UNIVERSIDADE DO ESTADO DE SANTA CATARINA – UDESC

CENTRO DE EDUCAÇÃO DO OESTE – CEO

CURSO DE ENGENHARIA DE ALIMENTOS

MARIA CAROLINA VILARINO LIRA

RAFAEL THOMAS

PROBABILIDADE

PINHALZINHO – SC
2014
MARIA CAROLINA VILARINO LIRA
RAFAEL THOMAS

PROBABILIDADE

Trabalho apresentado à disciplina de Estatística

do terceiro período do Curso de Engenharia de
Alimentos do Centro Educacional do Oeste –
CEO\UDESC
Professor: Neudi Bordignon

PINHALZINHO – SC
2014
 SUMÁRIO

1 INTRODUÇÃO ..................................................................................................................... 4

2 PROBABILIDADE ............................................................................................................... 5

2.1 EXPREMINTO ALEATÓRIO ............................................................................................. 5

2.2 ESPAÇO AMOSTRAL ........................................................................................................ 5
2.3 EVENTO .............................................................................................................................. 6
2.4 CONCEITOS DE PROBABILIDADE ................................................................................. 6
2.5 EVENTOS COMPLEMENTARES...................................................................................... 7
2.6 EVENTOS INDEPENDENTES ........................................................................................... 8
2.7 EVENTO MUTUAMENTE EXCLUSIVOS ....................................................................... 8
2.8 DISTRIBUIÇÃO DA PROBABILIDADE........................................................................... 9
2.8.1 VARIÁVEL ALEATÓRIA....................................................................................................... 9
2.8.2 DISTRIBUIÇÃO BINOMIAL ................................................................................................ 11
2.8.3 PROBABILIDADE CONDICIONAL ....................................................................................... 11
2.9 DISTRIBUIÇÃO NORMAL ............................................................................................ 122

3 CONCLUSÃO...................................................................................................................... 13

REFERÊNCIAS ..................................................................................................................... 14
1 INTRODUÇÃO

Durante a Segunda Guerra Mundial, entre 1941 e 1942, ingleses e americanos

desenvolveram um importante programa, no qual buscava expandir a prática do controle de
qualidade estatístico na produção militar. Muitos manuais foram distribuídos para a
sociedade, especialmente para universidades americanas que faziam parte do Engineering
andScience War Training Program.

Terminada a guerra, muitas universidades incluíram a matéria Estatística mais focada

na parte da Probabilidade nos cursos de engenharias, surgindo então a partir daí o estudo de
métodos para planejar experimentos, obter dados e organizá-los, resumi-los, analisá-los,
interpretá-los e deles extrair conclusões (TRIOLA, 1998).

A palavra probabilidade deriva do Latim probare (provar ou testar). Quando pensamos

em eventos do nosso cotidiano, como se irá chover amanha, por exemplo, possuímos um
campo de resultados possíveis, e métodos probabilísticos são usados para chegar a um
resultado (se irá chover ou não). Para entendermos o que é probabilidade, antes devemos
entender do que se trata um evento aleatório.

Podemos definir um evento aleatório como sendo aquele que pode ser executado
inúmeras vezes, obedecendo às mesmas condições, obtendo resultados diferentes, sem seguir
a uma ordem e pertencentes aos possíveis resultados desse experimento. O conhecimento dos
aspectos fundamentais do cálculo das probabilidades é uma necessidade essencial para o
estudo da Estatística Indutiva.

4
2 PROBABILIDADE

É o processo de generalização, que é característico do método indutivo, onde está

associado a uma margem de incerteza. A existência da incerteza deve-se ao fato de que a
conclusão, que se pretende alcançar para certo conjunto de dados analisados quanto a
determinadas características comuns, baseando-se em uma parcela do total das observações. A
medida da incerteza é tratada mediante a técnicas e métodos que estão fundamentados na
Teoria da Probabilidade.

2.1 EXPREMINTO ALEATÓRIO

Pode ser designado como uma experiência em que os seus resultados são
imprevisíveis, mesmo que seja repetida infinitamente sob condições semelhantes.

As vezes os resultados de alguns experimentos realizados podem parecer acidentais,

mas verifica-se que na realidade eles tendem para uma estabilidade estatística quando a
experiência é repetida um número relativamente grande de vezes.

Esta regularidade pode ser fundamental porque facilita a construção de modelos

matemáticos, onde serão descritos o comportamento do fenômeno, isso irá possibilitar a
previsibilidade de cada valor em particular.

2.2 ESPAÇO AMOSTRAL

No lançamento de uma moeda conhecemos seu espaço amostral pelos únicos

resultados possíveis, cara ou coroa. Representamos um espaço amostral pela letra S. No caso
da moeda representamos o seu espaço amostral por S={CA,CO}.

5
2.3 EVENTO

É qualquer subconjunto do espaço amostral S. quando um evento tem apenas um

elemento é chamado de evento simples, e quando apresenta mais de um elemento chama-se de
evento composto.

Evento é definido por uma sentença, tendo como símbolos as letras maiúsculas do
alfabeto. Os elementos que constituem o evento, são descritos por números arábicos, e quando
não tem expressão numérica são descritos por letras minúsculas.

2.4 CONCEITOS DE PROBABILIDADE

Se em um fenômeno aleatório as possibilidades são igualmente prováveis, então a

probabilidade de ocorrer um evento A é:

𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝐴
𝑃(𝐴) =
𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝑆

Por, exemplo, no lançamento de um dado, um número par pode ocorrer de 3 maneiras

diferentes dentre 6 igualmente prováveis, portanto, P = 3/6= 1/2 = 50%.

Dizemos que um espaço amostral S (finito) é equiprovável quando seus eventos

elementares têm probabilidades iguais de ocorrência.

Num espaço amostral equiprovável S (finito), a probabilidade de ocorrência de um

evento A é sempre:

𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝐴 𝑛(𝐴)

𝑃(𝐴) = =
𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝑆 𝑛(𝑆)

OBS: Quando todos os elementos do Espaço amostral tem a mesma chance de

acontecer, o espaço amostral é chamado de conjunto equiprovável.

Exemplos:

1- No lançamento de uma moeda qual a probabilidade de obter cara em um evento A?

S = {CA, CO} = 2

A = {CA} = 1
6
 P(A) = 1/2 = 0,5 = 50%

2- No lançamento de um dado qual a probabilidade de obter um número par em um

evento A?

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

A = {2,4,6} = 3

P(A) = 3/6 = 0,5 = 50%

2.5 EVENTOS COMPLEMENTARES

Sabemos que um evento pode ocorrer ou não. Sendo p a probabilidade de que ele
ocorra (sucesso) e a probabilidade de que ele não ocorra (insucesso), para um mesmo evento
existe sempre a relação:

𝑝+𝑞 =1

Obs.: Numa distribuição de probabilidades o somatório das probabilidades atribuídas a

cada evento elementar é igual a 1 onde p1 + p2 + p3 + ... + pn=1.

Para entendermos o que é um evento complementar, vamos imaginar a seguinte

situação:

No lançamento de um dado sabemos que o espaço amostral é composto de 6 eventos.

Partindo desse lançamento, vamos considerar somente os eventos com valores das faces
menores que 5, dados por 1, 2, 3, 4, totalizando 4 eventos. Nessa situação temos que o evento
complementar é dado pelos números 5 e 6.

A união do evento em questão com o evento complementar forma o espaço amostral e

a intersecção dos dois eventos forma um conjunto vazio. Veja um exemplo baseado nessas
condições:

Exemplo: No lançamento simultâneo de dois dados, vamos determinar a

probabilidade de não sair soma 4.

7
 No lançamento de dois dados temos o espaço amostral de 36 elementos. Considerando
os eventos em que a soma seja quatro, temos: {(1, 3), (3, 1), (2, 2)}. Probabilidade de sair
soma quatro é igual a: 3 em 36, que corresponde a 3/36 = 1/12. Para determinarmos a
probabilidade de não sair soma quatro realizamos o seguinte cálculo:

1 11
𝑃 = 1− =
12 12

Na expressão, temos que o valor 1 refere-se ao espaço amostral (100%). Temos que a
probabilidade de não sair soma quatro no lançamento de dois dados é de 11/12.

2.6 EVENTOS INDEPENDENTES

Quando a realização ou não realização de um dos eventos não afeta a probabilidade da

realização do outro e vice-versa.

Exemplo: Quando lançamos dois dados, o resultado obtido em um deles independe do

resultado obtido no outro. Então qual seria a probabilidade de obtermos, simultaneamente, o
número 4 no primeiro dado e o número 3 no segundo dado?

Assim, sendo P1 a probabilidade de realização do primeiro evento e P2 a

probabilidade de realização do segundo evento, a probabilidade de que esses eventos se
realizem simultaneamente é dada pela fórmula:

𝑃(1𝑛2) = 𝑃(1𝑒2) = 𝑃(1). 𝑃(2)

1 1
𝑃1 = 𝑃(4 𝑑𝑎𝑑𝑜 1) = 𝑃2 = 𝑃(3 𝑑𝑎𝑑𝑜 2) =
6 6

1 1 1
𝑃𝑡𝑜𝑡𝑎𝑙 = 𝑃(4 𝑑𝑎𝑑𝑜 1) . 𝑃(3 𝑑𝑎𝑑𝑜 2) = . =
6 6 36

2.7 EVENTO MUTUAMENTE EXCLUSIVOS

Dois ou mais eventos são mutuamente exclusivos quando a realização de um exclui a

realização do outro. Assim, no lançamento de uma moeda, o evento "tirar cara" e o evento
"tirar coroa" são mutuamente exclusivos, ao se realizar um deles, o outro não se realiza.
8
 Se dois eventos são mutuamente exclusivos, a probabilidade de que um ou outro se
realize é igual à soma das probabilidades de que cada um deles se realize:

𝑃(1 ∪ 2) = 𝑃(1 𝑜𝑢 2) = 𝑃(1) + 𝑃(2)

Exemplo: No lançamento de um dado qual a probabilidade de se tirar o número 3 ou o

número 4?

Os dois eventos são mutuamente exclusivos então:

1 1 2 1
𝑃= + = =
6 6 6 3

2.8 DISTRIBUIÇÃO DA PROBABILIDADE

Em estatística, uma distribuição de probabilidade descreve a probabilidade que uma

variável pode assumir ao longo de um espaço de valores. Uma distribuição de probabilidade
pode ser discreta ou contínua. É comum o uso de funções que se ajustem à distribuição de
probabilidade.

2.8.1 Variável Aleatória

Suponhamos um espaço amostral S e que a cada ponto amostral seja atribuído um

número. Fica definida uma função chamada variável aleatória.

Muitas vezes não estamos interessados propriamente no resultado de um experimento

aleatório, mas em alguma característica numérica a ele associada.

Se o espaço amostral relativo ao "lançamento simultâneo de duas moedas" é S = {(CA,

CA), (CA, CO), (CO, CA), (CO, CO)} e se X representa o "número de caras" que aparecem, a
cada ponto amostral podemos associar um número para X, de acordo com a tabela abaixo:

Ponto Amostral X
(CA, CA) 2

9
 (CA, CO) 1
(CO, CA) 1
(CO,CO) 0

Logo podemos escrever:

Probabilidade
Número de caras (X)
(X)
2 1∕4
1 2∕4
0 1∕4
Total 4/4 = 1

Exemplo: Consideremos a distribuição de frequências relativa ao número de acidentes

diários na Rodovia do SOL durante o mês de nov./14:

Número de Acidentes Frequência

0 22
1 5
2 2
3 1

Podemos então escrever a tabela de distribuição de probabilidade:

Probabilidade
Número de Acidentes (X)
(X)
0 0,73
1 0,17
2 0,07
3 0,03

Função da probabilidade:

𝑓(𝑋) = 𝑝(𝑋 = 𝑥𝑖)

10
 Ao definir a distribuição de probabilidade, estabelecemos uma relação entre os valores
da variável aleatória X e os valores da variável P (probabilidade). Esta relação define uma
função onde os valores xi formam o domínio da função e os valores pi o seu conjunto
imagem.

2.8.2 Distribuição Binomial

Vamos imaginar fenômenos cujos resultados só podem ser de dois tipos, um dos quais
é considerado como sucesso e o outro insucesso. Este fenômeno pode ser repetido tantas
vezes quanto se queira (n vezes), nas mesmas condições. As provas repetidas devem ser
independentes, isto é, o resultado de uma não deve afetar os resultados das sucessivas. No
decorrer do experimento, a probabilidade p do sucesso e a probabilidade de q (q = 1 - p) do
insucesso manter-se-ão constantes. Nessas condições X é uma variável aleatória discreta que
segue uma distribuição binomial.

𝑛
𝑃(𝑥 = 𝑘) = ( ) . 𝑝𝑘 . 𝑞 (𝑛−𝑘)
𝑘

P(x=k) => é a probabilidade de que o evento se realize x vezes em n provas.

p => é a probabilidade de que o evento se realize em uma só prova = sucesso.

q => é a probabilidade de que o evento não se realize no decurso dessa prova =

insucesso.

OBS: O nome binomial é devido à fórmula, pois representa o termo geral do

desenvolvimento do binômio de Newton.

2.8.3 Probabilidade Condicional

11
 Se A e B são dois eventos, a probabilidade de B ocorrer, depois de A ter acontecido é
definida por: P (B/A), ou seja, é chamada probabilidade condicional de B. Neste caso os
eventos são dependentes e definidos pela fórmula:

P (A e B) = P(A) . P(B/A)

2.9 DISTRIBUIÇÃO NORMAL

A distribuição normal é uma das mais empregadas dentro das distribuições teóricas.
Muitas das variáveis analisadas na pesquisa sócio econômica correspondem à distribuição
normal.

Propriedades:

1. Sendo X uma variável, o mesmo pode assumir qualquer valor real.

2. A área total limitada pela curva e pelo eixo das abscissas é igual a 1, já que essa
área corresponde à probabilidade de a variável aleatória X assumir qualquer valor
real.
3. Como a curva é simétrica em torno da média, a probabilidade de ocorrer valor
maior que a média é igual à probabilidade de ocorrer valor menor do que a média,
isto é, ambas as probabilidades são iguais a 0,5 ou 50%. Cada metade da curva
representa 50% de probabilidade.
4. 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 ou de Gauss.
5. A curva normal é assintótica em relação ao eixo das abscissas, isto é, aproxima-se
indefinidamente do eixo das abscissas sem, contudo, alcançá-lo.

Quando temos em mãos uma variável aleatória com distribuição normal, nosso
principal interesse é obter a probabilidade de essa variável aleatória assumir um valor em um
determinado intervalo.

12
3 CONCLUSÃO

A necessidade de prever o acontecimento de certas situações expõe a importância da

probabilidade e seus cálculos de possibilidade para a sociedade. Seja para saber se realmente
vai chover amanha baseado nos registros de datas anteriores, para saber as chances de ganhar
na mega sena (1 em 50 063 860, ou seja: 0,000002%) ou até mesmo no jogar de um dado, a
probabilidade está presente.

13
REFERÊNCIAS

CORDEIRO, G.M. O Amadurecimento da Pesquisa e Ensino de Estatística no Brasil.

arScientia, 2006.

Desmitificando o cálculo das probabilidades. Matemática didática. Disponível em:

<http://www.matematicadidatica.com.br/ProbabilidadeDesmitificando.aspx>. Acesso em: 18
nov. 2014.

OLIVEIRA L.A. Probabilidade E Estatística Para Engenheiros - Apostila, Des-UFSCar.

Probabilidade. Só matemática. Disponível em:<

http://www.somatematica.com.br/emedio/probabilidade.php>. Acesso em: 18 nov. 2014.

STIGLER, STHEPHEN M. The History of Statistics: The Measurement of Uncertainty

Before 1900. The Belknap Press of Harvard University Press. Cambridge, USA, 1986.

Teorias das probabilidades. Faculdade das Ciências da Universidade de Lisboa. Disponível

em: <http://www.educ.fc.ul.pt/docentes/opombo/seminario/pasca_l/probabilidades.htm>.
Acesso em: 18 nov. 2014.

14