.0$.

Suponhamos um diagnóstico onde falhas nos painéis solares se registrem na faixa dos $15\%$, enquanto anomalias no combustível afetem a partida em $5\%$. Em um simples modelo de falhas isoladas onde $FS$ e $FD$ operem independentemente, simular as falhas ao longo de 100 mil dias mapeia empiricamente a partição espacial.

Verificação em R

Código

# Simulação Monte Carlo garantindo a formação do Espaço Amostral
set.seed(42)
N <- 10^5  # Simulação empírica ao longo de 100.000 dias de registros funcionais

# Amostras isoladas geradas analiticamente de FS e FD
falha_S <- rbinom(N, size = 1, prob = 0.15) # gera valores 0 e 1 com prob de 0.15
falha_D <- rbinom(N, size = 1, prob = 0.05) # gera valores 0 e 1 com prob de 0.05

# Obtenção da frequência relativa das 4 partições conjuntas
taxa_apenas_S <- sum(falha_S == 1 & falha_D == 0) / N
taxa_apenas_D <- sum(falha_S == 0 & falha_D == 1) / N
taxa_ambos    <- sum(falha_S == 1 & falha_D == 1) / N
taxa_nenhum   <- sum(falha_S == 0 & falha_D == 0) / N

cat(sprintf("1. Apenas Solar falhou (FS \U2229 FD^c): %.4f\n", taxa_apenas_S))
cat(sprintf("2. Apenas Diesel falhou (FS^c \U2229 FD): %.4f\n", taxa_apenas_D))
cat(sprintf("3. Falha total: Ambos falharam simultaneamente (FS \U2229 FD): %.4f\n", taxa_ambos))
cat(sprintf("4. Operação Normal: Ambos funcionaram (FS^c \U2229 FD^c): %.4f\n\n", taxa_nenhum))

taxa_total <- taxa_apenas_S + taxa_apenas_D + taxa_ambos + taxa_nenhum
cat(sprintf("Somatório total da cobertura do cenário (\U03A9): %.2f\n", taxa_total))

1. Apenas Solar falhou (FS ∩ FD^c): 0.1440
2. Apenas Diesel falhou (FS^c ∩ FD): 0.0430
3. Falha total: Ambos falharam simultaneamente (FS ∩ FD): 0.0074
4. Operação Normal: Ambos funcionaram (FS^c ∩ FD^c): 0.8057

Somatório total da cobertura do cenário (Ω): 1.00

A execução demonstra por amostragem o princípio regente dos diagramas: A união de resultados mutuamente exclusivos subdivididos compõe o espaço amostral $\Omega$ e as ocorrências totais devem agregar até 1.

Para iniciarmos o estudo adicionando probabilidades ao nosso modelo, precisamos entender as definições de probabilidade e suas relações com o espaço amostral e os eventos.

--- title: "O Modelo" format: html --- Neste capítulo, abordaremos o modelo matemático fundamental para fenômenos estocásticos, essenciais para a Engenharia. O conteúdo cobre desde experimentos aleatórios até a teoria condicional. ## O Problema Em sistemas críticos de engenharia (como a rede de distribuição de energia elétrica ou o sistema de frenagem ABS de um veículo), a falha de um componente não é **determinística**, mas **probabilística**. Se soubermos a probabilidade de um sensor falhar, como calculamos a probabilidade de falha do sistema inteiro? Precisamos de uma linguagem matemática baseada na **Teoria de Conjuntos** para modelar esse problema. ## Modelo Matemático ![Modelo Matemático](../img/ingredientes.png){#fig-ingredientes} O modelo matemático da probabilidade é baseado em três conceitos fundamentais: **experimento aleatório**, **espaço amostral** e **eventos**, esses são os ingredientes necessários para a construção do nosso modelo teorico de probabilidade, afim de obtermos as probabilidades de ocorrência de eventos. A figura @fig-ingredientes ilustra esses conceitos, que serão detalhados a seguir. Para obtermos a noção de probabilidade, precisamos primeiro definir o que é um experimento aleatório, seus resultados e os eventos de interesse. ### Experimento Aleatório ($\mathcal{E}$) Um **experimento** é qualquer ação ou processo cujo resultado está sujeito à incerteza. Dessa forma, os experimentos aleatórios incluem jogar uma moeda uma ou diversas vezes, selecionar uma ou várias cartas de um baralho, mensurar a massa de um objeto, determinar o tempo de deslocamento da sala de aula ao RU, mensurar a altura de um grupo de indivíduos, medir as resistências de compressão de um lote de vigas de concreto, testar a voltagem de baterias de lanterna, medir a potencia de recarregamento de baterias, avaliar o consumo de carro em litros por cem quilômetros, avaliar o consumo de celular em kWh por mês, entre outros que você pode pensar. ::: {.callout-important icon="false"} ## Definição de Experimento Aleatório Um **experimento aleatório** ($\mathcal{E}$) é qualquer processo de observação cujos resultados não podem ser previstos com certeza absoluta, mesmo quando repetido sob as mesmas condições. ::: ::: {.exemplo icon="false"} #### Exemplo * $\mathcal{E}$: Medir a vida útil (em horas) de uma lâmpada LED recém-fabricada. * $\mathcal{E}$: Examinarmos três fusíveis em seqüência e anotarmos o resultado de cada exame ($D^c$ - Não Defeituoso ou $D$ - Defeituoso). * $\mathcal{E}$: Dois postos de gasolina estão localizados em uma determinada interseção. Cada um possui seis bombas. Considere o experimento em que o número de bombas em uso em determinada hora do dia é determinado para cada posto. ::: ### Espaço Amostral ($\Omega$) O conjunto de todos os resultados possíveis de um experimento aleatório. ::: {.callout-important icon="false"} ## Definição de Espaço Amostral O **espaço amostral** ($\Omega$) é o conjunto de todos os resultados possíveis de um experimento aleatório. ::: ::: {.exemplo icon="false"} #### Exemplo * $\mathcal{E}$: Medir a vida útil (em horas) de uma lâmpada LED recém-fabricada. * $\Omega$: O espaço amostral é $\Omega = \{t \in \mathbb{R} \mid t \ge 0\}$, infinitos possíveis resultados. ::: ::: {.exemplo icon="false"} #### Exemplo {#sec-exemplo-fusiveis} * $\mathcal{E}$: Examinarmos três fusíveis em seqüência e anotarmos o resultado de cada exame ($D^c$ - Não Defeituoso ou $D$ - Defeituoso). * $\Omega$: o espaço amostral é $\Omega = \{ NNN,NND,NDN,NDD,DNN,DND,DDN,DDD\}$, finitos resultados, $n(\Omega) = 8$. ::: ::: {.exemplo icon="false"} #### Exemplo * $\mathcal{E}$: Se uma bateria de lanterna nova, tipo D, tiver uma voltagem fora de certos limites, será classificada como falha ($F$); se a voltagem estiver dentro dos limites especificados, será classificada como sucesso ($S$). Suponha que um experimento consista em testar cada bateria quando sai de uma linha de montagem até que seja observado um sucesso. * $\Omega$: O espaço amostral é $\Omega = \{S, FS, FFS, FFFS, ...\}$, que contém um número infinito de resultados possíveis. Apesar de não ser muito provável, um resultado possível é que as primeiras 10 (ou 100 ou 1000 ou ...) sejam $F$ e a próxima seja $S$. Isto é, para qualquer inteiro $n$ possível, teremos de examinar $n$ baterias antes de obter o primeiro $S$. ::: ::: {.exemplo icon="false"} #### Exemplo * $\mathcal{E}$: é registrado o sexo de cada criança recém-nascida, em um horário especificado, até que seja observado o nascimento de uma criança do sexo masculino. * $\Omega$: O espaço amostral é $\Omega = \{F, FM, FFM, FFFM, ...\}$, a mesma forma abreviada de espaço amostral é apropriada para esse experimento. ::: O espaço amostral é denotado por $\Omega$ e seus resultados $\omega_i$. Exemplo: $\Omega = \{\omega_1, \omega_2, \omega_3, \dots\}$. O conjunto pode ser: * **Finito**: $\Omega = \{\omega_1, \omega_2, \omega_3\}$ * **Infinito**: $\Omega = \{\omega_1, \omega_2, \omega_3, \dots\}$ Os resultados ($\omega_i$) devem ser mutuamente exclusivos, ou seja, não pode haver resultados iguais, e coletivamente exaustivos, ou seja, todos os resultados devem ser considerados, com certa granularidade. O espaço amostral $\Omega$ e seus resultados $\omega_i$, são representados na Figura @fig-espaco_amostral com o auxílio de um Diagrama de Venn, sendo os pontos todos os possíveis resultados. ![Espaço Amostral e seus resultados, representados em um Diagrama de Venn.](../img/espaco_amostral.png){#fig-espaco_amostral width=50%} ### Eventos No estudo de probabilidade, estaremos interessados não apenas nos resultados individuais de $\Omega$, como também em qualquer grupo de resultados de $\Omega$. ::: {.callout-important icon="false"} ## Definição de Evento Um **evento** é qualquer grupo (subconjunto) de resultados contidos no espaço amostral $\Omega$. O evento é denominando **simples** se consistir um único resultado e **composto** se consistir em mais de um resultado. Os eventos são denotados por letras latinas maiúsculas ($A, B, C, \dots$). ::: Quando um experimento é realizado, determinado evento $A$ ocorre se o resultado experimental estiver contido em $A$. Em geral, ocorrerá exatamente um evento simples, mas diversos eventos compostos também podem ocorrer simultaneamente. Na Figura @fig-espaco_amostral_eventos, podemos observar um exemplo de espaço amostral e eventos dois eventos compostos $A$ e $B$, representados em um Diagrama de Venn. ![Espaço Amostral e Eventos, representados em um Diagrama de Venn.](../img/espaco_amostral_e_eventos.png){#fig-espaco_amostral_eventos width=50%} ::: {.exemplo icon="false"} #### Exemplos Dos exemplos anteriores (três fusíveis e lâmpada de LED), podemos enumerar os seguintes eventos: **Eventos simples** * $H$: O evento $H = \{DND\}$ * $F$: O evento $F = \{DDD\}$ **Eventos compostos** * $A$: O evento "A lâmpada dura mais de 10.000 horas" é denotado por $A = \{t \in \Omega \mid t > 10000\}$. * $B$: O evento "A lâmpada dura menos de 10.000 horas" é denotado por $B = \{t \in \Omega \mid t < 10000\}$. * $C$: O evento "Exatamente dois fusíveis estão defeituosos" é denotado por $C = \{DND,DDN,NDD\}$. * $E$: O evento "Pelo menos um fusível está defeituoso" é denotado por $E = \{DND,DDN,NDD,DDD\}$. ::: ## Algumas relações sobre a teoria dos conjuntos Um evento é essencialmente um conjunto (subconjunto de $\Omega$), de forma que as relações e resultados da teoria elementar dos conjuntos podem ser usados para o estudo dos eventos. As operações a seguir serão usadas para construção de novos eventos, a partir de eventos já conhecidos. ::: {.callout-note icon="false"} ## União $\cup$ A **união** de dois eventos $A$ e $B$, representada por $A \cup B$ e lida “A união B”. É o evento que consiste em todos os resultados que estão no evento $A$ ou no $B$ ou em ambos (de forma que a união inclui resultados em que ocorram $A$ e $B$, bem como aqueles em que exatamente um ocorre), isto é, todos os resultados em ao menos um dos eventos. ![União de eventos](../img/venn_uniao.png){#fig-venn-uniao width=30%} ::: ::: {.callout-note icon="false"} ## Interseção $\cap$ A **interseção** dos dois eventos $A$ e $B$, representada por $A \cap B$ e lida “A interseção B”, é o evento que consiste de todos os resultados que estão em ambos $A$ e $B$. ![Interseção de eventos](../img/venn_intersecao.png){#fig-venn-intersecao width=30%} ::: ::: {.callout-note icon="false"} ## Complemento $A^c$ O **complemento** de um evento $A$, representado por $A^c$ ou $A'$ ou $\bar{A}$, é o conjunto de todos os resultados em $\Omega$ que não estão contidos em $A$. ![Complemento de um evento](../img/venn_complemento.png){#fig-venn-complemento width=30%} ::: ::: {.exemplo icon="false"} #### Exemplo Para o experimento em que é observado o número de bombas em uso em um posto de gasolina de seis bombas, assuma: * $\Omega = \{1, 2, 3, 4, 5, 6\}$ Os eventos sugeridos são: * $A = \{1, 2, 3, 4\}$ * $B = \{3, 4, 5, 6\}$ * $C = \{1, 3, 5\}$ Então: * $A \cup B = \{1, 2, 3, 4, 5, 6\} = \Omega$ * $A \cap B = \{3, 4\}$ * $A \cap C = \{1, 3\}$ * $A^c = \{5, 6\}$ * $(A \cap C)^c = \{2, 4, 5, 6\}$ ::: ## Visualizando o Espaço Amostral: Diagramas de Venn e Árvores Considere um sistema de fornecimento de energia ininterrupta (UPS) em um data center. Este sistema é composto por duas matrizes principais para evitar quedas: painéis solares na rede principal ($FS$) e geradores a diesel auxiliares ($FD$). A engenharia de confiabilidade exige calcular a probabilidade de falhas conjuntas. Para isso, o primeiro passo nunca é calcular números, mas organizar as possibilidades de erro de maneira que não deixemos nenhum cenário de fora. Ao lidar com o espaço amostral ($\Omega$), a maneira mais segura de organizar a lógica é tratá-lo visualmente. Pense no espaço amostral como uma caixa contendo absolutamente todos os resultados possíveis do experimento. Desenhando formas dentro dessa caixa, conseguimos mapear onde cada cenário "mora". Para isso vamos iniciar com o Diagrama de Venn. Começaremos explicitando qual é o espaço amostral e quais são os eventos de interesse. O espaço amostral desse experimento é $\Omega = \{FSFD, FSFD^c, FSFD, FSFD^c\}$. Onde $FS$ representa a falha no sistema solar e $FD$ representa a falha no gerador a diesel e o resultado $FSFD$, por exemplo, representa a falha em ambos os sistemas, que também pode ser representado por $FS \cap FD$. ### O Diagrama de Venn Uma representação gráfica de eventos e manipulações de eventos é obtida pelo uso de diagramas de Venn. Para construir um desses diagramas, desenhe um retângulo cujo interior representará o espaço amostral $\Omega$. Então, qualquer evento $A$ é representado como o interior de uma curva fechada (normalmente um círculo, ou retângulo) contido em $\Omega$. A Figura @fig-venn-ups mostra um exemplo de diagrama de Venn. ![Espaço Amostral e Eventos, no contexto de falhas em um sistema UPS](../img/venn_ex2c_pp.png){#fig-venn-ups width=50%} Para analisar as falhas do sistema UPS, temos os 4 possíveis resultados: * $FSFD$: Falha no sistema solar e falha no gerador a diesel, **ambos falham simultaneamente**. * $FSFD^c$: Falha no sistema solar e não falha no gerador a diesel. * $FS^cFD$: Não falha no sistema solar e falha no gerador a diesel. * $FS^cFD^c$: Não falha no sistema solar e não falha no gerador a diesel, **nenhum dos sistemas falha**. O contorno dessas figuras geométricas tem um papel na teoria dos conjuntos: ele recorta o plano inteiro em subdivisões (frequentemente chamadas de partições ou partições disjuntas). Qualquer dia de operação cairá impreterivelmente em apenas um desses quatro resultados "espaços". O espaço amostral desse processo/experimento é $\Omega = \{FSFD, FSFD^c, FSFD, FSFD^c\}$. Note que $FSFD = FS \cap FD$, e assim por diante. Podemos nomear eventos de interesse, como por exemplo $A$ = "Falha no sistema solar" e $B$ = "Falha no gerador a diesel". Observe a @fig-venn-upsd abaixo. O retângulo que delimita a figura é a nossa "caixa" do espaço amostral ($\Omega$), contabilizando $1$, ou $100\%$ das observações. Dentro desse universo, o retangulo laranja, evento entitulado como $A$ agrupa todos os dias em que o sistema solar falhará, e o retangulo azul, evento entitulado como $B$ agrupa os dias em que o sistema solar não falhará. ![Espaço Amostral e Eventos, no contexto de falhas em um sistema UPS](../img/venn_ex2d_pp.png){#fig-venn-upsd width=50%} Uma outra forma de representar o mesmo espaço amostral e os seus resultados e eventos é apresentado na @fig-venn-ups-b. Note que o resultado é o mesmo, apenas a forma de representar é diferente. Em alguns casos ela pode ser mais intuitiva de entender. Para uma representação mais fidedigna ao espaço amostral, o diagrama de Venn deve ser desenhado de forma que os eventos sejam representados por áreas proporcionais à sua probabilidade. ![O mesmo espaço Amostral e Eventos, no contexto de falhas em um sistema UPS, representado de forma diferente.](../img/venn_ex2_pp.png){#fig-venn-ups-b width=50%} Outra forma de representar o mesmo espaço amostral e os seus eventos é utilizando um diagrama de árvore, como apresentado a seguir. ### O Diagrama de Árvore Em aplicações industriais práticas, o diagnóstico de equipamentos é usualmente serial (passo-a-passo). Primeiro inspecionamos a parte solar, e em seguida validamos o acionamento da retaguarda a diesel. Quando a análise pressupõe uma ordem lógica seqüencial, um diagrama de árvore funciona muito bem para quebrar o espaço amostral sem perder ou sobrepor vertentes. Ele simplesmente ramifica o possível resultado de cada teste, percorrido de forma sequencial: ```{mermaid} %%{init: { "themeVariables": { "edgeLabelBackground": "#c4c4c3ff", "edgeLabelColor": "#f3f0f0ff", "edgeLabelFontWeight": "600" }, "themeCSS": ".edgeLabel { opacity: 1 !important; } .label rect { opacity: 1 !important; fill-opacity: 1 !important; }" }}%% flowchart LR A["Início do Teste"] -- $$FS$$: Falha Solar --> C["C"] A L_A_B_0@-- $$FS^c$$: Não Falha Solar --> B["C"] B -- $$FD$$: Falha Diesel --> E["$$FS^c \cap FD$$: Apenas Diesel Falha"] B L_B_D_0@-- $$FD^c$$: Não Falha Diesel --> D["$$FS^c \cap FD^c$$: Operação Normal"] C -- $$FD$$: Falha Diesel --> G["$$FS \cap FD$$: Falha Total"] C -- $$FD^c$$: Não Falha Diesel --> F["$$FS \cap FD^c$$: Apenas Solar Falha"] C@{ shape: f-circ} B@{ shape: f-circ} style E fill:#fff3cd,stroke:#ffc107,stroke-width:2px,color:#856404 style D fill:#d4edda,stroke:#28a745,stroke-width:2px,color:#155724 style G fill:#f8d7da,stroke:#dc3545,stroke-width:2px,color:#721c24 style F fill:#fff3cd,stroke:#ffc107,stroke-width:2px,color:#856404 L_A_B_0@{ animation: slow } L_B_D_0@{ animation: slow } ``` No diagrama de árvore, temos os nós iniciais, intermediários e finais. Os nós iniciais são aqueles que não possuem nenhuma aresta apontando para eles. Os nós intermediários são aqueles que possuem arestas apontando para eles e também arestas apontando para fora deles. Os nós finais são aqueles que possuem arestas apontando para eles, mas nenhuma aresta apontando para fora deles. Os nós iniciais irão representar o evento $FS$ e $FS^c$. Os nós intermediários irão representar o evento $FD$ e $FD^c$. Os nós finais irão representar o conjunto de todos os possíveis resultados do experimento, ou seja, o espaço amostral ($\Omega$). A mesma árvore poderia ser desenhada, iniciando-se com os eventos $FD$ e $FD^c$, se fizesse sentido. Nesse caso, os nós iniciais iriam representar o evento $FD$ e $FD^c$. Os nós intermediários iriam representar o evento $FS$ e $FS^c$. Os nós finais irão representar o mesmo espaço amostral ($\Omega$). Como se pode perceber, os nós finais das árvores capturam as mesmas quatro partições desenhadas pelo diagrama de Venn, que são todos os resultados possíveis do experimento, o espaço amostral ($\Omega$). Se percorrermos o fluxo até a marcação superior em verde no final, teremos passado pelo evento complementar da falha no sistema solar $FS^c$, e depois do evento complementar de falhas do gerador diesel $FD^c$. ### Verificação computacional das regiões do espaço amostral A matemática garante que as quatro partições geradas limitam $\Omega$ de modo que as frequencias relativas sempre somem exatamente iguais a $1.0$. Suponhamos um diagnóstico onde falhas nos painéis solares se registrem na faixa dos $15\%$, enquanto anomalias no combustível afetem a partida em $5\%$. Em um simples modelo de falhas isoladas onde $FS$ e $FD$ operem independentemente, simular as falhas ao longo de 100 mil dias mapeia empiricamente a partição espacial. ::: {.callout-note appearance="simple"} ## Verificação em R ```{r} #| echo: true #| message: false #| warning: false #| results: hold # Simulação Monte Carlo garantindo a formação do Espaço Amostral set.seed(42) N <- 10^5 # Simulação empírica ao longo de 100.000 dias de registros funcionais # Amostras isoladas geradas analiticamente de FS e FD falha_S <- rbinom(N, size = 1, prob = 0.15) # gera valores 0 e 1 com prob de 0.15 falha_D <- rbinom(N, size = 1, prob = 0.05) # gera valores 0 e 1 com prob de 0.05 # Obtenção da frequência relativa das 4 partições conjuntas taxa_apenas_S <- sum(falha_S == 1 & falha_D == 0) / N taxa_apenas_D <- sum(falha_S == 0 & falha_D == 1) / N taxa_ambos <- sum(falha_S == 1 & falha_D == 1) / N taxa_nenhum <- sum(falha_S == 0 & falha_D == 0) / N cat(sprintf("1. Apenas Solar falhou (FS \U2229 FD^c): %.4f\n", taxa_apenas_S)) cat(sprintf("2. Apenas Diesel falhou (FS^c \U2229 FD): %.4f\n", taxa_apenas_D)) cat(sprintf("3. Falha total: Ambos falharam simultaneamente (FS \U2229 FD): %.4f\n", taxa_ambos)) cat(sprintf("4. Operação Normal: Ambos funcionaram (FS^c \U2229 FD^c): %.4f\n\n", taxa_nenhum)) taxa_total <- taxa_apenas_S + taxa_apenas_D + taxa_ambos + taxa_nenhum cat(sprintf("Somatório total da cobertura do cenário (\U03A9): %.2f\n", taxa_total)) ``` ::: A execução demonstra por amostragem o princípio regente dos diagramas: A união de resultados mutuamente exclusivos subdivididos compõe o espaço amostral $\Omega$ e as ocorrências totais devem agregar até 1. Para iniciarmos o estudo adicionando probabilidades ao nosso modelo, precisamos entender as definições de probabilidade e suas relações com o espaço amostral e os eventos.

1 O Modelo

1.1 O Problema

1.2 Modelo Matemático

1.2.1 Experimento Aleatório (\(\mathcal{E}\))

1.2.2 Espaço Amostral (\(\Omega\))

1.2.3 Eventos

1.3 Algumas relações sobre a teoria dos conjuntos

1.4 Visualizando o Espaço Amostral: Diagramas de Venn e Árvores

1.4.1 O Diagrama de Venn

1.4.2 O Diagrama de Árvore

1.4.3 Verificação computacional das regiões do espaço amostral