Probabilidades

Aula 01

Bussab e Morettin, cap. 5

Hoffmann, cap. 2
Meyer, cap. 1 a 3
Sartoris, cap. 1
 Introdução

Encontramos, na natureza, muitas situações

que envolvem incertezas.

Elas são denominadas de fenômenos ou

experimentos aleatórios.

A busca por avaliar as diversas

probabilidades de ocorrência é um dos
objetivos no estudo desses fenômenos.
2
 Introdução

Teoria das probabilidades

Modelagem de fenômenos aleatórios

Probabilidade

Medida da incerteza
da ocorrência de um evento
3
Definições Básicas

4
 Definições Básicas
Definição 1. O conjunto  = S de todos os resultados
possíveis de um certo fenômeno aleatório (qualquer
processo gerador de resultados bem definidos que
não pode ser previsto) é chamado de espaço
amostral.

Definição 2. Seja  o espaço amostral do

experimento. Todo subconjunto A   será
chamado evento.
•  é o evento certo;
•  é o evento impossível.
• Se   , o evento {} é dito elementar (ou
5
simples).
 Definições Básicas

Definição 3. Um evento A ao qual atribuímos uma

probabilidade será chamado evento aleatório.

Definição 4. Chamaremos de  =  um conjunto de

subconjuntos de , para o qual a probabilidade será
definida. A esse conjunto denominamos espaço de
eventos aleatórios.

6
 Definições Básicas

Vamos supor que a classe dos eventos aleatórios possua

certas propriedades básicas e intuitivas, que serão
essenciais para o desenvolvimento posterior da teoria e do
cálculo de probabilidades.

7
 Definições Básicas
Seja  o espaço de eventos aleatórios, vamos estipular as
seguintes propriedades para :

A1.   

A2. se A  , então AC  

A3. se A   e B  , então AB  

8
 Definições Básicas

Definição 5. Seja  um conjunto não-vazio. Uma

classe  de subconjuntos de  satisfazendo A1, A2 e
A3 é chamada de álgebra de subconjuntos de .

9
 Definições Básicas
Proposição 1. Seja  uma álgebra de subconjuntos de
. Então valem as seguintes propriedades:

A4.   
A5. n,  A1, A2, ..., An  , temos

n n
 Ai   e  Ai  
i 1 i 1

Esta proposição diz que uma álgebra é fechada para um

número finito de aplicações das operações ,  e C.
10
 Exercício
Considere  = {1, 2, 3} e as seguintes coleções de
subconjuntos:
1 = {, , {1}, {2,3}};
2 = {, , {1}, {2}, {1,3}, {2,3}}.

Verifique se as afirmações a seguir são verdadeiras (V)

ou falsas (F):
(0) 1 não é uma álgebra.
(1) 2 é uma álgebra. 11
 Definições Básicas

Sem perda de generalidade, vamos supor que a

classe dos eventos aleatórios também satisfaça:

A3’. Se An   para n = 1, 2, 3, ..., então


 An  
n 1

12
 Definições Básicas

Definição 6. Uma classe  de subconjuntos de um

conjunto não-vazio  satisfazendo A1, A2 e A3’ é
chamada de -álgebra de subconjuntos de .

13
 Definições Básicas

Proposição 2. Seja  uma -álgebra de

subconjuntos de . Se An   para n = 1, 2, 3, ...,
então


A n 
n 1

14
 Definições Básicas

Admitindo que existem as probabilidades em uma

certa -álgebra  de eventos, chamados eventos
aleatórios; vamos supor que a todo A   seja
associado um número real P(A), chamado
probabilidade de A, de modo que os axiomas a
seguir sejam satisfeitos:

15
 Definições Básicas
Definição 7. Uma função P, definida na -álgebra  de
subconjuntos de  e com valores [0, 1], é uma probabilidade se
satisfizer aos seguintes Axiomas de Kolmogorov:

Axioma 1. P() = 1

Axioma 2. Para qualquer A  , P(A)  0.

Axioma 3. Para toda seqüência A1, A2, ...  ,

mutuamente exclusivos (disjuntos), temos
 
P(  Ak )   P( Ak ). 16
k 1 k 1
 Observação

Definição Axiomática de Probabilidade

 A idéia de definir probabilidade por meio de axiomas vem do

desejo de tratar o assunto de maneira mais rigorosa.

 Estabelecer axiomas significa estabelecer um conjunto de

regras, que devem ser no menor número possível.

 O conjunto de axiomas, entretanto, deve ser completo, na

medida em que qualquer afirmação envolvendo probabilidades
possa ser demonstrada utilizando apenas esses axiomas. 17
 Definições Básicas

Definição 8. Um espaço de probabilidade (modelo

probabilístico) é um trio ( , , P), em que

(i)  é um conjunto não-vazio,

(ii)  é uma -álgebra de subconjuntos de , e
(iii) P é uma probabilidade em .

Observação: Os subconjuntos que estão em  são

denominados eventos e é somente a eles que se atribui
probabilidade 18
Propriedades
da
Probabilidade

19
 Propriedades de Probabilidade
Dado ( , , P), considere que todos os conjuntos
mencionados a seguir são eventos nesse espaço de
probabilidade. Temos:

P1. P(AC) = 1 – P(A) P6. A1  A2  P(A1)  P(A2)

n n
P2. 0  P(A)  1 P7. P(  A )   P( A )
i1
i
i 1
i

P3. P() = 0

P4. Sendo A e B dois eventos quaisquer, vale

P(A) = P(AB) + P(ABC)

P5. P(AB) = P(A) + P(B) - P(AB) [regra da adição] 20

 Probabilidade
Acréscimo da Possibilidade de Ocorrência

Probabilidade: 0 0.5 1

É impossível a O evento ocorrerá

ocorrência do evento certamente

Ocorrência do evento é
igualmente possível quanto
impossível
21
Operações com Eventos

22
 Operações com Eventos
União (ou Reunião)
n
A 1  A 2  A 3  ...  A n ou  A j : é a união de A1, A2, ..., An e
j1 representa os pontos de  que
pertencem a pelo menos um
desses subconjuntos;

 A união ocorre se A ocorre,

A B B ocorre ou ambos ocorrem,
ou seja, a união ocorre se
pelo menos um dos eventos
A ou B ocorre.
 Operações com Eventos
Intersecção
n
A 1  A 2  A 3  ...  A n ou A j ou, ainda simplesmen te A 1A 2 A 3 ...A n :
j1

é a intersecção de A1, A2, ..., An e representa a ocorrência simultânea

desses subconjuntos;


A B A intersecção ocorre se A e
B ocorrem ao mesmo
tempo.
 Operações com Eventos

Complementação (ou Complemento)

A C ou A : é o complementar de A, isto é, todos os elementos de 

exceto os de A;


A B
 Operações com Eventos

Diferença simétrica
A Δ B ou AB C  A CB : é a diferença simétrica entre A e B,
isto é, todos os elementos de
AB exceto os que estejam em
AB.


A B

26
 Exercício
Considere um espaço de probabilidade (, , P) ,
onde  é o espaço amostral,  é uma -álgebra de
subconjuntos de  e P é uma medida de
probabilidade em . Considere, ainda, que os
eventos A e B  . Assim, podemos afirmar que:
(0) AB = BA
(1) (AB)C = ACBC
(2) (AB)C = ACBC
(3) (AB)(AB) = AB
(4) (AB)(ACBC) =  27
Exemplos

28
 Exemplo 1
Um vendedor sabe que 60% dos novos contatos
resultam em não-vendas. Qual a probabilidade
de venda?

A = evento de uma venda

Ac = evento de nenhuma venda
P(A) = 1 –P(Ac) = 1 – 0,60 = 0,40

Novo contato tem probabilidade 40% de venda

 Exemplo 2
Na tabela a seguir encontramos informações sobre o
comportamento do preço das ações de duas
empresas observado ao longo de 770 pregões da
bolsa.

Empresa A
Empresa B Total
Sobe Desce
Sobe 345 97 442
Desce 72 256 328
Total 417 353 770
30
 Exemplo 2 (cont.)
Sorteado um pregão, ao acaso, verifique se cada uma
das afirmações a seguir são verdadeiras (V) ou falsas
(F):
(0) A probabilidade das ações da cia A subirem é de
345/417.
(1) A probabilidade das ações da cia B subirem é de
442/770.
(2) A probabilidade das ações das duas empresas
subirem simultaneamente é de 514/770
 Exemplo 3
Utilizando a tabela fornecida no exemplo anterior,
Empresa A
Empresa B Total
Sobe Desce
Sobe 345 97 442
Desce 72 256 328
Total 417 353 770
que também é conhecida como tabela de dupla entrada,
responda: se sortearmos um pregão, ao acaso, qual é a
probabilidade das ações de pelo menos uma das duas
empresas subir?
 Probabilidade da União
Caso 1: Eventos A e B disjuntos ou
mutuamente exclusivos
Espaço
Amostral

A B
Evento A
Evento B

se A  B =  então P(A U B) = P(A) + P(B)

 Probabilidade da União
Caso 2: Eventos A e B não disjuntos
Espaço
Amostral

A B
Evento A
Evento B

P(A ou B) = P(A U B) = P(A) + P(B) - P(A e B)

 Solução do Exemplo 3
Empresa A
Empresa B Total
Sobe Desce
Sobe 345 97 442
Desce 72 256 328
Total 417 353 770
Definindo os eventos:
A – ação da empresa A sobe;
B – ação da empresa B sobe.

A probabilidade das ações de pelo menos uma das duas

empresas subir é igual a:

P A  B   P A  PB   P A  B  
417 442 345 514
  
770 770 770 770
 Exemplo 4
Dois problemas foram propostos num determinado exame de
seleção. Sabe-se que 132 indivíduos acertaram o primeiro, 86
erraram o segundo, 120 acertaram os dois e 54 acertaram
apenas um problema.
A probabilidade de que um indivíduo, escolhido ao acaso, dentre
os que fizeram o exame
(0) tenha errado os dois problemas é igual a 37/124.
(1) tenha acertado exclusivamente o primeiro problema é igual a
21/62.
(2) tenha acertado pelo menos um dos dois problemas é igual a
87/124. 36
 Exemplo 5
Considere um espaço de probabilidade (, , P), em
que    é o espaço amostral,  é uma -álgebra de
subconjuntos de  e P é uma medida de probabilidade
em . Assim, podemos afirmar que:
(0) P((A – (A  B))  (B – (A  B))) = ,  A, B  .
(1) P(A  B  C) = P(A) + P(B) + P(C) – P(A  B) –
– P(A  C) – P(B  C) +
+ 2P(A  B  C),  A, B, C  .
(2) Sejam dois eventos A, B  , tais que A  B, então
P(A) < P(B). 37
 Exemplo 6
Utilizando os dados da tabela de dupla entrada, fornecida no
Exemplo 2,

Empresa A
Empresa B Total
Sobe Desce
Sobe 345 97 442
Desce 72 256 328
Total 417 353 770

e, ainda, sabendo que sorteamos um pregão onde a ação da

empresa B subiu, qual a probabilidade da ação da empresa A
também ter subido?
Probabilidade Condicional
Espaço
Amostral
A
B
B faz o papel
A do espaço
amostral

B
AB 39
Probabilidade Condicional

B faz o papel
A do espaço
amostral

B
AB

P(A  B)
P(A | B) 
P(B) 40
 Voltando ao Exemplo 6
Sabendo que sorteamos um pregão onde a ação da empresa B
subiu, qual a probabilidade da ação da empresa A também ter
subido?
Empresa A
Empresa B Total
Sobe Desce
Sobe 345 97 442
Desce 72 256 328
Total 417 353 770

A: as ações da empresa A subiram no pregão sorteado

B: as ações da empresa B subiram no pregão sorteado.

P A|B  
345
41
442
 Exemplo 7
Numa determinada pesquisa eleitoral, realizada
na última eleição presidencial, chegou-se às
seguintes conclusões:
 37% dos eleitores moram numa Região
Metropolitana (RM);
 dos que moram numa RM, 10% votariam em
Marina Silva;
 dos que não moram numa RM, 5%
pretendiam votar em Marina Silva.
42
 Exemplo 7 (cont.)
Escolhido um eleitor, ao acaso, qual a
probabilidade de
a) Ser um eleitor da RM e votar em Marina
Silva?
b) Ser um eleitor de Marina Silva?
c) Sabendo que um eleitor vota em Marina
Silva, qual a probabilidade dele morar em
RM?
 Exemplo 7 (cont.)
Admita os seguintes eventos:
A: O eleitor vota em Marina Silva
B: O eleitor mora em RM

Do enunciado tiramos que:

P(B) =0,37 P(A|B)=0,10 P(A|BC)=0,05

Nos interessa:
a) P(A∩B) = ? b) P(A) = ? c) P(B|A) =?
44
Árvore de Probabilidades

P(A|B)
A
B P(B) P(Ac|B)
Ac
A P(A|Bc)
Bc P(Bc)
Ac P(Ac|Bc)
 Retornando ao Exemplo 7
P(B) =0,37 P(A|B)=0,10 P(A|BC)=0,05

0,10
A
B 0,37 0,90
Ac
A 0,05
Bc 0,63
Ac 0,95
 Retornando ao Exemplo 7
Apenas para relembrar...

Evento A: O eleitor vota em Marina Silva

Evento B: O eleitor mora em RM

Extraímos do enunciado que:

P(B) =0,37 P(A|B)=0,10 P(A|BC)=0,05

Nos interessa:
a) P(A∩B) = ?
 Retornando ao Exemplo 7

0,10
A
B 0,37 0,90
Ac
A 0,05
Bc 0,63
Ac 0,95
P(A  B) = P(B) P(A|B) = 0,37 x 0,10= 0,037
P(A  B) = ???
 Retornando ao Exemplo 7
Apenas para relembrar...

Evento A: O eleitor vota em Marina Silva

Evento B: O eleitor mora em RM

Extraímos do enunciado que:

P(B) =0,37 P(A|B)=0,10 P(A|BC)=0,05

Nos interessa:
b) P(A) = ?
49
 Lei da Probabilidade Total
Teorema 1: Lei da Probabilidade Total

Suponha que os eventos A1, A2, ..., An em (, , P)

formam uma partição de  e todos têm probabilidade
positiva. Então, para qualquer evento B
n
P(B)   P( B  Ai )   P(Ai )P(B | Ai ), B  .
i 1 i

A1
An
B
A3
A2 ... 50
A4
 Retornando ao Exemplo 7
0,10
A
B 0,37 0,90
Ac
A 0,05
Bc 0,63
Ac 0,95

P(A) = P(A  B) + P(A  Bc)

P(A) = 0,37 x 0,10 + 0,63 x0,05 = 0,069
P(A) = ???
 Retornando ao Exemplo 7
Apenas para relembrar...

Evento A: O eleitor vota em Marina Silva

Evento B: O eleitor mora em RM

Extraímos do enunciado que:

P(B) =0,37 P(A|B)=0,10 P(A|BC)=0,05

Nos interessa:
c) P(B|A) = ?
52
 Teorema de Bayes
Teorema 2: Teorema de Bayes

Suponha que os eventos A1, A2, ..., An em (, , P)

formam uma partição de  e todos têm probabilidade
positiva. Seja B um evento qualquer com P(B) > 0.
Então, para todo i = 1, 2, ..., n, temos

P( Ai  B ) P( Ai )P( B | Ai )
P( Ai | B )  
P( B )  P(A j )P(B | A j )
j
53
 Retornando ao Exemplo 7
0,10
A
B 0,37
P(B|A) = ??? 0,90
Ac
A 0,05
Bc 0,63
Ac 0,95
P(A  B) P(A|B)P(B)
P(B|A)  
P(A) P(A)
0,10 x 0,37
P(B|A)   0,540
0,37 x 0,10  0,63 x 0,05
 Exemplo 8
O gerente de um posto de gasolina sabe da sua
experiência que 80% dos clientes usam cartão de
crédito quando compram gasolina. Admitindo
independência entre as decisões dos clientes sobre a
forma de pagamento quando da compra de gasolina,
qual é a probabilidade dos dois próximos clientes
comprarem gasolina usando cartão de crédito?
55
 Eventos Independentes
Definição: Independência de Dois Eventos

Os eventos A e B em (, , P) são independentes se a

informação da ocorrência de B não altera a
probabilidade atribuída ao evento A. Isto é:
P( A | B)  P( A)
a condição de independência pode também ser
expressa na seguinte forma alternativa equivalente:

P( A  B)  P( A) P( B) 56
 Retornando ao Exemplo 8
O gerente de um posto de gasolina sabe da sua experiência que
80% dos clientes usam cartão de crédito quando compram
gasolina. Admitindo independência entre as decisões dos clientes
sobre a forma de pagamento quando da compra de gasolina, qual
é a probabilidade dos dois próximos clientes comprarem gasolina
usando cartão de crédito?
A = evento de que o 1o. cliente use CC
B = evento de que o 2o. cliente use CC

P(A  B)  P(A)P(B)  0,80  0,80  0,64 57

 Exemplo 9
Suponha que as ações de uma corretora possam
ser divididas em 2 grupos: alta rentabilidade ou
baixa rentabilidade. Sabe-se que existem 5 de alta
rentabilidade e 7 de baixa rentabilidade.

Escolhe-se a primeira ação e depois escolhe-se a

segunda ação, sem reposição.

Qual a probabilidade de escolhermos uma ação

de alta rentabilidade na segunda extração? 58
 Exemplo 9 (cont.)

A2 4/11

A1 5/12 7/11
A2c
A2 5/11
A1c 7/12
A2c 6/11

Ai: ação ter alta rentabilidade na i-ésima extração

 Exemplo 9 (cont.)

A2 4/11

A1 5/12 7/11
A2c
A2 5/11
A1c 7/12
A2c 6/11

P(A2) = P(A1  A2) + P(A1C  A2)

 Exemplo 9 (cont.)

P(A1A2) = P(A1) P(A2| A1) = 5/12 x 4/11 = 0,151

P(A1CA2) = P(A1C ) P(A2| A1C ) = 7/12 x 5/11 = 0,265

P(A2) = P(A1A2) + P(A1CA2) = 0,151 + 0,265 =0,42

61
 Exemplo 10
Utilizando os dados do Exemplo 9, qual a
probabilidade de escolher 2 ações que sejam de
baixa rentabilidade?

B: ação de baixa rentabilidade

P(B1  B2) = P(B1) P(B2|B1) = 7/12 x 6/11 = 0,32

Exercícios

63
 Exercício 1
(ANPEC2006 – Q12)

Em uma região, 25% da população são pobres. As

mulheres são sobre-representadas neste grupo, pois
constituem 75% dos pobres, mas 50% da população.
Calcule a proporção de pobres entre as mulheres.
Multiplique o resultado por 100 e omita os valores
após a vírgula.

37
 Exercício 2
(ANPEC2007 – Q13)

Um jogador tem dois mil reais, aposta mil reais de

cada vez e ganha mil reais com probabilidade 0,5.
Ele pára de jogar se perder os dois mil reais ou
ganhar quatro mil reais. Qual é a probabilidade de
que ele perca todo o seu dinheiro após no máximo 5
rodadas de jogo? Multiplique o resultado por 8.

03
 Exercício 3
(ANPEC2008 – Q13)

Uma seguradora verificou que, se um motorista

acidentou o carro no ano 2005, a probabilidade de
que ele repita o acidente em 2006 é de 60%; e que
se ele não acidentou o carro em 2005, a
probabilidade de que isso aconteça em 2006 é de
30%. Assuma que as probabilidades sejam estáveis
ao longo do tempo. Pergunta-se: tendo o motorista
se acidentado em 2005, qual a probabilidade de que
ele venha a se acidentar novamente em 2007?
48
 Exercício 4
(ANPEC2011 – Q03)
Julgue as afirmativas:

Ⓞ Três eventos A, B e C são independentes se e somente se

P(A∩B∩C) = P(A)P(B)P(C).

① Se P(A) = (1/3) e P(Bc) = 1/5, A e B não são disjuntos.

② Se P(A) = 0,4, P(B) = 0,8 e P(A|B) = 0,2, então P(B|A) = 0,4.

③ Se P(B) = 0,6 e P(A|B) = 0,2, então P(Ac ∪Bc) = 0,88.

④ Se P(A) = 0, então A = .

F V V V F