Você está na página 1de 7

Aula 04

0.1 Probabilidade: conceitos básicos


Experiências que, repetidas sob as mesmas condições, geralmente produzem re-
sultados diferentes são chamadas de aleatórias.

Se uma moeda é jogada aleatoriamente, pode-se ter cara ou coroa, mas não se
sabe qual deles ocorrerá em um único lance. Entretanto, suponha que seja s o número de
vezes que cara aparece quando a moeda é jogada n vezes. Então, à medida que aumen-
s
tamos n, ou seja, o número de jogadas da moeda, a razão f = , chamada de frequência
n
relativa do resultado, fica mais estável. Isto significa que, se a moeda estiver perfeitamente
balanceada, espera-se que as chances de cair cara é de aproximadamente 50% das jogadas,
1
ou seja, o valor de f = . Perceba que, em condições uniformes da moeda, a probabilidade
2
1
de cair cara ou coroa é de .
2
Chamamos de espaço amostral ao conjunto de todos os resultados possı́veis de
uma experiência aleatória. Representaremos o espaço amostral pelo sı́mbolo S e conside-
raremos os casos de S finito ou infinito enumeravél. Os subconjuntos de S serão chamados
de eventos.

Exemplo 0.1. Lança-se uma moeda e observa-se a face que cai voltada para cima. O
espaço amostral é S = {cara, coroa} e há 4 eventos: ∅, A = {cara}, B = {coroa} e S. ∅
é um evento que nunca ocorre e é chamado de evento impossı́vel, A ocorre se, e somente
se, o lançamento resulta em cara (o mesmo vale para B) e S sempre ocorre e é chamado
de evento certo.

Exemplo 0.2. Consideremos o experimento que consiste em lançar dois dados e anotar
o par de números resultantes. Para identificar seu espaço amostral, podemos pensar que o
primeiro dado é rosa e que o segundo dado é branco. Teremos, então diferentes resultados
se forem observados 2-branco seguido de 3-rosa ou 3-branco seguido de 2-rosa. O diagrama
abaixo fornece uma representação gráfica dos elementos de S:

1
Sendo assim, os possı́veis resultados são todos os pares ordenados (i, j), com
i = 1, ..., 6 e j = 1, ..., 6. Podemos dizer que

S = {(i, j)| i = 1, ..., 6, j = 1, ..., 6}


Se A e B são eventos em um mesmo espaço amostral S, A ∪ B é o evento que
ocorre se e somente se ocorre o evento A ou ocorre o evento B, isto é, ocorre pelo menos
um dos eventos; A ∩ B é o evento que ocorre se e somente se ocorrem ambos os eventos;
A − B é o evento que ocorre se e somente se ocorre A mas não ocorre B; Ac , chamado de
evento oposto de A, é o evento que ocorre se e somente se o evento A não ocorre.

O Princı́pio Multiplicativo será muito útil no cálculo do número de elementos do


espaço amostral. Às vezes não é necessário descrever o espaço amostral, sendo suficiente,
para o cálculo das probabilidades, conhecer sua cardinalidade (que representamos pelo
sı́mbolo # antes do conjunto, por exemplo, #S), isto é, qual o número de elementos de S.

Exemplo 0.3. Consideremos o experimento“lançar uma moeda e um dado e anotar o par


de resultado”. Sabemos que para o lançamento da moeda há dois resultados possı́veis: cara e
coroa. Para o dado, são seis as possibilidades: 1, 2, 3, 4, 5, 6. Pelo Princı́pio Multiplicativo,
temos um total de 2 · 6 = 12 elementos em S.

Exemplo 0.4. O lançamento de três dados possui 6 · 6 · 6 = 216 resultados possı́veis, isto
é, #S = 216.

Definição 0.1. Uma probabilidade é uma função que associa a cada evento A um número
P (A) de forma que:

1. Para todo evento A, 0 ≤ P (A) ≤ 1.

2. P (S) = 1

2
3. Se A e B são eventos mutualmente excludentes, isto é, não ocorrem simultaneamente
(A ∩ B = ∅), então P (A ∪ B) = P (A) + P (B).
Como mencionado antes, Se n é o número de elementos de um espaço amostral
e se j representa o número de elementos de um evento A qualquer, então a probabilidadde
deste evento ocorrer é dado pela razão entre o número j (de casos favoráveis ao evento) e
o número n (total de casos possı́veis). Ou seja,
j
P (A) =
n
é o modelo que foi adotado por matemáticos como Cardano, Pascal, Laplace entre outros.
Exemplo 0.5. Um dado é lançado, e observado o número da face de cima. O espaço
amostral S é dado por
S = {1, 2, 3, 4, 5, 6}
Chamando de p1 , p2 , p3 , p4 , p5 , p6 , respectivamente, os elementos de S, temos que a probabi-
1
lidade de um dos elementos ocorrer são iguais, ou seja, p1 = p2 = p3 = p4 = p5 = p6 = .
6
Neste caso, a probabilidade de ocorrer uma face de número ı́mpar (A = {1, 3, 5}) é de
3 1
P (A) = p1 + p3 + p5 = =
6 2
O seguinte teorema resume algumas propriedades fundamentais da teoria das
probabilidades.
Teorema 0.1. Se A e B são eventos, então:
1. P (Ac ) = 1 − P (A)

2. P (∅) = 0

3. P (A − B) = P (A) − P (A ∩ B)

4. P (A ∪ B) = P (A) + P (B) − P (A ∩ B), se A ∩ B 6= ∅ ou P (A ∪ B) = P (A) + P (B)


se A ∩ B = ∅

5. Se B ⊂ A então P (B) ≤ P (A).


Exemplo 0.6. Em um grupo de r pessoas, qual é a probabilidade de haver pelo menos
duas das pessoas que façam aniversário no mesmo dia.

Solução

Vamos determinar a possibilidade disso não acontecer. Como, para uma pessoa, há 365
possibilidades de dias para fazer aniversário em um ano então para r pessoas há 365r possi-
bilidades de dias para aniversário. O número de casos favoráveis a que todas aniversariem

3
em dias diferentes é 365·364· . . . ·(366−r) (pois cada termo do produto é dado por 366−r,
por exemplo, para uma pessoa, ou seja, r = 1, 366 − 1 = 365, para r = 2, 366 − 2 = 364,
e assim sucessivamente, até o último termo), havendo r fatores nesse produto.

Portanto, a probabilidade de não haver pelo menos duas pessoas que façam aniversário
no mesmo dia é de

365 · 364 · . . . · (366 − r)


365r
e a de haver pelo menos duas pessoas que possuam o mesmo dia de aniversário é de

365 · 364 · . . . · (366 − r)


1−
365r
Exemplo 0.7. Seja S = {1, 2, 3, . . . , 99, 100}. Qual a possibilidade de aleatoriamente, es-
colhermos um número múltiplo de 5? E qual a de não escolhermos?

Solução

Seja A o evento, o número é múltiplo de 5. Então temos

A = {5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95, 100}

ou seja,
20 1
P (A) = =
100 5
a probabilidade de escolhermos tal número. E o evento de não escolhermos é representado
por Ac . Assim,
1 4
P (Ac ) = 1 − P (A) = 1 − =
5 5
Exemplo 0.8. Numa classe de 40 alunos, 22 são homens e 15 são louros. Entre os alu-
nos louros, 10 são mulheres. Um aluno é escolhido ao acaso. Qual a probabilidade de ser
homem ou louro?

Solução

Sejam os eventos H: “homem”e L: “louro”. Queremos a probabilidade do evento H ∪L.


Então
22 15 5 4
P (H ∪ L) = P (H) + P (L) − P (H ∩ L) = + − =
40 40 40 5
Pelo diagrama de Venn temos:

4
Nota: Se todos os eventos elementeres de um espaço amostral S tiverem a mesma proba-
bilidade de de ocorrerem, diremos que o espaço amostral S é equiprovável. Por exemplo,
todas as cartas de um baralho (52 cartas) possuem a mesma probabilidade de ocorrerem
1
em determinada situação, ou seja, , assim como, em um lançamento de uma moeda as
52
1
probabilidades de ocorrerem cara ou coroa também são iguais ( ).
2

0.2 Probabilidade Condicional


Seja S um espaço amostral e cosideremos dois eventos A e B. Indicamos por
P (A|B) (lê-se: “ probabilidade de A dado B”), a probabilidade do evento A, dado que
o evento B tenha ocorrido. Quando calculamos P (A|B) tudo se passa como se B fosse o
novo espaço amostral “reduzido”, do qual queremos calcular a probabilidade de A.
Exemplo 0.9. Consideremos o lançamento de um dado e a observação da face de cima.
S = {1, 2, 3, 4, 5, 6}
Suponhamos que o evento B = { o resultado é diferente de 1}, tenha ocorrido. Qual a
probabilidade do evento A = { ocorre um número par } acontecer?

Solução

Temos que o espaço amostral agora é B = {2, 3, 4, 5, 6} e P (A|B) é a probabilidade de


ocorrer um número ı́mpar no novo espaço amostral B. É visı́vel que temos como opções
de números ı́mpares os números {3, 5}. Assim, para cada um deles, a probabilidade de
1
ocorrerem é . Logo
5
1 1 2
P (A|B) = + =
5 5 5
Exemplo 0.10. A tabela abaixo mostra a distribuição dos alunos de uma turma X, por
sexo e por carreira pretendida.

5
masculino feminino total
cientı́fica 15 5 20
humanı́stica 3 7 10
total 18 12 30

Escolhe-se ao acaso um aluno. Sejam M , F , C e H os eventos, o aluno selecionado


é do sexo masculino, feminino, pretende uma carreira cientı́fica e pretende uma carreira
humanı́stica, respectivamente. Temos
10 1
P (H) = =
30 3
3 1
P (H|M ) = =
18 6
7
P (H|F ) =
12
7
P (F |H) =
10
Definição 0.2. Dados dois eventos A e B, com P (A) 6= 0, a probabilidade condicional de
A na certeza de B é o número

P (A ∩ B)
P (A|B) =
P (B)

0.3 Teorema da Multiplicação


A probabilidade da ocorrência simultânea de dois eventos (P (A ∩ B)) é o produto
da probabilidade de um deles pela probabilidade do outro, dado o primeiro. Ou seja,

P (A ∩ B)
P (A|B) = ⇒ P (A ∩ B) = P (B) · P (A|B)
P (B)
ou

P (A ∩ B)
P (B|A) = ⇒ P (A ∩ B) = P (A) · P (B|A)
P (A)
Exemplo 0.11. Uma urna contém 8 bolas amarelas e 6 bolas verdes. Qual é a probabi-
lidade de retirarmos 2 bolas sucessivamente, sem reposição, sendo a primeira verde e a
segunda amarela?

Solução

6
Seja V o evento “retirar bola verde”e A o evento “retirar bola amarela, após a retirada
de uma bola verde”.
O evento A é dependente de V , pois não há reposição após a primeira retirada. A
probabilidade de A é condicional em relação a de V . Então
6 3
P (V ) = =
14 7
e
8
P (A|V ) =
13
o novo espaço amostral tem 13 bolas, pois uma verde já foi retirada. Logo
3 8 24
P (V ∩ A) = P (V ) · P (A|V ) = · =
7 13 91