PROBABILIDADE

Prof. Adriano Mendonça Souza, Dr.

Departamento de Estatística
- PPGEMQ / PPGEP - UFSM -

“O intelecto faz pouco na estrada que leva à

descoberta, acontece um salto na consciência, chame-
o de INTUIÇÃO ou do que quiser; e a solução lhe
ocorre, ê você não sabe como, nem por quê.”

Albert Einstein
O problema fundamental da probabilidade consiste em
atribuir um número a cada evento E, o qual avaliará as
chances de ocorrência de E.

Origem
Correspondência entre dois matemáticos franceses, Blaise
Pascal (1623-1662) e Pierre Fermat (1601-1665), em 1654,
a respeito de dois problemas formulados por um jogador
compulsivo, Chevalier de Méré.
Usos
 Previsão
da demanda; safras agrícolas; avaliação dos impactos dos
aumentos dos impostos sobre a inflação;

 Avaliar as chances de alunos serem aprovados;

 Médicos determinam se (e quando) determinado doente deveria estar

recuperado;

 Estabelecer as chances de determinada categoria entrar em greve;

O governo determine até quando será capaz de manter os preços

congelados ou tabelados;

 Avaliação de estratégias de ação;

 Experimento, espaço amostral e eventos
Experimento(E): É todo o fenômeno que acontece ou toda ação
que será feita.
Da análise dos experimentos verifica-se o seguinte:

 Cada experimento poderá ser repetido sob as mesmas

condições indefinidamente;

 O resultado particular de cada experimento aparecerá ao

acaso, mas pode-se descrever todas os possíveis resultados;

 Quando o experimento se repetir um grande número de

vezes aparece uma regularidade;
Espaço amostral (S): É o conjunto de todos os resultados
possíveis de um experimento (E);

E = jogar um dado e observar a face de cima

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

Cada resultado do espaço amostral

é considerado um ponto amostral.
Evento: É qualquer subconjunto do espaço amostral (S), é o
acontecimento ou realização do espaço amostral e deve ser
sempre representado por letras maiúsculas do alfabeto
(A,B,C,...).

E: lançar um dado e observar o número de pontos na face voltada

para cima.
S: { 1,2,3,4,5,6 } , espaço amostral finito.
A: ocorrer resultado maior do que 4 A: { 5,6 }
Tipos de eventos
Evento simples: É aquele formado por um único elemento do
espaço amostral.

No lançamento de uma moeda, temos 2 eventos simples:

E1= {k} E2 = {c}

Evento Composto: É aquele formado por dois ou mais

elementos do espaço o amostral.
No lançamento de um dado podemos considerar, entre outros,
os seguintes eventos:
E1 = {2, 4} E2 = {1, 3, 5} E3 = {2, 4, 6, 5}
Evento certo: É aquele que ocorre sempre, isto é, em todas as
realizações da experiência. O evento representado pelo
próprio conjunto que define o espaço amostral.

E = Lançamento de um dado
S = {1,2,3,4,5,6}

A = sair qualquer das faces de 1 a 6 no lançamento de um dado

A = S  P(A) = 1
Evento impossível: São os eventos que não possuem elementos
no espaço amostral, ou seja, nunca ocorrem.

A = Ocorrer o número 7 na face de um dado.

Este evento é impossível pois o número 7 não figura no
espaço amostral dos números possíveis na face de um dado,
logo evento A =  e P() = 0.

A probabilidade de ocorrer um evento impossível é sempre

nula, mas, sendo a probabilidade de ocorrer um evento igual
a zero, nem sempre o evento será impossível
Evento soma (ou união): É o evento que consiste na realização de
pelo menos um dos eventos.

E1 e E2  (E1 + E2) = (E1  E2)

Retirada uma carta de um baralho, quer-se que ocorra uma carta

de ouro ou uma carta de Ás. O evento soma é um evento
composto, e se constitui de elementos comuns aos dois eventos
e de elementos não comuns a ambos.
Evento Produto (ou intersecção): É o evento que consiste na
realização de ambos (um e outro) os eventos E1 e E2, isto é,
eles devem ocorrer simultaneamente .

(E1 . E2) = (E1  E2)

Na retirada de uma carta de um baralho, quer-se que ocorra uma

carta Ás de ouro.
Evento condicionado: É o evento que consiste na realização do
evento E1 sob a condições de ter-se realizado o evento E2, isto é,
com a informação adicional de que o evento E2 já ocorreu
(E1/E2). São aqueles em que o acontecimento de um está
condicionado ao acontecimento de outro (acontece um se o outro
já aconteceu).

 Retirar um Ás de um baralho completo e um REI sem

reposição. Neste caso não poderei retirar a carta REI se já
houve retirado do baralho a carta de ÁS.
Evento mutuamente exclusivos: Dois eventos E1 e E2 são
mutuamente exclusivos, se eles não puderem ocorrer
simultaneamente (é um ou o outro), ou seja a ocorrência de um
exclui a ocorrência do outro.

E1  E2 = ; logo P(E1  E2) = 0

E = jogar um dado e observar o resultado

S = {1,2,3,4,5,6}
Eventos:
A = Ocorrer o número par
B = Ocorrer o número ímpar
A = {2,4,6} e B = {1,3,5} logo A  B = 
Evento complementar: São os eventos que se completam em relação
ao espaço amostral. O evento complementar A, associado a uma
experiência aleatória e denotado por , só ocorre se A deixar de
ocorrer, isto é, é o evento formado por todos os elementos do
espaço amostral que não pertencem a A.
A e A ( é o complementar, lê-se não A)
A  A = S  P(A) = P(S) = 1

Seja S = {1, 2, 3, 4, 5, 6, 7}
A = números maiores ou igual a 4
A = números menores que 4
A = {4,5,6,7} e = {1,2,3}  A  A = S  P(S) = 1
Evento independente: São aqueles que podem ocorrer ao mesmo
tempo, acontece um e acontece o outro simultaneamente (um e
o outro), a ocorrência de um não depende da ocorrência do
outro
P(E1/E2) = P(E1) e P(E1/E2) = P(E2)
logo E1  E2  ; P(E1E2) = P(E1) . P(E2)

 Supomos que duas pessoas atiram numa caça; os eventos que

consistem em que cada uma das pessoas acerte são
independentes, pois o fato da primeira pessoa acertar em nada
influencia no fato da outra também acertar.
  representa a soma, sendo representado pelo sinal +,
ou pela palavra “ou”

  representa a multiplicação, sendo representado pelo sinal

“x”, ou pela palavra “e”

A  B  é o evento que ocorre se A ocorrer ou B ocorrer

ou ambos ocorrerem

A  B  É evento que ocorre se A e B ocorrerem;

A  É evento que ocorre se A não ocorrer

Nn  Fornece o número total de eventos do S

N  é o número de casos favoráveis
n  é o número de elementos
 Conceitos e definições de probabilidade

A probabilidade raciocina da população (supostamente

conhecida) para a amostra (desconhecida), enquanto que
a estatística atua de modo inverso

Quando as condições físicas (ambientais, trajetórias,

emoções) não são possíveis de serem mantidas teremos um
experimento aleatório.
 Espaços amostrais equiprovávies

A probabilidade que ocorra um evento é igual ao quociente

de um numero favorável de casos sobre o numero total de
casos possíveis do experimento, desde que as chances de
ocorrência de cada elemento do espaço amostral sejam iguais.
 Definição Freqüêncial
Definição Clássica
Definição Axiomática

O enfoque dado ao estudo das probabilidades depende da

área em que ele será aplicado. O estatístico puro prefere
tratar o assunto a partir do ponto de vista axiomático, no
qual algumas demonstrações são aceitas sem
demonstração.
Seja E um experimento e S um espaço amostral associado a
E. A cada evento A associamos um número real
representado por P(A) e denominado probabilidade de A,
que satisfaça aos seguintes axiomas:

A probabilidade P(E) é freqüentemente enunciado por:

número de casos favoráveis de E

P(E) 
número de casospossíveis

sendo válida para os espaços amostrais finitos, seguindo

os axiomas A1, A2, A3.
Axiomas

A1) 0  P(E)  1

A2) P(S) = 1

A3) P (E1  E2) = P(E1) + P(E2);

Se E1 e E2 forem eventos mutuamente excludentes
(A  B = )

P(E) = P(E1) + P(E2) +...+ P(En);

Se E1, E2 ,..., En, forem dois a dois eventos mutuamente
excludentes
 Exemplos

 Um dado é lançado e todos os eventos se supõem

igualmente prováveis. O evento A ocorre se, e somente se,
um número maior do que 4 apareça.

 Escolhendo-se uma carta ao acaso de um baralho de 52

cartas, qual a probabilidade de correr:
a) um Às ou um Rei.
b) Ouros ou Espadas.
c) carta vermelha ou preta
 Alguns teoremas fundamentais

T. 1) Se  é conjunto vazio, então P() = 0.

T. 2) Se é o complemento do evento A, P(A) = 1 - P( A).

T. 3)Se A  B, então P(A)  P(B).

T.4) Se A e B são dois eventos quaisquer, então:

P(A  B) = P(A) + P(B) - P(A  B)
Se A, B, C, forem eventos quaisquer então:
P(A  B  C) =
P(A) + P(B) + P(C) - P(A  B) - P(A  C) - P(B  C) + P(A  B  C)

Se A e B forem eventos independentes, teremos que:

P(A  B) = P(A) . P(B)

 De 15 fichas numeradas. Retirando-se uma ficha ao acaso, qual

a probabilidade de que seu número seja múltiplo de 2 ou 3.
 Retiradas com reposição

Retira-se o primeiro elemento examina-se, recoloca-se

na urna, retira-se o segundo elemento examina-se
e recoloca-se na urna e assim sucessivamente, desta maneira
o numero de elementos do espaço amostral será
conservado.

Retiradas sem reposição

Retira-se um elemento após o outro ou juntamente

da urna sem que este retorne a urna, ficando o
espaço amostral reduzido do numero de elementos
subtraídos dele.
 Probabilidade condicional e
independência de eventos
Dados dois eventos A e B, denotaremos P(A/B) a
probabilidade condicionada do evento A, quando B tiver
ocorrido, esta definição pode ser entendida a partir do
seguinte diagrama:

A partir da definição de probabilidade condicional, obtemos

a chamada regra do produto de probabilidades de larga
utilização

P( A  B)
PA/ B)  ; P(B)  0
P(B)

P(A B) = P(B) . P(A/B)

Dois eventos A e B são denominados independentes, se a ocorrência
de um deles não interfere na ocorrência do outro. Neste caso:

P(A B) = P(B) . P(A/ B) = P(A) . P(B/A) = P(A) . P(B)

É freqüente, aqui, adotar-mos P(A B) = P(AB)

Se El, E2, ... En, são eventos de um espaço amostral S,

então tais eventos são mutuamente independentes se:
P(E1  E2,  E3 ...  En) = P(E1 ) . P(E2 ) . P(E3 ) . … P(En )
 Teorema de Bayes

Sejam os eventos B1, B2 , B3 , ,Bn eventos mutuamente

exclusivos dos quais conhecemos as probabilidades P(Bi) e
sendo A um evento para o qual também conhecemos todas
as probabilidades P(A/Bi). então teremos:

 Bi  P ( Bi ) . P ( A / Bi )
P
A  n
 
 P ( Bi ) . P ( A / Bi )
i 1
 O denominador da fórmula de Bayes é conhecida
por probabilidade total do condicionate, ou seja:

P(A) = P(B1).P(A/B1) + P(B2).P(A/B2) + ... + P(Bi).P(A/Bi)

Essa fórmula pode ser utilizada para um número

qualquer de eventos, desde que estejam todos
condicionados a uma característica