Introducao A Teoria Das Probabilidades

Introdução à teoria
das probabilidades
Introdução
Conceitos fundamentais
Conceitos de probabilidade
Teoremas para o cálculo de probabilidades
Probabilidade condicional e independência
Teorema de Bayes
Profª Lisiane Selau 1

O termo PROBABILIDADE é utilizado todos os dias de forma
intuitiva, pois nos mais variados aspectos da nossa vida está
presente a incerteza:
dizemos que existe uma pequena probabilidade de ganhar a Mega
Sena;
dizemos que existe uma grande probabilidade de chover num dia
carregado de nuvens;
o político quer saber qual a probabilidade de ganhar as próximas
eleições;
o aluno interroga-se sobre qual a probabilidade de obter resultado
positivo num teste múltipla escolha, para o qual não estudou e
responde aleatoriamente.
Todos estes exemplos têm uma característica comum, que é o
fato de não conseguirmos prever com exatidão e de antemão
qual o resultado. No entanto os métodos probabilísticos vão nos
permitir quantificar essa incerteza.
Divisão da Estatística
Descritiva
Inferência

Matemática Criação de modelos
Estudo dos fenômenos da natureza
Probabilidade Modelos Modelos

Probabilísticos Determinísticos
Experimentos Experimentos
Probabilísticos Determinísticos

Modelo determinístico: é aquele em que ao conhecermos as
variáveis de entrada é possível determinar as variáveis de saída
(os seus resultados).
Em experimentos determinísticos existe a certeza do
resultado que ocorrerá
Física clássica → fenômenos determinísticos
Exemplo: Distância percorrida no tempo em função da velocidade
Modelo aleatório, probabilístico ou estocástico: é aquele em

que, mesmo conhecendo as condições do experimento, não é
possível determinar o seu resultado final.
Em experimentos aleatórios só é possível determinar a
chance de ocorrência de um resultado.
Biologia → fenômenos probabilísticos

Exemplo: Sexo de uma criança ao nascer.
A modelagem de um experimento aleatório implica
em responder três questões fundamentais:
Quais as suas possíveis formas de ocorrência?
Quais são as chances de cada ocorrência?
De que forma se pode calcular essas chances?
Descrição do experimento → ação e observação

Exemplos:
E1: Ação: jogar um dado de seis faces

observação: face voltada para cima
E2: Ação: selecionar uma carta do baralho

observação: valor e naipe da carta
E3: Ação: lançar uma moeda até que apareça cara

observação: número de lançamentos
E4: Ação: acender uma lâmpada

observação: tempo decorrido até que ela se apague

Espaço amostral (S)
É o conjunto de todos os possíveis resultados
de um experimento aleatório.
É o conjunto universo relativo aos resultados

de um experimento.
A cada experimento aleatório está

associado um conjunto de resultados
possíveis ou espaço amostral.

Exemplos:
E1: Jogar um dado e observar a face voltada para cima.
S1={1,2,3,4,5,6} ← enumerável e finito
E2: Selecionar uma carta do baralho e observar o seu valor

e naipe.
S2={ás de ouro,..., rei de ouro, ás de paus,...,

rei de paus,..., ás de espada,..., rei de espada,
ás de copas,..., rei de copas} ← enumerável e finito
E3: Lançar uma moeda até que apareça cara e observar o
número de lançamentos.
Cara Coroa Cara Coroa Coroa Cara
1 1 2 1 2 3 ← lançamentos
S3={1,2,3,4,5,...} ← enumerável e infinito
E4: Acender uma lâmpada e observar o tempo

decorrido até que ela se apague.
S4={t; t>0} ← contínuo e infinito

Evento ou ocorrência: é todo conjunto particular de
resultados de S ou ainda todo subconjunto de S.
É designado por uma letra maiúscula (A, B, C).
A todo evento será possível associar uma probabilidade.
Exemplo: Lançamento de um dado
Espaço
S={1,2,3,4,5,6} amostral
A = Ocorrência de face ímpar = {1, 3, 5}

Eventos
B = Ocorrência de face maior que 4 = {5, 6}

Ponto amostral: é qualquer resultado particular de um
experimento aleatório
Todo espaço amostral e todo evento são constituídos
por pontos amostrais.
Exemplo: S={1,2,3,4,5,6} ← seis pontos amostrais

A = {1,3,5} ← três pontos amostrais
B = {5,6} ← dois pontos amostrais

Álgebra de Eventos
Como o espaço amostral S e os eventos são conjuntos, as
mesmas operações realizadas com conjuntos são válidas
para os eventos.
Exemplo: A e B são eventos de S
S
A
S={1,2,3,4,5,6}
B
A={1,3,5}
B={5,6}
Os diagramas de Venn são úteis para dar intuição

geométrica sobre a relação entre conjuntos.
Intersecção: Ocorre A∩
∩B, se ocorrer A e B.
S = {1, 2, 3, 4, 5, 6}
A = {1, 3, 5}
B = {5, 6}
A∩
∩B = {5}
União: Ocorre A∪
∪B, se ocorrer A ou B (ou ambos).
S = {1, 2, 3, 4, 5, 6}
A = {1,3,5}
B = {5,6}
A∪
∪B = {1, 3, 5, 6}
Complemento: Ocorre A, se ocorrer S, mas não ocorrer A.
S = {1, 2, 3, 4, 5, 6}
A = {1, 3, 5}
A = Ac = {2, 4, 6}
Diferença: Ocorre A-B, se ocorrer A, mas não ocorrer B.

S = {1, 2, 3, 4, 5, 6}
A = {1, 3, 5}
B = {5, 6}
A-B = {1, 3}
Eventos Especiais
Evento Impossível: é aquele evento que nunca irá ocorrer,
é também conhecido como o conjunto vazio (∅
∅).
É um evento porque é subconjunto de qualquer conjunto,
portanto é subconjunto de S (∅⊂S).
Exemplo: A1 = {(x, y); x2 + y2 < 0}
Evento Certo: é aquele evento que ocorre toda vez que se

realiza o experimento, portanto, esse evento é o próprio S.
É um evento porque todo conjunto é subconjunto de si
mesmo (S⊂S).
Exemplo: A2 = {(x, y); x2 + y2 ≥ 0}

Eventos mutuamente exclusivos
Dois eventos A e B associados a um mesmo espaço
amostral S, são mutuamente exclusivos quando a ocorrência
de um impede a ocorrência do outro (A∩
∩B=∅∅).
Exemplos:
Exp.1. Lançamento de uma moeda e observação do resultado
S={K,C}
A = Ocorrência de cara A = {K}

B = Ocorrência de coroa B = {C}
A e B são mutuamente exclusivos

Exp.2. Lançamento de um dado e observação da face
voltada para cima
S={1,2,3,4,5,6}
A = ocorrência de um nº ímpar = {1, 3, 5}
B = ocorrência de um nº maior que 4 = {5, 6}
A∩B={5} → A e B não são mutuamente exclusivos

Exercício: No lançamento de um dado, sejam:
A: saída de uma face par A = {2, 4, 6}
B: saída de uma face menor que 4 B = {1, 2, 3}

S = {1, 2, 3, 4, 5, 6}
Determine:
A ∪ B = { 1,2,3,4,6 }
B - A = { 1,3 }
A ∩ B={2}
B ∩ A = { 1,3 }
A ∩ B={5}
A - B = { 4,6 }
A ∪ B={5}
A ∩ B = { 4,6 }
A ∪ B = { 1,3,4,5,6 }
A ∩ A= ∅
A ∩ B = { 1,3,4,5,6 }
Análise combinatória
Técnicas de contagem → determinar o número de elementos
de um conjunto ou o número de resultados possíveis de um
experimento.
Seja A um conjunto com n elementos distintos entre si.
A = { a, b, c, d }
Se são retirados x elementos do conjunto A é possível

formar grupos de três tipos:
Permutações
Arranjos
Combinações
(b, c) e (c, b)
ordem A = { a, b, c, d }
(a, b, c) e (a, c, b)
(b, c) e (b, d)
natureza
(a, b, c) e (a, b, d)

Permutações: grupos que se distinguem apenas pela ordem
dos seus elementos. Todos os grupos têm os mesmos elementos.
n: número de elementos distintos

n x x: número de elementos retirados
x=n
Exemplo: A = { a, b, c, d } n=4 e x=4
Quantas permutações de quatro elementos é possível formar?

{(a, b, c, d) , (a, b, d, c) , (a, c, b, d), (a, c, d, b), ...
Pn = n! P4 = 4! = 24 grupos
{(a, b, c, d), (a, b, d, c), (a, c, b, d), (a, c, d, b), (a, d, b, c), (a, d, c, b),
(b, a, c, d), (b, a, d, c), (b, c, a, d), (b, c, d, a), (b, d, a, c), (b, d, c, a),
(c, a, b, d), (c, a, d, b), (c, b, a, d), (c, b, d, a), (c, d, a, b), (c, d, b, a),
(d, a, b, c), (d, a, c, b), (d, b, a, c), (d, b, c, a), (d, c, a, d), (d, c, d, a)}
Arranjos: grupos que se distinguem pela ordem e pela
natureza dos seus elementos.

x<n
Quantos arranjos de dois elementos é possível formar?

{(a, b) , (b, a) , (a, c) , (c, a), ...
x n! 2 4! 4 × 3 × 2!
A =n A = 4 = = 12 grupos
(n − x)! (4 − 2)! 2!
{(a, b), (b, a), (a, c), (c, a), (a, d), (d, a), (b, c), (c, b), (b, d), (d, b), (c, d), (d, c)}
Combinações: grupos que se distinguem apenas pela
natureza dos seus elementos.

x<n
Quantas combinações de dois elementos é possível formar?
{(a, b) , (a, c) , (a, d), ...
x n! 2 4! 4 × 3 × 2!
C =
n C =
4 = =6 grupos
x! (n − x)! 2! (4 − 2)! 2! 2!
{(a, b), (a, c), (a, d), (b, c), (b, d), (c, d)}
Permutações → ordem → (x = n)
Pn = n! grupos
Arranjos → ordem e natureza → (x < n)

x n!
A =
n
grupos
(n − x)!
Combinações → natureza → (x < n)
x n!
C =
n
grupos
x! (n − x)!

Permutação com repetição: entre os n elementos de
um conjunto existem elementos repetidos.
Exemplo: se o conjunto de elementos for composto

pelas letras da palavra ARARA, então as permutações
possíveis serão {ARARA, ARRAA, ARAAR, AARRA,
AARAR, AAARR, RAAAR, RAARA, RARAA, RRAAA}
Como calcular?
Os elementos repetidos precisam ser identificados

por a, b e assim sucessivamente
a,b,c,... n! 5!
P n = grupos
3,2
P
5 = = 10
a! b! c! ... 3! 2!
Jogos de azar
Conceito clássico ou
probabilidade a priori
Teoria das probabilidades
Laplace (1812) → Teoria Analítica das probabilidades

→ sistematizou os conhecimentos da época
sobre probabilidades
Pierre-Simon Laplace
(1749-1827)
1.Conceito clássico ou probabilidade a priori
Definição: Seja E um experimento aleatório e S o espaço
amostral a ele associado, com n pontos amostrais, todos
equiprováveis.
Se existe, em S, m pontos favoráveis à realização de um
evento A, então a probabilidade de A, indicada por P(A),
será:
pontos favoráveis
m #A ← número de elementos de A
P(A) = =
n #S ← número de elementos de S
pontos possíveis

Pressuposições básicas:
1. O espaço amostral S é enumerável e finito.
2. Os resultados do espaço amostral S são todos
equiprováveis.
Exemplo:
Experimento: Lançar uma moeda não viciada duas vezes
e observar a face voltada para cima em cada lançamento.
S = {KK,KC,CK,CC}
P(KK) = P(KC) = P(CK) = P(CC) = 1/4
A = ocorrência de uma cara

A = {KC,CK}
S = {KK,KC,CK,CC}
A = {KC,CK}
n = número de pontos possíveis = #S=4
m = número de pontos favoráveis à ocorrência de A = #A=2
m #A 2 1
P(A) = = = =
n #S 4 2
A probabilidade de ocorrer uma cara em dois lançamentos

1
de uma moeda não viciada é .
2
Outra situação:
O espaço amostral se refere ao número de caras que pode

ocorrer em dois lançamentos de uma moeda não viciada.
A = ocorrer uma cara #S=3 S={0,1,2}
A = {1} #A=1 Não é possível usar
o conceito clássico
m #A 1 para calcular a
P(A) = = =
n #S 3 probabilidade de A
As pressuposições foram atendidas?
1
P(0) = P(CC) =
4 Espaço
1
P(1) = P(KC) + P(CK) = amostral não
2 equiprovável
1
P(2) = P(KK) =
4
Exercício proposto:
Dez estudantes de um colégio são selecionados para formar
a equipe de basquete para a competição.
a) de quantas maneiras diferentes pode ser escolhida
a equipe para entrar no primeiro jogo?
b) quantas dessas combinações incluem um estudante
cujo nome é Afonso?
c) se a escolha é feita por sorteio, qual é a probabilidade
de Afonso fazer parte da equipe neste primeiro jogo?
a) C10,5 = 252
b) C9,4 = 126
c) P(A) = 126 / 252 = 0,5

Exercício extra:
Retira-se ao acaso duas cartas (sem reposição) de um
baralho completo de 52 cartas. Qual a probabilidade de
obtermos um par de damas?
52!
# S = C52,2 = =1326
50! 2!
4!
A = retirada de duas damas e #A = C4,2 = =6
2! 2!
P(A) = 6/1326 = 0,0045
R: A probabilidade de se obter um par de damas é 0,45%.
Profª Lisiane Selau

2.Frequência relativa ou probabilidade a posteriori
O conceito de frequência relativa
como estimativa de probabilidade
surgiu através do físico alemão
Richard Von Mises

(1883-1953)

2.Frequência relativa ou probabilidade a posteriori
Definição: Seja E um experimento aleatório e A um evento.

Se após n repetições do experimento E (sendo n
suficientemente grande), forem observados m resultados
favoráveis ao evento A, então uma estimativa da
probabilidade P(A) é dada pela frequência relativa
m ← ocorrências de A
fr =
n ← repetições de E

Exemplo: Lançamento de uma moeda honesta.
A = ocorrência de cara
P(A) = 0,5
Repetições do exper. Resultado Ocorrências de A Frequência relativa fr

1 K 1 1
2 C 1 1/2
3 C 1 1/3
4 K 2 2/4
5 C 2 2/5
6 K 3 3/6
7 K 4 4/7
8 K 5 5/8
… … … …
n - m m/n

f 1
0,5 P(A)
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 n
Estabilização da frequência relativa fr quando n cresce.
Pressuposição: n deve ser suficientemente grande para que se possa

obter um resultado com margem de erro razoável.
Se os registros indicam que 504, dentre 813 lavadoras

automáticas de pratos vendidas por uma grande loja de
varejo, exigiram reparos dentro da garantia de um ano,
qual é a probabilidade de uma lavadora dessa loja não
exigir reparo dentro da garantia?
m 309 103
f= = = = 0,3801
n 813 271

3. Conceito moderno ou axiomático
No século XX, Andrei Kolmogorov

conceituou probabilidade através de
axiomas rigorosos, tendo por base a
teoria da medida.
Andrei N. Kolmogorov
(1903–1987)

3. Conceito moderno ou axiomático
Definição: Se A é um evento do espaço amostral S, então o

número real P(A) será denominado probabilidade da
ocorrência de A, se satisfizer os seguintes axiomas:
Axioma 1. 0 ≤ P(A) ≤ 1
Axioma 2. P(S)=1
Axioma 3. Se A e B são eventos de S

mutuamente exclusivos, então,
P(A∪
∪B) = P(A)+P(B)
A∩
∩B=∅
∅

O conceito axiomático não fornece formas e sim
condições para o cálculo das probabilidades.
Os conceitos a priori e a posteriori se enquadram
no conceito axiomático.
Exemplo:
Lançamento de um dado e observação da face
voltada para cima
Primeiro axioma Terceiro axioma
S={1,2,3,4,5,6}
A={2} #A 1
P(A) = = P(A∪
∪B)=P(A)+P(B)
B={1,3,5} #S 6
P(A∪B)=1/6 + 3/6
#B 3
P(A∪
∪B)=? P(B) = =
#S 6 P(A∪B)=4/6

Exercício: Três cavalos (A, B, C) estão numa corrida. O
cavalo A é duas vezes mais provável de ganhar que B, e o
cavalo B é duas vezes mais provável que C. Qual a
probabilidade de que B ou C ganhe?
S = { A ganha, B ganha, C ganha } ¿ mutuamente exclusivos
P(A) = 2.P(B) e P(B) = 2.P(C)
P(A) + P(B) + P(C) = 1 ⇒ 4p + 2p + p = 1 ⇒ p = 1/7
P(A) = 4/7 e P(B) = 2/7 e P(C) = 1/7
Então P(B∪C) = P(B) + P(C) = 2/7 + 1/7 = 3/7 = 0,4285
R: A probabilidade de que o cavalo B ou o C ganhe a corrida é

42,85%.
Teoremas para o cálculo de probabilidades
Teorema 1. Se ∅ é um evento impossível, então P(∅

∅)=0.
Teorema 2. Se A é o complemento de A, então P(A)=1-P(A).

Teorema 3. Se A e B são dois eventos quaisquer, então
P(A-B) = P(A)-P(A∩
∩B).
Demonstração:
P(A) − P(A∩
∩B) = P(A−
−B)

Teorema 4. Soma das Probabilidades
Se A e B são dois eventos quaisquer, então
P(A∪
∪B) = P(A)+P(B)-P(A∩
∩B).
Demonstração:
P(A)+P(B) − P(A∩
∩B) = P(A∪
∪B)

A probabilidade de ocorrer um acidente em uma
competição de carros é 0,18; a probabilidade de
chover em um dia de competição é 0,28; e a
probabilidade de ocorrer acidente e chuva em um dia
de competição é 0,08.
Determine a probabilidade de:
0,82 a) não ocorrer acidente na próxima competição;
0,38 b) chover ou ocorrer um acidente na próxima
competição;
0,62 c) não chover e não ocorrer acidente na próxima
competição;
0,20 d) chover, mas não ocorrer acidente na próxima
competição
Solução: Sejam os eventos
A: ocorrer um acidente em uma competição
B: ocorrer chuva no dia da próxima corrida
∩B: ocorrer acidente e chuva em um dia de competição
A∩
P(A) = 0,18
P(B) = 0,28
P(A∩B) = 0,08
a) P(não ocorrer acidente na próxima competição)
P(A) = 1 – P(A) = 1 – 0,18 = 0,82

b) P(chover ou ocorrer um acidente)
P(A∪B) = P(A) + P(B) – P(A∩B)

= 0,18 + 0,28 – 0,08
= 0,38
c) P(não chover e não ocorrer acidente)
∩ =
P(A∩B) = P(A∪B) = 1 – P(A∪B) = 1 – 0,38 = 0,62

d) P(chover, mas não ocorrer acidente )
P(B-A) = P(B) – P(A∩B) = 0,28 – 0,08 = 0,20

Exercício: Retira-se ao acaso uma carta de um baralho
completo de 52 cartas. Qual a probabilidade de sair um rei
ou uma carta de espadas?
S = { 52 cartas }
A = tirar um rei = { K♣,K♦,K♥,K♠ } e
B = tirar uma carta de espadas = { A♠,2♠, ..., K♠}
P(A∪B) = P(A) + P(B) – P(A∩B)
P(A) = 4/52 e P(B) = 13/52 e P(A∩B) = 1/52
Então P(A∪B) = 4/52 + 13/52 – 1/52 = 16/52 = 0,3076
R: A probabilidade de se retirar um rei ou uma carta de espadas é

30,76%.
Probabilidade condicional e independência
Sejam A e B dois eventos associados a um mesmo espaço
amostral S. Se A e B não são eventos mutuamente
exclusivos (A∩
∩B ≠ ∅), então A e B poderão ser eventos
independentes ou condicionados.
Exemplo:
Experimento: Uma caixa contém cinco bolas equiprováveis,
sendo três azuis e duas brancas. Duas bolas são retiradas,
uma a uma, e suas cores são observadas.
duas bolas

Definimos, então, dois eventos:
A1: a primeira bola é azul
B2: a segunda bola é branca
As probabilidades dos eventos A1 e B2 serão calculadas em duas
situações: retiradas sem e com reposição da primeira bola.
Situação 1. Consideremos que a primeira bola retirada não é

reposta → retirada sem reposição
S = {B, B, A, A, A} ← enumerável, finito e equiprovável
A1 = {A, A, A }
# A1 3
P(A 1 ) = =
#S 5
A probabilidade do B2 depende da ocorrência ou não do A1?
Se ocorreu A1, então temos P(B2/A1)
S = {B, B, A, A} # B 2 /A 1 2
P(B 2 /A 1 ) = =
B2/A1 = {B, B} #S 4
Se não ocorreu A1, então temos P(B2)
S = {B, A, A, A } # B2 1
P(B 2 ) = =
B2 = {B} #S 4
Se a bola não for reposta, a probabilidade de ocorrência do

B2 fica alterada pela ocorrência ou não do A1
P(B2/A1) ≠ P(B2)
Eventos condicionados
Definição: dois eventos quaisquer, A e B, são condicionados
quando a ocorrência de um altera a probabilidade de
ocorrência do outro.
A probabilidade condicional de A é denotada por
P(A/B)
(lê-se probabilidade de A dado que ocorreu B)

A1: a primeira bola é azul
B2: a segunda bola é branca
Situação 2. Consideremos que a primeira bola retirada é

reposta antes de tirar a segunda → retirada com reposição.
S = {B, B, A, A, A}
# A1 3
P(A 1 ) = =
A1 = {A, A, A } #S 5

A probabilidade do B2 depende da ocorrência do A1?
Se ocorreu A1, então temos P(B2/A1)

S = {B, B, A, A, A } # B 2 /A 1 2
P(B 2 /A 1 ) = =
B2/A1 = {B, B} #S 5
Se não ocorreu A1, então temos P(B2)

S = {B, B, A, A, A }
# B2 2
B2 = {B, B} P(B 2 ) = =
#S 5
Se a bola for reposta, a probabilidade de ocorrência do B2

não é alterada pela ocorrência ou não do A1
P(B2/A1) = P(B2)
Eventos independentes
Definição: Dois eventos quaisquer, A e B, são independentes

quando a ocorrência de um não altera a probabilidade de
ocorrência do outro.
P(A/B)=P(A) e P(B/A)=P(B)

Teorema do Produto das Probabilidades
Se A e B são dois eventos quaisquer, então
P( A ∩ B ) P( A ∩ B )
P(B/A ) = P( A / B ) =
P( A ) P(B )
P(A∩
∩B) = P(A) P(B/A) P(A∩
∩B) = P(B) P(A/B)
Caso particular:
P(B/A)=P(B) e P(A/B)=P(A)
A e B são independentes ⇔
P(A∩B)=P(A) P(B)
mutuamente Grau máximo de dependência

exclusivos entre dois eventos: a
ocorrência de um impede a
A∩
∩B=∅
∅ ocorrência do outro
Condicionados: a ocorrência de
não um altera a probabilidade de
mutuamente ocorrência do outro
exclusivos
Independentes: a ocorrência de
A∩
∩B ≠ ∅ um não altera a probabilidade
de ocorrência do outro
Exercício: Dois dígitos são selecionados aleatoriamente de
1 a 9 sem repeti-los. Se a soma é par encontre a
probabilidade de ambos os números serem ímpares.
# S = C9,2 = 36
A = ambos são ímpares ⇒ #A = C5,2 = 10

B = soma é par ⇒ #B = C5,2 + C4,2 = 10 + 6 = 16
A∩B = ambos ímpares com soma par

⇒ # A∩B = C5,2 = 10
P(A ∩ B) 10/36 10
P(A/B) = P(B) = 16/36 = 16 =0,625

Teorema da Probabilidade Total e
Teorema de Bayes
Seja S um espaço amostral, com n partições, onde está
definido o evento A.
B2
B1 Evento de interesse
A
B3
n=3
B1∪ B2∪ B3 = S
B1∩ B2 = ∅
Thomas Bayes B1∩ B3 = ∅ B i∩ B j = ∅
(1702 –1761)
B2∩ B3 = ∅
Exemplo: Em uma fábrica de parafusos, as máquinas 1, 2
e 3 produzem 25%, 35% e 40% do total produzido. Da
produção de cada máquina, 5%, 4% e 2%, respectivamente,
são defeituosos.
S = produção total da fábrica
B1 = produção da máquina 1
A = produção defeituosa
Se escolhemos ao acaso um
parafuso desta fábrica, qual é a
probabilidade de que este parafuso
seja defeituoso?
P(A) ?
B1∩ A B2∩ A B3∩ A
A = (B1∩A) ∪ (B2∩A) ∪ (B3∩A) P(A) = ?
P(A) = P[(B1∩A) ∪ (B2∩A) ∪ (B3∩A)] = P(B1∩A) + P(B2∩A) + P(B3∩A)
P( A ∩ B) P(B1∩A) = P(B1) . P(A/B1)

P( A/B) =
P(B)
P(B2∩A) = P(B2) . P(A/B2)
P( A ∩ B) = P(B) . P( A/B) P(B3∩A) = P(B3) . P(A/B3)
P(A) = P(B1) . P(A/B1) + P(B2) . P(A/B2) + P(B3) . P(A/B3)

Exemplo: Em uma fábrica de parafusos, as máquinas 1, 2 e 3
produzem 25%, 35% e 40% do total produzido. Da produção de cada
máquina, 5%, 4% e 2%, respectivamente, são defeituosos.
P(B1)=0,25
P(B2)= 0,35
P(B3)= 0,40
Probabilidade de ser defeituoso dado que foi fabricado pela máquina 1

→ P(A/B1) = 0,05
→ P(A/B2) = 0,04
→ P(A/B3) = 0,02
P(B1)=0,25 P(A/B1) = 0,05
P(B2)= 0,35 P(A/B2) = 0,04
P(B3)= 0,40 P(A/B3) = 0,02

P(A) = 0,25 . 0,05 + 0,35 . 0,04 + 0,40 . 0,02
P(A) = 0,0345 3,45% da produção de parafusos da fábrica é defeituosa
Teorema da Probabilidade Total:

P(A) = P(B1) . P(A/B1) + P(B2) . P(A/B2) +...+ P(Bn) . P(A/Bn)
n
P(A) = ∑ P(B i ).P(A/B i )
i =1
B1 = máquina 1
B2 = máquina 2
B3 = máquina 3
Escolhe-se ao acaso um parafuso e verifica-se que ele é

defeituoso. Qual é a probabilidade de que seja da
máquina 1, da máquina 2 e da máquina 3?
Máquina 2
Máquina 1 Máquina 3
P(B1/A) = ? P(B2/A) = ? P(B3/A) = ?

Qual é a probabilidade de ocorrer B1,
P(B1/A)
sabendo-se que ocorreu A?
Probabilidade condicionada:
P(B1/A) = ?
P(B 1 ∩ A) P(B1 ∩ A) = P(B1) . P(A/B1)

P(B1/A) = 3
P(A) P(A) = ∑ P(B i ).P(A/B i )
i=1
Teorema de Bayes
P(B i ).P(A/B i )
P(Bi /A) = n
∑ P(B ).P(A/B )
i=1
i i

Exemplo: Em uma fábrica de parafusos, as máquinas 1, 2
e 3 produzem 25%, 35% e 40% do total produzido. Da
produção de cada máquina, 5%, 4% e 2%, respectivamente,
são defeituosos.
A = produção defeituosa
Escolhe-se ao acaso um parafuso e verifica-se que ele é
defeituoso. Qual é a probabilidade de que seja da
máquina 1, da máquina 2 e da máquina 3?
P(B2/A)
P(B3/A)
P(B1/A)

Solução: P(B1)=0,25 P(B2)= 0,35 P(B3)= 0,40
P(A/B1) = 0,05 P(A/B2) = 0,04 P(A/B3) = 0,02
P(B1 ).P(A/B1 ) 0,25.0,05

P(B1/A) = = = 0,3623
P(A) 0,0345
P(B2 ).P(A/B 2 ) 0,35.0,04

P(B2 /A) = = = 0,4058
P(A) 0,0345
P(B3 ).P(A/B3 ) 0,40.0,02

P(B3 /A) = = = 0,2319
P(A) 0,0345
Se o parafuso é defeituoso, a
probabilidade de ter sido fabricado pela
Máquina 1 é 0,3623; pela Máquina 2 é
0,4058 e pela Máquina 3 é 0,2319
Exercício:
Em uma certa comunidade, 6 % de todos os adultos com mais
de 45 anos têm diabetes. Um novo teste diagnostica
corretamente 84% das pessoas que têm diabetes e 98% das
que não tem a doença.
a) Qual é a probabilidade de uma pessoa diagnosticada como
diabética no teste, ter de fato a doença? 0,7283
b) Qual é a probabilidade de uma pessoa que faça o teste seja
diagnosticada como não diabética? 0,9308
DD – 0,84
D – 0,06
DND – 0,16
DD – 0,02
ND – 0,94
DND – 0,98

DD – 0,84
D – 0,06
DND – 0,16
DD – 0,02
ND – 0,94
DND – 0,98
a) Qual é a probabilidade de uma pessoa diagnosticada
como diabética no teste, ter de fato a doença?
P(D).P(DD/D)
P(D/DD) =
P(D).P(DD/D) + P(ND).P(DD/ND)
0,06 × 0,84 0,0504 0,0504
= = = = 0,7283 = 72,83%
(0,06 × 0,84) + (0,94 × 0,02) 0,0504 + 0,0188 0,0692
b) Qual é a probabilidade de uma pessoa que faça o

teste seja diagnosticada como não diabética?
P(DND) = P(D).P(DND/D) + P(ND).P(DND/ND)

= 0,06 × 0,16 + 0,94 × 0,98 = 0,0096+0,9212 = 0,9308 = 93,08%

Introducao A Teoria Das Probabilidades

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Introducao A Teoria Das Probabilidades

Enviado por

Direitos autorais:

Formatos disponíveis

Introdução à teoria

Profª Lisiane Selau 1

Profª Lisiane Selau 3

Estudo dos fenômenos da natureza

Probabilidade Modelos Modelos

Profª Lisiane Selau 4

Modelo aleatório, probabilístico ou estocástico: é aquele em

Biologia → fenômenos probabilísticos

Quais as suas possíveis formas de ocorrência?

Quais são as chances de cada ocorrência?

De que forma se pode calcular essas chances?

Descrição do experimento → ação e observação

Profª Lisiane Selau 6

E1: Ação: jogar um dado de seis faces

E2: Ação: selecionar uma carta do baralho

E3: Ação: lançar uma moeda até que apareça cara

E4: Ação: acender uma lâmpada

Profª Lisiane Selau 7

É o conjunto universo relativo aos resultados

A cada experimento aleatório está

Profª Lisiane Selau 8

E1: Jogar um dado e observar a face voltada para cima.

S1={1,2,3,4,5,6} ← enumerável e finito

E2: Selecionar uma carta do baralho e observar o seu valor

S2={ás de ouro,..., rei de ouro, ás de paus,...,

S3={1,2,3,4,5,...} ← enumerável e infinito

E4: Acender uma lâmpada e observar o tempo

S4={t; t>0} ← contínuo e infinito

Profª Lisiane Selau 10

Exemplo: Lançamento de um dado

A = Ocorrência de face ímpar = {1, 3, 5}

Profª Lisiane Selau 11

Exemplo: S={1,2,3,4,5,6} ← seis pontos amostrais

Profª Lisiane Selau 12

Exemplo: A e B são eventos de S

Os diagramas de Venn são úteis para dar intuição

Diferença: Ocorre A-B, se ocorrer A, mas não ocorrer B.

Exemplo: A1 = {(x, y); x2 + y2 < 0}

Evento Certo: é aquele evento que ocorre toda vez que se

Exemplo: A2 = {(x, y); x2 + y2 ≥ 0}

Profª Lisiane Selau 16

A = Ocorrência de cara A = {K}

A e B são mutuamente exclusivos

Profª Lisiane Selau 17

A = ocorrência de um nº ímpar = {1, 3, 5}

B = ocorrência de um nº maior que 4 = {5, 6}

A∩B={5} → A e B não são mutuamente exclusivos

Profª Lisiane Selau 18

B: saída de uma face menor que 4 B = {1, 2, 3}

Seja A um conjunto com n elementos distintos entre si.

Se são retirados x elementos do conjunto A é possível

Profª Lisiane Selau 21

n: número de elementos distintos

Exemplo: A = { a, b, c, d } n=4 e x=4

Quantas permutações de quatro elementos é possível formar?

n: número de elementos distintos

Exemplo: A = { a, b, c, d } n=4 e x=2

Quantos arranjos de dois elementos é possível formar?

n: número de elementos distintos

Exemplo: A = { a, b, c, d } n=4 e x=2

Quantas combinações de dois elementos é possível formar?

{(a, b) , (a, c) , (a, d), ...

Arranjos → ordem e natureza → (x < n)