Índice

Introdução

Este trabalho, foi feito no âmbito da disciplina de Estatística, que visa abordar à Teoria de
Probabilidades.

A teoria das probabilidades busca estimar as chances de ocorrer um determinado acontecimento.

É um ramo da matemática que cria, elabora e pesquisa modelos para estudar experimentos ou
fenômenos aleatórios.

As suas raízes remontam ao séc. XVII, foi criada por um grupo de jogadores franceses, com o
intuito de tornar o jogo menos aleatório. Mais tarde Pascal e Fermat desenvolveram a Teoria da
Probabilidade Clássica – usada ainda hoje para extrair inferências numéricas de dados. Propõe a
existência de um valor P(E) – Probabilidade - que consiste na possibilidade de ocorrência de um
evento E a partir de uma experiência de eventos aleatórios Ou seja, se realizarmos uma
determinada experiência um número considerável de vezes, então podemos ter quase a certeza
que a frequência relativa do evento E é aproximadamente igual a P(E). O conjunto de todos os
possíveis resultados de uma experiência é denominado espaço da amostra S.
Objectivos do trabalho

 Objectivos Geral:
 Identificar e conceituar fenômenos e experimentos aleatórios, espaço amostral e
evento.
 Objectivos Específicos:
 Desenvolver o estudo sobre a probabilidade da ocorrência de um experimento
aleatório, ou seja, experiências que podem produzir resultados diferentes quando
repetidos sob a mesma condição;
 Tomar decisões diante de situações-problema, baseado na interpretação das
informações e nos conhecimentos sobre probabilidades;
 Compreender a probabilidade da união de dois eventos;
 Elaborar argumentos consistentes, de diferentes naturezas, fazendo uso de
conhecimentos sobre probabilidades.

Metodologias

Para a efectivação do presente trabalho usou-se os seguintes métodos:

 Método das pesquisas científicas; e,

 As consultas das revisões bibliográficas.
Breve estudo das Probabilidades

Dentre os variados ramos de estudo da Matemática, a probabilidade é talvez aquela que esteja
mais ligada às questões práticas. Isso porque é impossível dissociar o estudo da probabilidade de
situações cotidianas como o lançamento de um dado ou uma moeda de cara ou coroa, por
exemplo.

Um dos primeiros a estudar um método de cálculo da probabilidade foi o italiano Girolamo

Cardano, que era médico, matemático, físico, filósofo e astrólogo.

Ele queria uma vantagem no jogo de dados, para sustentar a esposa, quando passaram por
dificuldades. Essa vantagem não foi obtida trapaceando, mas estudando como funcionava algo
que é aleatório (imprevisível), para ter a melhor chance de acertar no resultado.

Além de Cardano, é quase obrigatório citar Daniel Bernoulli, Pierre de Fermat, Blaise Pascal e
Pierre Laplace. Ao longo da história, eles desenvolveram boa parte da teoria da probabilidade e
do cálculo da mesma. Clicando nas suas imagens abaixo, você abrirá links com a história de cada
um deles, além das suas contribuições para outros campos do conhecimento.

A aplicação dessa área no mundo atual é grande e diversa. Os seguros de vida ou de bens, por
exemplo, tornaram-se comuns devido à insegurança que vivenciamos atualmente.

O cálculo da probabilidade é aplicado a diversos esportes, à Medicina, à Genética, e até mesmo a

ciências sociais como Filosofia e Direito. Daí a importância de se conhecer seus fundamentos.

Daniel Bernoulli Pierre de Fermat Blaise Pascal Pierre Laplace

O ramo matemático da Teoria da Probabilidade cria, elabora e pesquisa modelos de

experimentos aleatórios.
Tipos de Probabilidades

As Probabilidades são:

Probabilidade Discreta

Experiências com resultados discretos. Dado pela a seguinte fórmula:

𝐖(𝐄)
𝐏(𝐄) =
𝐍

Onde: W (E): nº de vezes que um particular evento;

N – nº de experiências realizadas.

Exemplo: Considere-se o seguinte espaço resultante da experiência de rodar uma moeda

S = {1, 2, 3, 4, 5, 6}

Cada evento neste espaço da amostra representa um possível resultado da experiência. N será o
número de vezes que a moeda é rodada e W(E) o número de resultados de um particular evento.

A probabilidade de cada evento neste espaço:

𝐖(𝐄) 𝟏
𝐏= =
𝐍 𝟔

Probabilidade Contínua

Espaços contínuos

Em vez de calcular a probabilidade de um evento a partir de um conjunto discreto eventos, existe

necessidade de calcular valores intermédios a partir de um conjunto de valores contínuos. Daí
que seja necessário uma função de calculo da probabilidade da distribuição do evento.

Probabilidade experimental

Define a probabilidade de um evento P(E) como o limite de uma função de frequência de

distribuição f(E). Dada pela seguinte fórmula:

𝐏(𝐄) = 𝐥𝐢𝐦 𝐟(𝐄)/𝐍

𝐍→
Probabilidades Compostas

Em muitos problemas é necessário considerar combinações de diferentes eventos, por exemplo,

calcular a probabilidade de ocorrência de dois eventos diferentes, ou a probabilidade de nenhum
deles ocorrer.

Intersecção

Para problemas relativos a múltiplos eventos, é necessário determinar a intersecção dos espaços
das amostras de todos os eventos. A partir disto é possível determiner a probabilidade
conjunta. Dada pela seguinte fórmula:

𝐧(𝐀 ∩ 𝐁
𝐏(𝐀 ∩ 𝐁) = = 𝐏(𝐀) × 𝐏(𝐁)
𝐧(𝐒)

Esta fórmula é válida para eventos independentes.

𝐧(𝐀)
Sendo que: 𝐏(𝐀) =
𝐧(𝐒)

Exemplo

Considere-se a probabilidade de retirar do conjunto S = {1, 2, 3, 4, 5, 6} um número ímpar e um

número divisível por 3 – dois eventos independentes.

1
A= {1, 3, 5} B= {3, 6} A ∩ B = { 3} P (A) = 3/6 P (B) = 2/6 P(A ∩ B) =
6

1
Donde, a probabilidade de retirar do conjunto um número ímpar e divisível por 3 é de .
6

União

Por vezes pode ser necessário determinar a probabilidade de nenhum ou vários eventos
ocorrerem.

𝐏(𝐀 ∪ 𝐁) = 𝐏(𝐀) + 𝐏( 𝐁) − 𝐏(𝐀 ∩ 𝐁)

Exemplo

Considere-se a probabilidade de retirar do conjunto S = {1, 2, 3, 4, 5, 6} um número ímpar ou

um número divisível por 3 – dois eventos independentes.

A= {1, 3, 5} B= {3, 6} A∩B= {3}

1
P(A) = 3/6 P(B) = 2/6 P(A ∩ B) = ou;
6

𝟑 𝟐 𝟏 𝟐
𝐏( 𝐀 ∪ 𝐁 ) = + − =
𝟔 𝟔 𝟔 𝟑

2
Donde, a probabilidade de retirar do conjunto um número ímpar ou divisível por 3 é de .
3

Probabilidade Condicional

São usadas quando os eventos não são mutuamente exclusivos, ou seja, quando os eventos se
podem influenciar. A probabilidade de ocorrência de um evento A sabendo que um evento B
ocorreu é chamada Probabilidade Condicional e é dada por:

𝐏(𝐀 ∩ 𝐁)
𝐏(𝐀|𝐁) =
𝐏(𝐁)

A probabilidade condicional permite obter a probabilidade de um evento A sabendo que o evento

B ocorreu.

Exemplo: Qual a probabilidade de se retirar do conjunto S o número 3 (evento A) sabendo que

um número divisível por 3 ocorreu (evento B).

𝟏
𝐧(𝐒) 𝐧(𝐀∩𝐁) 𝟔 𝟏
P (A | B)= 𝐧(𝐀 ∩ 𝐁) = = 𝟐 =
𝐧(𝐁) ⁄𝐧(𝐒) 𝐧(𝐁) 𝟐
𝟔
Fórmulas Básicas de Probabilidade

Regra do Produto: Probabilidade de conjunção de dois eventos A e B.

𝐀 𝐁
𝐏(𝐀 ∩ 𝐁) = 𝐏 ( ) × 𝐏(𝐁) = 𝐏( ) × 𝐏(𝐀)
𝐁 𝐁
Regra da Soma: Probabilidade de disjunção de dois eventos A e B.

𝐏(𝐀 ∪ 𝐁) = 𝐏(𝐀) + 𝐏(𝐁) − 𝐏(𝐀 ∩ 𝐁)

Teorema da Multiplicação de Probabilidades: permite calcular a probabilidade de ocorrência

simultânea de vários eventos a partir das probabilidades condicionais.

𝐀𝐧 𝐀𝟐
𝐏(𝐀𝟏 ∩ … ∩ 𝐀𝐧 = 𝐏 ( ∩ … ∩ 𝐀𝐧 − 𝟏) … 𝐏( ) × 𝐏(𝐀𝟏)
𝐀𝟏 𝐀𝟏

Teorema da Probabilidade Total

Se os eventos B1,..,Bn são mutuamente exclusivos e formam uma partição certa do evento A.
Probabilidade à Posteriori

A probabilidade condicional permite obter a probabilidade de um evento A sabendo que o evento

B (anterior a A) ocorreu.

O problema em determinar a probabilidade à posteriori foi resolvido por Thomas Bayes sendo
conhecido por Teorema de Bayes.

Teorema de Bayes

Onde:

P (h | D): probabilidade à posteriori de h dado D (reflecte a confiança da hipótese h depois de se

observar – D)

P (D | h): probabilidade de D dado h

P (h): probabilidade a priori da hipótese h (representa o conhecimento de domínio, se este

conhecimento prévio não existir pode ser atribuída a mesma probabilidade a cada hipótese
candidata)

P (D): probabilidade a priori de D (sem conhecimento prévio).

A aplicação do teorema de Bayes como classificador requer que se conheçam:

 Duas probabilidades a priori - p (decisãoi)

 Uma probabilidade condicional - p (x | decisãoi)

Em recursos ricos estatisticamente, é possível determinar a probabilidade das hipóteses serem

verdadeiras, através de algumas evidências acerca do problema.
Espaço Amostral

Experimento aleatório: “Uma variável aleatória é uma função com valores numéricos, cujo
valor é determinado por fatores de chance.” Associa números aos eventos do espaço amostral.

Espaço amostral: É o conjunto de todos os resultados possíveis de um experimento aleatório.

Indicamos o espaço amostral por 𝛀. Pode ser dividido em: Discreto quando ele for: Finito:
apenas alguns resultados. Infinito enumerável: possível listar. Contínuo quando for infinito,
formado por intervalos de números reais. Definirá o tipo de modelo probabilístico.

Evento: Chama-se evento a qualquer subconjunto do espaço amostral. Pode conter apenas um
resultado. Pode conter vários resultados. Se um resultado do evento ocorrer, ele ocorre.
Cálculo de probabilidades

Quando se lança um dado perfeito, não-viciado, não há razão para que um dos números saia mais
facilmente que outro. Todos têm a mesma probabilidade de sair na face superior.

Admitiremos daqui pra frente que as chances de eventos simples ocorrerem em um espaço
amostral S sejam iguais. Chamaremos S de espaço de eventos equiprováveis, para que possamos
definir a probabilidade de um evento em S.

Seja um evento E de espaço amostral finito S (não vazio). A probabilidade de ocorrer o evento E
é a razão entre o número de elementos de E e o número de elementos de S.

Indicando por:

𝒏(𝑬)
𝐏(𝐄) = onde:
𝒏(𝑺)

n(E) o número de elementos de E

n(S) o número de elementos de S

P(E) a probabilidade de ocorrer E

P(E) possui um intervalo fixo: 0 ≤ P(E) ≤ 1. Quando P(E) = 0, o evento é impossível. Quando
P(E) = 1, o evento é certo.

Exemplos

1. Consideremos o experimento Aleatório do lançamento de um moeda perfeita. Cálcule a

probabilidade de sair cara:

Espaço amostral: Ω = {cara, coroa} ⇒ n(Ω) = 2

Evento A:A = {cara} ⇒ n(A) = 1

n(A) 1
ComoP(A) = , temos P(A) = ou 0,50 = 50%
n(B) 2
Eventos complementares

A probabilidade de se obter sucesso em um evento é dado por p. A probabilidade de insucesso

em um evento é dado por q.

Então: 𝐩 + 𝐪 = 𝟏 (𝟏𝟎𝟎%) Neste caso p e q são complementares.

Eventos independents

Dois eventos são independentes quando a realização ou não realização de um dos eventos não
afeta a probabilidade de realização do outro e vice-versa.

Ex. Lançando-se um dado duas vezes qual a probabilidade de se obter 6 no segundo lançamento
sendo que no primeiro lançamento o resultado foi 2.

Eventos mutuamento exclusivos

Dizemos que dois ou mais eventos são mutuamente exclusivos quando a realização de um exclui
a realização do outro.

Ex. Lançamento de uma moeda: O resultado “cara” exclui ao acontecer exclui o evento “coroa”.

Em eventos mutuamento exclusivos a probabilidade de um ou outro acontecer é igual a soma da

probabilidade que cada um deles se realize.

P = P1 + P2

Exemplo: Lançando-se um dado. A probabilidade de se tirar 3 ou 5 é:

𝟏 𝟏 𝟐 𝟏
𝐏= + = =
𝟔 𝟔 𝟔 𝟑
Regras Básicas para o Cálculo das Probabilidades

Regra 1: Frequência Relativa; Aproximação da Probabilidade

Realize (ou observe) a experiência um grande nº de vezes, e conte o nº de vezes em que ocorreu
o acontecimento A. Baseado nestes resultados, P(A) é estimada como se segue:

𝐧º 𝐝𝐞 𝐯𝐞𝐳𝐞𝐬 𝐪𝐮𝐞 𝐀 𝐨𝐜𝐨𝐫𝐫𝐞𝐮

𝐏(𝐀) =
𝐧º 𝐝𝐞 𝐯𝐞𝐳𝐞𝐬 𝐪𝐮𝐞 𝐚 𝐞𝐱𝐩𝐞𝐫𝐢ê𝐧𝐜𝐢𝐚 𝐬𝐞 𝐫𝐞𝐚𝐥𝐢𝐳𝐨𝐮

Regra 2: Abordagem Clássica (Requer Acontecimentos Equiprováveis)

Suponha que uma experiência é composta por n acontecimentos elementares distintos, em que
cada um tem a mesma possibilidade de ocorrer. Se o acontecimento A pode ocorrer em k desses
n acontecimentos elementares, então:

𝐤 𝐧º 𝐝𝐞 𝐯𝐞𝐳𝐞𝐬 𝐪𝐮𝐞 𝐀 𝐩𝐨𝐝𝐞 𝐨𝐜𝐨𝐫𝐫𝐞𝐫

𝐏(𝐀) = =
𝐧 𝐧º 𝐝𝐞 𝐚𝐜𝐨𝐧𝐭𝐞𝐜𝐢𝐦𝐞𝐧𝐭𝐨𝐬 𝐞𝐥𝐞𝐦𝐞𝐧𝐭𝐚𝐫𝐞𝐬 𝐝𝐢𝐟𝐞𝐫𝐞𝐧𝐭𝐞𝐬

Lei dos Grandes Números

Quando uma experiência é repetida um grande nº de vezes, o valor da frequência relativa (regra
1) de um acontecimento tende a se aproximar dovalor da verdadeira probabilidade.

Exemplo: Cartas Num baralho de cartas, planeia apostar na saída de uma carta de copas. Qual a
probabilidade de perder?

Solução Um baralho tem 52 cartas, 13 das quais são copas, e as restantes 52-13= 39 não. Cada
carta tem a mesma possibilidade de ser retirada do baralho. Como o espaço de resultados é
constituído por acontecimentos equiprováveis, usamos a abordagem clássica (regra2) e obtemos: