Você está na página 1de 55

Cálculo das Probabilidades e Estatı́stica I

Marcelo Ferreira

DE/UFPB

2018.1
Introdução a Probabilidade

Introdução à Probabilidade

A palavra probabilidade deriva do Latim probare que significa provar ou


testar. Porém, no nosso cotidiano, é muito comum confundir a palavra
probabilidade com sorte, azar, certo, duvidoso a depender do contexto em
que empregamos tal palavra.

Formalmente, contudo, probabilidade é uma medida matemática que


atribuı́mos à conjuntos (eventos de interesses) que podem ser
observados como possı́veis resultados de um experimento ou fenômeno
aleatório.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 2 / 53


Introdução a Probabilidade

Introdução à Probabilidade

O primeiro livro sobre prob-


abilidade (matematização
frequentista) da teoria das
probabilidades foi publicado
por Laplace em 1812.

Nessa época a probabilidade


era bastante utilizada para
soluções de problemas de jo-
gos de azar. Atualmente,
aplica-se à todo fenômeno
Figura: Reimpressão de 1820. randômico (aleatório).

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 3 / 53


Introdução a Probabilidade

Introdução à Probabilidade
Para que possamos progredir na introdução das teorias das probabilidades
precisamos definir conjunto e observar algumas de suas propriedades.

Conjunto
Definição: Na matemática, um conjunto é uma coleção de objetos que
estão relacionados ao conjunto pela relação de pertinência.

Quando um objeto x é um dos elementos que compõem o conjunto A,


dizemos que x pertence a A e escrevemos

x ∈ A.
Se, porém, x não é um dos elementos do conjunto A, dizemos que x não
pertence a A e escrevemos
x∈ / A.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 4 / 53


Introdução a Probabilidade

Introdução à Probabilidade

Observação: Um conjunto fica determinado ou definido quando se dá


uma regra que permita decidir se um objeto arbitrário x pertence ou não a
A.

Importante: Jamais denote um conjunto por letras minúsculas.

Relembrando os Conjuntos Numéricos:


Conjunto dos Números Naturais

N = {1, 2, 3, . . .}.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 5 / 53


Introdução a Probabilidade

Introdução à Probabilidade

Conjunto dos Números Inteiros

Z = {. . . , −3, −2, −1, 0, 1, 2, 3, . . .}

O conjunto Q, dos números racionais, é formado pelas frações qp , tal que


p e q pertencem a Z, sendo q 6= 0. Em sı́mbolos, temos:

Q = {p/q; p, q ∈ Z, q 6= 0}.

Lê-se: “Q é o conjunto das frações p/q tais que p pertence a Z, q


pertence a Z e q é diferente de zero”.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 6 / 53


Introdução a Probabilidade

Introdução à Probabilidade

A maioria dos conjuntos encontrados na Matemática não são definidos


especificando-se, um a um , os seus elementos. O método mais frequente
de definir um conjunto é por meio de uma propriedade comum e exclusiva
dos seus elementos.

Muitas vezes a propriedade P se refere a elementos de um conjunto


fundamental E .

Exemplo: O conjunto A = {8, 9, 10, . . .} pode ser escrito como

A = {a ∈ N; a > 7}.

Lê-se: “A é o conjunto dos a pertencentes a N tais que a é maior do que


7”.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 7 / 53


Introdução a Probabilidade

Introdução à Probabilidade

Importante:
Às vezes, ocorre que nenhum elemento de E goza da propriedade P.
Neste caso, o conjunto {a ∈ E ; agoza de P} não possui nenhum
elemento. Isto é o que chamamos de conjunto vazio. Para representa-lo,
usaremos o sı́mbolo ∅.
Dados os conjuntos A e B, dizemos que A é subconjunto de B quando
todo elemento de A é também elemento de B. Para indicar este fato,
usa-se a notação
A ⊂ B.

Exemplo: Os conjuntos numéricos anteriormente apresentados cumprem


as relações numéricas de inclusão N ⊂ Z e Z ⊂ Q, logo, N ⊂ Z ⊂ Q.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 8 / 53


Introdução a Probabilidade

Introdução à Probabilidade

União
Sejam A e B sub-conjuntos quaisquer de um conjunto Ω. A união dos
conjuntos A e B é o conjunto A ∪ B formado pelos elementos de A mais
os elementos de B. Assim, afirmar que ω ∈ A ∪ B significa dizer que pelo
menos uma das afirmações é verdadeira:

1 ω ∈ A;
2 ω ∈ B.

Em notação matemática temos que

A ∪ B = {ω ∈ Ω; ω ∈ A ou ω ∈ B}.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 9 / 53


Introdução a Probabilidade

Introdução à Probabilidade
Observe o diagrama de Venn e compreenda o que vem a ser o conjunto
A ∪ B:

Figura: União dos conjuntos A e B; A ∪ B.


Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 10 / 53
Introdução a Probabilidade

Introdução à Probabilidade

Interseção
Sejam A e B sub-conjuntos quaisquer de um conjunto Ω. A interseção
dos conjuntos A e B denotada por A ∩ B é formada pelos elementos
comuns a A e B. Assim, afirma que ω ∈ A ∩ B significa dizer que se tem,
ao mesmo tempo, ω ∈ A e ω ∈ B. Escrevemos então

A ∩ B = {ω ∈ Ω; ω ∈ A e ω ∈ B}.

Importante
Pode ocorrer que não exista elemento algum ω em Ω tal que ω ∈ A e
ω ∈ B. Nesse caso, tem-se que A ∩ B = ∅. Assim, dizemos que A e B são
conjuntos disjuntos.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 11 / 53


Introdução a Probabilidade

Introdução à Probabilidade
Observe o diagrama de Venn e compreenda o que vem a ser o conjunto
A ∩ B:

Figura: Interseção dos conjuntos A e B; A ∩ B.


Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 12 / 53
Introdução a Probabilidade

Introdução à Probabilidade

Complementação
Sejam A e B sub-conjuntos quaisquer de Ω. Ao conjunto de todos
elementos ω ∈ Ω tal que ω ∈
/ A chamaremos de complementar do
conjunto A e denotaremos por Ac . Escrevemos

Ac = {ω ∈ Ω; ω ∈
/ A}.
Observação: Alguns livros denotam o complementar do conjunto A por A.

Importante: Note que (Ac )c = A.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 13 / 53


Introdução a Probabilidade

Introdução à Probabilidade
Observe o diagrama de Venn e compreenda o que vem a ser o conjunto
Ac :

Figura: Complementar do conjunto A; Ac .


Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 14 / 53
Introdução a Probabilidade

Introdução à Probabilidade

Diferença
Sejam A e B sub-conjuntos quaisquer de Ω. Chamaremos de diferença
entre os conjuntos A e B ao conjunto formado pelos elementos ω ∈ Ω tal
que ω ∈ A e ω ∈/ B e denotaremos por A − B. Assim, definimos tal
conjunto matematicamente por

A − B = {ω ∈ Ω; ω ∈ A e ω ∈
/ B}.
Exercı́cio: Verifique utilizando o diagrama de Venn que A − B = A ∩ B c .

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 15 / 53


Introdução a Probabilidade

Introdução à Probabilidade
Observe o diagrama de Venn e compreenda o que vem a ser o conjunto
A − B:

Figura: Diferença entre os conjuntos A e B; A − B.


Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 16 / 53
Introdução a Probabilidade

Introdução à Probabilidade
Abaixo estão enumeradas algumas propriedades básicas das operações
formais de uniões e interseções entre conjuntos. Sejam A, B e C
sub-conjuntos quaisquer de Ω. Então,

1 A ∪ A = A;
2 A ∩ A = A;
3 A ∪ B = B ∪ A;
4 A ∩ B = B ∩ A;
5 (A ∪ B) ∪ C = A ∪ (B ∪ C );
6 A ∪ (B ∩ C ) = (A ∪ B) ∩ (A ∪ C );
7 A ∩ (B ∪ C ) = (A ∩ B) ∪ (A ∩ C ).
Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 17 / 53
Introdução a Probabilidade

Introdução à Probabilidade

Exercı́cio: Sejam A, B e C sub-conjuntos quaisquer em Ω. Utilizando o


diagrama de Venn identifique as regiões no diagrama correspondentes
aos conjuntos abaixo:

a) Ac ∩ B;

b) Ac ∪ B;

c) (Ac ∩ B c )c ;

d) (A ∩ (B ∩ C )c )c ;

e) (A ∩ (B ∪ C ))c .

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 18 / 53


Introdução a Probabilidade

Introdução à Probabilidade

Leis de De Morgan
Duas propriedade importantes das relações de união com interseção entre
conjuntos são dadas pelas Leis de De Morgan enumeradas abaixo.
Sejam A e B eventos quaisquer em Ω, então:

1 (A ∪ B)c = Ac ∩ B c ;
2 (A ∩ B)c = Ac ∪ B c .

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 19 / 53


Introdução a Probabilidade

Introdução à Probabilidade: Experimento Aleatório

Antes de passarmos à definição de probabilidade é necessário fixarmos os


conceitos de experimento aleatório, espaço amostral e evento.

O que é um experimento aleatório ?


Resposta: Um experimento aletório caracteriza-se pelo fato de poder
ser repetido indefinidamente sob condições, essencialmente inalteradas e,
embora não sejamos capazes de afirmar que resultado “particular”
ocorrerá, seremos sempre capazes de descrever o conjunto de todos os
possı́veis resultados do mesmo.

Notação:  (Experimento Aleatório)

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 20 / 53


Introdução a Probabilidade

Experimento Aleatório
Os seguintes traços enumerados abaixo caracterizam um experimento
aleatório:

1 Se for possı́vel repetir as mesmas condições do experimento, os


resultados do experimento em diferentes realizações podem ser
diferentes;
2 Muito embora não somos capazes de afirmar que resultado ocorrerá,
seremos capazes de descrever o conjunto de todos os possı́veis
resultados do experimento;
3 Quando o experimento for executado repetidamente, os resultados
individuais parecem ocorrer de forma acidental. Contudo, quando o
experimento for repetido um grande número de vezes, uma
regularidade surgirá. É essa regularidade que tona possı́vel construir
um modelo probabilı́stico.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 21 / 53


Introdução a Probabilidade

Experimento Aleatório

Exemplos de Experimentos Aleatórios


Lançar uma moeda e observar a face superior;
Lançar um Dado e observar a face superior:
Retirar uma carta do baralho e observar seu naipe;
Retirar uma bola em um globo de bingo;
Retirar uma lâmpada de uma caixa e observar se a mesma é
defeituosa.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 22 / 53


Introdução a Probabilidade

Introdução à Probabilidade: Espaço Amostral

Espaço Amostral
Definição: É o conjunto de todos os possı́veis resultados de um
experimento aleatório. Tal conjunto é denotado por Ω.

O espaço amostral precisa atender os seguintes pontos:

1 Listar os possı́veis resultados do experimento;


2 Fazê-lo sem duplicação;
3 Fazê-lo em um nı́vel de detalhamento suficiente para os interesses
desejados;

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 23 / 53


Introdução a Probabilidade

Espaço Amostral

Exemplos de Espaços Amostrais


Ω: {cara, coroa};
Ω: {1, 2, 3, 4, 5, 6};
Ω: {Ouro, Copas, Espada, Paus};
Ω: {1, 2, 3, 4, . . . , 90};
Ω: {Sim, Não};

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 24 / 53


Introdução a Probabilidade

Introdução à Probabilidade: Evento

Evento
Definição: Evento é um subconjunto do espaço amostral Ω, ou seja, é
um conjunto de resultados possı́veis do experimento aleatório.
Denotaremos evento por qualquer letra maiúscula (A, B, C, . . . ).

Observação: Se ao realizarmos um experimento aleatório e o resultado


observado pertence ao evento A, dizemos que o evento A “ocorreu”.

Eventos Disjuntos ou Mutuamente Excludentes


Sejam A e B eventos quaisquer, isto é, A, B ⊂ Ω. Os eventos A e B são
ditos serem disjuntos ou mutuamente excludentes ou mutuamente
exclusivos se não puderem ocorrer simultaneamente, isto é, se A ∩ B = ∅.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 25 / 53


Introdução a Probabilidade

Eventos

Exemplos de Eventos
A = {sair cara} = {cara, coroa};
B = {sair número par} = {2, 4, 6};
C = {sair número impár} = {1, 3, 5};
D = {sair naipe preto} = {paus, espada}
E = {sair número primo} = {2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31,
37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89};
D = {sair lâmpada defeituosa} = {sim}
Observação: Notem que os conjuntos B e C são mutuamente
excludentes, visto que B ∩ C = ∅

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 26 / 53


Introdução a Probabilidade

Introdução à Probabilidade

Exemplo: Sejam A, B e C eventos em um mesmo espaço amostral Ω.


Vamos expressar o seguintes eventos em função de A, B e C por meio de
operações Booleanas de conjuntos.

a) Pelo menos um deles ocorre:

A ∪ B ∪ C.

b) Exatamente um deles ocorre:

(A ∩ B c ∩ C c ) ∪ (Ac ∩ B ∩ C c ) ∪ (Ac ∩ B c ∩ C ).

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 27 / 53


Introdução a Probabilidade

Introdução à Probabilidade

c) Apenas A ocorre:
(A ∩ B c ∩ C c ).
d) Pelo menos dois ocorrem:

(A ∩ B ∩ C c ) ∪ (A ∩ B c ∩ C ) ∪ (Ac ∩ B ∩ C ) ∪ (A ∩ B ∩ C ).

e) Nenhum deles ocorrem:

(Ac ∩ B c ∩ C c ).

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 28 / 53


Introdução a Probabilidade

Introdução à Probabilidade

Definição: Seja ε um experimento aleatório. Seja Ω o espaço amostral


associado a ε. A cada evento A em Ω associamos um número real
representado por P(A) (probabilidade do evento A). P(A) satisfaz as
seguintes propriedades:

1 P(A) ≥ 0.
2 P(Ω) = 1.
3 Se A e B são eventos disjuntos (A ∩ B = ∅), então
P(A ∪ B) = P(A) + P(B).
4 Se A1 , A2 , . . . , An , . . . forem, par a par, eventos disjuntos, então

P(∪∞
i=1 Ai ) = P(A1 ) + P(A2 ) + . . . + P(An ) + . . . .

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 29 / 53


Introdução a Probabilidade

Introdução à Probabilidade: Teoremas Importantes

Teorema: Se P é uma metida de probabilidade que satisfaz as


propriedades acima e A é um evento qualquer, então é verdade que

P(A) ≤ 1.

Corolário: Sejam A e B eventos quaisquer. Então,

P(A ∪ B) ≥ max(P(A), P(B)) ≥ min(P(A), P(B)) ≥ P(A ∩ B).

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 30 / 53


Introdução a Probabilidade

Introdução à Probabilidade
Teorema: Sejam A1 , . . . , An uma sequência de eventos em Ω disjuntos
par a par. Então,
n
[  n
X
P Ai = P(Ai ).
i=1 i=1
Teorema: Se ∅ é o conjunto vazio, então, P(∅) = 0.

Teorema: Se Ac for o evento complementar de A, então


P(A) = 1 − P(Ac ).

Teorema (União de dois eventos quaisquer): Sejam A e B dois


eventos quaisquer em Ω. Então,

P(A ∪ B) = P(A) + P(B) − P(A ∩ B).


Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 31 / 53
Introdução a Probabilidade

Introdução à Probabilidade

Teorema: Sejam A e B eventos quaisquer. Se A ⊂ B, então


P(A) ≤ P(B).

Teorema: Sejam A, B e C eventos quaisquer de Ω. Então,

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


− P(B ∩ C ) + P(A ∩ B ∩ C ).

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 32 / 53


Introdução a Probabilidade

Introdução a Probabilidade

Espaços Amostrais Finitos Equiprováveis


Quando associamos a cada ponto amostral (cada elemento do espaço
amostral) a mesma probabilidade, o espaço amostral chama-se
equiprovável.

Seja Ω o espaço amostral, finito e equiprovável, associado ao


experimento aleatório , definimos P(A) a probabilidade de ocorrência do
evento A por:

||A||
P(A) = ,
||Ω||
onde ||A|| é o número de elementos em Ω favoráveis à ocorrência de A e
||Ω|| é a quantidade de elementos no espaço amostral.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 33 / 53


Introdução a Probabilidade

Introdução à Probabilidade

Ou seja, em situações em que temos Ω finito e com seus resultados


equiprováveis, isto é, as probabilidades de cada elemento de Ω são as
mesmas, poderemos calcular probabilidades de interesse facilmente.

Exemplo: Suponhamos o experimento aleatório ε que consiste em lança


uma moeda equilibrada duas vezes. Para esse experimento aleatório temos
os seguintes resultados possı́veis:

Ω = {CC , KK , CK , KC },
em que C = Cara e K = Coroa.
Seja A o evento que segue:

A = {aparecer exatamente uma cara}.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 34 / 53


Introdução a Probabilidade

Introdução à Probabilidade

Como o espaço amostral Ω do experimento em questão ε é finito e


equiprovável, temos que
P({CC }) = P({KK }) = P({CK }) = P({KC }) = 1/4.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 35 / 53


Introdução a Probabilidade

Introdução à Probabilidade

Exercı́cio: Considere o experimento aleatório que consiste em lançar um


dado equilibrado 2 vezes e observar sua face. Calcule as probabilidades dos
eventos de interesses que seguem:

a) A probabilidade de cair face dois exatamente em todos os


lançamentos;

b) A probabilidade de cair um número maior que 3 em pelo menos um


dos lançamentos;

c) A probabilidade de cair números pares em todos os lançamentos;

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 36 / 53


Probabilidade Condicional

Probabilidade Condicional

Definição (Probabilidade Condicional): Para quaisquer dois eventos A


e B, a probabilidade condicional de A dado que ocorreu o evento B é
definida por

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

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 37 / 53


Probabilidade Condicional

Probabilidade Condicional

A probabilidade condicional também satisfaz as seguintes


propriedades:

1 P(Ω|A) = 1;

2 P(A|Ω) = P(A);

3 P(B c |B) = 0;

4 Se A ⊇ B, então P(A|B) = 1;

5 P(B1 ∪ B2 ∪ · · · |A) = P(B1 |A) + P(B2 |A) + · · · , se Bi ∩ Bj = ∅ para


todo i 6= j.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 38 / 53


Probabilidade Condicional

Probabilidade Condicional

Exemplo: Dois dados são lançados ao acaso. Qual a probabilidade da


soma ser igual a 6, dado que o primeiro dado saiu número menor que 3?

Solução: Na sala de aula !!!!

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 39 / 53


Probabilidade Condicional

Probabilidade Condicional

Exemplo 1: Suponha que, de todos os indivı́duos que compram uma


determinada câmera digital, 60% incluem um cartão de memória opcional
na compra, 40% incluem uma pilha extra e 30% incluem um cartão e uma
pilha. Considere a seleção aleatória de um comprador e sejam
A = {compra de cartão de memória} e B = {compra de pilha}. Qual a
probabilidade que o indivı́duo selecionado ao acaso compre um cartão de
memória dado que ele comprou uma pilha extra?

Exemplo 2: Considerando o exemplos acima, calcule a probabilidade de


um indivı́duo selecionado ao acaso comprar uma pilha dado que ele
comprou um cartão de memória.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 40 / 53


Probabilidade Condicional

Probabilidade Condicional

Definição (Partição do Espaço Amostral): Seja B1 , B2 , . . . uma


sequência de eventos em Ω. Dizemos que B1 , B2 , . . . forma uma partição
de Ω se satisfaz as seguintes propriedades:

S
1
i Bi = Ω;

2 Os eventos são disjuntos par a par, isto é, Bi ∩ Bj = ∅, para todo


i 6= j.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 41 / 53


Probabilidade Condicional

Probabilidade Condicional

Seja B1 , B2 , . . . uma sequência que forma uma partição do espaço


amostral Ω. Então, poderemos observar facilmente uma partição por meio
do diagrama a seguir.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 42 / 53


Probabilidade Condicional

Probabilidade Condicional

Além disso, seja A um outro evento de interesse ao qual queremos atribuir


probabilidade e está contida na partição de Ω.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 43 / 53


Probabilidade Condicional

Probabilidade Condicional

Teorema (Lei da Probabilidade Total): Seja B1 , B2 , . . . uma sequência


de eventos ao qual é possı́vel atribuir probabilidade e admita que a
sequência forma uma partição de Ω. Além disso, seja A um outro evento
em que é possı́vel atribuir probabilidade. Então,

k
X
P(A) = = P(A ∩ Bi ) = P(A|Bi )P(Bi ).
i=1

Observação
Note que o Teorema da Probabilidade Total estabelece meios de escrever
uma probabilidade incondicional P(A) em termos de probabilidades
condicionais P(A|Bi ).

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 44 / 53


Teorema de Bayes

Teorema de Bayes

Teorema de Bayes: Sejam B1 , B2 , . . . , Bk uma sequência de eventos em


que é possı́vel atribuir probabilidade e que forma uma partição de Ω e seja
A um outro avento onde a probabilidade de sua ocorrência está bem
definida. A probabilidade do evento condicional Bi |A é obtida por:

P(Bi ∩ A) P(A|Bi )P(Bi )


P(Bi |A) = = Pk , i = 1, . . . , k.
P(A) j=1 P(A|B j )P(Bj )
Note que pela definição de probabilidade condicional
P(Bi ∩ A) = P(A|Bi )P(Bi ). Alguns livros chamam esse resultado imediato
de regra da multiplicação.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 45 / 53


Teorema de Bayes

Teorema de Bayes

Exercı́cio: Uma cadeia de lojas de informática vende três marcas


diferentes de notebook. Dessas vendas, 50% são da marca 1, 30% são da
marca 2 e 20% são da marca 3. Cada fabricante oferece um ano de
garantia para peças e mão-de-obra. É sabido que 25% dos notebooks da
marca 1 necessitam de reparos de garantia, enquanto os percentuais
correspondentes para as marcas 2 e 3 são 20% e 30%, respectivamente.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 46 / 53


Teorema de Bayes

Teorema de Bayes

Pergunta-se:

a) Qual é a probabilidade de que um comprador selecionado


aleatoriamente compre um notebook da marca 1 que precise de
reparo durante a garantia?
b) Qual a probabilidade de que um comprador selecionado
aleatoriamente possua um aparelho que necessite de reparos durante
a garantia?
c) Se um cliente voltar à loja com um notebook que precise de reparo
em garantia, qual é a probabilidade de ele ser da marca 1? E da
marca 2? E da marca 3?

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 47 / 53


Teorema de Bayes

Teorema de Bayes

Exercı́cio: Apenas 1 em 1000 adultos é acometido por uma doença rara


para a qual foi desenvolvido um teste de diagnóstico. O teste funciona de
tal forma que, se o indivı́duo tiver a doença, o resultado do teste será
positivo em 99% das vezes e, se não tiver, será positivo em apenas 2% das
vezes. Se um indivı́duo selecionado aleatoriamente for testado e o
resultado for positivo, qual é a probabilidade de ele ter a doença?

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 48 / 53


Teorema de Bayes

Teorema de Bayes

Exercı́cio: Uma companhia multinacional possui três polos industriais que


produzem o mesmo tipo de produto e são eles os polos I, II e III. O polo I
é responsável por 30% do total produzido, o polo II produz 45% do total,
e o restante vem do polo III. Cada um dos polos, no entanto, produz uma
proporção de produtos que não atendem aos padrões estabelecidos pelas
normas internacionais de especificações. Tais produtos são considerados
“defeituosos” e correspondem a 1%, 2% e 1.5%, respectivamente, dos
totais produzidos por fábrica. No centro de distribuição, um grande lote de
produtos possuem produtos produzidos nos três polos (os produtos estão
misturados no mesmo lote) e é feito o controle de qualidade da produção
combinada das fábricas. Pergunta-se:

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 49 / 53


Teorema de Bayes

Teorema de Bayes

a) Qual é a probabilidade de encontrar um produto defeituoso durante a


inspeção de qualidade?

b) Se durante a inspeção, encontramos um produto defeituoso, qual é a


probabilidade que ele tenha sido produzido no polo II? Responda a
mesma pergunta para os dois polos restantes.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 50 / 53


Independência Estatı́stica

Eventos Independentes

Definição (Eventos Independentes): Sejam A e B eventos quaisquer. A


e B são ditos ser eventos independentes se, e somente se,

P(A ∩ B) = P(A) · P(B).

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 51 / 53


Independência Estatı́stica

Eventos Independentes

Definição (Eventos Independentes): Sejam A e B eventos quaisquer. A


e B são ditos ser eventos independentes se, e somente se,

P(A ∩ B) = P(A) · P(B).

Prova: P(A ∩ B) = P(A|B) · P(B) = P(A) · P(B).

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 51 / 53


Independência Estatı́stica

Eventos Independentes

Definição (Eventos Independentes): Sejam A e B eventos quaisquer. A


e B são ditos ser eventos independentes se, e somente se,

P(A ∩ B) = P(A) · P(B).

Prova: P(A ∩ B) = P(A|B) · P(B) = P(A) · P(B).

Nota: Parafraseando, temos que se o evento A é independente do evento


B, quer dizer que a probabilidade de A não é afetada pela ocorrência ou
não-ocorrência do evento B. Sendo assim, de nada importa saber sobre a
ocorrência de B para calcular a probabilidade de A.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 51 / 53


Independência Estatı́stica

Eventos Independentes

Teorema: Se A e B são eventos independentes, então A e B c , Ac e B, e


Ac e B c também são eventos independentes.

Exemplo 1: Sabe-se que 30% das lavadoras de roupa de uma determinada


empresa requerem manutenção enquanto estiverem na garantia e somente
10% das secadoras precisam de manutenção. Se alguém comprar uma
lavadora e uma secadora de roupas feitas por essa empresa, qual é a
probabilidade de que ambas as máquinas precisem de conserto?

Exemplo 2: Uma caixa contém 4 lâmpadas boas e 2 queimadas.


Retiram-se, ao acaso, 3 lâmpadas com reposição. Calcule a probabilidade
das 3 lâmpadas serem boas? E no caso SEM reposição?

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 52 / 53


Independência Estatı́stica

Eventos Independentes

Exemplo 3: Consideremos uma urna com 100 peças das quais 80 peças
são não-defeituosas e 20 são defeituosas. Calcule as probabilidades dos
seguintes eventos:

Eventos INDEPENDENTES - Com Reposição:


a) A = {a primeira peça é defeituosa};
b) B = {a segunda peça é defeituosa}.
Eventos DEPENDENTES - Sem Reposição:
c) A = {a primeira peça é defeituosa};
d) B = {a segunda peça é defeituosa}.

Marcelo Ferreira (DE/UFPB) Cálculo das Probabilidades e Estatı́stica I 2018.1 53 / 53