1

CENTRO FEDERAL DE EDUCAO TECNOLGICA DO PARAN

Depto. Acadmico de Eletrnica
Disciplina: Estatstica
Professor: Dyson Pereira Junior

Elementos da Teoria de Probabilidade

1. Introduo

Em geral, um experimento determinstico, ao ser observado e repetido sob um mesmo
conjunto especfico de condies conduz invariavelmente ao mesmo resultado. Existem experimentos
que apresentam um novo resultado a cada realizao, mesmo que sob condies idnticas. A
variabilidade no resultado destes experimentos estatsticos objeto de estudo da Teoria de
Probabilidade.

2. Conceitos Bsicos

2.1 Experimento Aleatrio

Um experimento dito aleatrio quando o seu resultado no for previsvel antes da sua
realizao, ou seja, um experimento cujos resultados esto sujeitos unicamente ao acaso.
Os seguintes traos so pertinentes a esta caracterizao de experimento aleatrio:
1) Cada experimento poder ser repetido indefinidamente sob condies inalteradas.
2) Embora o resultado preciso que no possa ser previsto, um conjunto que descreva todos os
resultados possveis para o experimento pode ser obtido.
3) Quando o experimento for executado repetidamente, os resultados individuais parecero ocorrer
de uma forma acidental. Contudo, quando o experimento for repetido por um grande nmero de
vezes, uma configurao definida ou regularidade surgir. esta regularidade que torna possvel
construir um modelo matemtico preciso atravs do qual se analisar o experimento.

Exemplos:
(1) No lanamento de um dado honesto, observe o nmero da face voltada para cima.
(2) No lanamento de uma moeda por quatro vezes, observe o nmero de caras obtido.
(3) Uma lmpada ao ser fabricada e ensaiada. Observe o seu tempo de vida.
(4) Observe o tempo de espera de uma determinada pessoa numa fila para atendimento.
(5) Peas so fabricadas at que 10 peas perfeitas sejam produzidas. O nmero total de peas
observado.

2.2 Espao Amostral (S)

Espao amostral o conjunto de todos os resultados possveis de um experimento
aleatrio. O espao amostral depende essencialmente do que se deseja observar no experimento
aleatrio. Por exemplo, podemos jogar duas moedas e observar o nmero de caras que ocorre ou
podemos observar a distncia entre elas na superfcie em que forem lanadas.

Exemplos:
Considere os experimentos aleatrios descritos no item anterior. Definiremos os espaos amostrais
para cada exemplo dado:

(1) S = {1, 2, 3, 4, 5, 6} Espao amostral enumervel finito (discreto)
(2) S = {0, 1, 2, 3, 4} Espao amostral enumervel finito (discreto)
(3) S = {t R| t 0} Espao amostral no enumervel infinito (contnuo)
(4) S = {10, 11, 12, 13,.} Espao amostral enumervel infinito (discreto)

2
2.3 Evento

qualquer subconjunto de um espao amostral. Dizemos que o evento E ocorre se
qualquer um dos resultados de E ocorre.

Exemplo 1:
Considere a jogada de um dado e observe o nmero da face voltada para cima.
O espao amostral : S = {1, 2, 3, 4, 5, 6}.
O evento nmero par o conjunto: A = {2, 4, 6}.
O evento nmero maior que 4 o conjunto: B = {5, 6}.
Ainda neste exemplo, se o dado ao ser lanado ocorrer a face nmero 5, ento podemos dizer que o
evento B ocorreu e que o evento A no ocorreu.

Exemplo 2:
Em uma linha de produo, peas so fabricadas em srie e o nmero de peas defeituosas
produzidas em um perodo de 24 horas observado. O espao amostral :
S = {0, 1, 2, 3, ...., N} onde N o nmero mximo de produo em 24 horas.
O evento todas as peas so perfeitas o conjunto: A = {0}.
Assim, se num determinado perodo de 24 horas observarmos que no ocorreram peas defeituosas,
podemos dizer que o evento A ocorreu.

2.3.1 Operaes com Eventos

Como o espao amostral S e qualquer evento de S so conjuntos, todas as operaes entre
conjuntos podem ser aqui aplicadas. Assim, A e B sendo dois eventos de S, ento:

a) Evento Unio: (A B)
A unio A e B, escrita como A B, o conjunto dos elementos que
pertencem a A ou B ou ambos.
U
A
O evento (A B) ocorre quando ocorrer o evento A ou o evento B
ou ambos os eventos A e B.
B



U
B
A
b) Evento Interseo: A B
A interseo entre A e B, escrita como A B, o conjunto de
elementos que pertencem a A e a B.
Se A B = , ento os dois conjuntos so chamados disjuntos ou
mutuamente exclusivos. Eles no tm nada em comum.
O evento A B ocorre quando ambos os eventos A e B ocorrem.


U
A
c) Evento complemento: A
O complemento de A escrito por A, o conjunto dos elementos
que no pertencem a A.
O evento A ocorre quando o evento A no ocorre.







3

B
U
A
d) Evento Diferena: A \ B
A diferena entre A e B, escrita como A \ B, o conjunto
consistindo de todos os elementos de A que no pertencem a B.
O evento A \ B ocorre quando ocorre o evento A, mas no ocorre o
evento B.



2.3.1.1 Teoremas de Conjunto

Operaes com conjuntos so semelhantes lgebra Booleana como apresentadas pelos
teoremas:
1. Leis idempotentes: A A = A A A = A
2. Leis comutativas: A B = B A A B = B A
3. Leis associativas: A (B C) = (A B) C) = A B C
A (B C) = (A B) C) = A B C
4. Leis distributivas: A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
5. Leis identidade: A = A A = A U = U A =
6. Leis de De Morgan: B A B A = e B A B A =
7. Leis complementares: U A A = = A A A A = = U U =
8. Para quaisquer conjuntos A e B: A = (A B) (A B )

2.3.1.2 Princpio da Dualidade

Quaisquer resultados envolvendo conjuntos so tambm verdadeiros se substituirmos
unies por intersees, intersees por unies, os conjuntos por seus complementos e invertermos os
smbolos de incluso e .

2.3.1.3 Exemplos

Sejam A, B, C eventos quaisquer de S. Usando as operaes de unio, interseo e
complemento, podemos descrever alguns eventos tais como:
(1) Ocorrncia de A e no ocorrncia de B e C: A B C
(2) Ocorrncia de pelo menos um dos eventos: A B C
(3) Ocorrncia de exatamente um destes eventos: (A B C) ( A B C) ( A B C)
(4) Ocorrncia de nenhum destes eventos: ( A B C)
(5) Ocorrncia de exatamente dois destes eventos: (A B C) (A B C) ( A B C)

2.3.2 Eventos Mutuamente Exclusivos


Dois eventos A e B so ditos mutuamente exclusivos
(mutuamente excludentes ou disjuntos) quando no puderem
ocorrer simultaneamente. Isto , se a interseo entre eles for o
conjunto vazio.




A
B
U
4
Exemplo 1:
Uma moeda honesta lanada e observa-se o resultado que ocorre. Chamamos de C: cara e K:
coroa. O espao amostral associado a este experimento : S = {C, K}.
Considere os eventos: A: ocorre cara e B: ocorre coroa.
Como em cada lanamento s ocorre cara ou s coroa, A B = , portanto, A e B so eventos
mutuamente exclusivos.

Exemplo 2:
Uma urna contm 4 bolas brancas, 6 bolas pretas e 5 bolas azuis. O experimento consiste em retirar
duas bolas com reposio da primeira e observar a cor delas. Considere os seguintes eventos:
A: A primeira bola retirada branca.
B: A segunda bola retirada preta.
Como A e B so dois eventos que podem ocorrer simultaneamente ( possvel a primeira bola ser
branca e a segunda ser preta), isto , A B , ento A e B no so eventos mutuamente
exclusivos.

3. Probabilidade

3.1 Enfoque Estatstico

Com a realizao de um experimento aleatrio n vezes, um certo nmero m de vezes
ocorrer o evento E; m a freqncia com que ocorre o evento E,
n
m
a freqncia relativa de E.
Chamamos de probabilidade do evento E, P(E), ao valor limite da freqncia relativa
n
m

para um nmero muito grande de realizaes do experimento ) ( n . Ou seja:
n
m
A P
n
lim
) (

=
Exemplo:
Considere o experimento aleatrio ao se lanar uma moeda honesta e observar o resultado que
ocorre. O espao amostral S = {C, K}.
Seja o evento E = {C}.
medida que forem realizados os lanamentos da moeda, notamos que a proporo (freqncia
relativa) de caras se aproxima de .

3.2 Enfoque Clssico

Seja um experimento aleatrio e S um espao amostral associado a . Suponha que S
seja finito e que todos os resultados de S sejam igualmente provveis. Considere um evento A de S,
isto , A S. Ento, se n
s
e n
a
so, respectivamente, o nmero de elementos de S e o nmero de
elementos de A, a probabilidade de ocorrncia do evento A, P(A), o nmero real definido por:
s
a
n
n
A P = ) (
Exemplo 1:
Qual a probabilidade de sair cara no lanamento de uma moeda?
O espao amostral S = {C, K}, n
s
= 2
Defina o evento A = {C}, n
a
= 1
Da: P(A) = n
a
/ n
s
=

Exemplo 2:
Qual a probabilidade de sair soma 5 no lanamento de dois dados honestos?

5
3.3 Enfoque Axiomtico

Seja um experimento aleatrio e S um espao amostral associado a . A cada evento A
de S associamos um nmero real P(A) denominado probabilidade de A, que obedece aos seguintes
axiomas:

Axioma 1: 0 P(A) 1, para todo A.
Axioma 2: P(S) = 1.
Axioma 3: Se A e B so eventos mutuamente exclusivos, ento P(A B) = P(A) + P(B).

Teorema 1: P() = 0.
Teorema 2: P(A) = 1 - P(A)
Teorema 3: Se A e B forem eventos quaisquer, ento: P(A B) = P(A) + P(B) - P(A B).
Teorema 4: Sejam A e B dois eventos quaisquer: se A B, ento P(A) P(B).

Exemplo 1:
No lanamento de um dado honesto, qual a probabilidade de que aparea a face 2 ou a face 5?
S = {1, 2, 3, 4, 5, 6}
P(1) = P(2) = = P(6) = 1/6. Os eventos face 2 e face 5 so mutuamente exclusivos. Portanto, pelo
Axioma 3: P(2 ou 5) = P(2 5) = P(2) + P(5) = 1/6 + 1/6 = 1/3.

Exemplo 2:
Sejam A e B dois eventos tais que P(A) = 0,4 e P(A B) = 0,7. Seja P(B) = p. Para que valor de p, A e
B sero mutuamente exclusivos?
Se A e B forem mutuamente exclusivos, ento:
P(A B) = P(A) + P(B) 0,7 = 0,4 + p da, p = 0,3

Exemplo 3:
Retira-se uma carta de um baralho comum de 52 cartas. Qual a probabilidade de que esta carta seja
um rei ou uma carta de ouros?
O espao amostral S o conjunto de todas as cartas: n
s
= 52.
Sejam os eventos: A: rei, n
a
= 4.
B: carta de ouros, n
b
= 13
O evento interseo de A com B A B: rei de ouros, A B = 1
Da, pelo Teorema 3: P(A B) = P(A) + P(B) P(A B)
4/52 +13/52 1/52 = 16/52

3.4 Probabilidade Condicional

O fato de conhecermos a ocorrncia de certo evento pode fazer com que se modifique a
probabilidade que atribumos a outro evento. Por exemplo, a probabilidade de tirar o nmero 2 no
lanamento de um dado reforada quando se sabe que o resultado um nmero par.
Assim, sendo A e B eventos, define-se a probabilidade condicional do evento A dado que B
ocorreu (ou probabilidade de A sabendo-se que B ocorreu) por P(A / B).

3.4.1 Teorema do Produto

Sejam dois eventos A e B, com P(A) > 0. A probabilidade de A e B ocorrerem
simultaneamente igual ao produto da probabilidade de um dos eventos pela probabilidade
condicionada do outro, isto :
P(A B) = P(A).P(B / A) P(A B) = P(B).P(A / B)
Da, temos:
) (
) (
) / (
B P
B A P
B A P

=
) (
) (
) / (
A P
B A P
A B P

=
6
3.5 Eventos Independentes

Se a ocorrncia do evento A no modificar a probabilidade de ocorrncia do evento B,
dizemos que A e B so eventos independentes.
Assim, se A e B so eventos independentes, P(A / B) = P(A) no teorema do produto temos:
P(A B) = P(A).P(B)
Reciprocamente, se P(A B) = P(A).P(B), A e B so ditos independentes.

Exemplo 1:
Lanando-se uma moeda honesta e um dado honesto, qual a probabilidade de sair cara na moeda e 5
no dado?

Exemplo 2:
Lana-se trs moedas honestas. Encontre a probabilidade p de ocorrer cara em todas elas, se ocorre
cara na primeira.

Exemplo 3:
Extraem-se aleatoriamente duas cartas de um baralho comum de 52 cartas. Determine a
probabilidade de serem ambas ases, considerando que a primeira carta:
a) recolocada antes da extrao da segunda carta;
b) No recolocada antes da extrao da segunda carta.

Exemplo 4:
Qual a probabilidade de aparecer 4 ao menos uma vez em duas jogadas de um dado honesto?

Exemplo 5:
Certo produto ao sair da linha de produo pode ter no mximo dois defeitos, A e B. Os defeitos
ocorrem independentemente um do outro com probabilidade 1/10, cada um. Se um produto extrado
ao acaso da linha de produo, qual a probabilidade de que:
a) Seja defeituoso;
b) Tenha defeito A, se for defeituoso;
c) Seja perfeito.

3.6 Diagrama de rvore

Se um resultado puder ser obtido de n
1
maneiras diferentes, e aps isto um segundo
resultado puder ser obtido de n
2
maneiras diferentes, . . . , e finalmente um k-simo resultado puder
ser obtido de n
k
maneiras diferentes, ento todos os k resultados (considerados independentes um do
outro) podem ser obtidos de n = n
1
.n
2
...n
k
maneiras diferentes.

Exemplo 1:
So dadas trs caixas, como segue:
A caixa 1 contm 10 lmpadas, das quais 4 so defeituosas;
A caixa 2 contm 6 lmpadas, das quais 1 defeituosa;
A caixa 3 contm 8 lmpadas, das quais 3 so defeituosas.
Seleciona-se uma caixa aleatoriamente e ento retirada uma lmpada, tambm, aleatoriamente.
Qual a probabilidade de que a lmpada seja defeituosa?

Exemplo 2:
Trs mquinas A
1
, A
2
, A
3
produzem respectivamente 50%, 30% e 20% do total de peas de uma
fbrica. As percentagens de produo defeituosa destas mquinas so de 3%, 4% e 5%. Se uma
pea for selecionada aleatoriamente, qual a probabilidade de que ela seja defeituosa?


7
3.7 Teorema de Bayes

Sejam A
1
, A
2
,..., A
n
eventos mutuamente exclusivos cuja unio o espao amostral S, onde
P(A
i
) 0, i = 1, 2, ..., n. Ento para qualquer evento B de S tal que P(B) 0, temos:

=
=
n
i i i
k k k
k
A B P A P
A B P A P
B P
B A P
B A P
1
) / ( ). (
) / ( ). (
) (
) (
) / (



Assim podemos encontrar as probabilidades dos
eventos A
1
, A
2
,..., A
n
, que podem causar a ocorrncia de A.
Neste caso podemos obter P(A / B) a partir de P(B / A), que em
geral no possvel.



U A
1
A
6
A
5
B
A
4
A
3
A
2
Para eventos mutuamente exclusivos - (A
i
A
j
) = quando i j):
B = (A
1
B) (A
2
B) .. (A
n
B)
P(B) = P(A
1
).P(B / A
1
) + P(A
2
).P(B / A
2
) + ... + P(A
n
).P(B / A
n
)

Exemplo 1:
No exemplo anterior, se a pea for defeituosa, a probabilidade de que ela tenha sido fabricada pela
mquina A
1
dada por:

Exemplo 2:
Suponha que tenhamos duas urnas 1 e 2, cada uma com duas gavetas. A urna 1 contm uma moeda
de ouro em uma gaveta e uma moeda de prata na outra gaveta. A urna 2 contm uma moeda de ouro
em cada gaveta. Uma urna escolhida ao acaso e a seguir uma de suas gavetas aberta ao acaso.
a) Qual a probabilidade de que a moeda seja de ouro?
b) Verifica-se que a moeda encontrada de ouro. Qual a probabilidade de que a moeda provenha da
urna 2?

Exemplo 3:
Se a tenso for baixa, a probabilidade de uma mquina produzir pea defeituosa de 0,6 e se a
tenso for normal, a probabilidade de 0,1. Em 20% da produo a tenso baixa. Qual a
probabilidade de que uma pea perfeita tenha sido produzida com tenso baixa?

Exerccios:
1) Uma caixa contm 25 bolas numeradas de 1 a 25. Extraindo-se uma bola ao acaso, qual a
probabilidade de que seu nmero seja:
a) Par;
b) mpar;
c) Par e maior que 10.

2) Um lote contm 10 peas, sendo 4 delas defeituosas. Trs peas extradas ao acaso,
simultaneamente (ou uma a uma sem reposio). Calcule a probabilidade de aceitao do lote, se o
lote s for aceito quando:
a) Nenhuma pea defeituosa obtida;
b) Exatamente uma pea defeituosa obtida;
c) No mximo uma pea defeituosa obtida.

3) Na tabela a seguir, x
i
o nmero de acidentes e f
i
o nmero de dias nos quais ocorrem x
i

acidentes. Estime a probabilidade de que em um dia qualquer, ocorra(m):
8

b) Exatamente dois acidentes;
x
i
0 1 2 3 4 5 6 7
f
i
52 21 10 8 4 2 2 1
c) Um acidente no mximo;
d) Pelo menos um acidente;
e) Mais de nove acidentes.

4) Uma montagem eletrnica constituda de 3 subsistemas, 1, 2 e 3. A montagem falha se pelo
menos um dos subsistemas falhar. De ensaios anteriores sabe-se que a probabilidade de qualquer
subsistema falhar de 0,1 e a probabilidade de que dois quaisquer subsistemas falhem
simultaneamente 0,01 e a probabilidade de que todos falhem simultaneamente 0,002. Calcule a
probabilidade de que a montagem venha a falhar.

5) Suponha que A, B e C sejam eventos tais que P(A) = P(B) = P(C) = 1/4, P(A B) = P(C B) =
P(A C) = 1/8. Calcule a probabilidade de que pelo menos um dos eventos A, B ou C ocorra.