Você está na página 1de 16

Universidade Federal da Bahia

Instituto de Matemtica
Departamento de Estatstica









NOTAS DE AULA


MAT194 - ESTATSTICA ECONMICA









Professora: Lia Terezinha L. P. Moraes





Maro de 2011





UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
1
UFBA Departamento de Estatstica
MAT194 Estatstica Econmica
Notas de aula

Lia Terezinha L. P. de Moraes
Maro de 2011


I INTRODUO TEORIA DAS PROBABILIDADES




1. UM POUCO DA HISTRIA DO CLCULO DAS PROBABILIDADES


Paralelamente ao desenvolvimento da Estatstica como disciplina cientfica, mas
de forma independente, desenvolveu-se, a partir do sculo XVII, o Clculo das
Probabilidades. Seus iniciadores so os matemticos italianos e franceses desse sculo,
particularmente FERMAT e PASCAL, que iniciaram os estudos do clculo das
probabilidades tratando de resolver problemas de jogos de azar propostos pelo cavaleiro
de MR. Pouco a pouco outros matemticos, e posteriormente os do sculo XVIII, foram
interessando-se por este tipo de estudo e ampliando os resultados, at que Tiago
BERNOULLI (1654 1705) obteve o teorema que se conhece com seu nome e que
permitiu estruturar o clculo das probabilidades como disciplina orgnica. Pelos fins do
sculo XVIII e princpios do sculo XIX, os trabalhos de LAPLACE permitiram dar sua
estruturao definitiva ao Clculo das Probabilidades; em suas obras Teoria analtica da
probabilidade (1818) e Ensaio filosfico sobre as probabilidades (1814) completou a obra
de BERNOULLI e seus continuadores, provendo o Clculo das Probabilidades de recursos
matemticos que haveriam de lev-lo mediante a obra do prprio LAPLACE e de outros
matemticos como POISSON, GAUSS, etc., ao grau de aperfeioamento que o tornou
apto para as aplicaes a diversos campos da cincia e muito especialmente Estatstica.

A partir de LAPLACE, as duas disciplinas, Clculo das Probabilidades e
Estatstica, que at ento haviam permanecido separadas, fundiram-se de maneira que o
Clculo das Probabilidades constitui a andaimaria matemtica da estatstica, pela qual esta
pde tomar o impulso terico que haveria de lev-la ao extraordinrio desenvolvimento e
aperfeioamento que alcanou no sculo passado e no presente
1
. O impulso que levou ao
atual estado de desenvolvimento do Clculos das Probabilidades, produzido entre fins do
sculo passado e princpios do presente, deve-se principalmente a franceses, russos e norte
americanos, com a colaborao de alemes, escandinavos, ingleses, italianos, etc..
2


1
Diz respeito aos sculos XIX e XX (Nota do professor).
2
TORANZOS, Fausto. Estatstica. Ed. Mestre J ou, 1969. p.2-3.

UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
2
2. MODELOS MATEMTICOS

Os modelos matemticos consistem em uma simplificao da realidade. So uma
idealizao das caractersticas do fenmeno observado. Eles podem ser:

a) Determinsticos: quando dadas as condies de experimentao pode-se determinar ou
predizer o resultado final do experimento.

b) No-determinsticos (ou probabilsticos ou estocsticos): quando no possvel
predizer, com certeza, o resultado antes da realizao do experimento.

Exemplos:
i) Um mdico investigando o efeito de uma droga administrada em pacientes;
ii) O estudo do efeito de um fertilizante qumico em uma parcela de solo;
iii) A anlise dos preos mensais de trs bens de consumo;
iv) A soma dos pontos de dois dados; etc.


3. OBJETIVO GERAL DA TEORIA DAS PROBABILIDADES

De uma forma bem geral, a Teoria das Probabilidades visa definir um modelo
matemtico no-determinstico (probabilstico ou estocstico) que seja conveniente
descrio e interpretao de fenmenos aleatrios.

Fenmenos aleatrios ou experimentos aleatrios so aqueles onde o processo
de experimentao est sujeito a influncias de fatores casuais e conduz a resultados
incertos.

NOTAO: E =experimento aleatrio

4. CARACTERIZAO DE UM EXPERIMENTO ALEATRIO

1) Cada experimento poder ser repetido um grande nmero de vezes sob as mesmas
condies iniciais;

2) Em cada repetio do experimento, no podemos afirmar que resultado particular
ocorrer, porm podemos descrever o conjunto de todos os resultados possveis do
experimento - as possibilidades de resultado.

3) Quando o experimento repetido um grande nmero de vezes, surgir uma
regularidade nos resultados. Esta regularidade, chamada de regularidade estatstica,
que torna possvel construir um modelo matemtico preciso com o qual se analisar o
experimento.


5. ESPAO AMOSTRAL OU ESPAO-AMOSTRA

NOTAO: S =espao amostral

UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
3
DEFINIO: Para cada experimento aleatrio E definimos um espao amostral que
consiste no conjunto de todos os resultados possveis de E.

Exemplos:
E
1
: Lanamento de uma moeda e observar a face voltada para cima S ={Cara, Coroa};
E
2
: Lanamento de um dado e observar o lado voltado para cima S ={1, 2, 3, 4, 5, 6};
E
3
: Retirar ao acaso uma carta de um baralho completo de 52 cartas
S ={A; 2; ...; K; A; 2; ... ; K; A; ... ; K; A; ... ; K};
E
4
: Determinao da vida til de um componente eletrnico S ={t R | t 0}.

Observaes:
i) O espao amostral pode ser finito ou infinito. No nosso curso trabalharemos
apenas com espaos amostrais finitos.
ii) O espao amostral pode ser representado por:
Um nmero;
Grupo de nmeros;
Atributos;
Grupo de atributos; ou
Combinaes de aspectos quantitativos e qualitativos.


6. EVENTOS

Ao realizarmos um experimento podemos estar interessados em observar
informaes diferentes. Por exemplo:
Experimento aleatrio E: lanar um dado e observar o lado voltado para cima.
Espao amostral S: {1, 2, 3, 4, 5, 6}
Com respeito ao resultado que ocorrer, poder ser um nmero maior ou igual a 3,
um nmero par, o nmero 3, etc.

DEFINIO: Dado um espao amostral S, associado a um experimento E, definimos
como evento qualquer subconjunto desse espao amostral.

Como estamos tratando com conjuntos so vlidas, portanto, todas as operaes
indicadas na Teoria dos Conjuntos e, a partir dessas operaes, podemos gerar novos
eventos.

Exemplo: Seja o experimento aleatrio anterior:
E: Lanar um dado e observar o lado voltado para cima
S ={1, 2, 3, 4, 5, 6}

Sejam os seguintes eventos:

A: sair o nmero 3 A ={3}. Ao evento que tem apenas um elemento chamamos de
evento simples ou elementar.
B: sair o nmero 10 B ={ } =. O conjunto correspondente ao conjunto vazio
chamamos de evento impossvel.

UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
4
C: sair um nmero menor ou igual a 6 C =S =espao amostral. Ao conjunto que se
identifica com o espao amostral chamamos de evento certo.

Aou A
C
: no sair o nmero 3 A ={1, 2, 4, 5, 6}. A esse conjunto damos o nome de
evento complementar de A.

DEFINIO: Dois eventos so chamados mutuamente exclusivos ou mutuamente
excludentes se esses eventos no ocorrem simultaneamente. Ou seja, a interseco entre
os dois eventos o conjunto vazio.

Exemplo: Com base no mesmo experimento do exemplo anterior, definimos os seguintes
eventos:
F: sair um nmero par F ={2, 4, 6}
G: sair um nmero mpar G ={1, 3, 5}
H: sair nmero primo H ={2, 3, 5}
I: sair o nmero 1 I ={1}

Os eventos mutuamente exclusivos so aqueles onde no existe interseco
entre os dois eventos. Neste exemplo so:
F e G, pois F G =;
F e I, pois F I =;
H e I, pois H I =.

Observao:
A partir de um espao amostral finito de n elementos podemos construir 2
n

eventos. Seja S ={s
1
, s
2
, s
3
, , s
n
}. Fazendo todas as combinaes possveis , para
i =0, 1, 2, , n, com os n elementos desse espao amostral. Temos:

i
n


1
0
=

n
=evento impossvel;
1
1
=

n
{s
1
}, {s
2
}, {s
3
}, , {s
n
};

2
n
{s
1
, s
2
}, { s
1
,, s
3
}, ... ,{s
n-1
, s
n
};
..
1 =

n
n
{s
1
, s
2
, s
3
, , s
n
}.
O resultado final fica para a =1 e
b =1 (Binmio de Newton).
( )
n n
b a
n
n
n
n n n n
2
1

...
2 1 0
= + =

+ +



7. CONCEITO DE PROBABILIDADE

A terceira caracterstica enunciada do experimento aleatrio apresenta o conceito
de regularidade estatstica quando repetimos o experimento um grande nmero de vezes.

UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
5

Vejamos, atravs de um exemplo, como podemos entender essa regularidade nos
resultados.

Exemplo: Seja o seguinte experimento aleatrio:
E: Lanamento de uma moeda S ={Cara, Coroa}
Desejamos estudar o evento A: sair cara A ={Cara}
Vamos repetir o experimento de lanar a moeda 20 vezes n =20.
Vamos definir:
n
A
=n
o
de vezes que ocorreu o evento A nas n repeties do experimento aleatrio E;
f
A
=freqncia relativa do evento A nas n repeties de E.

O resultado referente aos 20 lanamentos da moeda encontra-se na tabela a
seguir:

n n
A
f
A

n
n
A
f
A

1 1 1 11 6 6/11
2 1 1/2 12 7 7/12
3 2 2/3 13 7 7/13
4 3 3/4 14 8 8/14
5 3 3/5 15 8 8/15
6 3 3/6 16 8 8/16
7 3 3/7 17 8 8/17
8 4 4/8 18 8 8/18
9 5 5/9 19 9 9/19
10 5 5/10 20 9 9/20

O grfico a seguir corresponde ao nmero de repeties do experimento versus
freqncia relativa:


Nmero de ocorrnci as da face " cara" em 20 l ances de uma
moeda
n
Freq.
rel ati va
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20


Podemos observar que a medida que aumentamos o nmero de lances da moeda a
freqncia relativa de caras aproxima-se de 0,5.

UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
6


DEFINIO: A freqncia relativa do evento A, denotada por f
A
, definida pela diviso
do nmero de vezes que ocorreu o evento A pelo nmero de repeties do experimento.
n
n
f
A
A
=


7.1. PROBABILIDADE DE UM EVENTO ELEMENTAR


A cada evento elementar do espao amostral S de um experimento aleatrio E
podemos associar um nmero real que expresse a regularidade estatstica mostrada acima.

Exemplo: No caso do lanamento de uma moeda: S ={cara; cora}

Podemos associar a cada evento elementar o valor real 0,5 para expressar a chance
de ocorrer cada um desses resultados num grande nmero de lanamentos da moeda, como
foi visto no exemplo anterior. Podemos escrever, ento:

P(cara) =0,5 e, conseqentemente, P(coroa) =0,5.


Exemplo: Em um dado defeituoso no aparece face alguma com 3 pontos, ao passo que h
duas faces com 5 pontos.
S ={ 1; 2; 4; 5; 6}

razovel admitir que, num grande nmero de lanamentos, a face 5 ocorra duas vezes
mais que cada uma das demais faces. Se atribuirmos nmeros para indicar as chances de
ocorrncia de cada face, deveremos adotar:
;
6
1
) 1 ( = P ;
6
1
) 2 ( = P ;
6
1
) 4 ( = P ;
6
2
) 5 ( = P e
6
1
) 6 ( = P .


Probabilidade de um evento elementar

Generalizando, sendo S ={ e
1
; e
2
; e
3
; ... ; e
n
} um espao amostral finito, a cada
evento elementar {e
i
} associamos um nmero real P(e
i
), chamado probabilidade do evento
elementar {e
i
}, que satisfaz as seguintes condies:

a) P(e
i
) 0 para todo i;

b) P(e
1
) + P(e
2
) + ... + P(e
n
) = 1.

Conseqentemente, para qualquer evento elementar {e
i
} temos:

0 P(e
i
) 1

UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
7
7.2. PROBABILIDADE DE UM EVENTO QUALQUER

Seja A um evento qualquer composto por e
k
eventos elementares:
A ={e
1
; e
2
; e
3
; ... ; e
k
}. Ento:
P(A) = P(e
1
) + P(e
2
) + ... + P(e
k
)

Propriedades:

a) Se A =S P(A) =P(S) =1

b) Se A = P(A) =0

c) 0 P(A) 1

Exemplo: Seja o lanamento de um dado no viciado. Calcule a probabilidade dos
seguintes eventos:
a) Sair o nmero 3;
b) Sair um nmero par;
c) Sair um nmero primo;
d) Sair um nmero menor ou igual a 8.

Resoluo: S ={ 1; 2; 3; 4; 5; 6}

a) P(1) = P(2) =P(3) =... =P(6) =1/6

b) A ={ 2; 4; 6} P(A) =P(2) +P(4) +P(6) =3/6 =1/2

c) B ={ 2; 3; 5} P(B) = P(2) +P(3) +P(5) =3/6 =1/2

d) C ={ 1; 2; 3; 4; 5; 6} =S P(C) =P(S) =1


7.3. PROBABILIDADE EM UM ESPAO AMOSTRAL EQUIPROVVEL


DEFINIO: Um espao amostral chamado equiprovvel quando seus eventos
elementares tm iguais probabilidades de ocorrncia.
Sendo S ={ e
1
; e
2
; e
3
; ... ; e
n
}
n
e P
i
1
) ( = .

Exemplo: No lanamento de um dado no viciado observamos a face superior.

Resoluo: Como o dado no viciado, facilmente percebe-se que cada face tem uma
chance em seis de ocorrer. Logo, se atribuirmos probabilidades aos eventos elementares
teremos:
Espao amostral - S 1 2 3 4 5 6
Probabilidade 1/6 1/6 1/6 1/6 1/6 1/6

UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
8
Consideremos, agora, o seguinte evento:

A =sair um nmero par no lanamento de um dado ={ 2, 4, 6,}

Como o espao amostral equiprovvel, existem trs chances em seis de ocorrer o
evento A. Assim a probabilidade de ocorrer o evento A, denotado por P(A), igual a 3/6.

Estas consideraes motivam a definio de probabilidade de um evento A,
associado a um espao amostral equiprovvel, da seguinte forma:

) S ( #
) A ( #
possveis casos de nmero
favorveis casos de nmero
S de elementos de nmero
A evento do elementos de nmero
) A ( P = = =

Pela definio acima perceber-se que, no caso de espaos amostrais equiprovveis,
no necessrio descrever o espao amostral e os eventos para calcular as probabilidades.
Basta que seja determinado o nmero de elementos do evento em estudo e do espao
amostral ao qual ele est associado. Para tanto, so utilizadas tcnicas de contagem
(anlise combinatria).

Exemplos:

i) Duas moedas so jogadas simultaneamente.
a) Qual a probabilidade de obtermos uma cara?
b) Qual a probabilidade de obtermos pelo menos uma cara?

Resoluo: Vamos utilizar as seguintes notaes:
C =sair cara
K =sair coroa
S = { (C, C); (C, K); (K, C); (K, K)} espao amostral equiprovvel
# (S) = 4 = casos possveis de S

a) Seja A =obter uma cara, ento A ={(C, K); (K, C)} logo
# (A) = 2 =casos favorveis do evento A P(A) =2/4 =1/2.

b) Seja B =obter pelos menos uma cara, ento B ={(C, K); (K, C); (C, C)}
# (B) =3 =casos favorveis de B P(B) =3/4.


ii) Consideremos o jogo Mega Sena da Loteria Federal. Este jogo consiste em escolher
apenas seis nmeros entre os sessenta existentes (01, 02, 03, ..., 60). Qual a probabilidade
de voc ganhar o prmio marcando apenas seis nmeros?

Resoluo: Seja A o evento acertar os seis nmeros sorteados. Como a descrio precisa
do espao amostral invivel, apenas definiremos o seu nmero de elementos:

# (S) = ( )
! 6
55 56 57 58 59 60
)! 6 60 ( ! 6
! 60
60
6
6
60

=

= = C =50.063.860

UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
9

Como s existe um conjunto de seis nmeros que permite ganhar o prmio, temos:

860 . 063 . 50
1
) ( = A P .

iii) Uma caixa contm 100 peas, com 5 defeituosas. Qual a probabilidade de duas peas
escolhidas ao acaso serem ambas perfeitas?

Resoluo: Existem ( )
100
2
maneiras de escolhermos duas peas quaisquer. Ento:
# (S) =( )
100
2
elementos.
Seja o evento A =escolher duas peas perfeitas. Ento # (A) =( )
95
2
elementos.
Logo, P(A) =
95 94
100 99
0 902

= , .

Propriedades:

1) P S ( ) = 1;

2) P( ) = 0;

3) Se A e B so dois eventos mutuamente exclusivos, ento P A B P A P B ( ) ( ) ( = + ).

4) Se A o evento complementar de A, ento ) ( 1 ) ( A P A P = .

5) Se A e B so dois eventos quaisquer, ento P B A P B P A B ( ) ( ) ( ) = .

6) Se A e B so dois eventos quaisquer, ento P A B P A P B P A B ( ) ( ) ( ) ( ) = + .

Observaes:

i) Dizemos que o evento A B ocorre se, e somente se, A ocorre ou B ocorre ou ambos
ocorrem.

ii) O evento A B ocorre se, e somente se, A e B ocorrem.

iii) O evento A ocorre se, e somente se, no ocorre A.

Exemplos:

i) Uma urna contm quatro bolas azuis, trs vermelhas e duas brancas. Se retirarmos uma
bola ao acaso, calcule a probabilidade de:
a) ser vermelha;
b) no ser vermelha;
c) ser vermelha ou branca;
d) ser azul.

UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
10
Resoluo: Sejam os seguintes eventos:
V =sair bola vermelha
A =sair bola azul
B =sair bola branca

a) P(V) =
nmero de bolas vermelhas
nmero total de bolas
=
3
9

b) P V P V ( ) ( ) = = = 1 1
3
9
6
9

c) P V B P V P B ( ) ( ) ( ) = + = + =
3
9
2
9
5
9

d) P A ( ) =
4
9


ii) Dados P(A) =1/2; P(B) =3/8 e P(A B) =1/8, calcule:
a) P(A B);
b) P A B ( ) ;
c) P A B ( ) .

Resoluo:
a) P(A B) =P(A) +P(B) - P(A B) =1/2 +3/8 - 1/8 =6/8 =3/4
b) P A B P A B P A B ( ) ( ) ( ) ( / ) = = = = 1 1 3 4 / 1 4
c) P A B P A B P A P A B ( ) ( ) ( ) ( ) / / = = = = 1 2 1 8 3 8 /

iii) Para a Copa do Mundo 24 pases so divididos em seis grupos, com 4 pases cada um.
Supondo que a escolha do grupo de cada pas feita ao acaso, calcular a probabilidade de
que dois determinados pases A e B se encontrem no mesmo grupo. (Na realidade a
escolha no feita de forma completamente aleatria).

Resoluo: Primeiro vamos considerar apenas um grupo. Existem ( )
24
4
maneiras de
sortearmos 4 pases. Agora, fixando os pases A e B dentro do grupo, existem ( )
22
2

maneiras de ocupar os dois lugares restantes. Portanto, a probabilidade de A e B
pertencerem ao mesmo grupo de
( )
( )
24
4
22
2
.
Considerando que so 6 grupos, para calcularmos a probabilidade de que dois
determinados pases A e B se encontrem no mesmo grupo basta multiplicarmos a
probabilidade acima por 6. Isto :
( )
( ) 23
3
6
24
4
22
2
= .
.


8. PROBABILIDADE CONDICIONAL

Exemplo: Suponha que o quadro a seguir resuma as informaes de um levantamento das
empresas industriais e comerciais de certo municpio em certo ano, discriminado segundo
o porte:

UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
11

ATIVIDADE
PORTE
INDSTRIA (I) COMRCIO (C)
TOTAL
MICRO (M) 40 50 90
PEQUENA (P) 20 40 60
MDIA (D) 15 20 35
GRANDE (G) 5 10 15
TOTAL 80 120 200

Qual a probabilidade de selecionarmos ao acaso uma empresa comercial, sabendo
que a empresa escolhida uma pequena empresa?

Resoluo: E: selecionar uma empresa entre as 200 pesquisadas #(S) =200

Sejam os seguintes eventos:
P: a empresa de pequeno porte # (P) =60
C: a empresa comercial # (C) =120
C P : a empresa comercial e de pequeno porte # (C P) =40

Sabemos, a priori, que a empresa selecionada uma pequena empresa. Assim
nossa observao fica reduzida apenas ao evento P. A probabilidade de selecionarmos
uma empresa comercial sabendo que ela uma pequena empresa a relao entre o
nmero de empresas que so simultaneamente comerciais e pequenas e o nmero de
empresas pequenas. Isto , 40/60.

Este resultado pode ser obtido tambm da seguinte maneira:
P C P
P P
( )
( )

= =
40
200
60
200
40
60


Ou seja, podemos ver que a probabilidade de selecionarmos uma empresa
comercial ao acaso sabendo, a priori, que uma pequena empresa o mesmo que
calcularmos a probabilidade da ocorrncia simultnea dos eventos comercial e pequena
dividido pela probabilidade de ser uma empresa pequena.

DEFINIO: Dados dois eventos A e B associados a um mesmo espao amostral S, se
P(A) >0, a probabilidade de ocorrncia do evento B condicionado ocorrncia do
evento A (ou probabilidade de B dado A), definida por:

) (
) (
) | (
A P
B A P
A B P

= .

Exemplo: Com os dados do exemplo anterior, calcular a probabilidade da empresa
selecionada ser pequena, dado que uma empresa comercial?
Resoluo:
3
1
120
40
200
120
200
40
) (
) (
) | ( = = =

=
C P
C P P
C P P



UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
12
9. ALGUMAS CONSEQNCIAS DA DEFINIO DE PROBABILIDADE
CONDICIONAL


9.1. TEOREMA DO PRODUTO (OU DA MULTIPLICAO)


Se A e B so dois eventos quaisquer associados ao mesmo espao amostral, com
probabilidades positivas, ento a probabilidade da ocorrncia simultnea de A e B,
P A B ( ), dada por:

) | ( ). ( ) | ( ). ( ) ( B A P B P A B P A P B A P = = .


Exemplo: Uma caixa contm cinco bolas brancas, trs vermelhas e duas azuis. Se
escolhermos trs bolas ao acaso, sucessivamente e sem reposio, qual a probabilidade de
sair uma vermelha, depois uma branca e depois uma azul?

Resoluo:
Sejam os seguintes eventos: B =bola branca; V =bola vermelha; e A =bola
azul. A probabilidade pedida a ocorrncia simultnea de bola vermelha na primeira
extrao, bola branca na segunda extrao e bola azul na terceira. Usaremos a seguinte
notao para o clculo da probabilidade solicitada: P V B A ( ).
1 2 3


Como a extrao das bolas sem reposio, aps cada extrao efetuada o espao
amostral diminui em uma unidade. Assim,

) | ( ). | ( ). ( ) (
2 1 3 1 2 1 3 2 1
B V A P V B P V P A B V P = .

As probabilidades do segundo membro da expresso so:

P V ( )
1
3
10
= =
nmero de bolas vermelhas
nmero total de bolas


9
5
1 - bolas de total nmero
brancas bolas de total nmero
) | (
1 2
= = V B P

8
2
2 - bolas de total nmero
azuis bolas de nmero
) | (
2 1 3
= = B V A P

Portanto, P V B A ( ) . .
1 2 3
3
10
5
9
2
8
1
24
= = .


UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
13
9.2. INDEPENDNCIA ESTATSTICA


DEFINIO : Se A e B so eventos independentes, ento:

P A B P A P B ( ) ( ). ( ) = .

Uma explicao intuitiva para a definio acima : se B independe de A, ento
tanto a ocorrncia quanto a no ocorrncia de A no afetam a probabilidade de B ocorrer,
isto :
) ( ) | ( e ) ( ) | ( B P A B P B P A B P = =

e pelo Teorema do Produto temos que:
) ( ). ( ) | ( ). ( ) ( B P A P A B P A P B A P = =

Observao:
Se A B = (mutuamente exclusivos), ento A e B no so independentes, isto ,
, a menos que um deles tenha a probabilidade zero. 0 ) ( ). ( B P A P


Exemplos:

i) Com os mesmos dados do exemplo anterior, vamos supor que a extrao das bolas seja
feita com reposio. Calcular P V B A ( )
1 2 3
.

Resoluo:
Como a extrao das bolas realizada com reposio, a cada extrao temos o
mesmo espao amostral. Ento:

) ( ). ( ). ( ) | ( ). | ( ). ( ) (
3 2 1 2 1 3 1 2 1 3 2 1
A P B P V P B V A P V B P V P A B V P = =
P V B A P V P B P A ( ) ( ). ( ). ( ) . .
1 2 3 1 2 3
3
10
5
10
2
10
3
100
= = =

ii) A probabilidade de que A resolva um problema de 1/3 e a probabilidade de que B
resolva 3/4. Se ambos tentarem independentemente, qual a probabilidade do problema
ser resolvido?

Resoluo:
O problema ser solucionado se A resolve ou B resolve ou ambos resolvem. Ento
P A B P A P B P A B ( ) ( ) ( ) ( ) = + .

Se ambos tentarem independentemente P A B P A P B ( ) ( ). ( ) =
P A B ( ) . = =
1
3
3
4
1
4
.
Logo P A B ( ) = + =
1
3
3
4
1
4
5
6
.

UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
14
10. TEOREMA DE BAYES


Exemplo:
Em uma fbrica de parafusos as mquinas M
1
, M
2
e M
3
so responsveis,
respectivamente, por 25%, 35% e 40% do total produzido. Da produo de cada mquina,
5%, 4% e 2%, respectivamente, so parafusos defeituosos. Escolhe-se um parafuso ao
acaso e verifica-se que defeituoso. Qual a probabilidade que o parafuso escolhido seja
originrio da mquina M
1
?

Resoluo: O enunciado do exemplo definiu os seguintes eventos e probabilidades:

M
1
: o parafuso foi produzido pela mquina 1 P(M
1
) =0,25
M
2
: o parafuso foi produzido pela mquina 2 P(M
2
) =0,35
M
3
: o parafuso foi produzido pela mquina 3 P(M
3
) =0,40
M
1
M
2
M
3
=S

D =o parafuso defeituoso
P =o parafuso perfeito
D P =S

P(D/M
1
) =0,05
P(D/M
2
) =0,04
P(D/M
3
) =0,02

Na rvore de Probabilidades:




















Sabemos que P(M
1
M
2
M
3
) =P(M
1
) +P(M
2
) +P(M
3
) =1, pois M
1
, M
2
e M
3

so eventos mutuamente exclusivos e, pelo mesmo motivo, P(D P) =P(D) +P(P) =1.
P(D/M
1
)
P(P/M
1
)
P(M
1
)
P(D/M
2
)
P(M
2
)
P(P/M
2
)
P(M
3
)
P(D/M
3
)
P(P/M
3
)

UFBA Instituto de Matemtica - Departamento de Estatstica Maro de 2011
Disciplina: MAT194 Estatstica Econmica Lia Terezinha L. P. Moraes
15

A probabilidade que desejamos calcular P(M
1
|D), probabilidade do parafuso ser
originrio da mquina 1 sabendo-se que um parafuso defeituoso. Utilizando a definio
de probabilidade condicional, temos: .
) (
) (
) | (
1
1
D P
D M P
D M P

=
Vamos iniciar o clculo pelo denominador da expresso. Podemos observar que os
parafusos defeituosos esto distribudos pela produo das trs mquinas. Assim, para
calcularmos a probabilidade de sair um parafuso defeituoso P(D) temos que considerar
a ocorrncia simultnea de parafuso defeituoso nas trs mquinas. Ou seja,
P(D) =P(M
1
D) +P(M
2
D) +P(M
3
D)
P(M
1
D) =P(M
1
).P(D | M
1
) =0,25 0,05 =0,0125
P(M
2
D) =P(M
2
).P(D | M
2
) =0,35 0,04 =0,0140
P(M
3
D) =P(M
3
).P(D | M
3
) =0,40 0,02 =0,0080

Assim, P(D) =0,0125 +0,0140 +0,0080 =0,0345. O resultado final fica:
. 3623 , 0
0345 , 0
0125 , 0
) (
) (
) | (
1
1
= =

=
D P
D M P
D M P

Teorema de Bayes

Sejam A
1
A
2
,...,A
n
, n eventos mutuamente exclusivos tais que A
1
A
2
... A
n
=S.
Sejam P(A
j
) as probabilidades conhecidas dos vrios eventos (chamadas de probabilidade
a priori) e B um evento qualquer de S, tal que so conhecidas todas as probabilidades
condicionais do tipo P(B | A
j
) (chamadas probabilidades a posteriori). Ento para cada j
teremos:

= =
=

=
n
i
i i
j j
n
i
i
j
j
A B P A P
A B P A P
B A P
B A P
B A P
1 1
) | ( ). (
) | ( ). (
) (
) (
) | (