Você está na página 1de 11

Nota de aula 1 Probabilidade Professor: Kleison Freitas

Nota de Aula 1 Probabilidade


1. A ORIGEM DA PROBABILIDADE As origens da matemtica da probabilidade remontam ao sculo XVI. As aplicaes iniciais referiam-se quase todas jogos de azar, ou seja, jogos nos quais a possibilidade de ganhar ou perder no dependem da habilidade do jogador, mas sim exclusivamente do azar do apostador. Os jogadores ricos aplicavam o conhecimento da teoria das probabilidades para planejar estratgias de apostas. Mesmo hoje ainda h muitas aplicaes que envolvem jogos de azar, tais como os diversos tipos de loterias, os cassinos de jogos, as corridas de cavalos e os esportes organizados. Todavia, a utilizao das probabilidades ultrapassou e muitos profissionais incorporam a teoria das probabilidades em seus processos dirios de deliberaes. Independente de qual seja a aplicao em particular, a utilizao das probabilidades indica que existe um elemento de acaso, ou de incerteza, quanto ocorrncia ou no de um evento futuro. Assim que, em muitos casos, pode ser virtualmente impossvel afirmar por antecipao o que ocorrer, mas possvel dizer o que pode ocorrer. Por exemplo, se jogarmos uma moeda para o ar, de modo geral no podemos afirmar se vai dar cara ou coroa. Alm disso, mediante determinada combinao de julgamento, experincia e dados histricos, em geral possvel dizer quo provvel a ocorrncia de determinado evento futuro. H numerosos exemplos de tais situaes no campo dos negcios e do governo. A previso da procura de um produto novo, o clculo dos custos de produo, a compra de aplices de seguro, a contratao de um novo empregado, o preparo de um oramento, a avaliao da reao de governos estrangeiros a uma mudana em nossa poltica de defesa e a avaliao do impacto de uma reduo de impostos sobre a inflao. Tudo isso contm algum elemento de acaso. As probabilidades so teis porque auxiliam a desenvolver estratgias e faz com que o mtodo da inferncia estatstica se baseia na teoria da probabilidade para formular concluses sobre toda uma populao (N) baseada em uma amostra (n). Assim que alguns motoristas parecem demonstrar uma tendncia para correr a grande velocidade se acham que h pouco risco de ser apanhados ou de correr acidentes fatais. Os investidores sentem-se mais inclinados a aplicar seu dinheiro se as chances de lucro so boas, e voc certamente carregar capa ou guarda-chuva se houver grande probabilidade de chover. Analogamente, uma empresa pode sentir-se inclinada a negociar seriamente com um sindicato quando h forte ameaa de greve; mais inclinada a investir em novo equipamento se h boa chance de recuperar o dinheiro, ou a contratar um novo funcionrio que parea promissor, dentre outros. Ao longo dos anos, os clculos probabilsticos vieram se aperfeioando, passando da simples anlise de fatos concretos abstrao destes, sendo hoje utilizado para clculos como os realizados pelos apostadores aos chamados jogos de azar, como por exemplo a Mega-Sena (a maior loteria do Brasil), onde so apostados de seis a quinze nmeros, entre os 60 disponveis no volante (01 a 60, inclusive respectivamente). Os apostadores podem apostar de seis a quinze nmeros do total de 60. Marcando 4, 5 ou 6 pontos (quadra, quina ou sena, respectivamente) recebero prmios. O preo das apostas escala dependendo de quantos grupos possveis de seis nmeros existem dentro dos nmeros escolhidos, variam de R$ 2,00 para seis nmeros (somente 1 jogo possvel) a R$ 8.758,75 para 15 nmeros (5005 jogos possveis). A possibilidade de acertar a sena ao fazer uma aposta mnima de 1 em 50.063.860 (aproximadamente 50 milhes). O clculo feito da seguinte forma: n = Total de nmero a escolher (n = 60) X = Ganhar na mega sena, ou seja, quantidade de nmeros a acertar dentre os 60 nmeros (x = 6 nmeros), ento: Como a ordem de escolha dos nmeros no importa, ento usa-se a seguinte frmula de combinao: n 60 60! 60! x = 6 = 6!(60 6)! = 6!54! = 50.063.860 , ento:

Nota de aula 1 Probabilidade Professor: Kleison Freitas

1 = 0,00000002 = 0,000002% 50.063.860 De acordo com Damy e Doneivan Ferreira, do Portal Gospel do Brasil, a arrecadao total das loterias, em 1996, no pas, ultrapassou a casa dos U$1.6 bilhes. O valor em prmios distribudos foi, aproximadamente, U$552 milhes. Verificando-se um lucro para o governo em cerca de U$1.048 bilhes. Sendo que grande parte dos apostadores so provenientes da classe baixa. A mega-sena no simplesmente uma vantagem para o povo concedida pelo governo. Como a grande maioria dos apostadores so pertencentes classe baixa, os mesmos gastam na loteria aproximadamente o mesmo que pessoas de classe mdia, mas por terem menos dinheiro, o maior percentual de seus ganhos dos que apostam na sorte se destinam a esse fim. Isso faz desta uma forma de atividade regressiva, ou seja, empobrece mais quem j tido como pobre. Como os jogos so promovidos pelo prprio Governo Federal, e tantos recursos acabam indo para a mesma instituio que a promove (o governo), no de se admirar que haja tanto incentivo para que se jogue mais e mais. 54% da renda da loteria vo para diversos programas sociais, de acordo o site da Caixa Econmica Federal (2010).

P (ganhar na mega-sena) =

Sempre acerto 11 pontos e ganho 2 reais na LOTOFACIL, s uma vez que acertei 13 pontos e ganhei 10 reais. No total ja ganhei 32 reais mas a descontei 12 reais das apostas, sobrou 20 reais, s que a fui descontar os outros jogos que eu no acertei e vi que fiquei 17 reais mais pobre... (depoimento annimo de um jogador)

2. CONCEITOS INICIAIS: Experimentos (1) aleatrios: So aqueles que no so previsveis, mesmo que repetido em idnticas condies, geram resultados diferentes, pois ocorrem ao acaso. Ex1: Lanamento de uma moeda honesta Ex2: Lanamento de um dado no viciado Ex3: Sorteio de uma bolinha no bingo Ex4: Determinao da vida til de um aparelho eletrnico Espao amostral (): o conjunto de todos os resultados possveis de um experimento aleatrio, ou seja, o conjunto-universo do experimento. Ex: Seja o experimento Lanar uma moeda honesta. Os resultados possveis so: = {C, K}, onde C= Cara e K = Coroa Evento (E): o subconjunto do espao amostral que contm os resultados que nos interessam. Ex: Lanam-se uma moeda e um dado. Enumere o seguinte evento: E1= Sair cara e face par Evento certo: o evento que ocorre com certeza ( o prprio espao amostral). Ex: Sair face menor que 7 no lanamento de um dado. Evento impossvel: o evento que nunca ocorre (). Ex: Obter soma maior que 12 no lanamento de dois dados.

(1)

Experimento qualquer processo que permite ao pesquisador fazer observaes.

Nota de aula 1 Probabilidade Professor: Kleison Freitas

Operaes com eventos aleatrios: a) Unio: Sejam os eventos A e B, a unio do evento A ao evento B entendido por A B. Ex: Seja o experimento: Lanar um dado honesto. Ento, = {1, 2, 3, 4, 5, 6}, sejam os eventos: E1: Ocorrer face par E2: Ocorrer nmero menor que 3 Ento, E1 E2 = Representao esquemtica pelo diagrama de Venn:
E1

E2

b) Interseo: O evento interseo formado pelos pontos amostrais que pertencem simultaneamente aos eventos A e B, sendo representado por A B. Ex: Seja o experimento Lanar um dado honesto. Ento, = {1, 2, 3, 4, 5, 6}, sejam os eventos: E1: Ocorrer face par Ou E2: Ocorrer um nmero primo Ento, E1 E2 = Representando pelo diagrama de Venn:
E1

E2

Eventos mutuamente exclusivos: So eventos que no ocorrem simultaneamente, ou seja, A B = , pois a ocorrncia de um deles anula a ocorrncia do outro. Ex: Seja o experimento Lanar um dado honesto. Ento, = {1, 2, 3, 4, 5, 6}, sejam os eventos: E1: Ocorrer face par E2: Ocorrer face mpar Ento, E1 E2 = Eventos complementares ( E ) : O complemento de um evento E, denotado por E , consiste em todos os resultados em que o evento E no ocorre, ou seja, o acontecimento complementar de E. Eventos complementares so eventos mutuamente exclusivo. E E = (mutuamente exclusivo) E E = E + E = E = - E Dizemos que E e E so complementares se sua unio o espao amostral e sua interseo vazia. Ex1: Cara ou coroa na jogada de uma moeda Ex2: Feridos e no feridos num acidente Ex3: Seja o experimento: Resultado final de uma disciplina: Aprovado ou no aprovado
3

Nota de aula 1 Probabilidade Professor: Kleison Freitas

2.1. Probabilidade: a possibilidade de que certo evento venha ocorrer. De acordo a Lei de Laplace: Seja um espao amostral equiprovvel (quando todos tem a mesma probabilidade de ocorrer), de um experimento aleatrio, e E, um evento desse espao amostral finito*, definido por: Nmero de elementos de E P(E) = , assim: Nmero de elementos do
P( E ) = n( E ) n ()

Propriedades: a) A probabilidade de um evento certo igual a 1, isto , P() = 1 b) O P(E) 1: A probabilidade de um evento ocorrer sempre maior ou igual a zero e menor ou igual a 1. c) P( A ) = 1 P(A) P(A ) + P( A ) = 1 = P() d) P() = 0

Ex1: Em um teste com 3 questes do tipo verdadeiro e falso, um estudante que no est preparado deve responder cada uma aleatoriamente (chutando). Portanto: a) Relacione os diferentes resultados possveis:
Soluo:

b) Qual a probabilidade de responder corretamente todas as trs questes?


Soluo:

c) Qual a probabilidade de passar no teste chutando corretamente pelo menos 2 questes?


Soluo:

Nota de aula 1 Probabilidade Professor: Kleison Freitas

Ex2: Uma pessoa vai ler uma frase de uma pgina ao acaso de um livro de 240 pginas, numeradas de 1 a 240. Qual a probabilidade de ser escolhida uma pgina com nmero compreendido entre 80 e 120, excluindo estes dois?
Soluo:

Teorema da soma: O principal objetivo da regra da adio encontrar a probabilidade de ocorrncia do evento A, ou do evento B, ou de ambos, ou pelo menos um deles. Assim: P (A B) = P (A) + P (B) P (A B) Ou P(A B) = P(A B) + P( A B) + P(A B) Representando pelo diagrama de Venn:

P (A e B) = P (A B)

Se os eventos forem mutuamente exclusivos, ou seja, no ocorrem simultaneamente, isto , A B = , ento P (A B) = 0, assim: P (A B) = P (A) + P (B) Quando as probabilidades de eventos mutuamente exclusivos somam 1, diz-se que os eventos so coletivamente exaustivos, nesse caso no existem outros resultados possveis. P(A B) = Probabilidade de no ocorrer A e B, ou seja, no ocorre a interseo.
P(A B) = Probabilidade de no ocorrer A e no ocorrer B, ou seja, no ocorre cada um separadamente, assim: P(A B) =1- P(A B) P( A B) = P( A ) + P( B) P( A B) = 1 P(A B) = P(A B) = A probabilidade de no ocorrer A ou no ocorrer B igual a probabilidade de no ocorrer A e B. Sejam A, B e C trs eventos. Ento: P (A B C) = P (A) + P (B) + P (C) P (A B) P (A C) P (B C) + P (A B C)
5

Nota de aula 1 Probabilidade Professor: Kleison Freitas

Ex1: Considere um experimento aleatrio e os eventos A e B associados, tais que 1 1 1 P (A) = , P (B) = e P (A B) = . Ento temos: 2 3 4 a) P(A )
b) P(A B) c) P(A B)

d) P(A B)

e) P(A B)

f) P(A B)

Ex2: Quando Maria pra em um posto de gasolina, a probabilidade de ela pedir para verificar o nvel de leo 0,28; a probabilidade de ela pedir para verificar a presso dos pneus 0,11 e a probabilidade de ela pedir para verificar ambos, leo e pneus 0,04. Portanto, a probabilidade de Maria parar em um posto de gasolina e no pedir nem para verificar o nvel de leo e nem para verificar a presso dos pneus igual a:
Soluo:

Teorema da multiplicao: A regra da multiplicao calcula a probabilidade de o evento A ocorrer e a ocorrncia do evento B, ou seja, P(A e B). P (A e B) = P (A). P (B), se A e B so independentes P (A e B) = P (A). P (B/A), se A e B so dependentes Eventos independentes: Dois eventos A e B so independentes se a ocorrncia de um deles no afeta a probabilidade de ocorrncia do outro, caso contrrio, so dependentes. Ento: P (A B) = P (A). P (B), se A e B so independentes P (A B) = P (A). P (B/A), se A e B so dependentes A regra da multiplicao extremamente importante em virtude de suas inmeras aplicaes. Exemplo de dependncia: O lanamento de uma moeda e um dado, so eventos independentes, porque o resultado da moeda no afeta a probabilidade do resultado do dado. Por outro lado, os eventos conseguir dar partida no carro e chegar aula no horrio so dependentes, por que o resultado da operao de dar partida no carro influi na probabilidade de chegar aula no horrio. E outra, assistir as aulas de estatstica depende para passar na disciplina de estatstica.
6

Nota de aula 1 Probabilidade Professor: Kleison Freitas

Um exemplo de independncia: A confiabilidade de um sistema areo: Os avies tm dois sistemas eltricos independentes e dois rdios. Um avio deve levar dois transceptores de radar, porque se um nico falhar o avio se torna invisvel na tela do radar. Se a probabilidade de um desses componentes falhar de 0,001, ou seja, 1/1000 (um para cada mil), a probabilidade de dois falharem simultaneamente de apenas 0,001, ou seja, 1/1.000.000 (um para cada um milho). Ex: Em uma caixa existem 5 bolas brancas e 8 bolas azuis. Duas bolas so retiradas uma aps a outra da caixa, aleatoriamente e sem reposio. Determine: a) A probabilidade de serem brancas:
Soluo:

b) A probabilidade de uma ser branca e outra azul, em qualquer ordem:


Soluo:

Probabilidade condicional: Se A e B so eventos associados a um espao amostral , com P (B) 0, ento a probabilidade de ocorrncia do evento A condicionada ocorrncia do evento B, denotada por P (A/B) e definida pela relao: P(A B) , onde P (B) > 0 P(A / B) = P(B)
n (A B) n ( ) Nesse caso, P(A / B) = n (B) n ( )

Se A e B forem independentes:
7

Nota de aula 1 Probabilidade Professor: Kleison Freitas

P(A).P(B) = P(A) , analogamente P(B/A) = P(B), ou seja, a regra da probabilidade condicional P(B) no se aplica. P(A / B) = Ex1: Um nmero sorteado ao acaso entre os inteiros: 1, 2, ... , 15. Se o nmero sorteado for par, qual a probabilidade de que seja o nmero 6?
Soluo:

Ex2: Sejam os dados que representa a relao existente entre criminoso e vtima: Tipo de crime Homicdio Furto Assalto 12 379 727 Estranho 39 106 642 Conhecido ou Parente 18 20 57 No informado 69 505 1.426 Total Criminoso Total 1.118 787 95 2.000

Portanto: a) Se uma pessoa selecionada aleatoriamente, qual a probabilidade dela ter sido vtima de um furto, dado que ela foi vtima de um estranho?
Soluo:

b) Escolhida uma vtima de furto, qual a probabilidade de o criminoso ser um estranho?


Soluo:

c) Escolhida uma vtima de assalto, qual a probabilidade de o criminoso ser um conhecido ou parente?
Soluo:

Nota de aula 1 Probabilidade Professor: Kleison Freitas

Ex3: Carlos diariamente almoa um prato de sopa no mesmo restaurante. A sopa feita de forma aleatria por um dos dois cozinheiros que l trabalham: 40% das vezes a sopa feita por Joo e 60% das vezes por Maria. Joo salga demais a sopa 10% das vezes e Maria 20% das vezes. Como de costume, um dia qualquer Carlos pede a sopa e, ao experimentar, verifica-se que est salgada demais. A probabilidade de que essa sopa tenha sido feita por Joo igual a?
Soluo:

Teorema da probabilidade total: Sejam A1, A2,..., An, eventos independentes que formam uma partio do espao amostral. Ento P(A1) P(A2) ... P(An) =
n

C P( A )
n i =1

Seja B um evento desse espao. Ento:


P ( B ) = P ( Ai ).P ( B / Ai )
i =1 n

A1

A3 B

A2 A4 O evento B ocorre como segue: B = (A1 B) (A2 B) (A3 B) ... (An B) P (B) = P (A1 B) (A2 B) (A3 B) ... (An B) E usando o teorema da multiplicao vem: P (B) = P (A1). P (B/A1) + P (A2). P (B/A2) +...+ P (An). P (B/An) Ou P ( B ) = P ( Ai ).P ( B / Ai )
i =1 n

An

Nota de aula 1 Probabilidade Professor: Kleison Freitas

Ex: Uma urna contm 3 bolas brancas e 2 amarelas. Uma segunda urna contm 4 bolas brancas e 2 amarelas. Escolhe-se, ao acaso, uma urna e dela retira-se, tambm ao acaso, uma bola. Qual a probabilidade de que seja branca?
Soluo:

Teorema de Bayes: Sejam A1, A2,..., An, n eventos que formam a partio de . Seja P (Ai) as probabilidades conhecidas dos vrios eventos e B um evento qualquer de tal que so conhecidas todas as probabilidades condicionais P (B/Ai). Ento, para j tem-se: P( A j ).P( B / A j ) j = fixo P( A j / B) = n i = varia P( Ai ).P( B / Ai )
i =1

A diferena entre o teorema de Bayes e da probabilidade condicional, que: O teorema de Bayes trabalha come eventos a priori (j ocorreu) e a condicional s trabalha com o evento condicional. Partio de um conjunto amostral: A3 A
1

A2 A4 Ento:

An

P ( A j / B) =

P( A j B) P( B)

10

Nota de aula 1 Probabilidade Professor: Kleison Freitas

= =

P( A j ).P( B / A j ) P( A1 B) + ... + P( An B) P( A j ).P( B / A j )

P( A1 ).P( B / A1 ) + P( A2 ).P( B / A2 ) + ... + P( An ).P ( B / An ) Ento: P( A j ).P( B / A j ) P( A j / B) = n P( Ai ).P( B / Ai )


i =1

Ex1: Suponha
Bolas Urnas

Pretas Brancas Vermelhas Total

U1 U2 U3 Total 3 4 2 9 1 3 3 7 5 2 3 10 9 9 8 26

Escolhe-se aleatoriamente uma urna e dela extramos uma bola ao acaso, verificando-se que a bola branca. Qual a probabilidade da bola ser da urna 2?
Soluo:

11