UNIVERSIDADE 

FEDERAL DE ALAGOAS
CENTRO DE CIÊNCIAS AGRÁRIAS
DISCIPLINA: ESTATÍSTICA GERAL
UFAL CECA

Probabilidade

João Messias dos Santos
Geraldo Veríssimo

1
 ANÁLISE EXPLORATÓRIA DOS DADOS

 Resumo dos dados

o Tipos de variáveis

o Distribuição de frequência

o Gráficos

 Medidas Resumo

o Medidas de Posição

o Medidas de Dispersão

o Box Plots

 Exemplos computacionais
2
 PROBABILIDADE

Na Disciplina Estatística Geral estaremos estudando:

Análise  Inferência 
exploratória estatística

Probabilida Correlação 
de e  e Regressão
variáveis 
aleatórias
4
 PROBABILIDADE

OBJETIVO:

Nesse capítulo estudaremos modelos probabilísticos que

reproduza de maneira razoável as distribuições de frequências

quando um fenômeno Não é observado diretamente.

 PROBABILIDADE

É conveniente dispormos de uma medida que exprima a

incerteza presente em afirmações tais como: “É possível que

chova amanhã”, ou “não há chance de vitória”

6
 PROBABILIDADE

Ensaios ou experimentos

determinístico

Ensaios ou experimentos

aleatórios ou probabilísticos

7
 PROBABILIDADE

Com suposições adequadas, e se observarmos diretamente o

fenômeno aleatório de interesse, podemos criar um modelo teórico

que reproduza de maneira razoável a distribuição das frequências.

Tais modelos são chamados de modelos probabilísticos

Tabela. Modelo para lançamento de um dado.
Face 1 2 3 4 5 6
Frequência 
1/6 1/6 1/6 1/6 1/6 1/6
teórica

8
 PROBABILIDADE

Ensaios ou experimentos aleatórios ou probabilísticos

 É um processo de coleta de dados relativos a um fenômeno

que causa variabilidade em seus resultados

 É um processo de coleta de dados relativos a um fenômeno

que são aqueles cujos os resultados podem não ser os

mesmos, ainda que repetidos sob condições idênticas

9
 PROBABILIDADE

Exemplos de Ensaios aleatórios (ξ)

 ξ1 – Lançar um dado não viciado e anotar o valor da face
superior

 ξ2 – Lançar uma moeda não viciada e anotar o valor da face

superior

 ξ3 – Registrar o número de colmos em touceiras de cana de

uma área

 ξ4 – Registrar os mm de chuva diária de um local num ano

 ξ5 – Anotar a temperatura mínima diária de um local em um

ano
10
 PROBABILIDADE
Espaço amostral (S)

 É o conjunto de todos os resultados possíveis de um ensaio

• S1 = {1,2,3,4,5,6}

• S2 = {cara, coroa}

• S3 = S4 = {x | x = 0,1,2,...}

• S4 = {x | x≥ 0}

• S5 = {x | x<0 ou x ≥ 0}
11
 PROBABILIDADE

Evento

 É qualquer subconjunto do espaço amostral

Exemplos em ξ1:

• A1 = {A face = 2}

• A2 = {A face > 4}

• A3 = {A face é par}

• A4 = (A face é ímpar}

12
 PROBABILIDADE

Evento

Exemplos em ξ2:

• B1 = {A face é cara}

• B1 = {A face é coroa}

13
 PROBABILIDADE
Para ilustrar graficamente eventos, utilizemos
diagramas utilizados na teoria dos conjuntos

B A

14
 PROBABILIDADE

Definição de Probabilidade (a priori)

Nos exemplos dos eventos ξ1 e ξ2 , os espaços amostrais são

finitos e os resultados são igualmente prováveis

Assim, a Probabilidade de ocorrer um evento A:

𝐍ú𝐦𝐞𝐫𝐨 𝐝𝐞 𝐫𝐞𝐬𝐮𝐥𝐭𝐚𝐝𝐨𝐬 𝐚𝐬𝐬𝐨𝐜𝐢𝐚𝐝𝐨𝐬 𝐚𝐨 𝐄𝐯𝐞𝐧𝐭𝐨 𝐀

𝐏 𝐀
𝐍ú𝐦𝐞𝐫𝐨 𝐭𝐨𝐭𝐚𝐥 𝐝𝐞 𝐫𝐞𝐬𝐮𝐥𝐭𝐚𝐝𝐨𝐬 𝐩𝐨𝐬𝐬í𝐯𝐞𝐢𝐬 𝐞𝐬𝐩𝐚ç𝐨 𝐚𝐦𝐨𝐬𝐭𝐫𝐚𝐥

15
 PROBABILIDADE

Exemplos de probabilidade

Em ξ1:
P(A1) = 1/6
P(A2) = 2/6 =1/3
P(A3) = P(A4) = 3/6 =1/2

Em ξ2:
P (B1} = P(B2) = ½

16
 PROBABILIDADE

Resultado do cálculo da probabilidade

Fração (1/2)

Decimal (0,50)

Percentagem (50%)

17
 PROBABILIDADE

Exemplos de probabilidade

Inspeção de um produto de um lote formado de 40

classificados como bons (B), 3 com defeitos menores (DM) e 2
com defeitos graves (DG)

Espaço amostral: S = {40 B, 3 DM, 2 DG}

18
 PROBABILIDADE

Exemplos de probabilidade

Sejam os eventos:
C1 = {O produto não tem defeito}
C2 = {O produto não tem defeito grave}
C3 = {O produto ou é bom ou tem defeito grave}

P(C1} = 40/45 = 8/9

P(C2) = 43/45 

P(C3} = 42/45 = 14/15
19
 PROBABILIDADE

Propriedades de probabilidade – Regras básicas

0 ≤ P(A) ≤ 1

P(S) = P(Espaço amostral) = 1

P(Evento impossível) = 0

20
 PROBABILIDADE
Propriedades de probabilidade: Tipos de Eventos

Interseção de eventos

Consideremos A∩B a interseção de A com B, que acontece

quando A e B ocorrem simultaneamente

21
 PROBABILIDADE

Exemplo: Seja A é um conjunto de alunos de uma faculdade que

frequentam administração e B é o conjunto de alunos do mesmo

estabelecimento que fazem economia. Qual é a interseção A∩B?

Administração e Economia

administração
Economia

22
 PROBABILIDADE

Propriedades de probabilidade: União de eventos

Consideremos AỤB a reunião do evento A com o evento B,

que acontece quando pelo menos um dos eventos ocorre.
Contém os elementos do espaço amostral que estão em pelo
menos um dos conjuntos

Então,   
P(AỤB) = P(A) + P(B) – P(A∩B)

23
 PROBABILIDADE

Propriedades de probabilidade: União de eventos

Exemplo: Se A é um conjunto de alunos de uma faculdade que

frequentam administração e B é o conjunto de alunos do
mesmo estabelecimento que fazem economia, então AỤB é o
conjunto de alunos que fazem pelo menos um daqueles dois
cursos

24
 PROBABILIDADE
Propriedades de probabilidade: Eventos mutuamente

exclusivos

Dois eventos são considerados mutuamente exclusivos, se a

ocorrência de um impede a ocorrência do outro

25
 PROBABILIDADE
Propriedades de probabilidade: Eventos mutuamente

exclusivos

Exemplo: Na jogada de um dado, Seja A o evento “aparecer

número par” e B o evento “aparecer número impar”. A e B
são mutualmente excludentes; nenhum número pode ser par
ou impar ao mesmo tempo

26
 PROBABILIDADE
Propriedades de probabilidade: eventos

complementares

Dois eventos A e B são complementares se P(A) + P(B) = 1

Então: P(B) = 1 – P(A)

27
 PROBABILIDADE
Propriedades de probabilidade: eventos

complementares

Se, na jogada de um dado, o evento E1 consiste no

aparecimento da face 3 ou face 4, seu complementar (𝑬_𝟏 ) ̅
consiste no aparecimento das faces 1, ou 2, ou 5, ou 6.

E= {1, 2, 3, 4, 5, 6} E1 = {3, 4}, 𝑬𝟏 = {1, 2, 5, 6} 

28
 PROBABILIDADE

𝐍ú𝐦𝐞𝐫𝐨 𝐝𝐞 𝐫𝐞𝐬𝐮𝐥𝐭𝐚𝐝𝐨𝐬 𝐚𝐬𝐬𝐨𝐜𝐢𝐚𝐝𝐨𝐬 𝐚𝐨 𝐄𝐯𝐞𝐧𝐭𝐨 𝐀

𝐏 𝐀
𝐍ú𝐦𝐞𝐫𝐨 𝐭𝐨𝐭𝐚𝐥 𝐝𝐞 𝐫𝐞𝐬𝐮𝐥𝐭𝐚𝐝𝐨𝐬 𝐩𝐨𝐬𝐬í𝐯𝐞𝐢𝐬 𝐞𝐬𝐩𝐚ç𝐨 𝐚𝐦𝐨𝐬𝐭𝐫𝐚𝐥

Um princípio fundamental da contagem, nos diz que, se uma

tarefa pode ser executada em duas etapas, a primeira de p
maneiras e a segunda de q maneiras, então as duas podem
ser realizadas simultaneamente de pq maneiras (princípio
multiplicativa).

29
 PROBABILIDADE

Exemplo: suponha que um lote com 20 peças existam cinco

defeituosas. Escolhemos quatro peças do lote ao acaso, ou
seja, uma amostra de quatro elementos, de modo que a ordem
dos elementos seja irrelevante. Suponhamos que queiramos
calcular a probabilidade de se escolher duas peças
defeituosas
20
𝑚 Nº de resultados possíveis:
4
P(A):
𝑛 5 15
Nº de casos favoráveis: 2 2
m: número de casos favoráveis
𝟓 𝟏𝟓
n: número de casos possíveis 𝟐 𝟐
𝑷 𝑨 𝟐𝟎 = 𝒐, 𝟐𝟏𝟕
𝟒
30
 PROBABILIDADE

Exemplo: O jogo da Mega sena consiste em escolher 6

números dentre os 60. o jogador pode marcar num cartão de 6
a 15 números com os seguintes custos em R$.

Números Custo R$
6 2,00 
7 14,00 
8 56,00 
9 168,00 
10 420,00 
11 924,00 
12 1.848,00 
13 3.432,00 
14 6.010,00 
15 10.010,00 
31
 PROBABILIDADE

Probabilidade a posteriori

Obtida pelo método frequencista: Observou-se que a

definição clássica de probabilidade só se aplica onde os

eventos simples eram igualmente possíveis. Este é o caso da

maioria das aplicações das probabilidades aos jogos de azar

32
 PROBABILIDADE

Probabilidade a posteriori

Estes mesmos jogos, entretanto, repetidos inúmeras vezes,

levaram a considerar a probabilidade de um evento com a
frequência relativa, ou seja, como a proporção de vezes que o
evento ocorre, em condições idênticas

𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒐𝒄𝒐𝒓𝒓ê𝒏𝒄𝒊𝒂 𝒅𝒐 𝑬𝒗𝒆𝒏𝒕𝒐 𝑨

𝑷 𝑨
𝑵ú𝒎𝒆𝒓𝒐 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒐𝒃𝒔𝒆𝒓𝒗𝒂çõ𝒆𝒔
33
 PROBABILIDADE

Exemplo: Considere a seguinte distribuição de 91 alunos

matriculados em quatro cursos de uma universidade.

Sexo

Curso Homem (H) Mulher Total

Matemática (M) 10 5 15

Estatística (E) 35 12 47

Cálculo (C) 8 21 29
Total 53 38 91

34
 PROBABILIDADE

Quadro de proporção sobre o total de alunos de acordo com o

curso e sexo: :

Sexo

Curso Homem (H) Mulher (M) Total

Matemática (M) 10/91 5/91 15/91

Estatística 35/91 12/91 47/91

Cálculo 8/91 21/91 29/91

Total 53/91 38/91 91/91
35
 PROBABILIDADE
Probabilidade conjunta: curso ∩ sexo

Sexo

Curso Homem (H) Mulher (M) Total

Matemática
(M)
10/91 5/91 15/91
Estatística 35/91 12/91 47/91
Cálculo 8/91 21/91 29/91
Total 53/91 38/91 91/91

Probabilidade marginal curso

Probabilidade marginal Sexo 36
 PROBABILIDADE

Quadro de proporção sobre o total da linha (curso) de alunos de

acordo com o curso e sexo:

Sexo

Curso Homem (H) Mulher (M) Total

Matemática
(M)
10/15 5/15 15/15
Estatística 35/47 12/47 47/47
Cálculo 8/29 21/29 29/29
Total 53/91 38/91 91/91
37
 PROBABILIDADE

Quadro de proporção sobre o total da coluna (Sexo) de alunos de

acordo com o curso e sexo:

Sexo

Curso Homem (H) Mulher (M) Total

Matemática (M) 10/53 5/38 15/91

Estatística (E) 35/53 12/38 47/91

Cálculo (C) 8/53 21/38 29/91
Total 53/53 38/38 91/91

38
 PROBABILIDADE

Exemplos de probabilidade

P{C} = 29/91

P{H} = 53/91

P{C e H } = P{C ∩ H} = 8/91

P{C e M } = P{C ∩ M} = 21/91
39
 PROBABILIDADE

P{C ou H } =  = P(C) + P(H) – P(C ∩ H) =

= 29/91 + 53/91 – 8/91 = 74/91

Ou,  P(C ou H) =  = 10/91 + 35/91 + 8/91 + 21/91 = 74/91

Ou, P(C ou H) =  = 1 ‐ 5/91 – 12/91 = 74/91

40
PROBABILIDADE CONDICIONAL

41
 PROBABILIDADE CONDICIONAL

Refere‐se à probabilidade de um evento A sabendo que ocorreu

um outro evento B e representa‐se por P(A|B), lida "probabilidade
condicional de A dado B" ou ainda "probabilidade de A dependente
da condição B".

42
 PROBABILIDADE CONDICIONAL
Voltemos a tabela anterior. Dado que um estudante, escolhido ao
acaso, seja matriculado no curso de estatística (E), a
probabilidade de ser mulher M é 12/47. Isso porque, do total de
alunos que estudam estatística, 12 são mulheres. Escrevemos:

𝟏𝟐
P(M\E) = P(M dado E) =  𝟐𝟓, 𝟓𝟑%
𝟒𝟕

Sexo

Curso Homem (H) Mulher Total

Matemática
10 5 15
(M)

Estatística 35 12 47
Cálculo 8 21 29
Total 53 38 91

43
 PROBABILIDADE CONDICIONAL

Para dois eventos quaisquer A e B, sendo P(B)>0, definimos a 
probabilidade condicional de A dado B, P(A\B), como sendo:

𝑷 𝑨∩𝑩
P(A\B) = P(A dado B) = 
𝑷 𝑩

𝟏𝟐/𝟗𝟏
P(M\E) = P(M dado E) = 
𝟒𝟕/𝟗𝟏

Assim, a probabilidade de A muda após o evento B ter acontecido. Isso porque

o resultado de A é uma das possibilidades de B. Precisamos calcular os
eventos que são comuns a B e também a A

44
 PROBABILIDADE CONDICIONAL

Podemos dizer que P(A) é a probabilidade a priori de A e,

com a informação adicional de que B ocorreu, obtemos a
probabilidade a posteriori (A\B). Notem que, nesse caso, P
(A\B) > P (A).

Da equação anterior, obtemos a chamada regra do produto

de probabilidades

𝑷 𝑨 ∩ 𝑩 = P(B) . P (A\B)

45
 PROBABILIDADE CONDICIONAL
Exemplo 1:
Considere‐se um jogo entre Brasil e Argentina, nesse jogo havia
Homens (H) e Mulheres (M)

Sexo
Seleção Total
Maculino Feminino
Brasil 27 14 41 Espaço amostral 
inicial
Argentina 23 16 39

Total 50 30 80

Vamos entrevistar uma pessoa e dado que é do sexo Masculino, 
qual a probabilidade de ser Brasileiro
46
 PROBABILIDADE CONDICIONAL

Resposta:

𝟐𝟕 Probabilidade de ser Brasileiro e

1) P(Bra/H) =   Homem ao mesmo tempo (Bra ∩
𝟓𝟎
H)

𝟐𝟕
2) P(Bra/H) = 𝟖𝟎
50
80
Probabilidade de ser Homem

47
 PROBABILIDADE CONDICIONAL
Exemplo 2: Uma urna contém duas bolas brancas (B) e três vermelhas
(V). ´Supondo que são retiradas duas bolas ao acaso, sem reposição. O
diagrama em árvore ilustra as possibilidades.

V
B

48
 PROBABILIDADE CONDICIONAL

Se A indica o evento “bola branca na segunda extração”, então:

𝟐 𝟔 𝟐
P(A) = P(BB) + P(VB)=  
𝟐𝟎 𝟐𝟎 𝟓

Resultados Probabilidades
BB 2/5 x 1/4= 2/20
BV 2/5 x 3/4= 6/20
VB 3/5 x 2/4= 6/20
VV 3/5 x 3/4= 6/20
Total 1

49
 INDEPENDÊNCIA DE EVENTOS
Imaginemos agora, que as duas extrações são feitas da mesma urna
do exemplo anterior, mas a primeira bola é reposta na urna antes da
segunda extração. Nessas condições as extrações são independentes,
pois o resultado de uma extração não tem influencia no resultado.

B
Resultados Probabilidades
B BB 2/5 x 2/5= 4/25
BV 2/5 x 3/5= 6/25
V
VB 3/5 x 2/5= 6/25
B
VV 3/5 x 3/5= 9/25
V Total 1

V
 INDEPENDÊNCIA DE EVENTOS
Observem que, aqui,

P(B na 2ª\B na 1ª)= 2/5= P(B na 2ª)

Resultados Probabilidades
BB 2/5 x 2/5= 4/25
BV 2/5 x 3/5= 6/25
VB 3/5 x 2/5= 6/25
VV 3/5 x 3/5= 9/25
Total 1

P(A\B), então P(A\B)= P(A). Nesse caso, dizemos que o evento A

independe do evento B, então temos:
P (A ∩ B) = P (A) P (B)
 INDEPENDÊNCIA DE EVENTOS

Em geral, dois eventos A e B são considerados independentes, se:

P (A/B) = P (A)

ou P (A ∩ B) = P (A) P (B)

Exemplo: se P(A) = 0,8, P (B)= 0,35, P (A ∩ B) = 0,28. A e B são 
independentes?

Solução: P (A) P (B) = 0,8.0,35 = 0,28 = P (A ∩ B) 
 INDEPENDÊNCIA DE EVENTOS

Na prática, dois eventos são independentes quando a ocorrência de

um evento não influência a ocorrência do outro evento.

Exemplo. Um lote contém 10 peças, sendo 7 boas (B) e 3

defeituosas (D). Retiramos duas peças, ao acaso e com reposição,
para inspeção. Qual a probabilidade de se obter duas peças
defeituosas?

P (D1)= P (D2) = 3/10  P (B1)= P (B2) = 7/10 
 INDEPENDÊNCIA DE EVENTOS

Associamos ao experimento de retirar duas peças ao acaso e com

reposição o seguinte espaço amostral:

S = {(D1, B2); (B1, D2); (D1, D2); (B1, B2)}

Queremos encontrar a probabilidade de se obter duas peças

defeituosas. Assim, desde que a primeira e a segunda retirada sejam
executadas de forma independente, temos que

P (D1, (D2) = P (D1 ∩ D2) = P (D1) P (D2)

P (D1, (D2) = 3/10.3/10 = 9/100
 INDEPENDÊNCIA DE EVENTOS

Exemplo: As probabilidade de um estudante passar em Estatística

(E), em Topografia (T) e em ambas (ET) são 0,75, 0,84, e 0,63,
respectivamente. Qual a probabilidade de passar em Estatística,
sendo que se passou em Topografia? Esses eventos são
independentes?

Seja, P (E|T) a probabilidade procurada. Então,

P(E  T ) 0 , 63
P(E / T )      0 , 75  75 %
P (T ) 0 ,84
 SÍNTESE

• Entre as principais definições foi visto:

𝐍ú𝐦𝐞𝐫𝐨 𝐝𝐞 𝐫𝐞𝐬𝐮𝐥𝐭𝐚𝐝𝐨𝐬 𝐚𝐬𝐬𝐨𝐜𝐢𝐚𝐝𝐨𝐬 𝐚𝐨 𝐄𝐯𝐞𝐧𝐭𝐨 𝐀

𝐏 𝐀
𝐍ú𝐦𝐞𝐫𝐨 𝐭𝐨𝐭𝐚𝐥 𝐝𝐞 𝐫𝐞𝐬𝐮𝐥𝐭𝐚𝐝𝐨𝐬 𝐩𝐨𝐬𝐬í𝐯𝐞𝐢𝐬 𝐞𝐬𝐩𝐚ç𝐨 𝐚𝐦𝐨𝐬𝐭𝐫𝐚𝐥

• Frequencista

𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒐𝒄𝒐𝒓𝒓ê𝒏𝒄𝒊𝒂 𝒅𝒐 𝑬𝒗𝒆𝒏𝒕𝒐 𝑨

•
→ ° çõ