UNIVERSIDADE FEDERAL DO PARANÁ

SETOR PALOTINA
Departamento de Engenharia e Exatas
Disciplina: Estatística

INTRODUÇÃO
PROBABILIDADES E DISTRIBUIÇÃO DE
PROBABILIDADES

Prof. Denis Sanches

 PROBABILIDADE

As situações marcadas pela possibilidade de ocorrência de mais

de um resultado possível costumam ser analisadas em
Estatística com o auxilio das probabilidades.

A probabilidade estuda o risco e o acaso em eventos futuros,

determinando se é provável ou não seu acontecimento.

A teoria das probabilidades é um ramo da Matemática que cria,

elabora e pesquisa modelos para estudar experimentos ou
fenômenos aleatórios.

O conhecimento dos aspectos fundamentais do cálculo de

probabilidades é uma necessidade essencial para o estudo da
Estatística Indutiva ou Inferencial (necessários para as
distribuições de probabilidades).
Exemplo 01) : Para uma rifa de um computador foram vendidos 500
Números. João comprou 2 números, então podemos concluir que
ele possui duas Chances entre 500 números, ou seja:

2 1
P   0,004  0,4%
500 250

Esse exemplo ajuda a entender que probabilidade é um número que

mede a possibilidade de ocorrência de certo resultado.
 Primeiramente vamos entender alguns conceitos:

Experimento Aleatório: Todo experimento cujo resultado depende

ao acaso é denominado de experimento aleatório.

Espaço Amostral: É o conjunto de todos os resultados possíveis

de um experimento aleatório.

Eventos: Chamamos de evento qualquer subconjunto do espaço

amostral S de um experimento aleatório.
Exemplo 02) : Ao lançarmos um dado, determine o espaço amostral.

Exemplo 03) : Determine o espaço amostral ao lançarmos um dado

e uma moeda.
Eventos Certo, Impossível, Complementares e Mutuamente Exclusivos

Obs.: Para os eventos abaixo, considere o lançamento de uma dado como

espaço amostral.

1. Evento Certo: Ocorre quando um evento coincide com o espaço

amostral.
Exemplo: No lançamento de um dado, qual a ocorrência de sair um
número menor que 7?

2. Evento Impossível: Ocorre quando um evento é vazio.

Exemplo: No lançamento de um dado, qual a ocorrência de sair um
número maior que 7?
3. Eventos Complementares: Ocorre quando dois eventos são
complementares.
Evento A: No lançamento de um dado, qual a ocorrência de sair um
número par?

Evento B: No lançamento de um dado, qual a ocorrência de sair um

número ímpar?

4. Eventos Exclusivos: Ocorre quando dois eventos apresentam

intersecções vazias.
Exemplo: Considerando o evento A = {2,4,6} e o evento B = {3,5,7},
então temos que A  B  .
 Definição de probabilidade

Seja E um espaço amostral equiprovável, finito e não vazio, e A

um evento de E. A probabilidade de ocorrer algum elemento de A
é indicada por P(A) e é definida por :
n( A)
P( A) 
n( B )
Em que n(A) representa o número de elementos de A e n(B) o
número de elementos de B.

Propriedades de Probabilidade

P.1) P()  0. P.3) 0  P( A)  1

P.2) P(E) = 1 P.4) P( A)  1  P( A) sendo P( A)

o complementar de P(A).
Exemplo 04) : No lançamento de um dado, qual a probabilidade de
a face voltada para cima, ser o número 3?

Exemplo 05) : Escolhido ao acaso um elemento do conjunto dos

divisores de 60, qual a probabilidade de que ele seja primo?

Exemplo 06) : No lançamento de duas moedas, qual é a

probabilidade de se obter nas faces voltadas para cima, as duas
faces cara?
Exemplo 07) : Em um grupo de 80 jovens, 15 gostam de música, 20
gostam de esporte e 10 gostam de leitura, 5 gostam de música e
esporte, 6 gostam de música e leitura, 3 gostam de esporte e
Leitura e 2 gostam de música, esporte e leitura. Ao sortear um
jovem ao acaso, qual a probabilidade de:
a) Escolher um jovem que goste apenas de música;

b) Escolher um jovem que não goste de nenhuma das três

atividades;
Exemplo 08) : Em um lote de 12 peças, quatro são defeituosas.
Sendo retirada uma peça, calcule:
a) A probabilidade de essa peça ser defeituosa.

b) A probabilidade de essa peça não ser defeituosa.

Exemplo 09) : Em um único sorteio envolvendo os números naturais

de 1 a 200, a probabilidade de neste sorteio sair um número que
seja múltiplo de sete:
a) 19% b) 15% c) 18% d) 14% e) 20%
 Teorema da Soma
Aplica-se nas operações aditivas de probabilidades. Operações
aditivas geralmente envolvem a expressão “ou” e são
representadas pelo símbolo de união “U”.

Considerando-se A e B dois eventos contidos em um mesmo

espaço amostral S, o número de elementos da reunião de A com B
é igual ao número de elementos do evento A somado ao número
de elementos do evento B, subtraído do numero de elementos da
intersecção de A com B.

P(AUB)=P(A)+P(B)-P(A∩B)

Exemplo 10): No lançamento de dois dados perfeitos distinguíveis,

qual é a probabilidade de se obter soma par ou soma múltipla de
3?
 Teorema do produto
Aplica-se nas operações multiplicativas de probabilidades.
Operações multiplicativas geralmente envolvem a expressão “e” e
são representadas pelo símbolo de união “∩”.
Dois eventos A e B de um espaço amostral S são independentes
quando P (A/B) = P(A) ou P(B/A) = P(B), sendo eventos
independentes, temos:
P(A∩B)=P(A).P(B)
Exemplo 11): Considere uma urna contendo 22 bolas (10 azuis, 8
brancas e 4 verdes). Duas bolas são retiradas sucessivamente.
Calcule a probabilidade de as duas bolas serem azuis:
 Probabilidade Condicional
“Como o próprio nome sugere, probabilidade condicional é a
probabilidade de ocorrer um evento condicionado à ocorrência de
outro evento”
A probabilidade de ocorrer o evento B dado que ocorreu o evento
A é indicada por P(B/A) e é calculada por:
 B  P( A  B)
P  
 A P( A)
Exemplo 12): No lançamento de um dado não viciado o resultado
obtido foi um número maior que 3. Qual é a probabilidade de esse
número for par?
 DISTRIBUIÇÕES DE PROBABILIDADE

• Em estatística, uma distribuição de

probabilidade descreve a chance que
uma variável pode assumir ao longo de um espaço de
valores.

• Ela é uma função cujo domínio são os valores da

variável e cuja imagem são as probabilidades de a
variável assumir cada valor do domínio. O conjunto
imagem deste tipo de função está sempre restrito ao
intervalo entre 0 e 1.
 Definição de Distribuição de Probabilidades

Seja X uma variável aleatória que pode assumir os valores

x1, x2,..., xn. A cada valor de x correspondem pontos do
espaço amostral.

Associamos então, a cada valor xi a probabilidade de pi de

ocorrência de tais pontos no espaço amostral.

Os valores x1, x2,..., xn e seus correspondentes p1, p2,..., pn

definem uma distribuição de probabilidades.

Exemplo: Ao lançarmos um dado, a variável aleatória X,

definida por pontos de um dado.
 Introdução:

Uma distribuição de probabilidade é um modelo matemático

que relaciona um certo valor da variável em estudo com a
sua probabilidade de ocorrência.
Há dois tipos de distribuição de probabilidade:

1. Distribuições Contínuas: Quando a variável que está sendo

medida é expressa em uma escala contínua.

2. Distribuições Discretas: Quando a variável que está sendo

medida só pode assumir certos valores, como por exemplo
os valores inteiros: 0, 1, 2, etc.
No caso de distribuições discretas, a probabilidade de que a
variável X assuma um valor específico xo é dada por:
P(X = xo ) = P( xo )

No caso de variáveis contínuas, as probabilidades são

especificadas em termos de intervalos, pois a probabilidade
associada a um número específico é zero.
 PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADE

Dentre as distribuições importantes, pode-se citar:

1.1 Binomial
1.2 Poisson
1. Discreta 1.3 Bernoulli
1.4 Hipergeométrica
1.5 Multinomial
Distribuições

2.1 Distribuição Normal

2. Contínua 2.2 Distribuição Exponencial
2.3 Distribuição Weibull
2.4 Distribuição Gama
2.5 Distribuição Beta
 PRINCIPAL DISTRIBUIÇÃO DE
PROBABILIDADE DISCRETA
O que pretendemos, é apresentar três modelos teóricos
de distribuição de probabilidade, aos quais um
experimento aleatório estudado possa ser adaptado, o
que permitirá a solução de grande número de problemas
práticos.

Distribuição Binomial
 Distribuição Discreta: Distribuição Binomial

Considerando-se um experimento aleatório, observa-se a

probabilidade de ocorrer um evento E (sucesso), assim
como o seu complementar E (insucesso), em n tentativas
independentes. A probabilidade de ocorrerem K sucessos e
n - k fracassos é dada pelo termo geral do Binômio de
Newton (p + q)n.

 n  k nk n n!
P( X  k )   . p .q sendo...  
k   k  (n  k )!.k!
sendo p a probabilidade de sucesso em cada tentativa e
q = 1 – p a probabilidade de fracasso.
 Exemplos/Aplicações
Exemplo 13): A probabilidade de um atirador acertar o alvo é
2/3. Se ele atirar cinco vezes, qual a probabilidade de acertar
exatamente dois tiros?

Exemplo 14): Seis parafusos são escolhidos ao acaso da

produção de certa máquina, que apresenta 10% de peças
defeituosas. Qual a probabilidade de serem defeituosos dois
deles?

Exemplo 15): Uma moeda é lançada 5 vezes seguidas e

independentes, qual a probabilidade de serem obtidas três
caras nesses cinco lançamentos?
 PRINCIPAL DISTRIBUIÇÃO DE
PROBABILIDADE CONTÍNUA
O que pretendemos, é apresentar três modelos teóricos
de distribuição de probabilidade, aos quais um
experimento aleatório estudado possa ser adaptado, o
que permitirá a solução de grande número de problemas
práticos.

Distribuição Normal
 Distribuição Normal

Entre as distribuições teóricas de variável aleatória

contínua, uma das mais empregadas é a distribuição
normal. Muitas das variáveis analisadas na pesquisa
socioeconômica correspondem à distribuição normal ou
dela se aproximam.
O aspecto gráfico de uma distribuição normal é o da
figura abaixo.
• A representação gráfica da distribuição normal é uma
curva em forma de sino, simétrica em torno da média,
que recebe o nome de curva normal.

•Se X é uma variável aleatória com distribuição normal

de média e desvio padrão S, então a variável pode ser
calculada por:
Z= X–X
S
•As probabilidades associadas à distribuição normal
padronizada são encontradas em tabelas, conforme a
seguir:
•A
 Exemplos/Aplicações
Exemplo 16): Determine as probabilidades:
a) P (-1,25 < Z < 0)
b) P (-0,5 < Z < 1,48)
c) P ( Z < 0,92)
d) P ( 0,8 < Z < 1,48)

Exemplo 17): Os salários dos operários industriais são distribuídos

normalmente, em torno de média de R$500,00, com desvio padrão
de R$40,00. Calcule a probabilidade de um operário:
a) Ter um salário semanal situado entre R$ 490,00 e R$ 520,00;
b) Ter um salário semanal maior que 530,00;
c) Ter um salário semanal maior que 480,00;
 Exemplos/Aplicações
Exemplo 18): A duração de certo componente eletrônico tem média
de 850 dias e desvio padrão de 40 dias. Sabendo que a duração é
normalmente distribuída, calcule a probabilidade de esse
componente durar:
a) Entre 700 e 1000 dias;
b) Mais de 800 dias;
c) Menos de 750 dias.
 Referencias
BIBLIOGRAFIA BÁSICA

MORETIN, L. G. Estatística básica. São Paulo: Pearson Education, 2009. (16 ex.)

BUSSAB, W. O., MORETIN, P. A. Estatística básica. 7a ed. São Paulo: Saraiva, 2011. (5 ex.)

SOARES, J. F., FARIAS, A. A., CESAR, C. C. Introdução à estatística. Rio de Janeiro:

Guanabara, 1991. (8 ex.)

BIBLIOGRAFIA COMPLEMENTAR

JUNIOR, J. I. R., Análises Estatísticas no Excel: guia prático. 2ª ed. Viçosa, MG: UFV,
2013. (8 ex.)

TOLEDO, G. L., OVALLE, I. J. Estatística básica. 2ª ed. São Paulo: Atlas, 2010. (4 ex.)

TRIOLA, M. F. Introdução à estatística. 10ª ed. Rio de Janeiro: LTC, 2011. (4 ex.)

COSTA NETO, P. L. de O. Estatística básica. 2ª ed. São Paulo: Edgard Blücher, 2005. (4
ex.)

MARTINS, G.A., Estatística Geral e Aplicada. 2ª ed. São Paulo: Atlas, 2010. (4 ex.)