Teoria da Probabilidade

Probabilidade de um acontecimento

Tendo como objetivo estabelecer um modelo de probabilidade para acontecimentos aleatórios, considerando um

espaço de resultados S finito ou infinito numerável, deve-se:

• identificar o espaço de resultados

• atribuir probabilidades a cada um dos resultados, ou seja, aos acontecimentos elementares

Como definir a probabilidade de um acontecimento?

Sendo um acontecimento um conjunto de resultados, a probabilidade de um

acontecimento A (P(A)) é a soma das probabilidades elementares que compõem A.

Matemática e Bioestatística – MICF - FFUP 1

Teoria da Probabilidade

Ou seja, considerando: S={s1, s2, s3, …}; espaço de acontecimentos ; e, probabilidade P, então:

• O espaço de probabilidades é definido pelo terno {S, , P}, ou seja, dado o par (S, ), cada
elemento A ∈ , tem um valor numérico a que se chama Probabilidade P(A).
Nota: é uma família de subconjuntos de S

• Axioma 1: 0 ≤ P(A) ≤ 1, ∀A ∈ , a probabilidade P é um número real entre 0 e 1

• Axioma 2: P(S) = 1

• Axioma 3: P(A ⋃ B)=P(A) + P(B), sendo A e B acontecimentos disjuntos, isto é A ⋂ B = ∅

Generalizando para um espaço de resultados infinito numerável:

0 ⋃3 3
245 12 = ∑245 0 12 , se 12 ∩ 19 = ∅ para todo o : ≠ <

Matemática e Bioestatística – MICF - FFUP 2

Teoria da Probabilidade

Propriedades das probabilidades

i. P(∅) = 0

P(S ⋃ ∅) = P(S) + P(∅) = 1 + 0 = 1

ii. P(A) + P(=) = 1

A e A são acontecimentos mutuamente exclusivos;

do Axioma 3: P(A ⋃ A) =P(A) + P(A);

Se A ⋃ A = S, então P(A ⋃ A) = P(S);

do Axioma 2: P(A ⋃ A) = P(S) = 1;

Então, P(A) + P(A) = P(A ⋃ A) = 1

Matemática e Bioestatística – MICF - FFUP 3

Teoria da Probabilidade

iii. Se A ⊂ B: P(A) ≤ P(B)

P(B\A) = P(B) – P(A)

iv. Para qualquer acontecimento A: 0 ≤ P(A) ≤ 1

v. Para quaisquer acontecimentos A e B:

P(A ⋃ B) = P(A) + P(B) - P(A ⋂ B)

Aliás, para quaisquer acontecimentos A, B, C:

P(A ⋃ B ⋃ C) = P(A) + P(B) + P(C) − P(A ∩ B) − P(A ∩ C) − P(B ∩ C) + P(A ∩ B ∩ C)

Matemática e Bioestatística – MICF - FFUP 4

Teoria da Probabilidade

Probabilidade condicional

“De um lote constituído por 1 peça boa (b) e 3 defeituosas (d1, d2, d3), retiraram-se duas peças ao
acaso, em sequência e sem reposição da primeira. Sabendo que a primeira é defeituosa
(acontecimento B), qual a probabilidade de a segunda ser também defeituosa (acontecimento A)?”

Ou seja, qual a probabilidade de ocorrência de A, sabendo que ocorreu B?

Estamos perante um caso de probabilidade condicional de A dado B, (A|B).

Matemática e Bioestatística – MICF - FFUP 5

 Teoria da Probabilidade

Após a 1ª extração da peça defeituosa, os resultados seguintes

d3 possíveis são apenas os que pertencem ao acontecimento B (#B = 9).

2ª peça extraída

d2 O nº de casos favoráveis de A dado B é o nº de resultados que

A
d1 pertencem simultaneamente a A e B, #(A∩B) = 6.

b B

#(@∩B) D F
b d1 d2 d3 Portanto: ? @|B = #B
=E=G
1ª peça extraída
?(@∩B)
Generalizando: ? @|B = ?(B)
, desde que P B > 0

Matemática e Bioestatística – MICF - FFUP 6

Teoria da Probabilidade

 Exemplo:

“Três lâmpadas defeituosas foram inadvertidamente misturadas com seis lâmpadas boas.

Escolhidas duas lâmpadas ao acaso, calcule a probabilidade de serem ambas boas.

Imagine-se que as lâmpadas são retiradas uma após a outra e considerem-se os

acontecimentos seguintes:

A1: a primeira lâmpada é boa

A2: a segunda lâmpada é boa”

A probabilidade de as duas lâmpadas serem boas é dada por:

K LM ∩LN P K LM ∩LN P
0 1J |15 = ⇔ = R =
K LM Q 5J
S

Matemática e Bioestatística – MICF - FFUP 7

Teoria da Probabilidade

Acontecimentos independentes

Acontecimentos independentes são aqueles em que a informação acerca de um não ajuda a

determinar a probabilidade de ocorrência do outro.
Ou seja, sendo A e B acontecimentos com P(A)>0 e P(B)>0, A e B são eventos independentes se:

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

Contudo, de acordo com a definição de probabilidade condicional,

esta definição está restringida a P(A)>0 e P(B)>0.

Em alternativa, A e B são acontecimentos independentes se:

P(A⋂B) = P(A) ⨯ P(B)

Matemática e Bioestatística – MICF - FFUP 8

Teoria da Probabilidade

Exercício:

1
Um motorista de uma empresa distribuidora de produtos farmacêuticos
pretende chegar, sem GPS, a uma rua com duas farmácias para a entrega de
medicamentos urgentes, apenas com o seu sentido de orientação. Pelo
caminho (C) depara-se com várias bifurcações nas ruas e tem de optar por 2

virar à esquerda (E) ou à direita (D), nunca voltando para trás, dado estar
3
confiante no seu sentido de orientação. Qual a probabilidade de o motorista
chegar a qualquer das farmácias:
C1 C2 C3 C4 C5 C6 C7 C8
a) Se a probabilidade de virar à esquerda for igual à de virar à direita em
todos os cruzamentos?
b) Se a probabilidade de virar à esquerda for 0,4 e a de virar à direita for 0,6?

Matemática e Bioestatística – MICF - FFUP 9

Teoria da Probabilidade

a) Nota: as 8 chegadas têm igual probabilidade, devido a igual probabilidade de seguir

pela direita ou esquerda. Utilizando a definição clássica de probabilidade:

P (C3 ou C8) = 1/8 + 1/8 = 2/8 = 1/4

b) Nota: para chegar a C3 o percurso é E1 e D2 e E3;

para chegar a C8 o percurso é D1 e D2 e D3.

P(C3) = P(D1 e E2 e E3) = P(D1) × P(E2) × P(E3) = 0,4 × 0,6 × 0,4 = 0,096

P(C8) = P(D1 e D2 e D3) = P(D1) × P(D2) × P(D3) = 0,4 × 0,4 × 0,4 = 0,064

Logo, P(C3 ou C8) = 0,096 + 0,064 = 0,160

Matemática e Bioestatística – MICF - FFUP 10

Teoria da Probabilidade

Exemplo:

Um turista precisou ir a uma farmácia, e escolheu uma rua com

duas farmácias: Fa e Fb. No cruzamento, e desconhecendo as 2
farmácias, a probabilidade de optar pela Fa é igual à probabilidade
Fa Fb
de ir à Fb.
Numa segunda deslocação à farmácia, o turista sabendo que na
primeira deslocação teve um atendimento simpático na Fa, volta a
essa farmácia com uma probabilidade 0,6, e se sabendo que na
Fb teve um atendimento não simpático, volta a essa com uma
probabilidade de 0,2.

Calcule a probabilidade do turista ir à farmácia Fb na segunda vez.

Matemática e Bioestatística – MICF - FFUP 11

Teoria da Probabilidade

P(2Fb) = ?

P(1Fa) = 0,5

P(1Fb) = 0,5

2Fb = {(1Fa e 2Fb) ou (1Fb e 2Fb)} , ou seja, são acontecimentos disjuntos, e deste modo,

 P(2Fb) = P(1Fa e 2Fb) + P(1Fb e 2Fb)

 P(2Fb) = P(1Fa) × P(2Fb|1Fa) + P(1Fb) × P(2Fb|1Fb)

 P(2Fb) = 0,5 × (1 - 0,6) + 0,5 × 0,2 = 0,3

Matemática e Bioestatística – MICF - FFUP 12

Teoria da Probabilidade

Teorema de Bayes

Considere-se as partições (B1, B2, B3, …, Br) do seguinte espaço amostral S:

1 = 1 ∩ U5 ∪ 1 ∩ UJ ∪ ... ∪ 1 ∩ UX

Dado que:

1 ∩ U2 ∩ 1 ∩ U9 = ∅, : ≠ <, conclui−se que:

0 1 = 0 1 ∩ U5 + 0 1 ∩ UJ + … + 0 1 ∩ UX = [ 0(1 ∩ U2 )
245

Teorema da Probabilidade Total: ? @ = [ ? B\ ?(@|B\ )

\4^

Matemática e Bioestatística – MICF - FFUP 13

Teoria da Probabilidade

Teorema de Bayes (cont.)

X
Teorema da Probabilidade Total: 0 1 = [ 0 U2 0(1|U2 )
245

? B_ ∩ @ ? B_ ? @|B_
Teorema de Bayes: ? B_ |@ = = ] , k = 1, 2, 3, … , ]
?(@) ∑\4^ ? B\ ?(@|B\ )

Este teorema permite calcular a probabilidade de ocorrência de um evento,

identificado como “causa”, após a ocorrência de um evento particular. Por isso
mesmo é também conhecido por “Fórmula da probabilidade das causas”.

Matemática e Bioestatística – MICF - FFUP 14

Teoria da Probabilidade

Exemplo: Vamos considerar os eventos:

Entre os indivíduos que sofreram lesões na cabeça, F = “fratura no crânio”

os raios-X revelam que apenas cerca de 6% têm N = “náusea”
fraturas no crânio.
Náusea é um sintoma padrão de fratura de crânio e ? cN =?

ocorre em 98% de todos os casos de fratura de

crânio.
Dado que 6% de lesões na cabeça resultam em fraturas no crânio:
Com outros tipos de lesões na cabeça, a náusea está
presente em cerca de 70% de todos os casos. P(F) = 0,06 , logo, P(F) = 0,94
Suponha que um indivíduo que acabou de sofrer um
ferimento na cabeça não esteja enjoado. Qual é a
Náuseas ocorrem em 98% de fraturas no crânio, e ocorrem em 70%
probabilidade de que ele tenha uma fratura no crânio?
de outras lesões:

P(N|F) = 0,98 ,e , P(N|F) = 0,70

Matemática e Bioestatística – MICF - FFUP 15

Teoria da Probabilidade

Dados: Aplicando o Teorema de Bayes considerando uma partição F e F:

F = “fratura no crânio”

N = “náusea”

? cN =?

P(F) = 0,06

P(F) = 0,94 0 Ul ∩ 1 0 Ul 0 1|Ul

Teorema de Bayes: 0 Ul |1 = = X
0(1) ∑245 0 U2 0(1|U2 )
P(N|F) = 0,98

0 e 0 Ne 0,06 × 1 − 0,98
P(N|F) = 0,70 0 eN = = = 0,004
0 e 0 N e +0 F 0 N F 0,06 × 1 − 0,98 + 0,94 × (1 − 0,70)

Portanto, é muito improvável que um ferimento na cabeça, que não cause náuseas, seja uma fratura no crânio.

Matemática e Bioestatística – MICF - FFUP 16