U NIVERSIDADE F EDERAL RURAL DO R IO DE JANEIRO - UFRRJ

I NSTITUTO M ULTIDISCIPLINAR - IM
D EPARTAMENTO DE T ECNOLOGIAS E L INGUAGENS - DTL

Estatística Básica
Notas de Aula
Prof. Bruno Jaccoud
br.jaccoud@gmail.com

Probabilidade
Introdução à Probabilidade
Na matemática, a probabilidade permite obter o cálculo das ocorrências possíveis num experi-
mento aleatório (fenômeno aleatório). Em outras palavras, a probabilidade analisa as “chances” de
obter determinado resultado. Em probabilidade, estudamos os experimentos aleatórios. Assim, pri-
meiro, é necessário definir um experimento aleatório, diferenciando o mesmo de um experimento
determinístico.

I. Os Experimentos Determinísticos são experimentos que ao serem repetidos “nas mesmas

condições” conduzem ao mesmo resultado.

Exemplo 1: Se aquecermos a água a 100 o C, ela entrará em ebulição.

II. Os Experimentos Aleatórios são experimentos que ao serem repetidos “nas mesmas condi-
ções” em geral, não produzem o mesmo resultado.

Exemplo 2: São exemplos de experimentos aleatórios:

• O número de grãos produzidos por hectares;

• Tipos de cultivares de milho;
• Tempo de uma reação química;
• Peso de um animal.

Espaço Amostral e Eventos

Denominaremos espaço amostral associado a um experimento (E) o conjunto de seus possíveis
resultados, que representaremos por S, cujos elementos serão denominados eventos simples ou pontos
amostrais.

Exemplo 3:

a) Seja o experimento E: Lançamento de uma moeda. Então,

S = {C, K},
Notas de aula da disciplina Estatística Básica, elaboradas por Prof. Bruno Jaccoud.

onde C representa cara e K coroa.

b) Seja o experimento E: três peças são retiradas de uma linha de produção e classificadas em
Boa (B) ou Defeituosas (D). Assim,

S = {BBB, BBD, BDB, DBB, BDD, DBD, DBD, DDB, DDD}.

c) Seja o experimento E: número de plantas doentes em um tomateiro. Então,

S = {0, 1, 2, . . . , n},

onde n é o número máximo de plantas neste tomateiro.

d) Seja E: uma moeda é lançada sucessivamente até que ocorra cara pela primeira vez. Assim,

S = {C, KC, KKC, KKKC, KKKKC, . . . }.

e) Seja E: tempo de vida de um animal. Então,

S = {t ∈ R | t > 0},
ou
S = R+ .

Denominaremos de evento a todo resultado ou subconjunto de resultados de um experimento.

I. Eventos simples são representados por um conjunto unitário.

II. Diremos que um evento A ocorre quando o resultado do experimento é um evento simples
pertencente ao evento A.

Exemplo 4: Consideremos o Item b) do Exemplo 3 e, seja um evento A: “Duas peças são boas”.
Tem-se

A = {BBD, BDB, DBB},

onde B: Boa e D: Defeituosa. Então, A ocorre se um dos três eventos simples:

BBD, BDB, DBB,

ocorrer.

Exemplo 5: Considere o lançamento de duas moedas e, seja o evento B: “o número de caras é igual
ao número de coroas”. Assim,

B = {CK, KC},

onde C: cara e K: coroa.

2
 Notas de aula da disciplina Estatística Básica, elaboradas por Prof. Bruno Jaccoud.

Operação entre Eventos

1. A reunião de dois eventos A e B, denotada por A ∪ B, é o evento que ocorre se pelo menos
um deles ocorre;

2. A intersecção de dois eventos A e B, denotada por A ∩ B, é o evento que ocorre quando A

não ocorre.

3. O complementar do evento A, denotado por Ac , é o evento que ocorre quando A não ocorre.

Exemplo 6: Um fazendeiro com o intuito de fazer uma amostragem simples, enumerou de um a

quinze, quinze gado Nelore. Determine os eventos A ∪ B, A ∩ B e Ac , onde A e B são:

• A: “o número do gado sorteado é par” e

• B: “o número do gado sorteado é múltiplo de 3”.

Solução:

Escrevendo o espaço amostral

S = {1, 2, 3, 4, 5, 6, 78, 9, 10, 11, 12, 13, 14, 15}

e os eventos

A = {2, 4, 6, 8, 10, 12, 14}

e
B = {3, 6, 9, 12, 15},

pode-se determinar os conjuntos

• A ∪ B = {2, 3, 4, 6, 8, 9, 10, 12, 14, 15},

• A ∩ B = {6, 12} e,

• Ac = {1, 3, 5, 7, 9, 11, 13, 15}.

Os eventos A e B são ditos mutuamente exclusivos, se eles não podem ocorrer simultaneamente.
Isto é A ∩ B = ∅.
A partir das Definições 1., 2. e 3., tem-se as seguintes propriedades:

a) (A ∪ B) ∩ C = (A ∩ C) ∪ (B ∩ C);

b) (A ∩ B) ∪ C = (A ∪ C) ∩ (B ∪ C);

c) (A ∪ B)c = Ac ∩ B c ;

d) (A ∩ B)c = Ac ∪ B c .

Essas propriedades são propriedades de conjuntos e, portanto, não serão demonstradas aqui1 .
1
Verificar alguma referência

3
Notas de aula da disciplina Estatística Básica, elaboradas por Prof. Bruno Jaccoud.

n
[
a) O evento Ai é o evento que ocorre quando pelo menos um dos eventos Ai ocorre, i =
i=1
1, 2, . . . , n.
n
\
b) O evento Ai é o evento que ocorre quando todos os eventos Ai ocorrem simultaneamente,
i=1
i = 1, 2, . . . , n.

Definição Clássica de Probabilidade

Seja S com n eventos simples igualmente possíveis e seja A um evento de S formado de m eventos
simples. A probabilidade de ocorrer A, é definida por

m
P (A) = .
n
Exemplo 7: Joga-se um dado, qual a probabilidade de ocorrer:
a) Evento A: “Face 4”
tem-se A = {4}, logo m = 1 e n = 6, pois S = {1, 2, 3, 4, 5, 6}, então
1
P (A) = .
6

b) Evento B: “Face Ímpar”

tem-se B = {1, 3, 5}, logo m = 3, então
3 1
P (B) = = .
6 2

Definição Frequentista de Probabilidade

Repete-se o experimento n vezes e anota quantas vezes o evento A associado a esse experimento
ocorre. Assim a probabilidade de ocorrer o evento A é dado por:

n(A)
P (A) = ,
n
onde n(A) é o número de vezes que o evento A ocorre.

Exemplo 8: Amostras de plástico policarbonato são analisadas com relação à resistência a arranhões
e a choque. Considerando os dados da Tabela 1, calcule a probabilidade de uma unidade ter:

Tabela 1: Amostras de plástico policarbonato analisadas

Resistência a choque
Resistência a arranhão
alta baixa
alta 80 9
baixa 6 5

Solução:

4
 Notas de aula da disciplina Estatística Básica, elaboradas por Prof. Bruno Jaccoud.

a) baixa resistência a arranhão (bra):

n(bra) 11
P (bra) = = = 0, 11.
n 100
b) alta resistência a choque (arc):
n(arc) 86
P (arc) = = = 0, 86.
n 100
c) baixa resistência em ambos:
n(bra ∩ brc) 5
P (bra ∩ brc) = = = 0, 05.
n 100


Definição Axiomática de Probabilidade

A probabilidade será definida numa classe de eventos (A) do espaço amostral (S) que satisfaz
certas propriedades:
i) 0 6 P (A) 6 1;

ii) P (S) = 1;

iii) P (∅) = 0;

iv) P (Ac ) = 1 − P (A);

v) P (A ∪ Ac ) = P (S);

n
! n
[ X
vi) P Ai = P (Ai ), com os Ai mutuamente exclusivos.
i=1 i=1

Regra de adição de probabilidade

Sejam A e B eventos de S, então a probabilidade de que ocorra um destes dois eventos, A ou B
(Figura 1), é dada por

P (A ∪ B) = P (A) + P (B) − P (A ∩ B).

A B

Figura 1: Interseção de Eventos

5
Notas de aula da disciplina Estatística Básica, elaboradas por Prof. Bruno Jaccoud.

Se os dois eventos, A e B, forem mutuamente exclusivos (Figura 2), então

P (A ∪ B) = P (A) + P (B),

pois A ∩ B = ∅, então, P (A ∩ B) = 0.

A B

Figura 2: Eventos Mutuamente Exclusivos

Exemplo 9: A probabilidade de um indivíduo ser obeso num grupo de pacientes é de 30% e de ser
sedentário é de 60%. Sabe-se, ainda, que a probabilidade de um individuo ser obeso e sedentário é de
28%. Determine a probabilidade de selecionar um individuo desse grupo e ele:

a) ser obeso ou sedentário.

P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
= 0, 3 + 0, 6 − 0, 28
= 0, 9 − 0, 28
= 0, 62.

b) Não ser obeso e nem sedentário.

P (Ac ∩ B c ) = P ((A ∪ B)c )

= 1 − P (A ∪ B)
= 1 − 0, 62
= 0, 28.

Exemplo 10: No atendimento de uma fila são considerados dois casos: A: “grávidas” e B: “pessoas
com mais de 60 anos”. Seja P (A) = 0, 06 e P (B) = 0, 12. Qual é a probabilidade de que seja
necessário dar prioridade no atendimento?
Considerando A ∩ B = ∅, tem-se P (A ∩ B) = 0, e, então

P (A ∪ B) = P (A) + P (B)
= 0, 06 + 0, 12
= 0, 18.

6
 Notas de aula da disciplina Estatística Básica, elaboradas por Prof. Bruno Jaccoud.

Probabilidade Condicional
Dados dois eventos A e B, a probabilidade condicional de A dado que ocorreu B é representada
por P (A | B) e é dada por

P (A ∩ B)
P (A | B) = ,
P (B)

com P (B) > 0.

Exemplo 11: Em um lançamento de um dado, de 6 faces, F1 , F2 , F3 , F4 , F5 e F6 , tem-se a probabili-

dade de se obter a face 2:

1
P (F2 ) = .
6

A probabilidade, entretanto, de se ter a face 2, visto que o lançamento terminou com face par, é
dado por

P (F2 ∩ Fpar )
P (F2 | Fpar ) =
P (Fpar )
P (F2 )
=
P (Fpar )
1/6
=
1/2
1 2
= ·
6 1
1
= .
3

Exemplo 12:

Tabela 2: Tabela contendo dados de filmes para o Exemplo.

Filmes
Gênero Aventura Comédia Romance Total
Masculino 50 30 10 90
Feminino 20 30 60 110
Total 70 60 70 200

Analisando os dados da Tabela 2, é possível determinar

70
a) P (A) = = 0, 35.
200
7
Notas de aula da disciplina Estatística Básica, elaboradas por Prof. Bruno Jaccoud.

50
b) P (A | M ) = = 0, 5556, ou, ainda,
90
P (A ∪ M )
P (A | M ) =
P (M )
50 200
= ·
200 90
50
=
90
= 0, 5556.

50
c) P (M | A) = = 0, 7143.
70
70
d) P (Rc ) = 1 − P (R) = 1 − = 0, 65.
200
30
e) P (F ∩ C) = = 0, 15.
200

f) P (F ∪ A) = P (F ) + P (A) − P (F ∩ A), assim,

110 70 20
P (F ∪ A) = + −
200 200 200
110 + 70 − 20
=
200
160
=
200
= 0, 80.

g) P (M | Rc ), que é dado por

P (M ∩ Rc )
P (M | Rc ) =
P (Rc )
80 200
= ·
200 130
80
=
130
= 0, 6154.

Regra do Produto
Sabendo que

P (A ∩ B)
P (A | B) = ,
P (B)
tem-se

P (A ∩ B) = P (A | B) · P (B).

8
 Notas de aula da disciplina Estatística Básica, elaboradas por Prof. Bruno Jaccoud.

Exemplo 13: A probabilidade de que uma bateria de automóvel, sujeita a alta temperatura no com-
partimento do motor, sofra baixa corrente de carga é de 0,7. A probabilidade da bateria estar sujeita
a alta temperatura no comportamento do motor é de 0,05. Determine a probabilidade da bateria estar
sujeita a baixa corrente de carga e a alta temperatura do motor.

Solução:
Sejam os eventos BC: "baixa corrente"; AT: "Alta temperatura", então P (BC ∩ AT ) = P (BC |
AT ) · P (AT ), ou seja,

P (BC ∩ AT ) = 0, 7 · 0, 05
= 0, 035.


Independência de Eventos
Dois eventos A e B são independentes se a informação da ocorrência ou não de B não altera a
probabilidade da ocorrência de A, isto é:

P (A | B) = P (A),
ou, ainda,

P (A ∩ B) = P (A) · P (B).

Exemplo 14: Uma urna contém duas bolas brancas e três vermelhas. Sorteamos ao acaso duas delas,
sem reposição. Assim, tem-se os possíveis resultados na Figura 3 e na Tabela 3. Deste modo,

2
P (B2 | V1 ) = ,
4
e
2 3 6
P (B2 ∩ V1 ) = P (B2 | V1 )P (V1 ) = · = ,
4 5 20
onde, nesse caso, os eventos são dependentes.

1 Tabela 3: Tabela das probabilidades da urna -

4 B2 Eventos Dependentes
2 B1
5
Resultados Probabilidades
3 V2 2 1 2
4 B1 B2 · =
5 4 20
2 2 3 6
3 4 B2 B1 V2 · =
5 4 20
5 V1 3 2 6
2 V2 V1 B2 · =
5 4 20
4
3 2 6
Figura 3: Diagram de árvore de uma urna - V1 V2 · =
5 4 20
Eventos Dependentes Total 1

9
Notas de aula da disciplina Estatística Básica, elaboradas por Prof. Bruno Jaccoud.

Exemplo 15: Uma urna contém duas bolas brancas e três vermelhas. Sorteamos ao acaso duas delas,
com reposição. Assim, tem-se os possíveis resultados na Figura 4 e na Tabela 4. Deste modo,

2
P (B2 | V1 ) = ,
5
e
2 3 6
P (B2 ∩ V1 ) = P (B2 )P (V1 ) = · = ,
5 5 25
onde, nesse caso, os eventos são independentes.

2 Tabela 4: Tabela das probabilidades da urna -

5 B2 Eventos Independentes
2 B1
5
Resultados Probabilidades
3 V2 2 2 4
5 B1 B2 · =
5 5 25
2 2 3 6
3 5 B2 B1 V2 · =
5 5 25
5 V1 3 2 6
3 V2 V1 B2 · =
5 5 25
5
3 3 9
Figura 4: Diagram de árvore de uma urna - V1 V2 · =
5 5 25
Eventos Independentes Total 1

Partição do Espaço Amostral

Os eventos E1 , E2 , . . . , Ek formam uma partição do espaço amostral, S, quando eles são mutua-
mente exclusivos e sua reunião é igual ao espaço amostral, isto é

E1 ∩ E2 ∩ · · · ∩ Ek = ∅
e
E1 ∪ E2 ∪ · · · ∪ Ek = S.

Um exemplo gráfico, com k = 4, pode ser visto na Figura 5, onde E1 ∩ E2 ∩ E3 ∩ E4 = ∅ e

E1 ∪ E2 ∪ E3 ∪ E4 = S.

E1 E3

E2
E4

Figura 5: Exemplo de Partição do Espaço Amostral

10
 Notas de aula da disciplina Estatística Básica, elaboradas por Prof. Bruno Jaccoud.

Regra da Probabilidade Total

Sejam E1 , E2 , . . . , Ek uma partição de S e B um evento qualquer, então tem-se

P (B) = P (B | E1 )P (E1 ) + · · · + P (B | Ek )P (Ek ).

O evento B pode ser escrito como

B = (B ∩ E1 ) ∪ · · · ∪ (B ∩ Ek ),
logo,

P (B) = P (B ∩ E1 ) + · · · + P (B ∩ Ek ),
onde, utilizando a regra do produto, tem-se

P (B) = P (B | E1 )P (E1 ) + · · · + P (B | Ek )P (Ek ).

Teorema de Bayes (1793)

Sejam E1 , E2 , . . . , Ek uma partição do espaço amostral S e, seja B um evento qualquer de S
e, ainda, considere conhecidas P (Ei ) e P (B | Ei ), para i = 1, 2, . . . , k, então a probabilidade de
ocorrência de um dos eventos Ei , dado que ocorreu o evento B é dada por

P (B | Ei )P (Ei )
P (Ei | B) = k
,
X
P (B | Ej )P (Ej )
j=1

ou, ainda,

P (B | Ei )P (Ei )
P (Ei | B) = .
P (B | E1 )P (E1 ) + · · · + P (B | Ek )P (Ek )
Pela probabilidade condicional, tem-se que

P (E1 ∩ B)
P (Ei | B) = ,
P (B)
e, pela regra do produto, tem-se

P (Ei ∩ B) = P (B ∩ Ei ) = P (B | Ei )P (Ei ).
Pela regra da probabilidade total, tem-se

P (B) = P (B | E1 )P (E1 ) + · · · + P (B | Ek )P (Ek ),

portanto, tem-se

P (B | Ei )P (Ei )
P (Ei | B) = .
P (B | E1 )P (E1 ) + · · · + P (B | Ek )P (Ek )

11
Notas de aula da disciplina Estatística Básica, elaboradas por Prof. Bruno Jaccoud.

Exemplo 16: Em uma fábrica de parafusos, as máquinas A, B e C produzem 25%, 35% e 40% do
total produzido, respectivamente. Da produção de cada máquina, 5%, 4% e 2%, respectivamente, são
parafusos defeituosos. Determine:

a) A probabilidade de que o parafuso seja fabricado na máquina A, sabendo que ele é defeituoso.

b) A probabilidade de que o parafuso não seja defeituoso.

c) A probabilidade de que o parafuso seja fabricado na máquina C sabendo que ele não é defeitu-
oso.

Solução:

a) A probabilidade de que o parafuso seja fabricado na máquina A, sabendo que ele é defeituoso.

Representando por A, B e C as três máquinas e, ainda, por D os parafusos defeituosos. As

probabilidades são P (A) = 0, 25, P (B) = 0, 35 e P (C) = 0, 4, P (D | A) = 0, 05, P (D |
B) = 0, 04, P (D | C) = 0, 02. Assim, pelo teorema de Bayes, tem-se

P (D | A)P (A)
P (A | D) =
P (D | A)P (A) + P (D | B)P (B) + P (D | C)P (C)
0, 05 · 0, 25
=
0, 05 · 0, 25 + 0, 04 · 0, 35 + 0, 02 · 0, 40
= 0, 3623.

b) A probabilidade de que o parafuso não seja defeituoso.

Considerando as probabilidades P (DC | A) = 0, 95, P (DC | B) = 0, 96 e P (DC | C) =

0, 98. Deste modo,

P (DC ) = P (DC | A)P (A) + P (DC | B)P (B) + P (DC | C)P (C)
= 0, 95 · 0, 25 + 0, 96 · 0, 35 + 0, 98 · 0, 40
= 0, 9655.

c) A probabilidade de que o parafuso seja fabricado na máquina C sabendo que ele não é defei-
tuoso.

Fazendo
P (DC | C)P (C)
P (C | DC ) =
P (DC )
0, 98 · 0, 40
=
0, 9655
= 0, 4060.

12