UNIVERSIDADE FEDERAL DA PARAÍBA

CENTRO DE CIÊNCIAS APLICADAS E EDUCAÇÃO – Campus IV

DEPARTAMENTO DE CIÊNCIAS EXATAS
Professora: Marilza Pereira Valentini

INTRODUÇÃO À PROBABILIDADE

O conceito de probabilidade é fundamental para o estudo de situações onde os

resultados são variáveis, mesmo quando mantidas inalteradas as condições de sua
realização. Por exemplo, jogando-se um dado, temos seis resultados possíveis de cada
vez; a observação do sexo dos candidatos inscritos num concurso público conduz a dois
resultados possíveis - masculino ou feminino. Em ambos os casos, embora não sejamos
capazes de afirmar de antemão que resultado particular ocorrerá, temos condições de
descrever o conjunto de todos os resultados possíveis do experimento. A sua repetição
continuada mostra uma certa regularidade nos resultados, o que nos permite estudar o
experimento, apesar da incerteza nele presente.

Objetivo: É o estudo de fenômenos aleatórios ou não determinístico.

1 - Fenômenos Determinísticos:
Conduzem sempre a um mesmo resultado quando as condições iniciais são as
mesmas.

2 - Fenômenos Aleatórios:
Podem conduzir a diferentes resultados, mesmo quando as condições iniciais são
as mesmas.

3 - Experimento Aleatório
É o processo da coleta dos dados relativo a um fenômeno que acusa
variabilidade em seus resultados. Um experimento caracteriza-se como aleatório, em
função 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 possíveis resultados do mesmo.
Notação: E

4 - Espaço Amostral
É o conjunto de todos os possíveis resultados do experimento.
Notação: Ω ou S.

5 - Evento
É qualquer subconjunto do espaço amostral Ω.
Notação: A, B, C, ...

Evento elementar é um resultado único do espaço amostral.

Evento certo é o conjunto do espaço amostral.
Evento impossível é o conjunto vazio.
6 - Operações entre Eventos

Sejam A e B eventos em um mesmo espaço amostral. Temos as definidas as seguintes

operações entre conjuntos:

• Evento União A U B (lê-se: A união B): o evento união de A e B equivale à ocorrência

de A ou de B ou de ambos. Contém os elementos do espaço amostral que estão em A ou
em B ou em ambos.
• Evento Interseção A ∩ B (lê-se: A interseção B): o evento interseção de A e B
equivale à ocorrência de A e de B, simultaneamente. Contém os elementos do espaço
amostral que estão em A e em B.
• Evento Complementar Ac (lê-se: A evento complementar de A): o evento
complementar de A equivale à não ocorrência do evento A. Contém os elementos do
espaço amostral que não estão em A.
• Eventos Disjuntos ou Mutuamente Exclusivos: dois eventos A e B dizem-se
mutuamente exclusivos ou mutuamente excludentes quando a ocorrência de um deles
impossibilita a ocorrência do outro. Os dois eventos não têm nenhum elemento em
comum. Exprime-se isto escrevendo:
A∩B=Ø

7 - Noções Fundamentais de Probabilidade.

7.1 - Definição: Seja E um experimento e Ω um espaço amostral associado a E.

Probabilidade é uma função P :Ω →R se satisfaz os seguintes axiomas:
i) P(Ω) = 1;
ii) 0 ≤ P(A) ≤ 1.
iii) Sejam A e B eventos em um mesmo espaço amostral. Se A e B forem
mutuamente exclusivos, então
P(AUB) = P(A) + P(B) .

7.2 - Propriedades: Sejam A e B eventos em um espaço amostral.

1. Se Ø for o conjunto vazio, então P(Ø) = 0.

2. Se Ac for o evento complementar de A, então P(Ac) = 1 – P(A).

3. Se A e B forem eventos quaisquer tais que A С B então P(A) ≤ P(B).

4. Se A e B são dois eventos quaisquer, então

P(A U B) = P(A) + P(B) – P (A ∩ B).

8 - Freqüência Relativa.

A probabilidade P(A) de ocorrer o evento A de um experimento aleatório pode

ser obtida como a porcentagem de ocorrência do evento A depois de repetir o
experimento um número muito grande de vezes. Por exemplo, repetindo um número
muito grande de vezes o lançamento de uma moeda, a freqüência relativa do evento
cara será obtida como resultado de dividir o número de caras observadas pelo número
de repetições do experimento. Neste caso, a freqüência relativa do evento cara é a
própria probabilidade P(cara).

Números de cara observadas

P(caras)=
Número de repetições do experimento

9 - Probabilidade Teórica

A probabilidade teórica de um evento é obtida utilizando procedimento de

contagem. Por exemplo, qual a probabilidade de obter cara no lançamento de uma
moeda? Nesse caso, o espaço amostral tem apenas dois eventos elementares
mutuamente excludentes, cara e coroa. A probabilidade teórica de obter cara é obtida
como resultado de dividir o número de eventos que atendem à condição cara pelo
número total de eventos possíveis:

Número de eventos favoráveis

P(caras)=
Número de eventos possíveis
Exemplo 9.1: Um dado é lançado, e todos os resultados se supõem igualmente
prováveis.
a) Qual a probabilidade de aparecer um número ímpar?
b) Qual a probabilidade de sair um número maior que 4?

Solução:
Ω = { 1, 2, 3, 4, 5, 6}
a) A = {1,3,5} → P(A) = 3/6 = ½ = 0,5
b) B = { 5,6} → P(B) = 2/6 = 1/3 = 0,333

Exemplo 9.2: Em uma seleção para uma vaga de engenheiro mecânico de uma grande
empresa verificou-se que dos 100 candidatos 40 tinham experiência anterior e 30
possuíam curso de especialização. Vinte dos candidatos possuíam tanto experiência
profissional como também algum curso de especialização. Escolhendo um candidato ao
acaso, qual a probabilidade de que:
a) Ele tenha experiência ou algum curso de especialização?
b) Ele não tenha experiência anterior nem curso de especialização?

Solução:
n(Ω) = 100
Experiência Anterior n(EA) = 40
Especialização n(Esp) = 30
Os dois n(EA Ո Esp) = 20
a) P(EA U Esp) = P(EA) + P(Esp) – P(EA Ո ESp)
= 40/100 + 30/100 – 20/100 = 50/100 = ½

10 - Árvore de Possibilidades

A árvore de possibilidades é a representação gráfica dos eventos elementares de

um espaço amostral. Essa representação é muito útil para organizar os cálculos e os
resultados de experimentos com mais de uma etapa. Por exemplo o lançamento de uma
moeda três vezes seguidas.

Exemplo 10.1: Uma urna contém duas bolas brancas (B) e três bolas vermelhas (V).
Suponha que são sorteadas duas bolas ao acaso, sem reposição.
a) Quais são os resultados e suas probabilidades?
b) Qual a probabilidade de sair uma bola de cada cor?

Solução: a)
Ω Probabilidade
BB 2/5 * ¼ = 2/20
BV 2/5 * ¾ = 6/20
VB 3/5 * 2/4 = 6/20
VV 3/5 * 2/4 = 6/20

b) P(BV ou VB) = P(BV) + P(VB) = 6/20 + 6/20 = 12/20

Exemplo 10.2: Vamos supor agora que a retirada das bolas seja feita com reposição.
a) Quais são os resultados e suas probabilidades?
b) Qual a probabilidade das duas bolas serem da mesma cor?

Solução: a)
Ω Probabilidade
BB 2/5 * 2/5 = 4/25
BV 2/5 * 3/5 = 6/25
VB 3/5 * 2/5 = 6/25
VV 3/5 * 3/5 = 9/25

b) P(BB ou VV) = P(BB) + P(VV) = 4/25 + 9/25 = 13/25

11 - Probabilidade Condicional

Sejam A e B dois eventos associados ao experimento E. Denotaremos por

P(A/B) a probabilidade condicional do evento A, quando B tiver ocorrido. Essa
probabilidade é dada por:

P( A∩B )
P( A / B)= , se P( B)>0
P(B )

Ou a probabilidade condicional do evento B quando A tiver ocorrido, dada por:

P( A∩B )
P(B / A )= , se P( A )>0
P( A )

Observações:

1. Se P(B) = 0, nada podemos afirmar a respeito da probabilidade condicional.

 P(φ )
P( A / B)= =0
2. Se A e B forem mutuamente excludentes, então P( B) .
n( A∩B)
n( Ω ) n( A∩B )
P( A / B)= =
n( B ) n( B )
3. No espaço amostral finito equiprovável, n ( Ω)

Exemplo 11.1: No quadro abaixo os dados são referentes a alunos matriculados em

quatro cursos de uma universidade.

Sexo Homem (H) Mulher (F) Total

Curso
Matemática Pura 70 40 110
(MP)
Matemática 15 15 30
Aplicada (MA)
Estatística (E) 10 20 30
Computação (C) 20 10 30
Total 115 85 200

Encontre: P(MP), P(MA), P(E), P(C), P(H), P(F), P(MA U H), P(MA U C), P(MA ∩C),
P(F/E) e P(C/H).

Exemplo 11.2: Dois dados honestos são lançados, registrando-se o resultado como (x 1,
x2), onde xi é o resultado do i-ésimo dado, i = 1, 2,....
Considere os eventos:
A = {(x1,x2) / x1 + x2 = 10}
B = { (x1,x2) / x1 > x2}

Encontre: P(A), P(B), P(A/B) e P(B/A).

12 - Teorema da Multiplicação

Sejam A e B dois eventos quaisquer de um mesmo espaço amostral Ω, então:

P( A∩B )=P( B)∗P ( A /B ) ou P( A∩B )=P( A )∗P( B/ A )

Observação: O teorema da multiplicação de probabilidades pode ser generalizado para

mais de dois eventos.

13 - Teorema da Probabilidade Total.

Sejam A um evento qualquer do espaço amostral Ω e B 1, B2, ..., Bk uma partição

do mesmo espaço amostral Ω, então:
k
P( A )=P( A /B 1 )⋅P ( B1 )+ P( A/ B2 )⋅P(B 2 )+. . .+ P ( A /B k )⋅P( B k )=∑ P( A/ Bi )⋅P( B i )
i=1
14 - Teorema de Bayes.
 Sejam B1, B2, ..., Bk uma partição do espaço amostral Ω e A um evento qualquer
associado a Ω, então:
P( A /Bi )⋅P(B i )
P( B i / A )= k , i=1,2 , .. . k
∑ P ( A /B j )⋅P( B j )
j=1
Exemplo 14.1: Três máquinas A, B e C, produzem 50%, 30% e 20% respectivamente
do total de peças de uma fábrica. As porcentagens de produção defeituosa, destas
máquinas, são 3%, 4% e 5%. Se uma peça é selecionada aleatoriamente:
a) Qual a probabilidade dela ser defeituosa?
b) Se a peça selecionada é defeituosa, qual a probabilidade dela ter sido
produzida pela máquina A?

15 - Eventos Independentes

Consideremos dois eventos A e B quaisquer de um mesmo espaço amostral Ω.

Dizemos que A e B são dois eventos independentes se a probabilidade de ocorrência do
evento A não altera a probabilidade de ocorrência do evento B, isto é, P(B) = P(B/A).
Pelo teorema da multiplicação de probabilidades, temos:

P( A∩B )=P( A )∗P( B/ A )=P( A )∗P(B )

Podemos, então, formalizar a seguinte definição:

15.1 - Definição: Dois eventos A e B são independentes se e somente se

P( A∩B )=P( A )∗P( B)

Exemplo 15.1 - São retiradas, com reposição, duas caras de um baralho de 52 cartas.
Qual a probabilidade de que as duas cartas sejam de ouro?