UFMA – CCET – DEMAT – ESTATÍSTICA E PROBABILIDADE definida ou regularidade surgirá.

É esta regularidade que torna possível

construir um modelo matemático.
PROBABILIDADE EXEMPLOS
(1) Jogue um dado comum e observe o número mostrado na face voltada
Em geral, um experimento ao ser observado e repetido sob um mesmo para cima.
conjunto especificado de condições, conduz invariavelmente ao mesmo
(2) Jogue uma moeda quatro vezes e observe o número de caras obtido.
resultado. São os experimentos chamados de determinísticos. Entretanto,
existem experimentos em que não se obtêm sempre o mesmo resultado, (3) Uma lâmpada é fabricada e em seguida ensaiada. Observe a sua
ainda que realizado sob condições idênticas. Tais experimentos, por duração de vida.
apresentarem variabilidade nos resultados, são objeto da Teoria de (4) Observe o tempo de espera de uma pessoa numa fila de ônibus.
Probabilidade, ao qual é o suporte básico do Modelo Matemático não-
(5) Peças são fabricadas até que dez peças perfeitas sejam produzidas.
determinístico ou Modelo Aleatório.
O número total de peças é observado.
1. CONCEITOS BÁSICOS: 1.2 Espaço Amostral (Ω):

1.1 Experimento Aleatório (ξ): É o conjunto de todos os possíveis resultados de um experimento

Um experimento é dito aleatório quando o seu resultado não for previsível aleatório. O espaço amostral depende essencialmente do que se queira

no sentido comum antes de sua realização, ou seja, é um experimento observar no experimento aleatório. Por exemplo, podemos jogar duas

cujos resultados estão sujeitos unicamente ao acaso. moedas e observar o número de caras que ocorre ou podemos observar a
distância entre elas na superfície em que caíram.
Os seguintes traços são pertinentes a esta caracterização de experimento
aleatório: EXEMPLOS

- Cada experimento poderá ser repetido indefinidamente sob condições Considere os experimentos aleatórios descritos no item 1.1. Definiremos os

essencialmente inalteradas. espaços amostrais para cada exemplo dado.

- Embora o resultado preciso que ocorrerá não possa ser dado, um (1) Ω = { 1, 2, 3, 4, 5, 6 }
1

conjunto que descreva todos os resultados possíveis para o experimento (2) Ω = {0, 1, 2, 3, 4 }
2
poderá ser apresentado.
(3) Ω = { t Є R / t ≥ 0 }
3
- Quando o experimento for executado repetidamente, os resultados
(4) Ω = { t Є R / t ≥ 0 }
4
individuais parecerão ocorrer de uma forma acidental. Contudo, quando o
(5) Ω = { 10, 11, 12, ... }
experimento for repetido um grande número de vezes, uma configuração 5

1
OBSERVAÇÃO : Um espaço amostral pode ser : Então:
__
Finito: Quando tem um número finito de elementos. A ∪A =Ω

Exemplos (1) e (2) acima. __

A ∩ A =φ
Infinito Enumerável: Quando tem tantos elementos quanto o conjunto dos
d) Mutuamente exclusivos: São aqueles eventos cuja ocorrência impede
números Naturais.
a ocorrência dos demais eventos.
Exemplo (5) acima.
Ex: No lançamento de um dado, se ocorrer a face nº 3, impede a
Infinito Não-enumerável: Quando tem tantos elementos quanto um ocorrência das demais faces.
determinado segmento do eixo Ox, tal como 0 ≤ x ≤ 1.
OBS: Os eventos complementares serão sempre mutuamente exclusivos.
Exemplos (3) e (4) acima.

e) Certo: É aquele evento que sempre ocorrerá em sucessivas repetições

1.3. Evento:
de uma experiência aleatória.
É qualquer subconjunto do espaço amostral. Representa-se pelas letras
Ex: Lançar um dado e cair uma face voltada para cima.
romanas maiúsculas.

1.3.1 Tipos de Evento: f) Impossível: É aquele evento que jamais ocorrerá em sucessivas

a) Simples: É qualquer evento formado apenas por uma unidade. repetições de uma experiência aleatória.

Ex: O evento face 4, é um evento simples do espaço amostral do Ex: Lançar um dado e não ocorrer nenhuma face voltada para cima.

lançamento de um dado. A ={4}

OBSERVAÇÕES:

b) Composto: É qualquer evento formado por mais de uma unidade.

Ex: O evento número par é um evento composto do espaço amostral do
Ocorrência de um evento: Ocorre o evento “A”, quando o resultado

lançamento de um dado. A = {2,4,6} da experiência for um elemento pertencente a “A”.

Exemplo: No lançamento de um dado ocorrerá o evento número par,

c) Complementares: O evento “Ā” é complementar do evento “A”, quando quando o resultado desta experiência for as faces 2 ou 4 ou 6.

constituído por todos os elementos do espaço amostral que não pertencem

ao evento “A”.
Ex: No lançamento de um dado honesto, o evento número ímpar Ā={1,3,5} é o
evento complementar do evento número par A ={2,4,6}.

2

Ocorrência de pelo menos um entre dois eventos: Ocorre pelo
menos um entre dois eventos, quando o resultado da experiência b) Evento Interseção: A ∩ B
aleatória for um elemento que pertença a um dos dois eventos ou a
O evento A ∩ B ocorre quando ambos os eventos A e B ocorrem.
ambos.
Exemplo: A = {2,3} B ={3,4} A ou B = A ∪ B = A + B = {2,3,4}

Ocorrência simultânea de eventos: Ocorre simultaneamente dois

eventos, quando o resultado da experiência aleatória for um elemento
que pertença a ambos os eventos.
Exemplo: A = {2,3} B ={3,4} A e B = A ∩ B = A x B = {3}

1.3.2 Operações Com Eventos

C
Como o espaço amostral Ω e qualquer evento de Ω são conjuntos, todas c) Evento Complementar: Ā, A’ ou A
as operações entre conjuntos podem ser aqui aplicadas. Assim, se A e B
O evento A’ ocorre quando o evento A não ocorre.
são dois eventos de Ω, então:

Ω
a) Evento União: A U B

O evento A U B ocorre quando ocorre o evento A ou ocorre o evento B ou

ocorrem ambos os eventos A e B.
Ā

3
d) Evento Diferença: A - B 1.3.3 Algumas Propriedades Operatórias

O evento A - B ocorre quando: ocorre o evento A mas não ocorre B.

• Comutativas:
OBS.: Note que A - B ≠ B - A.
AUB=BUA
A∩B=B∩A

• Associativas:
A U (B U C) = (A U B) U C = (A U C) U B = A U B U C
A ∩ (B ∩ C) = (A ∩ B) ∩ C = (A ∩ C) ∩ B = A ∩ B ∩ C

• Distributivas:
A U ( B ∩ C) = (A U B) ∩ (A U C)
A ∩ (B U C) = (A ∩ B) U (A ∩ C)
EXEMPLO:
• Leis De Morgan:
Sejam A, B e C eventos quaisquer de Ω. Usando as operações de união,
(A U B)’ = A’ ∩ B’
interseção e complementar, podemos descrever alguns eventos tais como:
(A ∩ B)’ = A’ U B’
(1) Ocorrência de A e não ocorrência de B e C:

A ∩ B’ ∩ C’

(2) Ocorrência de pelo menos um destes eventos :

AUBUC

(3) Ocorrência de exatamente um destes eventos :

( A ∩ B’ ∩ C’ ) U ( A’ ∩ B ∩ C’ ) U ( A’ ∩ B’ ∩ C )

(4) Ocorrência de nenhum destes eventos :

A’ ∩ B’ ∩ C’

(5) Ocorrência de exatamente dois destes eventos :

( A ∩ B ∩ C’ ) U ( A ∩ B’ ∩ C ) U ( A’ ∩ B ∩ C )

4
2. CONCEITO CLÁSSICO DE PROBABILIDADE: 3. CONCEITO EMPÍRICO OU ESTATÍSTICO

Seja ξ um experimento aleatório e Ω um espaço amostral associado a ξ. A probabilidade da ocorrência do evento “A”, é dado pelo limite da

Suponha que Ω seja finito e que todos os resultados de Ω sejam freqüência relativa deste evento, quando o número de repetições tende

igualmente prováveis. Considere um evento A de Ω, isto é A ⊂ S. Então, ao infinito.

se n e n são, respectivamente, o número de elementos de Ω e o número P( A ) = lim f r

Ω A n→ ∞

de elementos de A, a probabilidade de ocorrência do evento A, P(A) , é o Ex: Ocorrência do evento “cara” no lançamento de uma moeda.
número real definido por:
N° de provas fi fri
1 1 1,000
n( A ) 10 4 0,400
P(A ) = 20 9 0,450
n(Ω ) 30 18 0,600
100 52 0,520
Observação: 150 76 0,507
190 94 0,495
1. Dizemos que o espaço amostral Ω = {Ω1, Ω2, ..., Ωk} é equiprovável
quando qualquer elemento Ωi de Ω tem a mesma chance de ocorrência Quando se realiza uma seqüência de provas sobre um acontecimento, a
quando o experimento é realizado. sua freqüência varia com o nº de provas. À medida, porém, que cresce o nº

2. Note que pela definição clássica a probabilidade de ocorrência de um de provas, as grandes variações vão se tornando mais escassas e as

evento A é um número entre 0 e 1, inclusive. A razão n(A)/n(Ω) deve ser pequenas tornam-se mais freqüentes e a freqüência relativa tende a se

menor ou igual a 1 uma vez que o número total de resultados possíveis estabilizar, podendo ser entendida, para fins práticos, como medida

não pode ser menor do que o número de resultados de um evento. Se experimental da respectiva probabilidade.

um evento ocorre com certeza (Ω) então sua probabilidade é 1; se é

Representação Gráfica
certeza que ele não ocorre (Ф) então sua probabilidade é 0.

Exemplo: 1,5

Qual a probabilidade de sair “cara” na jogada de uma moeda? 1

fri%
0,5
O espaço amostral é Ω = { C, K }, n = 2.
Ω
0
Defina o evento A = { K }, n = 1. 0 50 100 150 200
A

Daí: nº de provas
n(A ) 1
P(A ) = =
n(Ω ) 2

5
4. AXIOMAS De fato:

Para um evento qualquer A, temos que A = A U Ф e A ∩ Ф = Ф.

Seja ξ um experimento aleatório e Ω um espaço associado a ξ. A cada
evento A e Ω associamos um número real P(A) denominado probabilidade Pelo axioma A3, P(A ) = P(A U Ф) = P(A) + P(Ф). Portanto P(Ф) = 0.
de A, que obedeça aos seguintes axiomas:
1º Teorema: Teorema da Soma das probabilidades.
A1) 0 ≤ P(A) ≤ 1, para todo A.

A2) P(Ω) =1.

a) Se os eventos não são mutuamente exclusivos: A probabilidade de
A3) Se A e B são eventos mutuamente exclusivos, então: ocorrer ao menos um entre dois eventos é igual a soma das
probabilidades de cada um ocorrer separadamente, menos a
P(A U B) = P(A) + P(B).
probabilidade de ambos ocorrerem simultaneamente.
A4) Se A , A , ... , A , ... é uma seqüência de eventos mutuamente
1 2 n

exclusivos, então:

Então:

• A probabilidade da ocorrência de um evento “A” é um número real

pertencente ao intervalo [0;1], isto é:
0 ≤ P( A ) ≤ 1
• A probabilidade da ocorrência de um evento certo é igual.
P(Ω)= 1
• A probabilidade da ocorrência de um evento impossível é igual a
Se A e B forem dois eventos quaisquer, então:
P(A U B) = P(A) + P(B) - P(A ∩ B)
De fato:
Temos que A U B = A U (A’ ∩ B) e que B = (A ∩ B) U (A’ ∩ B).

zero. Logo, pelo axioma A3, P( A U B ) = P( A ) + P(A’ ∩ B ).

P(Ø)=0
Mas P(B) = P(A ∩ B) + P(A’ ∩ B).

Daí P(A’ ∩ B) = P(B) - P(A ∩ B).

Levando P(A’ ∩ B) na equação acima, vem:

P(A U B) = P(A) + P(B) - P(A ∩ B).

6
Exemplo: Exemplo:

Retira-se uma carta de um baralho comum de 52 cartas. Qual a No lançamento de um dado, qual a probabilidade de aparecer a face 2 ou a
probabilidade desta carta ser um rei ou uma carta de ouros? face 5?

O espaço amostral Ω é o conjunto de todas as cartas : n = 52. Ω = { 1, 2, 3, 4, 5, 6 }

S

Sejam os eventos: A: “rei”, n = 4 P(1) = P(2) = ... = P(6) = 1/6. Os eventos “face 2” e “face 5” são
A
mutuamente exclusivos. Portanto pelo axioma A3:
B: “carta de ouros”, n = 13
B P(2 ou 5) = P( 2 U 5 ) = P( 2 ) + P( 5 ) = 1/6 + 1/6 = 1/3

O evento interseção de A com B é A ∩ B: “rei de ouros”, n = 1. Observação:

A∩B

Daí, pelo teorema, Ainda sobre o teorema, temos o seguinte corolário:

P(A U B) = P(A) + P(B) - P(A ∩ B) = 4/52 +13/52 -1/52 = 16/52 . Para quaisquer eventos A, B e C:

b) Se dois eventos são mutuamente exclusivos, a probabilidade de P(A U B U C) = P(A)+P(B)+P(C)-P(A ∩ B)-P(A ∩ C)-P(B∩C)+P(A∩B∩C).
ocorrer ao menos um deles é dada pela soma das probabilidades de
cada um ocorrer separadamente.
2º Teorema: Teorema para evento complementar
Note que no teorema 3, se A e B forem mutuamente exclusivos, então

P(A ∩ B) = P(Ф) = 0 e daí vale P ( A U B ) = P( A ) + P( B ) Se Ā é o complemento do evento A, então:

Dois eventos A e B são ditos mutuamente exclusivos (excludentes ou __

disjuntos) quando não podem ocorrer simultaneamente. Isto é, se a A ∪A =Ω
interseção deles for o conjunto vazio. __
A ∩ A =φ
Pelo axioma A3:

P(A ∪ A ) = P(A ) + P(A )

P(Ω ) = P( A ) + P( A )
2º Teorema: Teorema para evento complementar 1 = P(A ) + P(A )

P(A ) = 1 − P(A )

7
 Ω Assim, sendo A e B eventos, define-se a probabilidade condicionada do
evento A dado que B ocorreu (ou a probabilidade de A sabendo-se que B
ocorreu) por P(A | B).

OBSERVAÇÃO:

Ā No caso de n eventos A , A , ... , A , temos :

1 2 n

P(A ∩ A ∩...∩ A )=P(A ).P(A | A ) .P(A | A ∩ A ) ... P(A | A ∩A ∩...∩A )

1 2 n 1 2 1 3 1 2 n 1 2 n-1
Exemplo: Numa urna contém 3 bolas verdes, 6 bolas azuis e 5 bolas
amarelas. Calcule a probabilidade de retirar bola não-verde.
Exemplo: Suponhamos que no lançamento de um dado são definidos os
A = evento bola verde seguintes eventos:
Ā = evento bola não-verde
A = evento sair resultado ímpar = {1,3,5}
P(A ) = 1 − P(A ) B = evento sair resultado inferior a face 4 = {1,2,3}

3 Segue-se, daí, que: A ∩ B = {1,3}

P(A ) = 1 −
14
11 Consideremos agora a seguinte situação: um dado foi lançado, fora do
P(A ) =
14 alcance de nossas vistas, e fomos informados de que saiu resultado ímpar,
P ( A ) = 0 ,7857 ou seja, de que ocorreu A. Nestas condições, pergunta-se: qual a
probabilidade de que tenha ocorrido o evento B?

3º Teorema: Teorema da Probabilidade Condicional

Então, vejamos: fomos informados de que A ocorreu; logo, o espaço
Dados dois eventos A e B, no espaço amostral Ω, se P(A) > 0 e P(B) > 0, a
amostral passou a ser A. Devemos agora obter a probabilidade de ocorrer
probabilidade de B, dado A, é:
B, sob a condição de que A tenha ocorrido ou, o que é o mesmo, obter a
P(A ∩ B )
P (B / A ) = probabilidade de B dado A, que indicamos por P(B/A). Logo:
P(A )

e a probabilidade de A, dado B, é: 1
P(B / A ) = 3 = 2
P( A ∩ B ) 1 3
P( A / B ) = 2
P (B )

8
 P (A ) = P (A / B)
4º Teorema: Teorema do Produto para Probabilidade Condicional
É evidente que, se A é independente de B, B é independente de A; assim:
A probabilidade de dois eventos ocorrerem simultaneamente é igual ao
produto da probabilidade de ocorrer um evento pela probabilidade do outro, P (B) = P (B / A )
sob a condição de que o primeiro evento já tenha ocorrido. É o produto em
cruz da probabilidade condicional. Considerando o teorema do produto, então:

P (A ∩ B) = P (A ) ⋅ P (B)
No caso de B dado A:

P(A ∩ B) = P(A) ⋅ P( B / A) Ex: Em uma caixa temos 10 peças, das quais 4 são defeituosas. São
retiradas duas peças, uma após a outra, com reposição. Calcular a
No caso de A dado B:
probabilidade de ambas serem boas.
P(A ∩ B) = P(A) ⋅ P( B / A)
A= {a primeira peça é boa}
B={a segunda peça é boa}
Ex: Em um lote de 12 peças, 4 são defeituosas, 2 peças são retiradas uma
após a outra sem reposição. Qual a probabilidade de que ambas sejam
Notem: A e B são independentes, pois P(B)=P(B/A). Logo:
boas?

P( A ∩ B) = P( A ) ⋅ P(B) = 6 / 10 ⋅ 6 / 10 = 0,36
A= {a primeira peça é boa }
B = {a segunda peça é boa}

OBSERVAÇÃO: Os eventos são ditos independentes, quando a

P ( A ∩ B ) = P ( A ) ⋅ P (B / A ) ocorrência de um não altera a probabilidade da ocorrência dos demais

8 7 14 eventos.
P( A ∩ B ) = ⋅ =
12 11 33
6º Teorema: Teorema de BAYES ou das Partições.

A essência deste teorema consiste na revisão das probabilidades iniciais (a

5º Teorema: Teorema do Produto para Eventos Independentes
priori) à luz da evidência amostral (resultados de testes). As estimativas
revisadas chamam-se probabilidades (a posteriori). As bases para a
Um evento A é considerado independente de um outro evento B se a
revisão são os resultados de determinada amostra mais o conhecimento
probabilidade de A é igual à probabilidade condicional de A dado B, isto é,
se:

9
das probabilidades condicionais (isto é, probabilidades de cada resultado
amostral admitindo-se um estado natural específico).
Seja :

A1 , A 2 , A 3 ,......., A n ,
n eventos mutuamente exclusivos tais que:

A1 ∪ A 2 ∪ A 3 ...... ∪ A n = S

Seja :

As probabilidades conhecidas dos vários eventos, e B um evento qualquer

de S tal que são conhecidas todas as probabilidades condicionais Exemplo: Três máquinas A, B e C produzem respectivamente 40%,50% e
10% do total de peças de uma fábrica. As porcentagens de peças
P(B / A i ).
defeituosas nas respectivas máquinas são 3%, 5% e 2%. Uma peça é
Então, para cada “i”, tem-se: sorteada ao acaso e verifica-se que é defeituosa. Qual a probabilidade de
que a peça tenha vindo da máquina B?
P(Ai ) ⋅ P(B / Ai )
P(Ai / B) =
P(A1 ) ⋅ P(B / A1 ) + P(A2 ) ⋅ P(B / A 2 ) + .... + P(An ) ⋅ P(B / A n )

O resultado acima é bastante importante, pois relaciona probabilidades (a

priori) P(Ai) com probabilidades (a posteriori) P(Ai/B), probabilidade de Ai
depois que ocorrer B.

0,50 ⋅ (0,05)
P(Máquina B / Defeituosa) = = 0,64
0,40 ⋅ (0,03) + 0,50 ⋅ ( 0,05) + 0,10 ⋅ (0,02)

10