PROBABILIDADE

Leandro S. A. Gonçalves
Teoria dos conjuntos:

Notação: letra maiúscula - conjunto.

letra minúscula – elemento do conjunto.

Exemplo: A = {a,b,c}

Relacionar elementos e conjuntos:

∈=" pertence" a∈ A
∉=" não..pertence" m ∉ A
Relacionar conjunto com conjunto:

⊂=" está contido"

⊃=" contém"
Operações entre conjuntos:
∪ = união
∩ = interseção
_
⊂ = A = complementar do conjunto A
U
A

Lei dos conjuntos:

A∪ B = B ∪ A
1) Lei cumulativa:
A∩ B = B ∩ A

A ∪ B ∪ C = ( A ∪ B) ∪ C = A ∪ ( B ∪ C )
2) Leis associativas:
A ∩ B ∩ C = ( A ∩ B) ∩ C = A ∩ ( B ∩ C )

A ∩ ( B ∪ C ) = ( A ∩ B) ∪ ( A ∩ C )
3) Leis distributivas:
A ∪ ( B ∩ C ) = ( A ∪ B) ∩ ( A ∪ C )
 A∪µ = µ
4) Lei da identidade: A ∪ φ = A
A∩µ = A
A ∩φ = φ
_______ __ __
5) Leis complementares ou leis de Morgan: A ∪ B = A∩ B
_______ __ __
A ∩ B = A∪ B

Diagrama de VENN – O retângulo funciona como o universo

A∩C = φ
B
C
A A e C são conjuntos disjuntos

μ
 _______ __ __
Mostrar que A ∪ B = A∩ B

Representar, em diagramas de VENN, as seguintes operações:

__
a)A ∩ B
_
b)B ∩ A
c)A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
d)A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
e)A ∩ B ∩ C
1 - Introdução

A teoria das probabilidades, surgiu nos séculos XV e XVI, relacionadas com jogos
de azar.

Com o advento da teoria das probabilidades, foi possível estabelecer as

distribuições de probabilidade, consideradas hoje a espinha dorsal da teoria
estatística, pois todos os processos inferências são aplicações de distribuição de
probabilidade.

Assim, o conhecimento dos conceitos advindo da teoria das probabilidades é de

grande importância para uma correta utilização da técnica estatística.
Espaço Amostral

É o universo de todos os possíveis resultados do experimento. É

representado pela letra S.

Lançamento de um dado
S={1,2,3,4,5,6}
Lançamento de uma moeda
S={cara,coroa}

Os elementos do espaço amostral S são chamados de pontos

amostrais

Eventos

São subconjuntos do espaço amostral S. Um espaço amostral S possui

vários eventos.

Ex: lançamento de um dado

S={1,2,3,4,5,6}
Sejam os eventos

A: Ocorrência de números impares:

A = {1,3,5}⇒ A ⊂ S ⇒ A é um evento.

B: Ocorrência de números pares:

__
B = {2,4,6} ⇒ B = A ⇒ B ⊂ S ⇒ B é um evento.

Eventos Mutuamente exclusivos

Dois eventos A e B são ditos mutuamente exclusivos se os conjuntos A e B

são disjuntos.

A ∩ B = φ ⇒ Os conjuntos são disjuntos e os eventos mutualmente exclusivos.

 Probabilidade de um evento A: P(A)

nº de elementos do evento A
P(A) =
nº de elementos do espaço amostral S

nº (A)
P(A) = ⇒ 0 ≤ P(A) ≤ 1
nº (S)

Exemplo: Dado o experimento E: lançamento de dois dados

(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)

(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
S=  = 36 pontos amostrais
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
 
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
Sejam os eventos

A – Ocorrer nº impar no 1º dado B – Ocorrer soma dez

18 1
P(A) = = B = {(4,6),(5,5),(6,4)}
36 2
3 1
P(A) = =
36 12
TEOREMAS

1. Se Φ representa o conjunto vazio, então P(Φ)=0

A = A ∪φ Ex: Lançamento de um dado

P(A) = P(A ∪ φ )
P(A) = P(A) + P(φ ) S = {1,2,3,4,5,6}
P(φ ) = P(A) - P(A) = 0 A = {sair a face 8}

0
P(A) = =0
6
 _ _ _
2. Se A for o evento complementar de A, então P( A ) = 1 - P(A) ou P(A) = 1 - P( A)

A
_
A

3. Se A ⊂ B, então P(A) ≤ P(B)

A B
4. Teorema da soma: Se A e B são dois eventos quaisquer, então:

P(A ∪ B) = P(A) + P(B) - P(A ∩ B)

Exemplo: Uma urna contém 15 bolas enumeradas de 1 a 15. Sendo A e B os

eventos retirar uma bola múltipla de 3 e 4, respectivamente, pede-se:

P(A ∪ B) =
S={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}
A={3,6,9,12,15} P(A)=5/15
B{4,8,12} P(B)=3/15
A ∩ B = {12} = P ( A ∩ B ) = 1 / 15
P(A ∪ B) = P(A) + P(B) - P(A ∩ B)
P(A ∪ B) = 5/15 + 3/15 - 1/15 = 7/15
 Se A, B, C forem três 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)

ESPAÇOS AMOSTRAIS FINITOS EQUIPROVÁVEIS

Quando se associa a cada ponto amostral a mesma probabilidade, o espaço

amostral chama-se equiprovável ou uniforme. Em particular, se S contém n
pontos, então, a probabilidade de cada ponto será 1/n.

Por outro lado, se um evento A contém t pontos, então:

1 r
P(A) = r.  =
n n

nº de vezes em que o evento A pode ocorrer

P(A) =
nº de vezes em que o espaço amostral S ocorre
Combinação de r elementos tomados (combinados) p a p (p ≤ r). Calcula-se por:

r r!
Cr, p =   =
 n  p!( r − p)!

Exemplo: Quantas comissões de três pessoas podem-se formar um grupo

de dez pessoas.

Exemplo: Num lote de 12 peças, 4 são defeituosas, duas peças são

retiradas aleatoriamente. Calcule:
a) A probabilidade de ambas serem defeituosas?
b) A probabilidade de ambas não serem defeituosas?
c) A probabilidade de ao menos uma ser defeituosas?
Exemplo – Um lote é formado por 10 peças boas, 4 com defeitos e duas com
defeitos graves. Uma peça é escolhida ao acaso. Calcule a probabilidade de
que:
a) Ela não tenha defeitos graves?
b) Ela não tenha defeitos?
c) Ela ou seja boa ou tenha defeitos graves?

Exemplo – Considere o mesmo lote do problema anterior. Retiram-se 2 peças ao

acaso. Qual a probabilidade de que:
a) Ambas sejam perfeitas?
b) Pelo menos uma seja perfeita ?
c) Nenhuma tenha defeito grave ?
d) Nenhuma seja perfeita ?
PROBABILIDADE CONDICIONAL

Seja E um experimento. Sejam A e B dois eventos associados ao

experimento. A probabilidade de A ocorrer dado que B já tenha ocorrido é
chamado probabilidade condicional de A dado B, e é definida por:

P(A ∩ B)
P(A/B) = ; P(B) > 0
P(B)

Existem duas condicionais:

P(A ∩ B)
P(A/B) = ;
P(B)
P(A ∩ B)
P(B/A) = ;
P(A)
Exemplos:

1) Um comerciante possui um lote de 100 lâmpadas, dos quais 80 são da marca

A e as restantes da marca B. Sabendo-se que das lâmpadas marca A 30
apresentam defeitos e somente uma da marca B apresenta defeito. Pergunta-
se: Se o comerciante pega ao acaso uma lâmpada.
b) Qual a probabilidade dela ser da marca A dado que sabemos ser defeituosa?
c) Qual a probabilidade de ser defeituosa dado ser ela marca B?
d) Se a lâmpada é da marca A, qual a probabilidade de não ser defeituosa.

Marca A Marca B Total

Defeituosa 30 1 31

Perfeita 50 19 69

80 20 100
2 – Uma urna contém 20 bolas das quais 9 são brancas, 5 azuis e 6 vermelhas.
Duas bolas são retiradas sucessivamente da urna sem reposição. Determinar as
seguintes probabilidades:
a) Da 2º bola extraída ser vermelha, se a 1º foi vermelha?
b) De extrairmos bolas de cores diferentes?
c) De extrairmos bolas de cores iguais?
3 – Em um colégio, 25% dos estudantes foram reprovados em matemática, 15% em
química e 10% em matemática e química ao mesmo tempo. Um estudante é
selecionado aleatoriamente. Pergunta-se:
a) Se ele foi reprovado em química, qual a probabilidade de ter sido reprovado em
matemática?
b) Se ele foi reprovado em matemática, qual a probabilidade de ter sido reprovado
em química?
c) Qual a probabilidade de ter sido reprovado em química ou matemática?
d) Qual a probabilidade de não ter sido reprovado em nenhuma delas?
e) Qual a probabilidade de ter sido reprovado somente em matemática?
f) Qual a probabilidade de ter sido reprovado somente em química?
TEOREMA DO PRODUTO

“ A probabilidade da ocorrência simultânea de dois eventos, A e B, do mesmo

espaço-amostra, é igual ao produto da probabilidade de um deles pela
probabilidade condicional do outro, dado o primeiro.

Assim: P(A ∩ B)
P(A/B) = ⇒ P(A ∩ B) = P(B)(A/B)
P(B)

P(A ∩ B)
P(B/A) = ⇒ P(A ∩ B) = P(A)(B/A)
P(A)

EXEMPLO
Em um lote de 12 peças, 4 são defeituosas, 2 peças são retiradas uma após
a outra sem reposição. Qual a probabilidade de que ambas sejam boas?
INDEPENDÊNCIA ESTATÍSITCA

Um evento A é considerado independente de um outro evento B se a

probabilidade de A é igual à probabilidade condicional de A dado B, isto é, se:

P(A) = P(A/B)
É evidente que, se A é independente de B, B é independente de A; assim:

P(B) = P(B/A)

Considerando o teorema do produto, pode-se afirmar que: se A e B são

independentes, então:

P(A ∩ B) = P(A).P(B)
EXEMPLO
Em uma caixa temos 10 peças, das quais 4 são defeituosas. São retiradas
duas peças, uma após a outra, com reposição. Calcular a probabilidade de
ambas serem boas.

EXEMPLO
Uma urna contém cinco bolas pretas, três vermelhas e duas brancas. Foram
extraídas 3 bolas com reposição. Qual a probabilidade de terem sido duas
bolas pretas e uma vermelha?
 TEOREMA DE BAYES

Seja A 1 , A 2 , A 3 , ...., A n , n eventos mutualmente exclusivos tais que A 1 ∪ A 2 ∪ A n = S.

Sejam P(A i ) as probabilidades conhecidas dos vários eventos, e B um evento qualquer de
S tal que são conhecidas todas as probabilidades condicionais P(B/A).

Então, para cada " i" , tem - se :

P(A i ).P(B/A i )
P(A i / B) =
P(A 1 ).P(B/A 1 ) + P(A 2 ).P(B/A 2 ) + ...... + P(A n ).P(B/A n )
EXEMPLO
Admita a seguinte configuração:

Urnas u1 u2 u3
Cores
Pretas 3 4 2
Brancas 1 3 3
Vermelhas 5 2 3

Escolheu-se uma urna ao acaso e dela extraiu-se uma bola ao acaso,

verificando-se que a bola é branca. Qual a probabilidade da bola ter vindo da
urna 2? da 3?
EXEMPLO
As probabilidades de 3 jogadores marcarem um penalty são respectivamente
2/3; 4/5 e 7/10
Se cada um “cobrar” uma única vez, qual a probabilidade de:

a)Todos acertarem?
b)Apenas um acertar?
c)Todos errarem?

EXEMPLO
Numa bolsa temos cinco moedas de R$ 1,00 e 4 de R$ 0,50. Qual a
probabilidade de, ao retiramos duas moedas, obtermos R$ 1,50?