Disciplina: Probabilidade e Estatstica

Curso de Ps-Graduao GMA e GMP

FCAV/UNESP Jaboticabal

Prof. Adhemar

PROBABILIDADE
1.

EXPERIMENTO

Em pesquisas experimentais faz-se uso de experimentos para a obteno de

informaes (ou dados) sobre algum ente (ou varivel) de interesse na pesquisa.
Experimentos so estratgias especiais para se colher dados, podendo ser conduzidos em
condies controladas (fixadas) pelo pesquisador ou apenas de observao da(s)
varivel(is) de interesse nas condies onde o experimento naturalmente se desenvolve.
Exemplos de experimentos:
a) plantar milho num pedao de terra e anotar a produo de gros em kg/ha;
b) submeter um animal (ex: frango) a um regime alimentar por certo nmero de dias e
anotar o ganho de peso (em kg) desse animal no perodo;
c) jogar um dado (faces numeradas de 1 a 6) uma nica vez sobre uma superfcie plana e
observar o nmero que ocorre na face voltada para cima;
d) anotar a precipitao de chuva (em mm) no ms de agosto em Jaboticabal;
e) num posto de pedgio, em uma estrada, anotar a quantidade de veculos motorizados que
passam durante 1 hora.
Os trs primeiros so experimentos ditos conduzidos, enquanto os dois ltimos so
mais apropriadamente vistos como experimentos de observao. Todos esses cinco
experimentos so ditos no determinsticos, pois mesmo quando realizados em igualdade
de condies, provavelmente no produziro o mesmo resultado, ou seja, exibiro variao
nos resultados, de realizao para realizao.

2. ESPAO AMOSTRAL E EVENTO

Ainda que no seja possvel dizer exatamente o resultado que ir ocorrer na
realizao de um experimento no-determinstico, sempre possvel listar os possveis
resultados do experimento. Tal conjunto chamado de espao amostral do experimento.

Exemplo: Referentes aos cinco exemplos anteriores temos os seguintes espaos amostrais:
a) S = [0 ; ) b) S = [0 ; )

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

d) S = [0 ; ) e) S = {1, 2, 3, ...}

Um evento uma situao particular de interesse. Em termos de resultados

possveis de um experimento, um evento fica caracterizado como um subconjunto do
espao amostral.

Exemplos:
Em (a) podemos estar interessados em que a produo de milho seja um valor de
7.000 kg/ha a 10.000 kg/ha. Esse o evento, e pode ser caracterizado como o intervalo de
valores reais
A = [7.000 ; 10.000]
que um subconjunto do espao amostral S = [0 ; ).
Em (b), o evento o ganho de peso um valor de 0,5 kg a 1 kg equivale ao
subconjunto (intervalo) B = [0,5 ; 1] de S = [0 ; ). Em (c), o nmero da face para cima
um nmero par equivale ao subconjunto C = {2, 4, 6} do espao amostral S = {1, 2, 3, 4,
5, 6}

3. OCORRNCIA DE UM EVENTO

Diz-se que um evento A ocorre quando o resultado do experimento um elemento

de A. Por exemplo, se no jogo do dado uma nica vez ocorreu o nmero 4 na face para
cima, ento diz-se que o evento A = {2, 4, 6} ocorreu, e o evento B = {5, 6} no ocorreu.
O conjunto vazio, indicado por , por ser subconjunto de qualquer conjunto, ser
tambm considerado um evento, em qualquer experimento. Esse evento geralmente
denominado de evento nulo porque nunca ocorre, uma vez que, por no possuir elementos,
nunca o resultado do experimento poder a ele pertencer.
O prprio espao amostral S, por ser um subconjunto de si prprio, tambm
considerado um evento. Ao contrrio do anterior, este denominado de evento certo,

porque sempre ocorre, ou seja, o resultado do experimento sempre pertencer a S em

qualquer realizao do experimento.

Notao: A menos que se indique outra notao, usaremos a letra S para indicar um espao
amostral. Eventos, no geral, indicaremos por letras maisculas A, B, C, A1, A2, B1 etc.

4. COMBINAO DE EVENTOS

partir de dois ou mais eventos possvel a considerao de novos eventos pelas

operaes com conjuntos (reunio, interseco, diferena, complementar). Esses novos
eventos tm suas interpretaes. Assim:
AB (reunio) o conjunto dos elementos que pertencem a A ou a B. Portanto, o
evento que ocorre quando A ocorre ou B ocorre, estando a implcita a ocorrncia de
ambos. Pode tambm ser interpretado assim: ou s A ocorre ou s B ocorre ou ambos
ocorrem. Na sua composio deve-se colocar todos os elementos de A e de B sem repetilos.
AB (interseco) o conjunto dos elementos que pertencem a A e a B. Assim, o
evento que ocorre quando A ocorre e B ocorre (aqui ambos tm que ocorrer, para que a
interseco ocorra). Na sua composio devem estar somente os elementos que esto em A
e B ao mesmo tempo (simultaneamente).

A (complementar do evento A, em relao ao espao amostral S) o conjunto dos

elementos do espao amostral S que no pertencem a A. Portanto, o evento que ocorre se
A no ocorre, ou seja, a ocorrncia de A exclui a ocorrncia do evento A.
A B (diferena) o conjunto dos elementos que pertencem a A e no pertencem a B.
Em linguagem de evento, dizemos que o evento que ocorre se A ocorre e B no ocorre.
As operaes (ou regras de composio) reunio, interseco, complementar e
diferena so as conhecidas operaes com conjuntos da matemtica, e podem ser
estendidas para mais de dois eventos.

Exemplo: Sejam os eventos A, B e C no jogo do dado uma nica vez e observao do

nmero da face para cima.

A o nmero par

A = {2, 4, 6}

B o nmero maior que 2

B = {3, 4, 5, 6}

C o nmero mpar

C = {1, 3, 5}

Temos:
AB o nmero par ou o nmero maior que 2 AB = {2,3,4,5,6}
AB o nmero par e o nmero maior que 2 AB = {4, 6}
B o nmero no maior que 2

B = {1, 2}

A B o nmero par e no maior que 2 A B = {2}

5. FREQNCIA RELATIVA DE UM EVENTO

Considere que o experimento possa ser realizado certo nmero n (inteiro positivo)
de vezes, em idnticas condies. Se nA representa o nmero de vezes que o evento A
ocorreu nas n realizaes, a quantidade

fA

nA
n

denominada de freqncia relativa do evento A nas n realizaes do experimento. uma

medida de ocorrncia do evento A, baseada em n realizaes do experimento.

Algumas propriedades de freqncia relativa:

1) 0 f A 1 ou 0 f A 100%
2) f 0 onde indica o evento que nunca ocorre (conjunto vazio)
3) f A 1 f A
4) f AB f A f B f AB para dois eventos quaisquer A e B,
5) f AB f A f B se A B

Exemplo: Os nmeros abaixo representam um rol de pesos (kg) aos 12 meses (P12) de n =
50 bezerros de uma certa raa.
133, 136, 138, 141, 150, 150, 162, 162, 164, 170, 172, 174, 175, 177, 183, 184, 184, 185,
188, 190, 190, 192, 192, 194, 195, 196, 196, 198, 198, 200, 201, 202, 210, 210, 211, 212,

215, 215, 218, 218, 219, 226, 228, 230, 244, 246, 247, 250, 255, 262.
Considerando que so de animais da mesma raa e criados em idnticas condies,
podemos considerar a criao dos 50 bezerros e a observao do peso aos 12 meses como
um experimento no-determinstico que foi realizado n = 50 vezes. Considere, ento, em
cada realizao (isto , para cada bezerro criado) os eventos A, B e C onde
A P12 220 kg
B P12 194 kg
C 150 kg P12 205 kg
ou, em notao de intervalo,
A = [220 ; )
B = (0 ; 194]
C = [150 ; 205]
Observando-se esses dados (j colocados num rol), vemos que 9 deles so 220 kg, 24
deles so 194 kg e 28 deles satisfazem 150 kg P12 205 kg. Assim, nas n = 50
realizaes, o evento A ocorreu 9 vezes, o evento B ocorreu 24 vezes e o evento C ocorreu
28 vezes. Ento, temos

fA

9
0,18
50

fB

24
0,48
50

fC

28
0,56
50

Ainda, fazendo combinaes (ou composio) desses eventos, fcil ver pelos dados de
pesos que:

f A B f 0

fA

41
50

f B C

f A C 0

f A B

33
50

f A C

37
50

f B C

20
50

32
50

Exerccio: Verifique pelas propriedades de frequncia relativa que:

a) f A B f A f B

b) f BC f B f C f BC

c) f A 1 f A

6. PROBABILIDADE
Probabilidade de um evento A, indicada por P(A) e l-se P de A, em termos prticos,
a medida de frequncia de ocorrncia do evento A. A probabilidade tem importncia
fundamental na Estatstica.

6.1. Probabilidade em espao amostral finito e equiprovvel

H situaes onde o espao amostral S tem um n finito de elementos e todos esses

elementos tm a mesma chance (ou possibilidade) de ocorrer (denominados de resultados
igualmente provveis). Neste caso, dizemos que o espao amostral equiprovvel (ou
igualmente provvel), e a probabilidade de um evento A pode ser determinada por
P( A )

n de elementos de A # A

n de elementos de S
#S

Essa situao de resultados igualmente provveis comum nos chamados jogos de

azar (ex: jogo de dado no viciado). Outra situao de resultados igualmente provveis
quando se escolhe, ao acaso, um indivduo (ou elemento) de um conjunto de N indivduos,
processo esse tambm chamado de sorteio. O espao amostral S, nesse caso, consiste no
conjunto dos N indivduos, e todos os resultados possveis so igualmente provveis na
escolha.
Exemplo: Um dado imparcial com as seis faces numeradas de 1 a 6, lanado e
observado o nmero que ocorre na faca voltada para cima. Obter a probabilidade dos
eventos:
a) A ={2, 5}

b) o nmero par

c) o nmero no mnimo 2 e no mximo 4

Exerccio: O mesmo dado lanado duas vezes, em seguida, e observada a seqncia de

nmeros das faces para cima. Obter as probabilidades dos eventos:
a) o primeiro n0 menor que 3

b) a soma dos dois nmeros menor ou igual a 6

s vezes o espao amostral equiprovvel S pode ter um n muito grande de elementos,

bem como o evento A, dificultando a listagem de seus elementos. Nesses casos, pode-se
recorrer a tcnicas de contagem para contar o nmero de elementos do evento de interesse e
do espao amostral, para se fazer o clculo de P(A) acima definido. Essas tcnicas de
contagem fazem parte da Anlise Combinatria, tais como combinaes, permutaes etc.

6.2. Probabilidade como limite de frequncia relativa

Muitas vezes no se tem, ou no se sabe, se o espao amostral ou no igualmente

provvel. Nesse caso, uma idia para definir a probabilidade de um evento A como o
limite de freqncias relativas de A, imaginando-se uma quantidade n cada vez maior de
realizaes do experimento, isto , fazendo-se n tender a infinito. Assim, se definiria P(A)
como

nA
n n

P(A) = lim f A = lim

n

Na prtica, a partir de certo nmero n suficientemente grande de realizaes do

experimento (quando for possvel realiz-lo) pode-se considerar

P(A) f A
como uma aproximao. Isso ser tanto melhor P(A) quanto maior for o nmero n de
realizaes do experimento.

6.3. Probabilidade como uma medida de crdito

Em algumas situaes pode-se ter a probabilidade de um evento como uma medida de

crdito do evento A (ou da ocorrncia do evento A). Essa atribuio do valor de P(A)
considerada subjetiva e baseia-se numa opinio de uma pessoa (aqui denominado de um
expert no assunto). Essa idia de P(A) como medida de crdito no se apoia no contexto
de frequncia do evento, mas pode estar to correta quanto esta ltima (como tambm pode
estar equivocada). Um campo de inferncia onde naturalmente utilizada (trazendo bvias
vantagens) em Inferncia Bayesiana.

7. ALGUMAS PROPRIEDADES DE PROBABILIDADE

Qualquer que seja a forma que se defina a probabilidade P(A) de um evento A, em

bases frequentistas ou como medida de crdito, algumas propriedades so listadas a seguir:
(1) 0 P(A) 1 para qualquer evento A;
(2) P() = 0 e P(S) = 1;
(3) P( A ) = 1 P(A) para qualquer evento A;
(4) P(A B) = P(A) + P(B) se A B = , isto , se A e B so mutuamente
exclusivos;
(5) P(A B) = P(A) + P(B) - P(A B) para A e B dois eventos quaisquer;
(6) P(A B) = P(A) - P(A B) para A e B dois eventos quaisquer;
(7) P(ABC) = P(A) + P(B) + P(C) P(AB) P(AC) P(BC) + P(ABC)

8. CLCULO DE PROBAILIDADES COM O USO DAS PROPRIEDADES.

Exemplo: Sabendo que P(A) = 0,20 , P(B) = 0,30 e P(AB) = 0,10 , obter P(AB),
P( A ), P(A-B) e P( A B).
(Resolver)
Exemplo: Suponha que, numa classe com 100 alunos, 70 deles gostam de rock, 50
gostam de funk e 30 gostam de ambos. Um aluno ser escolhido ao acaso da classe.
Obtenha a probabilidade desse aluno:
a) gostar de rock ou funk;
b) no gostar de rock;
c) gostar de funk e no gostar de rock;
d) no gostar de funk e no gostar de rock.
Soluo:
Vamos denominar de
F = gostar de funk;

R = gostar de rock

Assim, temos
P(R) = 70/100 = 0,7

P(F) = 50/100 = 0,5

Logo

P(RF) = 30/100 = 0,3

(a) prob. pedida = P(R F) = P(R) + P(F) P(R F) = 0,7 + 0,5 0,3 = 0,9
(b) prob. pedida = P( R ) = 1 P(R) = 1 0,7 = 0,3
(c) prob. pedida = P(F R ) = P(F) P(F R) = 0,5 0,3 = 0,2
(d) prob. pedida = P( F R ) = P(F R ) = 1 P( F R ) = 1 0,9 = 0,1

9. PROBABILIDADE CONDICIONAL

Pode haver certas situaes onde se deseja a probabilidade de um evento B,

condicionado ocorrncia de outro evento A. Assim, no exemplo anterior podemos
perguntar:
(a) qual a probabilidade que o aluno goste de rock, se ele for daqueles que gostam de
funk? ;
(b) qual a probabilidade que o aluno goste de rock, se for dos que no gostam de funk?;
(c) qual a probabilidade que o aluno no goste de rock, se for dos que no gostam de
funk?
O evento A, que representa a condio, reduz o espao amostral S do experimento para
esse evento. Em muitas situaes essa idia pode ser usada para se encontrar a
probabilidade de um evento B condicionado a um evento A.
Pode-se verificar, tambm, que

P( B | A )

P(A B)
P( A )

()

sempre que A for um evento tal que P(A) > 0. Igualmente, esta expresso pode ser usada
para se encontrar a probabilidade P(B|A), conhecendo-se P(A) e P(AB) ambos os valores
analisados relativamente ao espao amostral S do experimento.

Exemplo: Com os dados do exemplo anterior, obter a probabilidade que o aluno goste de
rock, se ele gosta de funk. Dito de outra forma, obter a probabilidade que o aluno goste de
rock, dado que ele gosta de funk.
Soluo:

A condio estabelecida que o aluno goste de funk, reduz os 100 alunos inicialmente
possveis a apenas aos que gostam de funk, em nmero de 50. Desses, h apenas 30 que
gostam de rock. Logo,
prob. pedida = P(R | F) =

30
0,6
50

Como j foi colocado acima, fcil ver tambm que

30
P(R F) 100 30

0,6
P(R | F) =
50
P(F)
50
100

10. REGRA DO PRODUTO

Uma consequncia da expresso () acima que

P(A B ) = P(A) P(B | A)
Trocando-se os papis de A e B, e lembrando que a interseco comutativa (isto ,
AB=BA) tem-se, tambm, que
P(A B ) = P(B) P(A | B)
Estas duas expresses alternativas para P(A B ) so conhecidas como regra do produto
para a probabilidade da interseco de dois eventos. Isto , pode-se calcular a probabilidade
da interseco de dois eventos partir do produto da probabilidade de um deles pela
probabilidade condicional do outro, dado o primeiro evento.
Esta regra do produto pode ser generalizada para k eventos A1, A2, . . . , Ak, isto ,
P(A1A2 . . . Ak ) = P(A1 ) P(A2 | A1) P(A3 | A1 A2 ). . .P(Ak| A1 A2 . . . Ak )
e bastante til no clculo de probabilidade quando se conhecem todas as probabilidades
condicionais, tal como no exemplo seguinte, envolvendo retiradas de n objetos,
selecionados um a um e ao acaso.

11. APLICAO DA REGRA DO PRODUTO NO CLCULO DE

PROBABILIDADE

10

Exemplo:
Considere uma caixa com 4 bolas verdes (V), 3 azuis (A) e 3 brancas (B), e que dessa caixa
sejam retiradas n = 3 bolas, em seqncia e ao acaso, sem reposio. Pergunta-se:
a) qual a probabilidade de ocorrer a seqncia VVA, isto , verde na primeira, verde na
segunda e azul na terceira?
b) qual a probabilidade de ocorrer 2 azuis e 1 branca?
c) qual a probabilidade de ocorrer uma de cada cor?
d) qual a probabilidade de ocorrer exatamente 1 branca?

Soluo:
a) prob. pedida = P(VVA) = P(V na primeira) . P(V na segunda dado que saiu V na
primeira). P(A na terceira dado que saram V na primeira e V na segunda.) =

4 3 3 1

10 9 8 20

b) Ocorrer 2 azuis (A) e 1 branca (B) equivale a ocorrerem as sequncias AAB ou ABA ou
BAA. Logo,
prob. pedida = P(AAB) + P(ABA) + P(BAA) =

3 2 3
3 3 2
3 3 2
3
+
+

10 9 8 10 9 8 10 9 8
40

c) Ocorrer uma de cada cor equivale a ocorrerem as seqncias VAB ou VBA ou BVA ou
AVB ou ABV ou BAV. fcil calcular e mostrar que cada uma dessas seqncias tem
probabilidade

1
1
6
3
. Sendo assim, a probabilidade pedida ser 6
, ou seja,
.

20
20 20
10

d) Denominando por outras (O), a ocorrncia de verde (V) ou azul (A), as seqncias
possveis com exatamente 1 branca so BOO ou OBO ou OOB. O clculo da probabilidade
dessas seqncias facilmente feito observando-se que se tem 7 outras (pois so 4 verdes
e 3 azuis). Todas essas seqncias tm a mesma probabilidade, e a s multiplicar por 3
para se obter o resultado final (Faa como exerccio!).

Obs: Esse exerccio poderia tambm ser feito por contagem no espao amostral igualmente
provvel das seqncias possveis, mas muito trabalhoso. A regra do produto torna muito
mais fcil e simples a obteno da soluo.

11

12. EVENTOS INDEPENDENTES

H situaes onde
P(A | B) = P(A) e P(B | A) = P(B)
indicando que a probabilidade de um evento no muda, mesmo quando condicionado a
outro evento. Nas condies anteriores, dizemos que A e B so eventos independentes.
fcil notar que, nesse caso,
P(A B ) = P(A) P(B)
isto , a probabilidade de ocorrer ambos (simultaneamente) os eventos pode ser obtida
como o produto das probabilidades individuais desses eventos. Generalizando, para um
nmero k qualquer de eventos A1, A2, . . . , Ak independentes tem-se,
P(A1 A2 . . . Ak) = P(A1 ) P(A2 ) . . . P(Ak)
Esta regra do produto para k eventos independentes (k inteiro e 2 ) muito til em
clculo de probabilidades onde se tem experimentos realizados em etapas sucessivas, e
onde, em cada etapa, se conhece a probabilidade de cada evento de interesse.

13. REGRA DE BAYES NO CLCULO DE PROBABILIDADE

Em alguns problemas tem-se a situao em que o espao amostral S pode ser
considerado repartido em dois subconjuntos A e B onde as probabilidades P(A) e P(B) so
conhecidas e esses eventos so tais que A B = e A B = S. Dizemos que A e B so
dois eventos que constituem uma partio do espao amostral S. Suponha agora um outro
evento C S (ou seja, nesse mesmo espao amostral) do qual so conhecidas as
probabilidades condicionais P(C | A) e P(C | B), sendo que o objetivo calcular as
probabilidades de A e B condicionadas a esse evento C, isto , P(A| C) e P(B | C). No
difcil mostrar que essas probabilidades so dadas por:

P(A | C)

P(A).P(C | A)
P(A).P(C | A)

P(C)
P(A).P(C | A) P(B).P(C | B)
e

P(B | C)

P(B).P(C | B)
P(B).P(C | B)

P(C)
P(A).P(C | A) P(B).P(C | B)
12

Essas frmulas so usualmente conhecidas como Regra de Bayes para as probabilidades

condicionais P(A | C) e P(B | C).
Consideremos o seguinte exemplo:
Exemplo: Um rebanho composto de 60% animais machos (M) e 40% de fmeas (F).
Sabe-se que 30% dos machos e 60% das fmeas so da raa Nelore (N). Um animal
escolhido ao acaso desse rebanho. Obter probabilidade que esse animal seja macho, se
informado que da raa Nelore.
Soluo:
Fazendo as adaptaes, temos

Substituindo vem:
probab. pedida

(0,60)(0,30)
0,18
0,18

0,43
(0,60)(0,30) (0,40)(0,60) 0,18 0,24 0,42

Notas:
1) Este problema pode ser resolvido de forma imediata apenas observando-se o diagrama
abaixo e considerando a idia de restrio do espao amostral original para o espao dos
animais Nelores. Considerando-se o rebanho com 100 animais (o nmero de elementos de
S), os dados do problema nos permitem determinar o nmero de animais Nelores como
sendo igual a 18 + 24 = 42, sendo os 18 Nelores machos e 24 Nelores fmeas. Assim, a
probabilidade pedida
P(M|N) =

18
0,43
42

M(60)

18

24

NNelore

42

F(40)

2) Este esquema formal pode ser facilmente generalizado para parties do espao amostral
S em mais de dois subconjuntos.
13