Você está na página 1de 26

ndice

Introduo.............................................................................................................................................4
Probabilidade.........................................................................................................................................5
Conceitos...............................................................................................................................................5
Fenmenos ou Experimentos................................................................................................................5
Tipos de experimentos...........................................................................................................................8
Jogos de azar.........................................................................................................................................8
Espao amostral..................................................................................................................................10
Operaes com Acontecimentos.........................................................................................................11
Definio frequentista.........................................................................................................................15
Frequncia absoluta e frequncia relativa de um acontecimento........................................................17
A definio axiomtica do conceito da probabilidadenum espaco finito............................................20
Denio clssica de probabilidade....................................................................................................20
Corolrio.............................................................................................................................................22
Concluso............................................................................................................................................23
Bibliografia.........................................................................................................................................24

Introduo
As origens histricas da teoria das probabilidades esto vinculadas teoria dos jogos e aos nomes de
Fermat e Pascal, que na metade do sculo XVII formalizaram pela primeira vez o conceito de
probabilidade. A teoria de probabilidade consiste em utilizar a intuio humana para estudar os
fenmenos do nosso cotidiano de trabalho.
Os experimentos determinsticos so totalmente caracterizados a priori, ou seja, so fenmenos em
que o resultado sabido antes mesmo em que ele ocorra e desta forma, nada temos a fazer. Um dos
objectivos deste trabalho intitulado a probabilidade de querer estudar os fenmenos aleatrios, dos
quais no sabemos o resultado a priori, ou seja, so acontecimentos cujos resultados no podem ser
previstos. Ao longo do trabalho tratamos tambm os termos bsicos associados a Probabilidade dos
experimentos aleatrios.

Probabilidade

Conceitos
No nosso dia a dia, lidamos sempre com situaes em que est presente a incerteza do resultado,
embora, muitas vezes, os resultados possveis sejam conhecidos.
Por exemplo: o sexo de um embrio pode ser masculino ou feminino, mas s saberemos o resultado
exato quando o experimento se concretizar, ou seja, quando o bebe nascer. Se estivermos
interessados na face voltada para cima quando jogamos um dado, os resultados possveis so 1, 2, 3,
4, 5, 6, mas s saberemos o resultado quando o experimento se completar, ou seja, quando o dado
atingir a superfcie sobre a qual foi lanado. conveniente, ento, dispormos de uma medida que
exprima a incerteza presente em cada um destes acontecimentos. Tal medida a probabilidade.
um conceito matemtico que permite a quantificao da incerteza. aquilo que torna possvel se
lidar de forma racional com problemas envolvendo o imprevisvel ou aleatoriedade Souza (2015).
Probabilidade so Medida das incertezas relacionadas a um evento ou chances de ocorrncia de um
evento.
Exemplos:

Probabilidade de jogar um dado e cair o nmero 2;

Chance de ser assaltado ao sair de casa;

Probabilidade de ganhar no poker.

Fenmenos ou Experimentos
O conceito de probabilidade relevante para o estudo de fenmenos aleatrios, ou seja, fenmenos
cujas realizaes no podem ser antecipadas.
Consideremos o lanamento de um dado. Queremos estudar a proporo de ocorrncias das faces
desse dado. O primeiro fato a observar que existem apenas 6 resultados possveis, as faces 1, 2, 3,
4, 5, 6. O segundo fato uma suposio sobre o dado: em geral, razovel supor que este seja
equilibrado. Assim, cada face deve ocorrer o mesmo nmero de vezes e, portanto, essa proporo

deve ser

1
6

. Nessas condies, nosso modelo probabilstico para o lanamento de um dado pode

ser expresso da seguinte forma:


Face
Frequencia teorica

1
6

1
6

1
6

1
6

1
6

1
6

Total
1

Suponhamos que uma mulher esteja grvida de trigmeos. Sabemos que cada beb pode ser do sexo
masculino (M) ou feminino (F). Ento, as possibilidades para o sexo das trs crianas so: MMM,
MMF, MFM, FMM, FFM, FMF, MFF, FFF. Uma suposio razovel que todos esses resultados
sejam igualmente provveis, o que equivale dizer que cada beb tem igual chance de ser do sexo

masculino ou feminino. Ento cada resultado tem uma chance de

1
8

de acontecer e o modelo

probabilstico para esse experimento seria


Sexu

MMM

MM

MFM

FMM

FFM

FMF

MFF

FFF

Total

F
6

Frequ Teorica

1
8

1
8

1
8

1
8

1
8

1
8

1
8

1
8

Por outro lado, se s estamos interessados no nmero de meninas, esse mesmo experimento leva ao
seguinte modelo probabilstico:
Meninas
Frequencia teorica

1
8

3
8

3
8

3
8

Total
1

Nesses exemplos, vemos que a especicao de um modelo probabilstico para um fenmeno casual
depende da especicao dos resultados possveis e das respectivas probabilidades. Vamos, ento,
estabelecer algumas denies antes de passarmos denio propriamente dita de probabilidade.
Ele se aplica a experimentos aleatrios ou seja, experimentos cujos resultados em diversas
realizaes ou repeties so variveis e, portanto, incertos, mas que, entretanto, satisfazem
condies bsicas que permitem previso.
Um experimento aleatrio E uma ao e um processo de observao ou coleta de dados sobre um
fenmeno aleatrio que satisfaz s seguintes propriedades:

O resultado de uma realizao de E no pode ser previsto com certeza;

A coleo dos resultados possveis de E conhecida antes de sua realizao;

O experimento E pode ser repetido sob, essencialmente, as mesmas condies.

Esse conceito compreende qualquer ao ou processo que implique a observao e coleta de dados
referentes a fenmenos aleatrios. Em tais experimentos, a variaodos resultados de diferentes
7

realizaes inevitvel, de modo que o resultado de uma realizao particular incerto. Entretanto,
uma eventual regularidade dessa variao permitir a previso do resultado de uma realizao
particular com base nas ocorrncias de um conjunto numeroso de repeties. sabido, por exemplo,
que em uma longa sequncia de lanamentos de uma moeda simtrica e balanceada, cerca de metade
dos lanamentos resultaro em cara. Ento, natural admitir que, em um lanamento particular, a
chance da ocorrncia de cara 1:2. nessa regularidade previsvel de um grande conjunto de
realizaes de jogos de azar que se baseiam casas de jogos e apostadores.
Esse mesmo tipo de incerteza e regularidade muito comum com fenmenos naturais e, portanto,
muito importante na cincia. Por exemplo, em gentica, incerto se um descendente ser macho ou
fmea, mas so sabidas, aproximadamente, a proporo de machos e a proporo de fmeas em
muitos nascimentos. Semelhantemente, um departamento de trnsito no pode prever quais carros se
acidentaro em um fim de semana particular, mas pode predizer de modo bastante satisfatrio o
nmero de ocorrncias de acidentes de carro.

Tipos de experimentos
Seguem-se alguns tipos comuns de experimentos aleatrios.

Jogos de azar
Estes experimentos envolvem, dentre outros, lanamentos de dados e moedas e retiradas de cartas de
um baralho. So muito anteriores s origens da probabilidade e ainda hoje movimentam enormes
quantias de dinheiro. O estudo da probabilidade iniciou-se pela proposio de problemas relativos a
jogos de azar feita pelo jogador francs Chevalier de Mr aos matemticos franceses Pascal e
Fermat. O mesmo tipo de problema foi tratado mais tarde por Jaques Bernoulli. Os casos tpicos so
os lanamentos de dados de 6 faces, moedas com cara e coroa e retiradas de baralhos de52 cartas.
Usualmente, supe-se que num experimento aleatrio desse tipo uma alternativa no deve ser
preferida em relao s demais, de modo que, por exemplo, a possibilidade de ocorrncia da face
cara de uma moeda no deve ser maior que a da face coroa.
8

A figura que segue ilustra alguns tipos de dados. Ao centro: um triacontaedro rmbico, um dado de
30 faces. Acima, no sentido horrio: um dodecaedro (12 faces), um icosaedro (20 faces), octaedro (8
faces), tetraedro (4 faces), cubo ou hexaedro (6 faces) e trapezoedro pentagonal (10 faces). Ao lado
so mostradas as 6 faces de um hexaedro, a forma mais comum do dado.

Bolas e urnas
Experimentos com bolas e urnas fornecem contextos altamente relevantes para desenvolvimento de
modelos probabilsticos. Considera-se, em geral, que existem n bolas que diferenciam-se em termos
de um ou mais atributos. Esses atributos definem classes e o interesse, em geral, est ligado
composio das classes geradas por retiradas das bolas da urna. Urnas e bolas possibilitam abstrair
situaes onde objetos de interesse so retirados de uma populao de objetos.
O nome bolas e urna parece ter se originado nas eleies realizadas na Veneza medieval e
renascentista. Essas eleies frequentemente incluam eleitores escolhidos ao acaso, utilizando bolas
de diferentes cores retiradas de uma urna.
A figura que segue ilustra a realizao de experimentos com bolas de cores e nmeros distintos.

Confiabilidade
No modelo usual de confiabilidade estrutural, um sistema consiste de n componentes, cada um deles
funcionando ou com defeito. O estado dos componentes num determinado momento incerto e sua
observao, portanto, configura um experimento aleatrio. O sistema como um todo pode estar
funcionando ou com defeito dependendo do estado dos seus componentes. Um sistema em srie
funciona somente se todos os seus componentes esto funcionando enquanto um sistema paralelo
funciona se e somente se pelo menos um componente est funcionando.
Em algumas situaes um componente funciona at um tempo de durao incerta e o tempo at que
o sistema deixe de funcionar aleatrio.
9

Gentica
Na reproduo humana usual, o material gentico de uma criana uma combinao aleatria do
material gentico dos pais. Assim, o nascimento de uma criana, por exemplo, um experimento
aleatrio com relao a cor dos olhos, tipo de cabelo e muitas outras caractersticas fsicas.
Frequentemente, o interesse se concentra na transmisso aleatria de desordens genticas aos
descendentes.

Emisses radioativas
A emisso de partculas elementares de uma amostra de material radioativo ocorre de uma forma
aleatria. Para realizar um experimento aleatrio, pode-se registrar o nmero de emisses durante
um intervalo de tempo especificado ou pode-se registrar os tempos de emisses sucessivas.

Pesquisa experimental
A pesquisa experimental um mtodo de pesquisa explicativa onde so impostas condies ao
material experimental e, aps, caractersticas respostas so observadas. O controle experimental, no
entanto, no absoluto e um conjunto de caratersticas estranhas tambm atuam sobre as
caractersticas respostas. Essa falta de controle absoluto faz com que o processo seja um
experimento aleatrio.

10

Espao amostral
O conjunto de todos os resultados possveis de um experimento aleatrio chamado de espao
amostral. Este um conjunto S em que cada um de seus elementos est associado a um e somente
um resultado possvel do experimento. Eis, ento, os seguintes exemplos:
a) lanamento de um dado: S1 = {1, 2, 3, 4, 5, 6};
b) lanamento de uma moeda: S2 = {cara, coroa};
c) retirada de uma carta de um baralho: S3 = {as 52 cartas};
d) Contagem diria das peas defeituosas produzidas por uma mquina, para controle do processo:

S 5={0,1,2,3,,n}

e) tempo que um grupo de trabalhadores gasta para executar uma tarefa que est a ser implantada:

S 5=

{x

}.

Os exemplos vistos nas letras a, b, c e d so de espaos amostrais finitos numerveis e o da letra e de


espao amostral infinito no-enumervel, cujo estudo ser abstrado neste captulo, por exigir
aplicao de matemtica avanada, em face de maior complexidade terica.
Dissemos que o espao amostral de um experimento aleatrio o conjunto de todos os resultados
possveis desse experimento. Vamos denotar tal conjunto pela letra grega mega maiscula, .
Quando o espao amostral nito ou innito enumervel, chamado espao amostral discreto. Caso
contrrio, isto , quando no enumervel, vamos cham-lo de espao amostral contnuo.

11

Operaes com Acontecimentos


Interseo
O eventointerseo de dois eventos A e B o evento que equivale ocorrncia simultnea de A e B
(ver Figura 1). Seguindo a notao da teoria de conjuntos, a interseo de dois eventos ser
representada por AB.
Figura 1. Intersecao de conjuntos.

Notemos que:

Exemplo 1.7 Consideremos o experimento lanamento de dois dados e os eventos A =soma das
faces um nmero par e B = soma das faces um nmero maior que 9. Calcule A B.
Soluo:
O espao amostral desse experimento, que tem 36 elementos,

={(1,1),(1,2),...,(1,6),(2,1),...,(2,6),...,(6,6)}
Para que um elemento pertena interseo A B, ele tem que pertencer simultaneamente ao

12

evento A e ao evento B. O evento

B B={(4,6),(5,5),(5,6),(6,4),(6,5),(6,6)}

Dos seus elementos, os nicos que pertencem ao evento A, isto , que tm soma das faces par, so

os eventos

(4,6),(5,5),(6,4)e(6,6)

. Logo,

A B={(4,6),(5,5),(6,4),(6,6)}

Notemos que no precisamos listar o evento A! Ele tem 18 elementos!

Excluso
Dois eventos A e B so mutuamente exclusivos quando eles no podem ocorrer simultaneamente,
isto , quando a ocorrncia de um impossibilita a ocorrncia do outro. Isto significa dizer que os
eventos A e B no tm elementos em comum. Ento, dois eventos A e B so mutuamente exclusivos
quando sua interseo o conjunto vazio, isto , A B = (ver Figura 2).
Figura 2: Eventos mutuamente exclusivos: A B =

Exemplo 1.8 Consideremos novamente o experimento lanamento de dois dados e sejam os


eventos A = soma das faces mpar e B = duas faces iguais. Ento, A e B so mutuamente
exclusivos porque a soma de dois nmeros iguais sempre um nmero par.

13

Unio
A unio de dois eventos A e B o evento que corresponde ocorrncia de pelo menos um deles.
Note que isso significa que pode ocorrer apenas A, ou apenas B ou A e B simultaneamente. Esse
evento ser representado por A B (ver Figura 1.3). Unio
A unio de dois eventos A e B o evento que corresponde ocorrncia de pelo menos um deles.
Note que isso significa que pode ocorrer apenas A, ou apenas B ou A e B simultaneamente. Esse
evento ser representado por A B (ver Figura 3).
Figura 3: Unio de dois eventos: A B

Notemos que x A B x A ou x B (1.2)


Exemplo 1.9 Consideremos o experimento do lanamento de duas moedas, onde o espao amostral

. Sejam os eventos A = ocorrncia de exatamente 1 cara e B = duas

faces iguais. Ento

; logo,

. Seja C o

evento pelo menos uma cara; ento

14

Complementar
O complementar de um evento A, denotado por A ou Ac, a negao de A. Ento, o complementar
de A formado pelos elementos que no pertencem a A (ver Figura 1.4).
Figura 4: Complementar de um evento A : A

Notemos que x A x / A e tambm que A A =


Exemplo 1.10 Consideremos o lanamento de um dado e seja A = face par. Ento, A o evento
face mpar.
Notemos que A = {2, 4, 6} e A = {1, 3, 5} e = A A.
Diferena
A diferena entre dois eventos A e B, representada por A B, ou equivalentemente, por A B, o
evento formado pelos pontos do espao amostral que pertencem a A mas no pertencem a B (ver
Figura 5).
Figura 5: Diferena de dois conjuntos: A B = A B

15

Note que

e tambm

A=(AB)(AB)

Alm disso,

, conforme ilustrado na Figura 1.6.

Figura 6: Diferena de dois conjuntos: B A = B A

Definio freqentista ou a posteriori (segunda metade do sculo XVII) Logo aps a introduo da
definio clssica apareceu a semente de uma nova definio. Considera-se um experimento que
possa ser repetido nas mesmas condies um nmero grande de vezes. Novamente denotar o
espao de resultados do experimento. Seja A um evento cuja probabilidade se deseje calcular. Neste
caso o experimento ser repetido vrias vezes, estimando-se a probabilidade de A pela sua
freqncia relativa de ocorrncia, ou seja:

Numerosde acorrenciade A
Numerototal derepeticoes
Observe-se que desta forma no so necessrias as hipteses de equiprobabilidade dos eventos
elementares nem de finitude do espao dos resultados, superando-se portanto as duas restries da
definio clssica. Entretanto, esta nova definio introduz as seguintes dificuldades:
16

Definio frequentista
Na maioria das situaes prticas, os eventos simples do espao amostral no so equiprovveis e
no podemos calcular probabilidades usando a definio clssica. Neste caso, vamos calcular
probilidades como a frequncia relativa de um evento. Segue um exemplo que ilustra o mtodo.
Exemplo 1: Uma amostra de 6800 pessoas de uma determinada populao foi classificada quanto
cor dos olhos e cor dos cabelos. Os resultados foram:

Tabela 11: Classificao de uma amostra de 6800 pessoas quanto cor dos olhos e cor dos
cabelos
Cor dos cabelos
Cor dos olhos

Loiro

Castanho

Preto

Ruivo

Total

Azul

1768

807

189

47

2811

Verde

946

1387

746

53

3132

Castanho

115

438

288

16

857

Total

2829

2632

1223

116

6800

Consideremos o experimento aleatrio que consiste em classificar um indivduo quanto cor dos

olhos. O espao amostral

E= { A ,V ,C }

em que:
17

A={a pessoa tem olhos azuis}


V={a pessoa tem olhos verdes}
C={a pessoa tem olhos castanhos}
Os eventos acima no so equiprovveis. Ento vamos calcular a probabilidade de ocorrer um
evento como a frequncia relativa deste evento:

P(A) =

Numerode pessoas deolhos azuis 2811


=
=0,4134
Numerode pessoasnaamostra 6800

O valor obtido na verdade uma estimativa da probabilidade. A qualidade desta estimativa depende
do nmero de replicaes do experimento, ou seja, do tamanho da amostra.
medida que o tamanho da amostra cresce, a estimativa aproxima-se mais do valor verdadeiro da
probabilidade. Vamos, no entanto, assumir que o nmero de replicaes suficientemente grande
para que a diferena entre a estimativa e o valor verdadeiro da probabilidade seja desprezvel.
As probabilidades dos eventos V e C so:

P(V)=

3132
=0,4606
6800

Observemos que

e P(C)=

857
=0,1260
6800

P(A)+P(V )+P(C)=1

. Este resultado geral, uma vez que a unio destes

eventos corresponde ao espao amostral.

18

Seja

o evento {a pessoa no tem olhos azuis}. O evento

complementar de

e P( ) =

3132+857
=0,5866=1P(a)
6800

Estes resultados so propriedades de probabilidades. Seja


amostral

chamado de evento

um evento qualquer no espao

. Ento valem as propriedades:

0P(A)1

P(E)=1

P ( A )=1P(A)

Voltando ao exemplo, vamos calcular algumas probabilidades. Seja

o evento {a pessoa tem

cabelos loiros}.
Qual a probabilidade de uma pessoa ter olhos azuis e cabelos loiros?

19

O evento {a pessoa tem olhos azuis e cabelos loiros} chamado de evento interseo. Ele contm

todos os elementos do espao amostral pertencentes concomitantemente ao evento

evento

P ( A L ) =

e ser denotado por

e ao

, e a probabilidade deste evento :

1768
=0,26
6800

Frequncia absoluta e frequncia relativa de um acontecimento


Freqncia absoluta
Numa turma a professora de estatstica resolveu fazer uma pesquisa para verificar de que regio do
pas procediam os pais de seus alunos. Terminada a pesquisa, chegou-se ao seguinte resultado:

Local Nascimento

N. de pais

por regio
Nordeste
Norte
Sudeste
Sul
Centro-Oeste

21
1
12
5
5

As informaes coletadas foram organizados numa tabela de freqncias absolutas.

20

Freqncia absoluta de um acontecimento o nmero de vezes que ele observado.

Freqncia relativa
Em duas turmas do curso de cincias contbeis Turma A e Turma B, foi feita uma pesquisa sobre o
esporte favorito dos alunos. A turma A tem uma populao de 32 alunos. A turma B tem uma
populao de 24 alunos.
Populao o conjunto dos elementos em estudo.
A pesquisa com essas duas populaes revelou os seguintes resultados:

Desportos
Futebol
Basquet
Volei
Outros
total

Turma A
11
12
4
5
32

Turma B
10
9
4
1
34

Comparando os resultados nas duas turmas, o que podemos concluir sobra as preferncias por
futebol?
Verificando que h 11 alunos da Turma A e 10 alunos da Turma B que preferem futebol. Ser que
isso quer dizer que o futebol mais popular na turma A que na B? No obrigatoriamente, porque as
turmas no tm o mesmo nmero de elemento.
Para poder comprar, necessrio calcular que frao da turma A representa os 11 alunos que
optaram por futebol e que frao da turma B representa os 10 alunos que tambm optaram por
futebol.

21

Isto , para cada caso, devemos calcular a frequncia relativa ou frequncia porcentual.
Representamos a frequncia relativa por fr.

Obtemos a frequncia relativa de um acontecimento dividido a frequncia absoluta pelo nmero de


elementos da populao:

FrequenciaRelativa=

Frequenciaabsoluta
Numerodeelementos

conveniente determinar a freqncia relativa quando desejamos comprar resultados de estudos


feitos em populaes com um nmero diferente de elementos.
Exemplo:
Turma A: 32 alunos ao todo
11 preferem futebol

A freqncia relativa do futebol

11
Fr= 0,344
32

Isso significa que 34,4% dos alunos da turma A preferem futebol.

Turma B: 24 alunos ao todo


22

10 preferem futebol

A frequncia relativa do futebol

10
Fr= 0,417
24

Isso significa que 41,7% dos alunos da turma B preferem futebol. Podemos, ento, concluir que,
apesar de haver na turma A mais alunos que optaram por futebol, esse esporte mais popular na
turma B. nesta turma que maior a porcentagem de alunos que preferem futebol.

Propriedades da frequncia relativa


A soma das frequncias absolutas igual ao nmero total de observaes, ou seja, . = nf i - A
soma das frequncias relativas igual a um, ou seja, =1 i fr . No caso de se considerarem as
frequncias relativas em percentagem, essa soma 100%.

A definio axiomtica do conceito da probabilidade num espao finito


A matemtica toda passou por um processo de axiomatizao a partir da segunda metade do sculo
XIX e a definio de Kolmogoroff faz parte deste processo. Kolmogoroff afirmou que a teoria das
probabilidades poderia ser desenvolvida a partir de axiomas, da mesma forma que a geometria e a
lgebra. Nestes axiomas ficam estabelecidos os entes matemticos a serem estudados e as relaes
entre eles. Toda a teoria construda a partir destes axiomas, independentemente de qualquer
interpretao dos mesmos ou de suas consequncias.

Kolmogoroff considerou a teoria das

probabilidades como caso especial da teoria da medida e integrao desenvolvida por Lebesgue,
Borel e Frchet, estabelecendo analogias entre medida de um conjunto e probabilidade de um evento
e entre integral de uma funo e esperana de uma varivel aleatria.
23

Como veremos a seguir, Kolmogoroff colocou como axiomas as propriedades comuns das noes de
probabilidade clssica e freqntista, que desta forma viraram casos particulares da definio
axiomtica. bvio que podero existir outras interpretaes da definio axiomtica sem relao
com as idias ou os problemas que a originaram.

Dentio clssica de probabilidade


No captulo anterior, vimos que o espao amostral para o experimento aleatrio do lanamento de
um dado = {1,2,3,4,5,6}. Vimos tambm que usual supor que o dado seja equilibrado, o que
equivale dizer que todos os resultados so igualmente provveis. Ento, se jogarmos o dado vrias
vezes, aproximadamente um sexto das ocorrncias resultar na face 3, bem como metade das
repeties resultar em um nmero par. Estamos analisando a chance de ocorrncia dos eventos A
=face 3 e B =face par. O evento A um evento elementar, enquanto o evento B um
subconjunto com 3 elementos, o que representaremos por #A =1e #B =3 . Essa uma terminologia
usual para representar o nmero de elementos de um conjunto, que lemos como cardinalidade de A

ou B. intuitivo dizer que A ocorrer

1
6

das vezes, enquanto B ocorrer

1
2

3
6

das vezes.

Dene-se, assim, a probabilidade de um evento A como a razo entre o nmero de elementos de A e


o nmero de elementos de . Vamos nos referir aos elementos de A o evento de interesse como
sendo os casos favorveis, enquanto os elementos de so os casos possveis, o que nos leva
seguinte denio.
E assim anunciando a denio clssica de probabilidade teremos: Seja A um evento de um espao
amostral nito, cujos elementos so igualmente provveis. Dene-se a probabilidade do evento A
como

24

Pr( A)=

N umeros decasos favoraveis A


=
Numerosdecasos possiveis B

Naturalmente, nesta denio estamos supondo que # > 0, ou seja, que tenha algum elemento
pois, se no tivesse, no teramos o que estudar! Esta foi a primeira denio formal de
probabilidade, tendo sido explicitada por Girolamo Cardano (1501-1576). Vamos nos referir a ela
como a denio clssica de probabilidade. Note que ela se baseia em duas hipteses:
1. H um nmero nito de eventos elementares, isto , um conjuntonito.
2. Os eventos elementares so igualmente provveis. Embora essas hipteses restrinjam o campo de
aplicao da denio, veremos que ela muito importante e vrios exerccios sero resolvidos
baseados nela.

Corolrio
A probabilidade de que ocorra qualquer um de vrios acontecimentos que se excluem dois a dois
igual soma das probabilidades destes acontecimentos.
Se

para algum

ento

possui k derivadas contnuas para todo

e ainda

temos que:

E portanto;

25

A funo caracterstica de uma varivel aleatria X determina a funo de distribuio acumulada de


X, ou seja, dado a sua funo caracterstica podemos determinar qual a sua funo de distribuio
acumulada. Este fato decorre de uma formula conhecida como formula da inverso.

26

Concluso
Chegado ao fim deste trabalho, notamos de que quando se fala do conceito da probabilidade, nos
referimos aos conceito iniciais de jogos de azares ou mesmo jogos sem um consenso comum, estes
foram os conceitos primrios da probabilidade, e com o evoluir do tempo a probabilidade torno-se
uma abordagem muito ampla e varias reas, assim dando exemplo duma das reas em usa da
probabilidade e na Estatstica, rea esta responsvel pela admirao e gesto de varias entidades
governamentais, usa-se a probabilidade para os clculos de tempo em meteorologia.

27

Bibliografia
SOUZA, Renata. Probabilidade Definio de Probabilidade Principais Teoremas Probabilidades
dos

Espaos

Amostrais

Espaos

Amostrais

Equiprovveis.

2015

disponivel

em

www.wikibooks.com/probabilidade8renatasousa.
NATARIO, Isabel. Probabilidades e estatstica. Universidade nova de lisboa, 2829-516, Portugal:
vrias Icn@fct.unl.pt 2 de julho de 2012
Ana Maria Lima De Farias. Teoria Das Probabilidades. I Universidade Federal Fluminense. 2006

28