Rosani Brune de Almeida Dias

Diretoria Interdisciplinar de Tecnologias na Educação - DINTE

Probabilidade
Introdução
• O estudado da probabilidade teve sua origem ligada aos
jogos de azar.
• A estes jogos podemos associar duas características:
▪ a primeira é ada incerteza e dos resultados em determinada
tentativa
▪ a segunda refere-se a regularidade que é observado ao longo
prazo
Inferência Estatística
❑ Os estudos até o momento incidiram sobra a finalidade
descritiva.
❑ Passa-se ao estudo da inferência
❑ Consiste em obter e generalizar conclusões; ou seja, inferir
propriedades para o todo com base na parte, no particular.
❑ É tratada através de técnicas e métodos que se fundamentam
na Teoria de Probabilidades.
❑ Em estatística utilizaremos extensivamente os termos
população e amostra.
 Experimentos
❑Todo processo desenvolvido para realizar observações e obter dados com
um determinado objetivo é denominado experimento.

❑ Experimento determinístico: é quando o evento acontece com certeza.

✓ Exemplo: Ao soltar uma pedra do alto de um edifício, sabemos que

esta pedra irá em direção ao chão.

❑ Experimento Aleatório: é quando não há certeza da ocorrência do evento.

✓ Exemplo: jogar um dado homogêneo e observar o número de sua

face superior.
 Experimento Aleatório (E ou )
❑ São fenômenos que, mesmo repetidos várias vezes sob condições
semelhantes, apresentam resultados imprevisíveis. O resultado final
depende do acaso.
❑ Embora não se possa prever que resultados ocorrerão, pode-se descrever

o conjunto de resultados possíveis (espaço amostral).

✓ Exemplo

Da afirmação "é provável que o meu

time ganhe a partida hoje" pode resultar:

que ele ganhe que ele perca que ele empate

Este resultado final pode ter três possibilidades.
Experimento Aleatório - Exemplos
a) Lançar uma moeda honesta

b) Lançar um dado

c) Lançar duas moedas

d) Retirar uma carta de um baralho completo, com 52 cartas

e) Determinar a vida útil de um componente

 Espaço Amostral (U, S ou )
❑ É o conjunto universo ou o conjunto de resultados possíveis de um
experimento aleatório.

1. Lançamento de um dado: Ω={1,2,3,4,5,6}

2. Observação dos momentos de entrada de clientes em uma loja, entre

as 14 e 16 horas: Ω = {(X,Y): 14 < X < Y < 16}

3. Observação do sexo de cada cliente que entrou na loja: Ω =

{Masculino, Feminino}
Espaço Amostral - Exemplos
a) Lançar uma moeda honesta
❖ Ω = {c, r}
b) Lançar um dado
❖ Ω = {1,2,3,4,5,6}
c) Lançar duas moedas
❖ Ω = {(c, r), (c,c), (r,c), (r,r)}
d) Retirar uma carta de um baralho completo, com 52 cartas
❖ Ω = {A0, ..., K0, Ap, ..., Kp, AE, .., KE, AC, ..., KC}
e) Determinar a vida útil de um componente
❖ Ω = {t ∈ ℝ / t ≥ 0}
 Evento
❑ É qualquer subconjunto do espaço amostral de um experimento
aleatório.
❑ Um evento é representado por letras maiúsculas A, B, etc.

❑ Exemplo:

✓ Considerando o Experimento (E): Lançamento de um dado, temos o

seguinte espaço amostral Ω = {1,2,3,4,5,6}.
✓ Assim um possível evento A = {sair face par}, será representado por:

A = {2,4,6}
Evento
❑ Se considerarmos  como espaço amostral e A como evento:
Assim, qualquer que seja A, se A   (A está contido em  ),
então A é um evento de  .
✓ Se A =  , A é chamado de evento certo.

✓Se A   e A é um conjunto unitário, A é chamado de

evento elementar.

✓ Se A = Ø , A é chamado de evento impossível.

 Número de Eventos de ()
❑ É o conjunto formado de todos os eventos (subconjuntos) do espaço
amostral.
❑ Considere como exemplo um espaço amostral finito:
✓ Ω = {a, b, c, d}

❑ A classe de eventos aleatórios F(Ω)

4
✓   
0 
4
✓ (a),(b),(c),(d) 1 
4
 
✓ (a,b), (a,c), (a,d), (b,c) , (b,d), (c,d) 2 
4
✓ (a,b,c), (a,b,d), (a,c,d), (b,c,d)  
4 3 
✓ (a,b,c, d)  4 
 
❑ O número de eventos de um espaço amostral é F(Ω)=2n
❑ Usando esse espaço amostral temos que o número de eventos é 16
Propriedades com Eventos Aleatórios
❑Considere Ω = {e1, e2, ..., en}. Sejam A e B dois eventos de F(Ω).
❑Operações

União: A  B = {ei ∈ Ω / ei ∈ A OU ei ∈ B}
O evento formado pelos elementos que pertencem a pelo
menos um dos eventos.

A B

A∪B
Propriedades com Eventos Aleatórios
❑ Interseção: A ∩ B = {ei   / ei  A E ei  B}
 O evento formado pelos elementos que pertencem
simultaneamente aos dois eventos.
A B

A∩B

◦ Complementação: Ω − A = A = {e i  Ω/e i  A}
A
__
Α
Eventos Mutuamente Exclusivos
❑ Dois eventos são mutuamente exclusivos se não podem ocorrer
simultaneamente:

A∩B=
❑ Exemplos:

1. Ao lançar um dado, A = saída ímpar e B = saída par

A = {1,3,5}, B = {2,4,6}

2. Ao analisar uma imagem de satélite, A = floresta, B = deserto

e C = oceano. Uma área analisada pode pertencer apenas a
uma destas classes.
Partição de um Espaço Amostral
• Dizemos que os eventos A1, ..., An formam uma partição do
espaço amostral Ω se:
• Não há eventos vazios a) A i   , i = 1,...,n
• Não há interseção entre b) A i  A j =  , i  j
os eventos n
• A união dos eventos da c) A i = Ω
partição é o espaço i =1
amostral
Exemplo:

Ω
Probabilidade
❑ O problema fundamental da probabilidade consiste em atribuir
um número a cada evento (E), o qual avaliará quão possível será a
ocorrência de "E", quando o experimento for realizado.
❑A seguir serão apresentadas algumas definições de
probabilidades, tais como:
✓ Clássica;

✓ Empírica ou frequentista;

✓ Subjetiva.

❑ Além disso, serão apresentados os axiomas e os teoremas

fundamentais de probabilidade.
 Definições de Probabilidade
❑ DEFINÇÃO CLÁSSICA
❑ O enfoque clássico aplica-se a situações que têm resultados

igualmente prováveis.
❑ Quando os resultados são igualmente prováveis, a probabilidade

de cada resultado será:

1
n º de resultados possíveis
Exemplo:

1- No lançamento de uma moeda.  = { ca, co } = 2 A = {ca} = 1

P(A) = 1/2 = 0,5
 Definições de Probabilidade
❑ DEFINÇÃO CLÁSSICA
❑Se existe "a" resultados possíveis favoráveis a ocorrência de um

evento “A" e "b” resultados possíveis não favoráveis, sendo os

mesmos mutuamente excludentes, então:

nº de elementos do evento A
=
nº de resultados possíveis
Exemplo:

1- No lançamento de um dado.  = { 1,2,3,4,5,6 } = 6 A = { 2,4,6 } = 3

P(A) = 3/6 = ½ = 0,5

Definições de Probabilidade
❑ DEFINÇÃO EMPÍRICA OU FREQUENTISTA
❑ Há casos em que os resultados não são igualmente prováveis.

❑ Nestes casos, é necessário obter dados empíricos, obtidos

através de observação, numa tentativa de estimar as

probabilidades.
❑Uma possível maneira de tratar a questão seria determinar a

frequência relativa de um evento A.

 Definições de Probabilidade
❑ DEFINÇÃO EMPÍRICA OU FREQUENTISTA
❑ Surgem, no entanto, dois problemas:

❑ Qual deve ser o número de repetições do experimento ()

❑ A sorte ou habilidade do experimentador poderá influir nos

resultados, de forma tal que a probabilidade é definida como

sendo:
P(A) = lim n→ fa
(Lei dos Grandes Números)

onde "n" é o número de repetições do experimento .

Definições de Probabilidade
❑ DEFINÇÃO EMPÍRICA OU FREQUENTISTA
❑ Exemplo:

❑ Se jogarmos uma moeda 100 vezes e obtivermos cara 60 vezes,

será razoável estimar a probabilidade de cara, em jogadas futuras

como sendo:

P(A) = 60/100 = 0,60

Definições de Probabilidade
❑ DEFINÇÃO SUBJETIVA

❑ As probabilidades determinadas pelos métodos clássico

e da frequência relativa são ditos objetivos.

❑ A probabilidade subjetiva é uma avaliação pessoal do

grau de viabilidade de um evento.
 Axiomas da Probabilidade
❑ Seja um experimento E, seja () um espaço amostral
associado a (E). A cada evento (A) associa-se um número
real representado por P(A) e denominaremos de
probabilidade de A, satisfazendo as seguintes propriedades:
a) 0P(A)1;
b) P() = 1
c) Se A e B são eventos mutuamente excludentes, então:
P(AB) = P(A) + P(B)
Axiomas da Probabilidade
d) Se A1, A2, ..., An são eventos mutuamente excludentes
dois a dois, então:

P(A1A2 ... An) = P(A1) + P(A2)+ ...+P(An)

ou
 Teoremas Fundamentais
1) Se  for evento vazio, então P() = 0
2) Se o evento Ac for o evento complementar de A, então
P(Ac) = 1 - P(A)
3) Se A e B são eventos quaisquer, então: (regra da adição)
P(A U B) = P(A) + P(B) - P(A  B)
4) De acordo com o teorema acima. Sejam A1, A2, ..., An
eventos quaisquer:, teremos
Probabilidade Condicional
❑ As probabilidades estudadas até este momento são
denominadas probabilidades se referem ao experimento,
resultados igualmente prováveis (equiprovável).

❑ Há casos em que nos interessa rever a probabilidade de

um evento, pois há informações adicionais que podem
afetar o resultado.
Probabilidade Condicional
❑Por exemplo, dentro do mesmo espaço amostral, a
probabilidade de que aconteça o evento X sabendo que
aconteceu o evento Y é obtida a partir do espaço
amostral reduzido definido pelo evento Y.

❑ A probabilidade P(X/Y) é denominada probabilidade

condicional.
 Probabilidade Condicional
❑ Exemplo
❑ Seja E: lançar um dado e o evento A ={sair nº 3}, então

P(A) = 1/6
❑ Considerando o evento B= {sair um nº ímpar}= {1,3,5}.
Para o cálculo das probabilidades calculamos as
probabilidades condicionadas.
❑ No exemplo, podemos estar interessados no resultado do
evento A condicionada a ocorrência do evento B.
❑ Em símbolos P(AlB): probabilidade de A dado B.
 Probabilidade Condicional
❑ Exemplo - continuação
❑ Seja E: lançar um dado e o evento A ={sair nº 3} = {1} e B= {sair

um nº ímpar}= {1,3,5}. Assim,

P(AlB) = 1/3

❑ Observem que o espaço amostral condicionado a B fica

reduzido, ou seja, o que antes era {1,2,3,4,5,6} agora será {1,3,5}
Probabilidade Condicional
❑ DEFINIÇÃO
❑ Dado dois eventos A e B, denotaremos P(AlB) a

probabilidade condicionada do evento A, quando B tiver

ocorrido, por:

❑ com B  0, pois B já ocorreu

 Probabilidade Condicional
❑ LEI DA MULTIPLICAÇÃO
❑ Dado dois eventos A e B, denotaremos P(AB) a probabilidade
da interseção entre o evento A, quando B tiver ocorrido e o
evento B, quando A tiver ocorrido, respectivamente, por:

P(AB)= P(B).P(A/B)

ou

P(AB)= P(A).P(B/A)
 Probabilidade Condicional
❑ Exemplo
Independência
❑ Dois eventos A e B, dizemos que são independentes se
a probabilidade de um evento não interfere na ocorrência
de outro evento, então:

P(A/B) = P(A) e P(B/A) = P(B)

assim,

P(AB)= P(B).P(A/B) = P(A) . P(B)

Independência
❑ Dados “n” eventos A1, A2…An , diz-se que eles são
independentes se o forem 2 a 2, 3 a 3… n a n, ou seja,

❑ P(A1 A2  ... An) = P(A1) . P(A2) . P(An)

 Lema da Probabilidade Total
❑ Considere uma partição do espaço amostral  em dois eventos
mutuamente excludentes, por exemplo Ac e A, sendo Ac o
complementar de A. Seja B um evento qualquer de , como está
representado.
Ac A
B

❑ Assim a P(B), será:

P(B) = P(B/A).P(A) + P(B/Ac).P(Ac)
Lema da Probabilidade Total
Lema da Probabilidade Total

B = (A1 B)(A2 B)  ... (AK B)

P(B) = P(B/A1). P(A1) + P(B/A2). P(A2)+...+ P(B/AK).P(AK)
 Teorema de Bayes
❑Considere novamente o espaço amostral , com a
partição representada abaixo:

A1, A2, ... An são n eventos mutuamente excludentes, tais

que A1  A2  ...  AK = 
 Teorema de Bayes
❑ Sejam P(Ai), as probabilidades conhecidas dos eventos da
partição, e seja B um evento qualquer de  tal que
conhecemos todas as probabilidades condicionais P(B/Ai),
então, para cada i teremos:

que constitui o teorema de Bayes.

 Teorema de Bayes - Exemplo
❑ Considere 3 urnas onde cada urna possui bolas pretas, brancas e
vermelhas, distribuídas da seguinte maneira:

Escolhendo-se uma urna ao acaso e dela extrai-se uma bala

branca. Qual a probabilidade da bola branca ter vindo da urna 1?
Ou da urna 3?
Obrigada!