Resumo Teoria Das Probabilidades PDF

Instituto Superior de Engenharia de Lisboa Instituto Superior de Engenharia de Lisboa
rea Departamental de Matemtica rea Departamental de Matemtica

Resumos sobre Probabilidades e Estatstica Resumos sobre Probabilidades e Estatstica
Teoria das probabilidades

2.1 Reunio de conjuntos
1 Conjuntos A reunio de A e de B, ou unio de A com B, escreve-se A Y B e l-se A
reunio com B ou A ou B. A reunio de A com B constituda por todos
1.1 Cardinal de um conjunto os elementos que pertencem a A ou B:
Ao nmero de elementos de um conjunto chama-se cardinal do conjunto e A Y B tw P S : w P A _ w P Bu .
representa-se por 7. Este smbolo l-se cardinal.
Propriedades:
1.2 Conjunto vazio A Y A A;
Um conjunto diz-se vazio se no tem elementos. Representa-se por tu ou H. A Y B B Y A;
A Y H A;
1.3 Igualdade entre conjuntos
A Y S S.
Sejam A e B dois conjuntos. Diz-se que A igual a B, e escreve-se A B,
se e s se A e B tm os mesmos elementos: Exemplo 2.1. t0, 1, 3u Y t3, 4, 5u t0, 1, 3, 4, 5u.
pA Bq px P A x P Bq .
2.2 Interseco de conjuntos
1.4 Subconjunto de um conjunto A interseco de A com B escreve-se A X B e l-se A interseco com B
ou A e B. A interseco de A com B constituda por todos os elementos
Sejam A e B dois conjuntos. Diz-se que A subconjunto de B ou que A est comuns a A e B:
contido em B, e escreve-se A B, se e s se todo o elemento de A tambm
elemento de B: A X B tw P S : w P A ^ w P Bu .
pA Bq px P A x P Bq . Propriedades:
A X A A;
1.5 Conjunto universo
O conjunto universo o conjunto que constitudo por todos os elementos A X B B X A;
do universo que estamos a considerar em cada caso em concreto. O conjunto A X H H;
universo representa-se por U ou S. Qualquer subconjunto A est contido no
universo: A X S A.
A S.
Exemplo 2.2. t0, 1, 3u X t3, 4, 5u t3u.
So tambm importantes as seguintes propriedades:
2 Operaes com conjuntos
Propriedade distributiva: A Y pB X Cq pA Y Bq X pA Y Cq;
Considere um conjunto universo S no qual esto contidos dois conjuntos
quaisquer A e B, diferentes do vazio. Propriedade distributiva: A X pB Y Cq pA X Bq Y pA X Cq;
Lei da absoro: A X pA Y Bq A;
Lei da absoro: A Y pA X Bq A.
Teoria das probabilidades 1/29
C. Fernandes & P. Ramos Teoria das probabilidades 2/29
C. Fernandes & P. Ramos
2.3 Complementar de um conjunto 2.6 Nmero de elementos da reunio de dois conjuntos

O complementar de A em relao ao conjunto universo S indicado pelo sm- Sejam A e B dois conjuntos, tais que o nmero de elementos de A, cardinal
bolo A. O conjunto A formado por todos os elementos que no pertencem de A, seja n pAq e o nmero de elementos de B, cardinal de B, seja n pBq.
ao conjunto A. Assim: Representando o nmero de elementos da interseco A X B por n pA X Bq e
A tx : x R Au . o nmero de elementos da reunio AYB por n pA Y Bq, tem-se: n pA Y Bq
n pAq ` n pBq n pA X Bq.
Propriedades: Existe ainda uma importante operao entre os conjuntos, que tem inte-
resse considerar num contexto de acontecimentos aleatrios.
A Y A S;
Definio 2.1. Sejam A1 , A2 , . . . , An , n conjuntos. Denominaremos produto
A X A H; cartesiano de A1 , A2 , . . . , An , denotando-o por A1 A2 An , o conjunto
tpa1 , a2 , . . . , an q : ai P Ai , i 1, . . . , nu. Note que em geral o produto cartesi-
H S;
ano no comutativo pois os elementos do novo conjunto so vectores tais
S H. que, a componente j desse vector um elemento do conjunto j no produto
cartesiano, e no de outro qualquer.
2.4 Diferena ou complementar de um conjunto relati-
vamente a outro 3 Propriedades das operaes com conjuntos
Os elementos da diferena so aqueles que pertencem ao primeiro conjunto
mas no pertencem ao segundo. Assim: Propriedades Reunio
AzB A B tw P S : w P A ^ w R Bu . Comutativa AYB BYA
Associativa A Y pB Y Cq pA Y Bq Y C
Propriedades: Distributiva A Y pB X Cq pA Y Bq X pA Y Cq
Idempotncia AYAA
AzA H; Lei do
AYAS
complemento
AzB BzA, a diferena de conjuntos no uma operao comutativa; Lei de
AYB AXB
AzH A; De Morgan
Elemento
AYHA
HzA H. neutro
Elemento
Exemplo 2.3. t0, 5, 7u z t0, 3, 7u t5u e t0, 3, 7u z t0, 5, 7u t3u. AYS S
absorvente
2.5 Conjuntos disjuntos

Se dois conjuntos A e B no tm elementos em comum, isto , se A X B H
ento A e B so chamados conjuntos disjuntos.
Teoria das probabilidades 3/29 Teoria das probabilidades 4/29

C. Fernandes & P. Ramos C. Fernandes & P. Ramos
Propriedades Interseco 4.1 Experincia aleatria e espao de resultados ou es-

Comutativa AXB BXA pao amostral
Associativa A X pB X Cq pA X Bq X C
Definio 4.1. Uma experincia aleatria um procedimento que se pode
Distributiva A X pB Y Cq pA X Bq Y pA X Cq
repetir um grande nmero de vezes em condies uniformes, sobre o qual
Idempotncia AXAA
no se conhece partida o resultado (fenmeno aleatrio), conhecendo-se no
Lei do entanto o conjunto de todos os resultados possveis.
AXAH
complemento
Lei de Definio 4.2. O espao de resultados o conjunto de todos os resultados
AXB AYB
De Morgan possveis de uma experincia aleatria. Representa-se por S, U ou .
Elemento
AXS A
neutro
4.2 Acontecimentos e lgebra dos acontecimentos
Elemento
AXHH
absorvente Definio 4.3. Um acontecimento um subconjunto do espao de resultados.
Acontecimento Elementar - um acontecimento que contm exacta-

mente um dos resultados possveis de uma experincia aleatria;
4 Definies bsicas sobre teoria das probabi-
Acontecimento Composto - um acontecimento que contm mais do
lidades que um dos resultados possveis de uma experincia aleatria;
Todos ns temos uma noo intuitiva de probabilidade. Por exemplo, se Acontecimento Certo - um acontecimento que contm todos os resul-
perguntarmos a algum se chove ou no amanh, muitos respondero que tados possveis de uma experincia aleatria, denotado por S;
provavelmente ir chover ou que provavelmente no ir chover, em raras
circunstncias tm a certeza absoluta de que no chove ou de que chove. Acontecimento Impossvel - um acontecimento sem resultados, deno-
Se pedirmos a previso de outros fenmenos em que intervm o acaso, tais tado por H, conjunto vazio.
como se vai ganhar o totoloto desta semana, as respostas sero idnticas.
Vamos agora introduzir o conceito de partes de um conjunto. Seja W
Chover ou ganhar o totoloto so exemplos de fenmenos (ou experincias)
um conjunto no vazio e finito com n elementos. As partes do conjunto
ditos aleatrios. Aos fenmenos naturais em que se supe intervir o acaso,
W, P pWq, o conjunto cujos elementos so todos os subconjuntos de W,
mas para os quais se podem encontrar taxas de realizao constante que
incluindo o conjunto vazio e o prprio conjunto W. Este conjunto contm
podero permitir certas previses de ndole global, d-se o nome de fenmenos
2n elementos. Se W o conjunto W ta, bu ento os subconjuntos de W
(ou experincias) aleatrios.
so H, tau, tbu e ta, bu. Assim P pWq tH, tau , tbu , ta, buu. No caso do
A teoria das probabilidades um conjunto de estruturas matemticas que
conjunto ser o espao de resultados S associado a uma determinada experi-
servem para formular modelos de fenmenos aleatrios, ditos modelos aleat-
ncia aleatria, as partes de S contm todos os acontecimentos associados
rios, que nos permitem calcular as probabilidades de certos acontecimentos.
experincia em causa.
Associados ao conceito de fenmeno (ou experincia) aleatrio surgem outros
Considere-se um espao de resultados S. possvel definir sobre os acon-
conceitos fundamentais que iremos definir a seguir.
tecimentos as mesmas operaes que vimos para os conjuntos, uma vez que
definimos acontecimento como um conjunto de elementos do conjunto de
resultados S.

Diagrama de Venn: Acontecimento contrrio a A, A, o acontecimento constitudo por

todos os elementos de S que no pertencem a A. Observe-se que A A;
S
S
B
A
A A
O rectngulo representa o espao resultados, ou seja, todos os aconteci-

mentos elementares. As elipses representam os acontecimentos A e B.
Existe um paralelismo entre as operaes com conjuntos e as operaes
com acontecimentos. No entanto, utiliza-se uma linguagem prpria para os Acontecimento reunio de A e B, A Y B, o acontecimento que se
acontecimentos. Em seguida apresentam-se algumas operaes com aconte- realiza se e s se A ou B se realizam;
cimentos.
S
A subacontecimento de B, A B, se e s se a realizao de A implica
a realizao de B;
A B
S
B
AB
A
Acontecimento interseco de A e B, A X B, o acontecimento que se

realiza se e s se A e B se realizam simultaneamente;
A e B so idnticos se e s se a ocorrncia de um implica a ocorrncia S

do outro, isto , A B e B A. Escreve-se A B;
S A B
A=B
AB

Acontecimento diferena de A e B, AzB ou A B, o acontecimento Generalizando, os acontecimentos A1 , A2 , . . . , An dizem-se mutuamente

que se realiza se e s se A se realiza sem que B se realize; exclusivos se e s se Ai X Aj H, para i j:
Ai X Aj H, para i j e ni1 Ai S;

S
S
A B A1 A3
A2
A4 ...
A -B An
A e B dizem-se incompatveis, disjuntos ou mutuamente exclusivos se n

Ai X Aj H, para i j e Ai S;
e s se a ocorrncia de um deles implica a no ocorrncia do outro: i1
A X B H e A Y B S; S
A1 A3
A2
S
A4
B An ...
A
Exemplo 4.1. Considere-se a experincia aleatria que consiste no lana-

mento de dois dados e registo da soma dos pontos obtidos nas duas faces que
A X B H e A Y B S (acontecimentos incompatveis e contr-
ficaram voltadas para cima. Espao de resultados: S t2, 3, 4, . . . , 10, 11, 12u.
rios);
Definam-se os seguintes acontecimentos:
S A - A soma das faces um nmero par;
B - A soma das faces menor que 5.

B
A
Tem-se ento:
A t2, 4, 6, 8, 10, 12u e B t2, 3, 4u;
A Y B t2, 3, 4, 6, 8, 10, 12u e A X B t2, 4u;
AzB t6, 8, 10, 12u e A t3, 5, 7, 9, 11u.

Exemplo 4.2. Considere-se uma urna com m bolas, fisicamente idnticas, 61 , bastando ter em ateno que temos 6 faces. No ser igualmente difcil
numeradas de 1 a m. A experincia aleatria que consiste em retirar ao concluir que a probabilidade do acontecimento A: sair face par 21 , isto
acaso da urna N bolas, uma a uma sem reposio, 0 N m, tem espao , P rAs 12 . Basta pensarmos que temos trs possibilidades em seis. Do
de resultados com mesmo modo a probabilidade do acontecimento B: sair face mpar 12 .
A ideia de probabilidade subjacente ao nosso raciocnio foi a mesma de
m
AN m pm 1q pm 2q pm N ` 1q Laplace, um dos primeiros matemticos que procuraram estabelecer uma
teoria rigorosa das probabilidades. Na sua teoria, dita Teoria Clssica de
elementos, nmero de arranjos simples de m objectos tomados N a N. No
Laplace, a probabilidade de um acontecimento a razo entre o nmero de
caso particular em que N m, o espao de resultados tem
casos favorveis a esse acontecimento e o nmero total de casos possveis,
Pm m! m pm 1q pm 2q 1 desde que os resultados sejam igualmente provveis. Esta teoria foi gran-
demente criticada na medida em que supe existir uma probabilidade igual
elementos, nmero de permutaes de m objectos. Se as N bolas so retiradas para os acontecimentos, o que nem sempre possvel.
uma a uma com reposio o espao de resultados tem Outras teorias se seguiram cada uma delas com a sua definio de pro-
babilidade. Kolmogoro, Cramer, Neyman e Frechet associaram o conceito
m 1
AN mN de probabilidade ideia de frequncia com que ocorre um acontecimento
e criaram a Teoria Frequencista da Probabilidade, qual tambm se d o
elementos, nmero de arranjos completos (com repetio) de m objectos to-
nome de Teoria Clssica Moderna. A ideia bsica que as probabilidades so
mados N a N. Se as N bolas so retiradas simultaneamente (no faz sentido
objectos matemticos que satisfazem um certo nmero de axiomas. Como re-
falar em reposio ou no reposio e tem-se naturalmente 0 N m) o
gra de interpretao dos axiomas, devemos entender a frequncia como uma
espao de resultados tem
medio fsica de uma grandeza aleatria - a probabilidade - associada a um
m m! acontecimento.
CN Temos ainda o conceito subjectivo de probabilidade, em que a probabili-
N! pm Nq!
dade de um acontecimento entendida como uma medida pessoal (entre 0 e
elementos, nmero de combinaes de m objectos tomados N a N. 1) do grau de crena sobre a ocorrncia do acontecimento.
A perspectiva em que nos colocamos ser a de termos por um lado a
teoria abstracta das probabilidades e por outro as suas aplicaes prticas.
5 Probabilidades Em resumo temos que,
5.1 Conceito de probabilidade Definio 5.1. A probabilidade uma medida da possibilidade de ocorrncia
de determinado acontecimento.
A teoria das probabilidades diz respeito maneira como se deve associar
nmeros aos acontecimentos de um espao amostral S. Cada um desses n-
meros a probabilidade do acontecimento a que ele est associado. Tal como 5.1.1 Conceito clssico de probabilidade
dissemos no incio, todos ns temos uma noo intuitiva de probabilidade. Se associada a uma experincia aleatria tivermos um espao de resultados
Com efeito, se considerarmos um lanamento de uma moeda, a possibilidade com N elementos, igualmente provveis, e A for um acontecimento que con-
de sair face ou coroa a mesma, desde que a moeda esteja equilibrada. A pro- tm NA elementos do espao de resultados, ento
babilidade associada a cada um desses acontecimentos 12 . Podemos ento
escrever: NA
1 P rAs ,
P rF s P rCs . N
2
Se pensarmos no lanamento de um dado perfeito, isto , um dado em onde N o nmero de resultados possveis e NA o nmero de resultados
que todas as faces so igualmente possveis, a probabilidade de qualquer face favorveis a A.

Exemplo 5.1. De um saco com trs bolas azuis e duas verdes retira-se, sem (i) P rAs 0, @A S;
ver, uma bola. Qual a probabilidade da bola ser azul?
Como cada uma das 5 bolas um caso possvel e cada uma das 3 bolas (ii) P rSs 1;
azuis um caso favorvel, tem-se, (iii) Com A e B acontecimentos mutuamente exclusivos definidos em S, ou
no de casos favorveis 3 seja, A X B H, tem-se:
p o .
n de casos possveis 5 P rA Y Bs P rAs ` P rBs .
Logo, 3
0, 6 a probabilidade de retirar uma bola azul do saco.
5
Pode generalizar-se para n acontecimentos mutuamente exclusivos, ficando-
se com:
5.1.2 Conceito frequencista de probabilidade

n n
P Ai P rAi s .
Este conceito de probabilidade atende ao facto de na realidade nem todos os i1 i1
acontecimentos serem equiprovveis. Assim, a probabilidade de um aconte-
De acordo com a teoria frequencista, P rAs a frequncia limite com
cimento avaliada atravs da informao j existente, sendo igual razo
que o acontecimento A ocorre quando o nmero de experincias aleatrias
entre o nmero de vezes em que se verificou uma realizao favorvel ao
correspondentes tende para infinito. O facto dos axiomas (i), (ii) e (iii) se
acontecimento A pNA q e o nmero de vezes em que se efectuou a experincia
verificarem para as frequncias relativas, legitima a sua interpretao como
aleatria pNq, isto ,
NA uma probabilidade.
P rAs lim .
N 8 N
Assim a probabilidade vista como uma frequncia relativa. 5.2.1 Consequncias dos axiomas
Dado um acontecimento A com probabilidade P rAs 0, a probabili-
Exemplo 5.2. O telefone toca. Qual a probabilidade de ser engano?
dade do seu complementar obtm-se por
Para responder pergunta tem de se recorrer experincia. Portanto,
teramos de atender o telefone muitas vezes e registar se foi engano ou no.

P A 1 P rAs ;
Supondo que em 1000 chamadas, 6 foram engano, podemos afirmar que 1000 6
ou 0, 6% um valor aproximado para a probabilidade de ser engano. A probabilidade do acontecimento impossvel zero, isto ,
5.1.3 Conceito subjectivo de probabilidade P rHs 0;
A probabilidade de um acontecimento A baseia-se na intuio e conhecimento Se A B ento

pessoal sobre a ocorrncia de A. P rAs P rBs .
Exemplo 5.3. Um gelogo afirma que numa dada regio h 60% de hiptese Podemos ainda escrever que se A B ento
de haver petrleo, baseando-se quer nas caractersticas do terreno, quer na
sua semelhana com outras regies com conhecida presena ou ausncia de P rBs P rAs ` P rB As ;
petrleo nos ltimos anos.
0 P rAs 1, @A S;
5.2 Axiomas da teoria das probabilidades Dados dois acontecimentos quaisquer A e B, a probabilidade do aconte-
cimento diferena A B obtm-se pela diferena entre a probabilidade
Suponha-se uma funo P rs que associa a qualquer acontecimento definido de A e a probabilidade da interseco de A com B, ou seja,
em S um nmero compreendido no intervalo r0, 1s, satisfazendo os seguintes
axiomas: P rA Bs P A X B P rAs P rA X Bs ;

A probabilidade da unio de dois acontecimentos quaisquer A e B, Considerando os acontecimentos:

obtm-se somando as suas probabilidades e deduzindo a probabilidade
da sua interseco, isto , Q - A empresa tem departamento de controlo da qualidade;
R - A empresa tem departamento de recursos humanos.

P rA Y Bs P rAs ` P rBs P rA X Bs .
Podemos calcular a probabilidade da empresa seleccionada se encontrar nas
Sendo A e B quaisquer dois acontecimentos, seguintes condies:
P rA Y Bs P rAs ` P rBs . (a) Ter departamento de controlo da qualidade ou departamento de recursos
humanos.
A probabilidades da unio de trs acontecimentos dada por:
Pelos dados do problema sabemos que P rQs 0, 6, P rRs 0, 4 e
P rA Y B Y Cs P rAs ` P rBs ` P rCs P rA X Bs P rA X Cs ` P rQ X Rs 0, 2. Logo
P rB X Cs ` P rA X B X Cs . P rQ Y Rs P rQs ` P rRs P rQ X Rs 0, 6 ` 0, 4 0, 2 0, 8.
A probabilidade da unio de quatro acontecimentos dada por:
(b) Ter apenas um dos departamentos.
P rA Y B Y C Y Ds P rAs ` P rBs ` P rCs ` P rDs P rA X Bs `
P rA X Cs P rA X Ds P rB X Cs ` ` `
P QXR Y QXR P QXR `P RXQ
P rB X Ds P rC X Ds ` P rA X B X Cs `
P rQs P rQ X Rs ` P rRs P rQ X Rs
`P rA X B X Ds ` P rA X C X Ds `
0, 6.
`P rB X C X Ds P rA X B X C X Ds .
Estas frmulas podem ser generalizadas para n acontecimentos. Sejam Ou poderemos tambm fazer
A1 , A2 , . . . , An acontecimentos quaisquer definidos em S. Ento: ` `
P Q X R Y Q X R P rQ Y Rs P rQ X Rs 0, 8 0, 2 0, 6.

n
P rA1 Y A2 Y . . . Y An s P Ai (c) No ter qualquer um destes departamentos.
i1
n n1 n

P rAi s

P rAi X Aj s ` P Q X R P Q Y R 1 P rQ Y Rs 1 0, 8 0, 2.
i1 i1 ji`1
(d) No ter departamento de controlo da qualidade e ter departamento de
n2
n1 n
recursos humanos.
` P rAi X Aj X Ak s ` . . . `
i1 ji`1 kj`1
` . . . ` p1qn`1 P rA1 X A2 X . . . X An s .
P rRzQs P Q X R P rRs P rQ X Rs 0, 4 0, 2 0, 2.
Exemplo 5.4. Do conjunto das grandes empresas que actuam num dado
sector industrial, sabe-se que 60% dessas empresas tm departamento de con- (e) Ter departamento de controlo da qualidade mas no ter departamento
trolo de qualidade, 40% tm departamento de recursos humanos e 20% tm de recursos humanos.
ambos os departamentos. Escolhe-se ao acaso uma empresa do ficheiro das
empresas do referido sector.

P Q X R P rQs P rQ X Rs 0, 6 0, 2 0, 4.

5.3 Espaos de probabilidade finitos 5.4.1 Axiomtica das probabilidades condicionadas

5.3.1 Espaos de probabilidade finitos P rA|Bs 0;
Suponhamos que o espao de resultados S finito, S tw1 , w2 , . . . , wn u. Se P rS|Bs 1;
fizermos corresponder a cada acontecimento elementar wi , com wi P S, um
nmero real pi e se satisfizer as seguintes condies: Se A1 e A2 so mutuamente exclusivos, A1 X A2 H, ento:
pi 0; P rpA1 Y A2 q |Bs P rA1 |Bs ` P rA2 |Bs .
p1 ` p2 ` ` pn 1. Pode generalizar-se para n acontecimentos mutuamente exclusivos, ficando-

se com:
Ento estamos na presena de um espao de probabilidade finito.

n n
P Ai |B P rAi |Bs .
i1 i1
5.3.2 Espaos de probabilidade finitos equiprovveis
Exemplo 5.5. Considerem-se os seguintes acontecimentos e as respectivas
Se o espao de resultados S for constitudo por um nmero finito, n, de acon-
probabilidades:
tecimentos elementares e se todos os acontecimentos elementares estiverem
nas mesmas condies de ocorrncia, ento todos os pi sero iguais e tero o C: Chover; P rCs 0, 3;
valor n1 .
Por exemplo, se tiver um acontecimento A constitudo pelos acontecimen- V : Fazer vento; P rV s 0, 6;
tos elementares w1 , w3 , wx1 , wx temos que: C X V : Chover e fazer vento; P rC X V s 0, 25.
1 1 1 1 4 (a) Calcule a probabilidade de chover se estiver vento;
P rAs ` ` ` .
n n n n n
A probabilidade de chover se estiver vento
5.4 Probabilidades condicionadas P rC X V s 0, 25
P rC|V s 0, 412,
Desde que se conhea a probabilidade do acontecimento B, possvel calcular P rV s 0, 6
a probabilidade de qualquer outro acontecimento A se realizar, dado que o que, na verdade, significa que em 41, 2% dos dias em que est vento
acontecimento B j se realizou: tambm chove.
P rA X Bs (b) Calcule a probabilidade de se verificar um dia de vento se estiver a
P rA|Bs ,
P rBs chover.
se P rBs 0. A probabilidade de se verificar um dia de vento se estiver a chover
Observao 5.1. A probabilidade condicionada tambm se pode representar P rV X Cs 0, 25

P rV |Cs 0, 833,
por P rA{Bs. P rCs 0, 3
O facto de se saber que B ocorreu, faz com que B se torne o novo espao que, na verdade, significa que em 83, 3% dos dias em que chove tambm
amostral. A funo P rA|Bs, para cada B fixo, uma nova forma de definir h vento.
probabilidade no espao amostral e, como tal, verifica os axiomas (i), (ii) e Observao 5.2. O acontecimento contrrio de A|B A|B, pelo que,
(iii) da teoria das probabilidades apresentados na subseco 5.2.
P A|B 1 P rA|Bs .

Podemos sempre condicionar o acontecimento A por mais do que um De facto, temos:

acontecimento. Por exemplo, P rA| pB X Cqs ou simplesmente P rA|B X Cs,
tendo-se: P rA X B X Cs
P rA X B|Cs
P rA X B X Cs P rCs
P rA|B X Cs
P rB X Cs
P rB X Cs P rA|B X Cs
se P rB X Cs 0.
P rCs
P rCs P rB|Cs P rA|B X Cs
5.5 Probabilidade da interseco de acontecimentos
P rCs
Da frmula da probabilidade condicionada podemos escrever as igualdades:
P rB|Cs P rA|B X Cs .
P rA X Bs P rBs P rA|Bs
e
5.6 Acontecimentos independentes
P rA X Bs P rAs P rB|As . Suponhamos dois acontecimentos A e B contidos no espao S. Quando a
Esta frmula conhecida por regra fundamental para o clculo de probabi- ocorrncia ou no de um deles no afecta a probabilidade do outro ocorrer,
lidades e pode ser usada no clculo da probabilidade da interseco de dois os acontecimentos dizem-se independentes, e nesse caso tem-se:
acontecimentos.
P rA|Bs P rAs
A probabilidade da interseco de trs acontecimentos dada por:
e
P rA1 X A2 X A3 s P rpA1 X A2 q X A3 s P rB|As P rBs .
O que equivalente a escrever-se:
P rA1 X A2 s P rA3 |A1 X A2 s
P rA X Bs P rAs P rBs .
P rA3 |A1 X A2 s P rA1 s P rA2 |A1 s
5.6.1 Propriedades dos acontecimentos independentes
P rA1 s P rA2 |A1 s P rA3 |A1 X A2 s . Se A e B so acontecimentos independentes ento:
Estas frmulas podem ser generalizadas para n acontecimentos. Sejam A e B tambm o so;
A1 , A2 , . . . , An acontecimentos quaisquer definidos em S. Ento:
A e B tambm o so;

n n1
A e B tambm o so.

P Ai P rA1 s P rA2 |A1 s P rA3 |A1 X A2 s P An | Ai .
i1 i1
Os acontecimentos A, B e C so mutuamente independentes se as condi-
Podemos ainda definir a regra fundamental condicionada: es:
P rA X B|Cs P rB|Cs P rA|B X Cs . (1) P rA X Bs P rAs P rBs;
P rA X Cs P rAs P rCs;
P rB X Cs P rBs P rCs;

P rA X B X Cs P rAs P rBs P rCs; Exemplo 5.7. Considere-se a experincia aleatria que consiste no lana-
mento de um tetraedro e na observao da face obtida. O espao de resultados
se verificarem todas. Os acontecimentos A, B e C dir-se-o independentes associado a esta experincia S t1, 2, 3, 4u. Considerando os acontecimen-
dois a dois se verificarem apenas as trs primeiras condies. Observe-se que tos:
a ltima condio necessria mas no suficiente para garantir que os trs
acontecimentos so mutuamente independentes. A - sair a face 1 ou a face 2;
Vejamos os exemplos seguintes.
B - sair a face 1 ou a face 3;
Exemplo 5.6. Considere-se a experincia aleatria que consiste no lana- C - sair a face 1 ou a face 4.
mento de uma moeda regular trs vezes e na observao da face obtida. O
espao de resultados associado a esta experincia Facilmente se verifica que:
A t1, 2u;
S tpF, F, F q , pF, F, Cq , pF, C, F q , pF, C, Cq , pC, F, F q , pC, F, Cq ,
pC, C, F q , pC, C, Cqu . B t1, 3u;
Considerando os acontecimentos: C t1, 4u;
A - tpF, F, F q , pF, C, Cq , pC, F, F q , pC, C, Cqu; A X B A X C B X C A X B X C t1u;

e que:
B - tpF, F, F q , pF, F, Cq , pC, F, Cq , pC, C, F qu;
P rAs 21 ;
C - tpF, F, F q , pF, C, F q , pC, F, Cq , pC, C, F qu.
P rBs 12 ;
Facilmente se verifica que:
P rCs 21 ;
P rAs 21 ;
1
P rA X Bs 4
P rAs P rBs;
P rBs 12 ;
1
P rA X Cs 4
P rAs P rCs;
P rCs 21 ; 1
P rB X Cs 4
P rBs P rCs.
1 1
P rA X Bs P rAs P rBs;
8 4 No entanto P rA X B X Cs 41 18 P rAs P rBs P rCs, pelo que
P rA X Cs 1
1
P rAs P rCs; podemos concluir que os acontecimentos A, B e C so independentes dois a
8 4
dois mas no so mutuamente independentes.
1 3
P rB X Cs 8
8
P rBs P rCs;
A definio de acontecimentos mutuamente independentes pode ser ge-
P rA X B X Cs 1
8
P rAs P rBs P rCs. neralizada para quatro ou mais acontecimentos. Por exemplo, com quatro
acontecimentos, dever ter-se a independncia dois a dois, trs a trs e
Embora a ltima condio se verifique, os acontecimentos A, B e C so no
so mutuamente independentes porque no so independentes dois a dois. P rA X B X C X Ds P rAs P rBs P rCs P rDs .
Em modelos probabilsticos de sistemas complexos envolvendo vrios com-
ponentes, muitas vezes conveniente assumir que o comportamento das com-
ponentes independente. Isto tipicamente simplifica os clculos e a anlise,
como se ilustra no exemplo seguinte.

Exemplo 5.8. Uma rede de computadores liga dois mdulos, A e B, atravs frmula usada no clculo da probabilidade de sucesso ser muito extensa, pelo
de mdulos intermdios, C, D, E e F , como se representa na figura seguinte. que se poder tornar mais fcil fazer este clculo usando a probabilidade de
Para cada par de mdulos ligados directamente, digamos i e j, a probabilidade insucesso dada pelo produto das probabilidades de insucesso das componentes
da ligao de i para j se verificar a indicada nesta figura. correspondentes, isto ,
sucesso num insucesso num
fi fi
E
0,8 P subsistema fl 1P subsistema fl
X2
C 0,9 X3 em paralelo em paralelo
0,9 0,95
X4
X1 X5
F 1 p1 p1 q p1 p2 q p1 pm q .
A 0,85 B
X6
0,75
0,95 Pensando agora no nosso caso, representado na primeira figura, quere-
X7
D mos calcular a probabilidade de sucesso (a ligao entre A e B estar em
funcionamento). Para representar a ligao entre o mdulo A e o mdulo B,
usaremos a notao A B. Consideremos que Xi representa a existncia
da ligao i, com i 1, . . . , 7. A ligao entre A e B est em funcionamento
Suponhamos que as falhas das ligaes so independentes umas das ou-
se pelo menos um dos caminhos est em funcionamento. Ento:
tras. Qual a probabilidade da ligao entre A e B estar em funcionamento?
Este um problema usual sobre avaliao da fiabilidade dum sistema com- P rA Bs P rpX1 X X2 X X3 q Y pX1 X X4 X X5 q Y pX6 X X7 qs
posto por componentes que podem falhar independentemente. Tal sistema
pode ser dividido em subsistemas, em que cada subsistema consiste em con-
P rX1 X X2 X X3 s ` P rX1 X X4 X X5 s ` P rX6 X X7 s `
siderar vrios componentes que esto ligados quer em srie quer em paralelo,
como se apresenta nas figuras seguintes. P rX1 X X2 X X3 X X4 X X5 s `
P rX1 X X2 X X3 X X6 X X7 s `
1
P rX1 X X4 X X5 X X6 X X7 s `
`P rX1 X X2 X X3 X X4 X X5 X X6 X X7 s
2
1 2 3 3 0, 9 0, 8 0, 9 ` 0, 9 0, 95 0, 85 ` 0, 75 0, 95 `
Ligao em srie Ligao em paralelo 0, 9 0, 8 0, 9 0, 95 0, 85 `
0, 9 0, 8 0, 9 0, 75 0, 95 `
Consideremos que um subsistema um conjunto de componentes, 1, 2, 0, 9 0, 95 0, 85 0, 75 0, 95 `
. . . , m, e que pi a probabilidade da componente i funcionar (sucesso). `0, 9 0, 8 0, 9 0, 95 0, 85 0, 75 0, 95 0, 957.
Assim, dizemos que um subsistema em srie est em funcionamento se todas
as suas componentes funcionarem, sendo a sua probabilidade de sucesso dada 5.6.2 Independncia condicional
pelo produto das probabilidades de sucesso das componentes correspondentes,
isto , Se a informao que detemos sobre um acontecimento B no se altera o

sucesso num
fi que ns sabemos sobre um acontecimento A, quando j se conhece o acon-
P subsistema fl p1 p2 pm . tecimento C, dizemos que A e B so dois acontecimentos condicionalmente
em srie independentes dado a um acontecimento C. Assim os acontecimentos A e B
so condicionalmente independentes dado um acontecimento C se:
Um subsistema em paralelo est em funcionamento se pelo menos uma
das suas componentes funcionar. Se o nmero de componentes for elevado, a P rA|B X Cs P rA|Cs .

Esta noo de independncia condicional simtrica, isto , se A condicio- Podemos assim concluir que dois acontecimentos com probabilidades no
nalmente independente de B dado um acontecimento C, ento B condici- nulas, no podem ser simultaneamente, mutuamente exclusivos e indepen-
onalmente independente de A dado um acontecimento C e tem-se: dentes.
P rB|A X Cs P rB|Cs .
5.7 Partio
De facto, se A condicionalmente independente de B dado um aconteci- Os acontecimentos A1 , A2 , . . . , An constituem uma partio do espao amos-
mento C, ou seja, P rA|B X Cs P rA|Cs, ento: tral S, quando se verificam simultaneamente as seguintes condies:
P rA X B X Cs A unio de todos os acontecimentos o prprio espao de resultados;
P rB|A X Cs
P rA X Cs
Os acontecimentos so mutuamente exclusivos, dois a dois;
P rCs P rA X B|Cs

P rCs P rA|Cs Todos os acontecimentos tm probabilidade no nula.
P rB|Cs P rA|B X Cs
S
P rA|Cs A3
A1
A2
P rB|Cs P rA|Cs
A4
P rA|Cs
P rB|Cs . An ...
Se dois acontecimentos A e B so condicionalmente independentes dado

um acontecimento C ento:
P rA X B|Cs P rA|Cs P rB|Cs . 5.8 Teorema da probabilidade total

5.6.3 Acontecimentos incompatveis ou mutuamente exclusivos e Se os acontecimentos A1 , A2 , . . . , An constituem uma partio do espao
acontecimentos independentes amostral S, ento para qualquer acontecimento B definido em S, tem-se:
Considerem-se os acontecimentos A e B aos quais esto associadas probabi- S

A1 A2 A3
lidades positivas:
Se A e B so mutuamente exclusivos ou incompatveis tem-se A X B B A4

H e consequentemente P rA X Bs 0, pelo que neste caso nunca po-
dero ser independentes, pois para isso, teramos que ter P rA X Bs An ...
P rAs P rBs 0, pois ambos os acontecimentos tm probabilidades
no nulas;
Se A e B so independentes tem-se P rA X Bs P rAs P rBs 0,

pois ambos os acontecimentos tm probabilidades no nulas, pelo que
neste caso nunca podero ser mutuamente exclusivos, pois teramos
A X B H e consequentemente P rA X Bs 0.

P rBs P rpA1 X Bq Y pA2 X Bq Y Y pAn X Bqs Assim a probabilidade

pedida decorre de imediato dos dados do problema
e igual a P R|D 0, 02.

P rA1 X Bs ` P rA2 X Bs ` ` P rAn X Bs
R
P rA1 s P rB|A1 s ` P rA2 s P rB|A2 s ` ` P rAn s P rB|An s

P rR|D
s0,98

n
# D
##
P rAi s P rB|Ai s . ### P rR|D s0,02
i1 #####
#
P rDs0,08 R
###
5.9 Teorema de Bayes #####
##
###
Se os acontecimentos A1 , A2 , . . . , An constituem uma partio do espao

amostral S, ento para qualquer acontecimento B com probabilidade no

nula, tem-se: P rD s0,92 R

P rAj X Bs

r
P R|D s0,03
P rAj |Bs

P rBs D

P rAj s P rB|Aj s P rR|D s0,97

P rA1 s P rB|A1 s ` P rA2 s P rB|A2 s ` ` P rAn s P rB|An s R
P rAj s P rB|Aj s
n , j 1, . . . , n. (b) Qual a probabilidade de uma pea ser rejeitada por este sistema de
i1 P rAi s P rB|Ai s controlo?
Exemplo 5.9. A actual linha de produo de uma empresa gera uma inci- A probabilidade de uma pea ser rejeitada pelo sistema de controlo, isto
dncia de peas defeituosas na ordem dos 8%. Foi implementado um sistema , ser identificada como pea defeituosa podendo de facto o ser ou no,
de controlo da qualidade cuja probabilidade de rejeitar uma pea defeituosa obtm-se recorrendo ao teorema da probabilidade total e dada por:
de 98%, e a probabilidade de rejeitar uma que de facto no defeituosa de
3%. P rRs P rR X Ds ` P R X D
(a) Qual a probabilidade de uma pea defeituosa passar no sistema de con-

P rDs P rR|Ds ` P D P R|D
trolo?
Consideremos os seguintes acontecimentos: D - A pea produzida de-
feituosa e R - A pea produzida rejeitada pelo sistema de controlo. 0, 08 0, 98 ` 0, 92 0, 03 0, 106.
Sabe-se ento que:
(c) No conjunto das peas rejeitadas por este sistema de controlo, qual a
P rDs 0, 08; probabilidade de uma pea ser de facto defeituosa?

P rR|Ds 0, 98 P R|D 0, 02; Agora temos apenas de considerar o universo das peas produzidas que
foram rejeitadas pelo sistema de controlo. Como o sistema pode falhar
P R|D 0, 03 P R|D 0, 97.
na identificao da qualidade dessas peas, neste universo para alm
de peas defeituosas podem existir peas no defeituosas, obviamente

Instituto Superior de Engenharia de Lisboa
rea Departamental de Matemtica
Resumos sobre Probabilidades e Estatstica
em percentagem reduzida, caso o sistema de controlo esteja a funcionar

devidamente, isto , apenas com as avarias casuais inerentes a qualquer
sistema. A probabilidade pedida ento P rD|Rs e obtm-se recorrendo
ao teorema de Bayes. Assim temos:
P rD X Rs
P rD|Rs
P rRs
P rDs P rR|Ds

P rDs P rR|Ds ` P D P R|D
0, 08 0, 98
0, 7396.
0, 08 0, 98 ` 0, 92 0, 03
Note-se que o resultado enunciado no teorema de Bayes se obtm apli-
cando primeiro a definio de probabilidade condicionada, e em seguida
recorrendo ao teorema da probabilidade total. de referir ainda que
na expresso associada ao teorema de Bayes o numerador uma das
parcelas que aparecem no denominador.
5.9.1 Frmula de Bayes condicionada

Tal como na regra fundamental para o clculo de probabilidades tambm
para a regra de Bayes temos a regra de Bayes condicionada:
P rB|A X Cs P rA|Cs
P rA|B X Cs .
P rB|Cs
De facto, temos:
P rA X B X Cs
P rA|B X Cs
P rB X Cs
P rAs P rB X C|As

P rCs P rB|Cs
P rAs P rC|As P rB|C X As
pusando (1)q
P rCs P rB|Cs
P rCXAs
P rAs P rAs
P rB|A X Cs

P rCs P rB|Cs
P rCs P rA|Cs P rB|A X Cs

P rCs P rB|Cs
P rA|Cs P rB|A X Cs
.
P rB|Cs
Teoria das probabilidades 29/29

C. Fernandes & P. Ramos

Resumo Teoria Das Probabilidades PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Resumo Teoria Das Probabilidades PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Instituto Superior de Engenharia de Lisboa Instituto Superior de Engenharia de Lisboa

rea Departamental de Matemtica rea Departamental de Matemtica

Teoria das probabilidades

2.3 Complementar de um conjunto 2.6 Nmero de elementos da reunio de dois conjuntos

2.5 Conjuntos disjuntos

Teoria das probabilidades 3/29 Teoria das probabilidades 4/29

Propriedades Interseco 4.1 Experincia aleatria e espao de resultados ou es-

Acontecimento Elementar - um acontecimento que contm exacta-

Teoria das probabilidades 5/29 Teoria das probabilidades 6/29

Diagrama de Venn: Acontecimento contrrio a A, A, o acontecimento constitudo por

O rectngulo representa o espao resultados, ou seja, todos os aconteci-

Acontecimento interseco de A e B, A X B, o acontecimento que se

A e B so idnticos se e s se a ocorrncia de um implica a ocorrncia S

Teoria das probabilidades 7/29 Teoria das probabilidades 8/29

Acontecimento diferena de A e B, AzB ou A B, o acontecimento Generalizando, os acontecimentos A1 , A2 , . . . , An dizem-se mutuamente

A e B dizem-se incompatveis, disjuntos ou mutuamente exclusivos se n

Exemplo 4.1. Considere-se a experincia aleatria que consiste no lana-

B - A soma das faces menor que 5.

A t2, 4, 6, 8, 10, 12u e B t2, 3, 4u;

A Y B t2, 3, 4, 6, 8, 10, 12u e A X B t2, 4u;

AzB t6, 8, 10, 12u e A t3, 5, 7, 9, 11u.

Teoria das probabilidades 9/29 Teoria das probabilidades 10/29

Teoria das probabilidades 11/29 Teoria das probabilidades 12/29

5.1.3 Conceito subjectivo de probabilidade P rHs 0;

A probabilidade de um acontecimento A baseia-se na intuio e conhecimento Se A B ento

Teoria das probabilidades 13/29 Teoria das probabilidades 14/29

A probabilidade da unio de dois acontecimentos quaisquer A e B, Considerando os acontecimentos:

R - A empresa tem departamento de recursos humanos.

Teoria das probabilidades 15/29 Teoria das probabilidades 16/29

5.3 Espaos de probabilidade finitos 5.4.1 Axiomtica das probabilidades condicionadas

pi 0; P rpA1 Y A2 q |Bs P rA1 |Bs ` P rA2 |Bs .

p1 ` p2 ` ` pn 1. Pode generalizar-se para n acontecimentos mutuamente exclusivos, ficando-

Observao 5.1. A probabilidade condicionada tambm se pode representar P rV X Cs 0, 25

Teoria das probabilidades 17/29 Teoria das probabilidades 18/29

Podemos sempre condicionar o acontecimento A por mais do que um De facto, temos:

P rA X B|Cs P rB|Cs P rA|B X Cs . (1) P rA X Bs P rAs P rBs;

Teoria das probabilidades 19/29 Teoria das probabilidades 20/29

Considerando os acontecimentos: C t1, 4u;

A - tpF, F, F q , pF, C, Cq , pC, F, F q , pC, C, Cqu; A X B A X C B X C A X B X C t1u;

Teoria das probabilidades 21/29 Teoria das probabilidades 22/29

Teoria das probabilidades 23/29 Teoria das probabilidades 24/29

Se dois acontecimentos A e B so condicionalmente independentes dado

P rA X B|Cs P rA|Cs P rB|Cs . 5.8 Teorema da probabilidade total

Considerem-se os acontecimentos A e B aos quais esto associadas probabi- S

Se A e B so mutuamente exclusivos ou incompatveis tem-se A X B B A4

Se A e B so independentes tem-se P rA X Bs P rAs P rBs 0,

Teoria das probabilidades 25/29 Teoria das probabilidades 26/29

P rBs P rpA1 X Bq Y pA2 X Bq Y Y pAn X Bqs Assim a probabilidade

P rA1 X Bs ` P rA2 X Bs ` ` P rAn X Bs

(a) Qual a probabilidade de uma pea defeituosa passar no sistema de con-

Teoria das probabilidades 27/29 Teoria das probabilidades 28/29

em percentagem reduzida, caso o sistema de controlo esteja a funcionar

5.9.1 Frmula de Bayes condicionada

Teoria das probabilidades 29/29

Você também pode gostar