Probabilidade:

Experimento Aleatório
Probabilidade de um Evento
Probabilidade Condicional
Eventos Independentes
Teorema de Bayes
 Experimento Aleatório
Um experimento aleatório é aquele cujo resultado é
incerto, embora se saiba quais são os resultados
possíveis.

Exemplos:

- Jogar uma moeda e observar a face de cima.

- Jogar um dado e observar a face de cima.

- Escolha aleatória de uma carta de um baralho.

 Espaço Amostral (S)
O conjunto de todos os resultados possíveis do
experimento é chamado de espaço amostral e é
representado pelo símbolo S.
Cada resultado possível do experimento é chamado de
elemento ou ponto amostral.

Exemplo 1: Jogada de um dado e observação da face de

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

Exemplo 2: Jogada de um dado e observação se o número é

par ou ímpar.
S= { par, ímpar }
Exemplo 3: Jogar uma moeda e jogá-la uma segunda vez se
der cara. Se der coroa na primeira jogada, então um dado é
jogado uma vez.

S= { HH, HT, T1, T2, T3, T4, T5, T6 }

Exemplo: Faces de cima de dois dados lançados. São 36
resultados possíveis:
Dado 1 Dado 2 Soma Dado 1 Dado 2 Soma Dado 1 Dado 2 Soma

1 1 2 3 1 4 5 1 6

1 2 3 3 2 5 5 2 7

1 3 4 3 3 6 5 3 8

1 4 5 3 4 7 5 4 9

1 5 6 3 5 8 5 5 10

1 6 7 3 6 9 5 6 11

2 1 3 4 1 5 6 1 7

2 2 4 4 2 6 6 2 8

2 3 5 4 3 7 6 3 9

2 4 6 4 4 8 6 4 10

2 5 7 4 5 9 6 5 11

2 6 8 4 6 10 6 6 12
 Evento
Um evento é um subconjunto de um espaço amostral.

Exemplo: Soma dos valores das faces de dois dados.

S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

Sair um no. Ímpar: A = {3, 5, 7, 9, 11}

Sair um múltiplo de 3: B = {3, 6, 9, 12}
Sair um no. primo: C = {2, 3, 5, 7, 11}
Sair um múltiplo de 4 D = {4, 8, 12}
Sair a soma máxima: E = {12}
Sair o valor 20: F={}= Φ
 Evento Complementar
O complemento de um evento A é o subconjunto de S que
contém todos os elementos de S que não estão em A.

Denotamos o complento de A pelo símbolo A'

Exemplo: Soma dos valores das faces de dois dados.

S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

Sair um no. ímpar: A = {3, 5, 7, 9, 11}

Sair um no. par A' = {2, 4, 6, 8, 10, 12}
 Evento Interseção
A interseção de dois eventos A e B é o evento que
contém todos os elementos comuns a A e B.

A∩B

Exemplo: Soma dos valores das faces de dois dados.

S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

Sair um no. ímpar: A = {3, 5, 7, 9, 11}

Sair um múltiplo de 3: B = {3, 6, 9, 12}
Interseção: A ∩ B = { 3, 9 }
Os evento A e B são mutuamente exclusivos, ou
disjuntos se A e B não tiverem elementos em comum, ou
seja, se

A∩B=Φ

Exemplo: Soma dos valores das faces de dois dados.

S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

Sair um no. ímpar: A = {3, 5, 7, 9, 11}

Sair um múltiplo de 4: D = { 4, 8,12 }
Interseção: A∩D={ }
 Evento União
A união de dois eventos A e B é o evento que contém
todos os elementos que pertencem a A ou a B, ou a
ambos.
A∪B
Exemplo: Soma dos valores das faces de dois dados.

E = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

Sair um no. ímpar: A = {3, 5, 7, 9, 11}

Sair um múltiplo de 3: B = {3, 6, 9, 12}
União: A U B = {3, 5, 6, 7, 9, 11, 12}
 Probabilidade de um Evento
A probabilidade de um evento A é denotada por P(A).

0≤P ( A ) ≤1,
P ( S )=1,
P ( Φ )=0 .

P(A) é a soma das probabilidades dos pontos amostrais em A.

Além disso, se A1, A2, … é uma sequência de eventos

mutuamentes exclusivos, então
P(A1 U A2 U A3 U …) = P(A1) + P(A2) + P(A3) + … .
Exemplo: Soma dos valores das faces de dois dados.
S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

Soma 2 3 4 5 6 7 8 9 10 11 12
No. Resultados 1 2 3 4 5 6 5 4 3 2 1
Probabilidade 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

A = {3, 5, 7, 9, 11} P(A) = 2/36 + 4/36 + 6/36 + 4/36 + 2/36 = 18/36 = 1/2.

B = {3, 6, 9, 12} P(B) = 2/36 + 5/36 + 4/36 + 1/36 = 12/36 = 1/3.

A ∩ B = {3,9} P(A ∩ B ) = 2/36 + 4/36 = 6/36 = 1/6.

 Regra Aditiva
Se A e B são dois eventos, então:

P(A U B) = P(A) + P(B) - P(A ∩ B ).

Exemplo: Soma dos valores das faces de dois dados.

S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

A = {3, 5, 7, 9, 11}

B = {3, 6, 9, 12}

A ∩ B = { 3, 9 }
P(A) = ½ P(A U B ) = P(A) + P( B ) - P(A ∩ B )

P( B ) = 1/3 = 1/2 + 1/3 - 1/6

P(A ∩ B ) = 1/6 = 2/3,

que confere com o cálculo direto:

A U B = {3, 5, 6, 7, 9, 11, 12}

P(A U B ) = 2/36 + 4/36 + 5/36 + 6/36 + 4/36 + 2/36 + 1/36 = 24/36 = 2/3.
Regra Aditiva
Pois, se A e B são mutuamente exclusivos,
 Probabilidade Condicional
A probabilidade de um evento B ocorrer quando
sabemos que o evento A ocorreu é chamada de
probabilidade condicional de B dado A.
Exemplo: Soma dos valores das faces de dois dados.
S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

A = {3, 5, 7, 9, 11}

B = {3, 6, 9, 12}

A ∩ B = { 3, 9 }

P(A) = 1/2 P(A | B ) = P(A ∩ B )/P( B )

P( B ) = 1/3 = (1/6)(1/3)

P(A ∩ B ) = 1/6 = 1/2.

 Eventos Independentes

Dois eventos A e B são independentes se e somente se

P(B | A) = P( B )

ou

P(A | B ) = P(A)

Desde que as probabilidade condicionais existam.

Caso contrário, A e B serão dependentes.
Exemplo: Raça do cão versus cuidados com a saúde.

Raças
Cuidados Pura Mestiço Total
< $100,00 19 21 40
>= $100,00 35 15 50
Total 54 36 90

O evento “gastar $100,00 ou mais nos cuidados com a saúde” e

“ter um cachorro mestiço” são dependentes ou independentes?

P ( gasto≥100 )=50/90=0,56 .
P ( gasto≥100/ M )=15/ 36=0,42 .
P ( gasto≥100/ M )≠ P ( gasto≥100 )=0,56 ,

Então os eventos gasto menor ou igual a 100 e mestiço são

dependentes.
 Regra Multiplicativa

Exemplo: Uma urna tem 10 bolas vermelhas e 15 verdes.

Duas bolas são retiradas em sequência, sem reposição.

Qual é a probabilidade das duas serem vermelhas ?

Sejam os eventos: A = {a 1a bola é vermelha},

B = {a 2a bola é vermelha}.

P(A ∩ B) = P(A)·P(B|A) = (10/25)·(9/24) = 0,15.

 Extensão da Regra Multiplicativa
Exemplo: Um dado é jogado 10 vezes seguidas.

Sejam os eventos A1, A2, ... , Ak, tais que P(Ai) > 0 , i=1,2, ...,k.

Então,

P(A1∩ A2 ∩ ... ∩ Ak) =

= P(A1) P(A2|A1) P(A3 | A1∩ A2) ... P(Ak | A1∩ A2 ∩ ... ∩ Ak-1).

Os eventos A1, A2, ... , Ak são independentes se e somente se

P(A1∩ A2 ∩ ... ∩ Ak) = P(A1) P(A2) P(A3) ... P(Ak).

 Partição do Espaço Amostral
Os eventos B1, B2, …, Bk constituem uma partição do espaço
amostral S se são disjuntos e B1 U B2 U B3 U ... U Bk = S.
 Teorema da Probabilidade Total
Se os eventos B1, B2, …, Bk, com P ( Bi )≠0 , para
todo i, constituem uma partição do espaço amostral
S, então, para qualquer evento A de S,
n n
P ( A )=∑ P ( Bi∩ A )=∑ P ( Bi ) P ( A/ Bi ) .
i= 1 i= 1
Exemplo: Fábrica tem três máquinas: 1, 2 e 3.

Produzem: 30%, 45% e 25% da produção total.

Produtos defeituosos por máquina: 2%, 3% e 2%

Experimento: escolher ao acaso um produto no estoque.

Eventos:

A: o produto é defeituoso

Bk: o produto foi feito pela máquina k, k = 1, 2, 3.

Um produto foi selecionado.

Qual a probabilidade desse produto ser defeituoso ?

Ou seja, P(A) = ?
P(A) = P(A|B1)·P(B1) + P(A|B2)·P(B2) + P(A|B3)·P(B3)

= (0,02)(0,30) + (0,03)(0,45) + (0,02)(0,25)

= 0,0245.
Teorema de Bayes
Exemplo: Da fábrica que tem três máquinas: 1, 2 e 3.

Dado que o produto selecionado é defeituoso, qual é

a probabilidade dele ter sido feito na máquina 3 ?

Ou seja, P(B3|A) = ?
 P ( B 3 ) P ( A/ B 3 )
P ( B 3 / A )=
P ( B1 ) P ( A/ B1 ) +P ( B 2 ) P ( A/ B2 ) +P ( B3 ) P ( A/ B 3 )

( 0,25 ) ( 0,02 )
( 0,30 ) ( 0,02 ) + ( 0,45 )( 0,03 )+ ( 0,02 ) ( 0,25 )

0,050
0,0245

0,23
Exemplo: Um determinado exame de sangue é usado para diagnosticar
uma doença.

Acerta o diagnóstico (resultado positivo) em 80% das pessoas realmente

doentes;

Acerta o diagnóstico (resultado negativo) em 90% das pessoas realmente

não doentes:

P( + | D) = 0,80 e P( - | D ) = 0,90.

O exame foi aplicado a uma pessoa selecionada ao acaso em uma cidade,

na qual 6% das pessoas têm a doença, e o resultado foi positivo.

Qual é a probabilidade desse diagnóstico estar errado ?

Ou seja, P( ND | + ) = ?
Sabemos que
P(+ | D) = 0,80 P(- | D) = 0,20

P(- | ND ) = 0,90 P(+ | ND ) = 0,10

P(D ) = 0,06 P(ND ) = 0,94

Então, pelo Teorema de Bayes:

( 0,10 ) ( 0,94 )
( 0,80 ) ( 0,06 ) + ( 0,10 ) ( 0,94 )

= 0,062 probabilidade do diagnóstico estar

errado !
Exemplo: Há 6 envelopes, cada um com um cartão dentro.
Três cartões de cor verde e três cartões de cor azul.

O jogador deve escolher um envelope e verificar a cor do cartão.

O jogador escolheu um envelopes com o cartão verde (ganhou $).

É dada a ele a chance de pegar outro envelope:

- Se ele pegar outro verde, ele ganha o prêmio em dobro;

- Se ele pegar um azul, ele perde tudo.

Ele decide pegar outro se a probabilidade de sair outro verde for maior
que 0,5 ?

P(V1) = 3/6 = 1/2.

P( V2 | V1) = 2/5.