1

Teoria da Probabilidade - breve introdução

A teoria da probabilidade tem por objectivo um tratamento matemático da noção intuitiva de

azar. Esta teoria começou a desenvolver-se com a análise dos jogos de azar (roleta, cartas, dados,
lotaria, . . . ) no século XVII com matemáticos célebres, tais como, Pascal, Fermat, Bernoulli.
Depois destes matemáticos e até aos nossos dias, a teoria da probabilidade desenvolveu-se rapi-
damente e tem cada vez mais um número crescente de aplicações em domínios mais científicos,
designadamente, em questões de teoria da decisão, Medicina, Ciências Sociais e Económicas.

A evolução da teoria da probabilidade baseada nos jogos de azar, não teria sido possível sem um
desenvolvimento teórico para o qual muitos matemáticos contribuíram. No princípio do século
20 estabeleceu-se uma base axiomática que confere ao cálculo das probabilidades uma teoria
rigorosa e, de tal forma, que se transforma num importante ramo da Matemática.
A teoria da probabilidade é então, a teoria matemática que se ocupa dos métodos de análise
aplicáveis ao estudo de fenómenos aleatórios (são fenómenos observáveis influenciados pelo acaso).
2

Experiência de Kerrich
Evolução das frequências Absoluta e Relativa da "Face"até 10000 lançamentos

n Sn fn
1 1 1
2 2 1
3 3 1
4 3 0.7500
5 4 0.800
6 4 0.6667
7 4 0.5714
8 4 0.5000
9 5 0.5556
10 5 0.5000
11 5 0.4545
12 5 0.4167
13 5 0.3846
14 5 0.3571
15 6 0.4000
16 7 0.4375
17 8 0.4706
18 8 0.4444
19 8 0.4211
20 8 0.4000
25 9 0.3600
30 11 0.3667
40 17 0.4250
50 23 0.46000
60 28 0.4667
70 33 0.4714
80 38 0.4750
90 45 0.5000
100 51 0.5100
200 98 0.490
500 255 0.510
750 390 0.520
1000 502 0.502
2000 1013 0.507
3000 1510 0.504
4000 2029 0.507
5000 2533 0.507
6000 3009 0.502
7000 3516 0.502
8000 4034 0.504
9000 4538 0.504
10000 5067 0.507
 3

Conceito de Probabilidade de um acontecimento



 Frequencista de Probabilidade

Definição Clássica de Probabilidade



Axiomática de Probabilidade

a) Definição Frequencista de Probabilidade:

(toma como base a Regularidade Estatística para a construção da teoria da probabi-
lidade).

Seja E uma experiência aleatória com espaço de resultados Ω. Considere-se A um

acontecimento de Ω.
Se efectuarmos n repetições da experiência e o acontecimento A ocorrer Sn (A) vezes,
Sn (A)
então, à medida que n aumenta, a frequência relativa, fn (A) = , tende a estabilizar
n
em torno de um certo valor que os frequencistas tomam como valor aproximado da
probabilidade do acontecimento.

Definição:

Define-se a probabilidade de um acontecimento A, e representa-se por P (A), como sendo

o valor para o qual tende a frequência relativa de A, após um grande número de repetições
da experiência aleatória,

P (A) =' fn (A)

b) Definição Clássica de Probabilidade:

Esta definição só pode ser aplicada quando os acontecimentos elementares são igualmente
prováveis (equiprováveis).

Exemplos: No caso de lançamento de dados, de extracção de objectos em bloco, extracção

em simultâneo de cartas de um baralho.
4

Definição:

Se os acontecimentos elementares são equiprováveis, a probabilidade de um acontecimento

A é igual ao quociente entre o número de casos favoráveis à realização de A e o número
de casos possíveis, isto é:

No Casos Favoráveis ](A)

P (A) = o =
N Casos Possíveis ](Ω)
em que:

](A) → no de resultados que compõem A (no de acontecimentos elementares que

compõem A)
](Ω) → no de resultados (elementos) que compõem Ω.

c) Definição Axiomática de Probabilidade:

Axiomas → são proposições, sugeridas pela nossa intuição ou experiência, que não se
demonstram e se aceitam como verdadeiras.

Teoremas → são proposições que se demonstram a partir dos axiomas ou de outras

proposições já demonstradas.

¥ Axiomas de Kolmogorov:

Seja Ω o espaço de resultados associado a uma experiência aleatória e A um acontecimento

qualquer (A ⊂ Ω). O valor P (A), probabilidade do acontecimento A, verifica os 3 axiomas
seguintes:

A1) P (A) ≥ 0;

A2) P (Ω) = 1;

A3) Se A e B são acontecimentos incompatíveis, (A ∩ B = ∅) então

P (A ∪ B) = P (A) + P (B).

Generalização do Axioma A3): Se A1 , A2 , . . . , An , forem n acontecimentos incompatí-

veis dois a dois, então, P (A1 ∪ A2 ∪ · · · ∪ An ) = P (A1 ) + P (A2 ) + · · · + P (An ).
 5

Com base nos 3 axiomas podem definir-se os seguintes teoremas:

Teorema 1: Para qualquer acontecimento A: P (A) = 1 − P (Ā).

Teorema 2: Com, A e B, acontecimentos quaisquer: P (B ∩ Ā) = P (B) − P (A ∩ B).

Teorema 3: A probabilidade do acontecimento impossível é nula: P (∅) = 0.

Teorema 4: Com, A e B, acontecimentos quaisquer: P (A∪B) = P (A)+P (B)−P (A∩B).

Teorema 5: Com, A e B, acontecimentos quaisquer, A ⊂ B, implica, P (A) ≤ P (B).

Teorema 6: Para qualquer acontecimento A: 0 ≤ P (A) ≤ 1.

Generalização do Teorema 4: Sendo A, B e C, três acontecimentos quaisquer,

P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C).

¥ Conceito de Probabilidade Condicionada

Pretendemos calcular a probabilidade de um acontecimento A, sabendo que outro aconte-

cimento B ocorreu, ou seja, no cálculo da probabilidade de A deve ter-se em consideração
a informação correspondente à realização do acontecimento B.
Esta probabilidade chama-se probabilidade condicionada e representa-se por: P (A/B)
ou P (A|B).

a) Definição: Probabilidade Condicionada

Dados 2 acontecimentos, A e B, a probabilidade de A se realizar sabendo que B se

realizou, ou a probabilidade de A condicionada por B, P (A|B), é definida por:

P (A ∩ B)
P (A|B) = , P (B) > 0.
P (B)
6

Observação: A probabilidade condicionada P (A|B) pode ser interpretada como uma

probabilidade que tem subjacente um novo espaço de resultados, B, subconjunto do
espaço de resultados (Ω) original.

Notas de interesse:

P (A ∩ B)
1) P (B|A) = , P (A) > 0 2) P (Ā|B) = 1 − P (A|B)
P (A)

3) P (A ∪ B|C) = P (A|C) + P (B|C)

¥ Probabilidade da Intersecção de dois acontecimentos

Da definição de probabilidade condicionada,

P (A ∩ B) P (A ∩ B)
P (A|B) = e P (B|A) =
P (B) P (A)

resulta imediatamente:

*
P (A|B) × P (B)
P (A ∩ B) =
P (B|A) × P (A)
(Regra da multiplicação das probabilidades)
w
w
Ä

Generalização desta regra: Teorema da Probabilidade Composta

Dados n acontecimentos, A1 , A2 , . . . , An , tem-se:

P (A1 ∩ A2 ∩ · · · ∩ An ) = P (A1 )P (A2 |A1 )P (A3 |A1 ∩ A2 ) × · · · × P (An |A1 ∩ A2 ∩ · · · ∩ An−1 )

¥ Partição do espaço de resultados

Diz-se que a classe de acontecimentos A1 , A2 , . . . , An é uma partição de Ω quando:

°
° A ∩ A = φ, i, j = 1, 2, . . . , n, i 6= j
° i j
°
° e
°
°
° A1 ∪ A2 ∪ · · · ∪ An = Ω
 7

Propriedade:
n
X
P (A1 ∪ A2 ∪ · · · ∪ An ) = P (Ai ) = P (Ω) = 1
i=1

¥ Teorema da Probabilidade Total:

Se {A1 , A2 , . . . , An } é uma partição de Ω e se P (Ai ) > 0, i = 1, 2, . . . , n, vem, para

Xn
qualquer acontecimento B, P (B) = P (Ai )P (B|Ai ).
i=1

¥ Teorema de Bayes:

Se {A1 , A2 , . . . , An } é uma partição de Ω e se P (Ai ) > 0, i = 1, 2, . . . , n, então, para

qualquer acontecimento B tal que P (B) > 0, vem:

P (Ak ∩ B) P (Ak )P (B|Ak )

P (Ak |B) = = n .
P (B) X
P (Ai )P (B|Ai )
i=1