Universidade Federal do Recôncavo da Bahia

Centro de Ciências Exatas e Tecnológicas

GCET060 – Métodos Estatísticos

INTRODUÇÃO À PROBABILIDADE
Parte 1

Profª Sandra Pinheiro

 Probabilidade

O estudo das probabilidades está associado à incerteza do resultado de um experimento e a

regularidade no resultado que é observada à medida que o experimento é repetido um grande
número de vezes.

1. Tipos de modelos matemáticos

Os modelos matemáticos podem ser:

a) Determinísticos
Ocorrem quando, sob as mesmas condições de experimentação, pode-se determinar ou
predizer com certeza o resultado final do experimento.
Exemplo: fórmulas matemáticas e físicas para comprovar teorias.

a) Não-determinísticos (ou probabilísticos)

Ocorrem quando não é possível predizer com certeza o resultado final do experimento.
Exemplo: observar o tempo de vida útil de uma lâmpada.
 2. Definições e propriedades

i) Fenômenos ou experimentos aleatórios: São aqueles em que o processo de

experimentação está sujeito a incertezas, logo, não é possível controlar todas as
circunstâncias relevantes e, portanto não é possível prever com exatidão os resultados
individuais.

• Características de um experimento aleatório:

a.1) Poderá ser repetido um grande número de vezes sob as mesmas condições;

a.2) Não podemos afirmar que um resultado particular ocorrerá, porém, podemos descrever
o conjunto de todos os resultados possíveis do experimento - as possibilidades de
resultado.

a.3) Quando o experimento é repetido um grande número de vezes, surgirá uma regularidade
nos resultados. Esta regularidade, chamada de regularidade estatística, é que torna
possível construir um modelo matemático preciso com o qual se analisará o experimento.
A Teoria da Probabilidade tenta descrever matematicamente experimentos cujos resultados
não podem ser completamente pré-determinados, ou seja, visa definir um modelo matemático
que seja adequado à descrição e interpretação de fenômenos aleatórios.

i) Espaço amostral ( ou S): Conjunto de todos os resultados possíveis de um experimento

aleatório.
Exemplos de experimentos aleatórios e seus respectivos espaços amostrais:

E1: Jogar uma moeda e observar a face superior.

1 = { Cara, Coroa }
E2: Jogar um dado e observar a face superior.
2 = { 1, 2, 3, 4, 5, 6 }
E3: Determinar o tempo de vida útil de uma lâmpada.
3 = { t  R / t  0 }

Espaços amostrais podem ser finitos ou infinitos.

Espaço amostral equiprovável

Um espaço amostral é equiprovável quando todos os elementos têm a mesma chance de

ocorrer, isto é, todos os seus elementos são igualmente prováveis.

i) Evento: Qualquer subconjunto de um espaço amostral.

Exemplo 1:
No lançamento de um dado consideremos o evento “ocorrer um número par”.
A: ocorrer um número par, isto é A = {2, 4, 6}.

Exemplo 2:
Vai chover no litoral baiano no fim de semana?  = {chove, não chove}
Em geral, temos interesse em eventos particulares do experimento.
O evento A pode representar a ocorrência de chuva
A = {chove}  

Os conjuntos  e  também são eventos:

 é o evento certo
 é o evento impossível
Exercício: Descreva o espaço amostral para cada um dos seguintes experimentos a seguir:

a) Numa linha de produção conta-se o número de peças defeituosas num período de 1 hora.

b) Lançar uma moeda três vezes, sucessivamente, e anotar a sequência de caras e coroas.
Relação entre eventos

Ao realizar um experimento aleatório diz-se que o evento A ocorreu se o resultado observado

for um elemento do subconjunto A.
Dados dois eventos A e B de um mesmo espaço amostral:
•AB é o evento em que A e B ocorrem simultaneamente;
•AB é o evento em que A ocorre ou B ocorre (ou ambos ocorrem);
• Ac é o evento de A que não ocorre.
Exemplo: Lançamento de dado  = {1, 2, 3, 4, 5, 6}

evento B: representa sair face par => B = {2, 4, 6}

evento C : representa sair uma face ímpar => C = {1, 3, 5}
evento D: representa sair uma face maior que 3 => D = {4, 5, 6}
evento E: representa sair face 1 => E = {1}
evento B  D: representa sair uma face par e maior que 3 => {2, 4, 6}  {4, 5, 6} = {4, 6}
evento B  C: representa sair uma face par e ímpar => {2, 4, 6}  {1, 3, 5} = 
evento BD : representa sair uma face par ou maior que 3 => {2, 4, 6}  {4, 5, 6} = {2, 4, 5, 6}
evento B C : representa sair uma face par ou ímpar => {2, 4, 6}  {1, 3, 5} = {1, 2, 3, 4, 5, 6}
evento Bc = C
evento Cc = B
Leis de Morgan:
➢ B – A = B  Ac
➢ (A  B)c = Ac  Bc
➢ (A  B)c = Ac  Bc
➢ A  Ac = 
➢ A  Ac = 

Se dois eventos quaisquer têm intersecção vazia, isto é, eles não podem ocorrer
simultaneamente, dizemos que eles são mutuamente exclusivos ou disjuntos.
No exemplo anterior, os eventos B e C são mutuamente exclusivos ou disjuntos, visto que
BC= .
3. Definição clássica de probabilidade

Seja A um evento associado ao espaço amostral finito , no qual todos os resultados são igualmente
possíveis (ou equiprováveis). Vamos definir a probabilidade do evento A, P(A) como o quociente
entre o número de elementos em A e o número de elementos em :

isto é, a razão entre os casos favoráveis ao evento e o total de casos possíveis.

Limitações:
1. Dificuldade em enumerar #A e # em alguns casos;
2.  infinito;
3. Modelo adequado para apenas uma classe de fenômenos equiprováveis.
Exemplo1: Qual a probabilidade de obter um número par no lançamento de um dado?
A = número par = {2, 4, 6}
 = {1,2,3,4,5,6}
P(A) =

Exemplo2: Considere o quadro abaixo referente à existência ou não de banheiro ou sanitário nos
domicílios baianos. Qual a probabilidade de:
a) selecionar um domicílio aleatoriamente na área urbana que não tenha banheiro ou sanitário?
b) selecionar um domicílio aleatoriamente na área rural que tenha banheiro ou sanitário comum
a mais de um domicílio?
c) selecionar um domicílio aleatoriamente que tenha banheiro ou sanitário de uso exclusivo do
domicílio, independente da área.
 Domicílios (em unidades) por ocorrência de banheiro ou sanitário. Bahia/2005
Banheiro ou sanitário urbano Rural Total
Não tinha 563.964 116.102 680.066
Tinha comum a mais de um 32.015 29.903 61.918
Tinha de uso exclusivo 3.091.888 2.400.473 5.492.361
Total 3.687.867 2.546.478 6.234.615
Fonte: IBGE/PNAD
Exemplo3: A origem da água dos domicílios de uma rua com 35 residências é adequada
(rede pública) em 25 delas, e inadequada (outra origem) em 10 delas. Cinco domicílios serão
sorteados aleatoriamente para inspeção da água. Qual a probabilidade de:
a) quatro domicílios terem água de origem adequada;
b) dois domicílios terem água de origem inadequada;

a) A= quatro domicílios terem água de origem adequada

P(A) =

A chance de selecionar um domicílio quatro domicílios com água de origem adequada é de

aprox. 39%.
4. Definição frequentista ou empírica

As limitações da definição clássica de probabilidade, que só se aplica à espaços amostrais finitos

e equiprováveis, levaram a considerar outra forma de calcular probabilidade de um evento
partindo da frequência relativa do evento ao se repetir o experimento, n vezes, sob as mesmas
condições. Em linguagem matemática, quando n cresce, o limite da frequência relativa de
ocorrência de A é igual a P(A), isto é,
Exemplo: Suponha que um experimento de lançar 20 vezes uma moeda foi realizado para
observar o número de caras. A cada lançamento vamos considerar o número de caras que até
então ocorreram (na) dividido pelo número de lançamentos (n), ou seja. a frequência relativa de
caras. A tabela abaixo apresenta os resultados referentes a este experimento:

N na fa=na/n n na fa = na/n
1 1 1 11 6 6/11 = 0,54
2 1 1/2 = 0,50 12 7 7/12 = 0,58
3 2 2/3 = 0,67 13 7 7/13 = 0,54
4 3 3/4 = 0,75 14 8 8/14 = 0,57
5 3 3/5 = 0,60 15 8 8/15 = 0,53
6 3 3/6 = 0,50 16 8 8/16 = 0,50
7 3 3/7 = 0,43 17 8 8/17 = 0,47
8 4 4/8 = 0,50 18 8 8/18 = 0,44
9 5 5/9 = 0,56 19 9 9/19=0,47
10 5 5/10 = 5/10 20 9 9/20 = 0,45
 O gráfico a seguir apresenta o comportamento das frequências relativas
obtidas no experimento:

L
ança
m e
n t
o s
suc
ess
iv
o s
deumam oeda
N
úme
rodere
pet
içõesve
rsu
sfre
qüê
nciare
lat
ivadec
ara
s
1
,0

0
,9

0
,8

0
,7
Freqüência
0
,6

0
,5

0
,4

0
,3

0
,2

0
,1

0
,0
1 2 3 4 5 6 7 8 9 1
0111
2131
4151
6171
8192
0

Observa-se que medida que aumenta o número de lançamentos, a frequência relativa se aproxima
de 0,5. Em linguagem matemática dizemos que a frequência relativa “converge” para 0,5.
4. Definição matemática ou axiomática

Seja  um espaço amostral. Uma função P definida para todos os subconjuntos de 

(chamados eventos) é chamada de probabilidade se:

1) 0  P(A)  1, para todo evento A  

2) P() = 1
3) Se A1, A2, ..., An forem, dois a dois, eventos mutuamente exclusivos, isto é, (Ai  Aj) = 
para todo i  j, então

=
 Teoremas:

1. P() = 0

2. Se Ac é o evento complementar de A, então P(Ac) = 1- P(A)

3. Sejam A e B dois eventos quaisquer, então:

P (A  B) = P(A) + P(B) - P(A  B)

4. Se A, B e C forem três eventos quaisquer, então:

P (A  B  C )=P(A) + P(B) + P(C) - P(A  B) - P(A  C) - P(B  C) + P(A  B  C)
5. Se A  B, então P(A)  P(B)
Exemplo: Um lote é formado por 10 peças boas, 4 com defeitos menores e 2 com defeitos graves.
Uma peça é escolhida ao acaso. Calcule a probabilidade de que:
a) a peça não tenha defeito grave
Seja o evento DG: “ retirar uma peça com defeito grave do lote”
# =16, então
P( ) = 1 – P(DG) = 1 - = = 0,875

b) a peça não tenha defeito

Seja o evento B: “ retirar uma peça boa no lote”
P(B) = = 0,625

c) a peça seja boa ou tenha um defeito grave

P(B  DG) = P(B) + P(DG) – P(B  DG) = 0,625 + 0,125 – 0 = 0,75
Exercício: Uma pesquisa para avaliar o destino dado ao lixo de 35 ruas mostrou que 20 delas
tinham o lixo coletado diariamente, 10 tinham o lixo coletado duas vezes na semana e 5 delas
tinham o lixo queimado ou enterrado pelos moradores. Se uma rua for selecionada
aleatoriamente, qual a probabilidade de:
a) ter o lixo coletado diariamente;
b) não ter o lixo queimado ou enterrado;
c) ter o lixo queimado ou enterrado.
5. Probabilidade condicional

Sejam A e B eventos de um experimento aleatório qualquer, com P(B) > 0. A probabilidade

condicional de A dado B (denota-se por P (A B)) é definida como:

Exemplo: Suponha que um escritório possua 100 máquinas de calcular. Algumas dessas
máquinas são elétricas (E), enquanto outras são manuais (M); e algumas são novas (N), enquanto
outras são muito usadas (U). Uma pessoa entra no escritório pega uma máquina, qual será a
probabilidade de que seja elétrica dado que é nova?
 Elétrica Manual Total
Nova 40 30 70
Usada 20 10 30
Total 60 40 100
Exercício: considere o quadro abaixo. Selecionando uma pessoa aleatoriamente, qual a probabilidade de:

a) ter entre 20 e 59 anos;

b) ser homem e ter entre 20 e 59 anos;

c) ter 60 anos ou mais dado que é do sexo feminino;

d) sabendo que é homem ter entre 10 e 14 anos.

População censitária por faixa etária, residente na área urbana. Cruz das Almas/2000.
Faixa etária Homens Mulheres Total
(Pessoas) (Pessoas)

00 a 09 anos 3567 3386 6953

10 a 14 anos 4428 4584 9012
20 a 59 anos 9119 10988 20107
60 anos e mais 1299 2233 3532
Total 18413 21191 39604
6. Regra ou teorema do produto

A regra do produto de probabilidades é deduzida da definição de probabilidade condicional. Sejam A e

B eventos pertencentes ao mesmo espaço amostral Ω, então:

Exemplo:
Uma urna contém fichas numeradas de 1 a 4. Retira-se uma ficha da urna ao acaso e anota-se o
número. Esta ficha não é recolocada na urna, e retira-se novamente uma ficha, ao acaso, da urna. Qual
a probabilidade de ter saído a ficha com número 1, na primeira retirada, e de ser 5 a soma dos números
das duas fichas retiradas?
Pelo teorema do produto temos que,
Evento A : sair o número 1 na primeira retirada =>P(A) = 1
4
Evento B : soma = 5
Evento B|A : {soma = 5 | a primeira ficha é 1} , se queremos que a soma seja 5, então é preciso que a
segunda ficha seja o número 4  P(B|A) =

8,3% de probabilidade.

Exercício: No Brasil 5 estações de tratamento de esgoto usam como sistema o escoamento

superficial e 3 usam como sistema o filtro biológico percolador. Selecionando duas estações
aleatoriamente para inspeção, qual a probabilidade de:
a) ambas serem de escoamento superficial;
b) a 1ª selecionada ser de filtro biológico;
c) uma ser de filtro biológico.
7. Regra da probabilidade total

Sejam A e B dois eventos de um experimento qualquer. Há duas maneiras de B ocorrer, considerando a ocorrência
ou não do evento A: ou A e B ocorrem (A  B) ou Ac e B ocorrem (Ac  B).

Deste modo, B = (A  B)  (Ac  B), onde A  B e A  Bc são conjuntos disjuntos.

Pelo axioma 3, P(B) = P(A  B) + P(Ac  B).

Pela regra do produto P(B) = P(A) . P(B / A) + P(Ac) P(B / Ac)

Tem-se uma partição de um espaço amostral em um número finito de eventos Ai ( i = 1,2,...,n) se:

1) Se A1, A2, ..., An forem, dois a dois, eventos mutuamente exclusivos, isto é, (Ai  Aj) =  para
todo i  j.
n
2)  Ai =  , isto é, os eventos A são exaustivos.
i =1

Regra da probabilidade total: se a seqüência de eventos aleatórios A1 , A2 , ..., An formar uma

partição de , então:

( )
n n
P(B) =  P(Ai  B) =  P(Ai )P B Ai
i i
Exemplo: Em uma urna, há 10 bolas: 4 amarelas e 6 vermelhas. Duas bolas são sorteadas
sucessivamente, sem reposição. Qual é a probabilidade da 2ª bola ser vermelha?

Resolução:
Sejam os eventos:
V1: primeira bola retirada é vermelha;
V2: segunda bola retirada é vermelha;
A1: primeira bola retirada é amarela;
A2: segunda bola retirada é amarela;
Queremos calcular P(V2). Temos que:

Se V1 ocorreu, isto é, saiu vermelha na primeira retirada, então a composição da urna fica:
Considerando o diagrama em árvore ou árvore de probabilidades:
Exercício1: Admita que na 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. Escolhe-se ao acaso um parafuso: qual a
probabilidade dele ser defeituoso?

Exercício2: Num município 50% da água tratada é consumida pelas residências, 30% pelas
casas comerciais e 20% pelas indústrias. 0,5% das residências, 20% dos estabelecimentos
comerciais e 55% das indústrias consomem mais de 15 m3 de água por mês. Escolhe-se ao
acaso uma conta, qual a probabilidade do consumo de água mensal ser superior a 15 m3?
8. Regra de Bayes (probabilidade das causas de um evento observado)

Suponha que os eventos A1, A2,...... Ak formem uma partição de Ω e que suas probabilidades sejam
conhecidas. Suponha também que para um evento B, se conheçam as probabilidades

Então para qualquer j,

Esta regra é útil quando conhecemos as probabilidades dos Ai e as probabilidades condicionais de

B dado Ai, mas não conhecemos diretamente a probabilidade de B.
Demonstração: Conhecendo a definição de probabilidade condicional

usaremos a regra do produto para reescrever o numerador dessa expressão:

note que:
Exemplo: Considerando o exemplo da peça defeituosa, tendo conhecimento que a indústria X
fornece 20% das peças, a Y fornece 30% e a Z, 50%. Sabendo-se através do controle de
qualidade que 20% das peças fabricadas pela indústria X são defeituosas, enquanto que para
as indústrias Y e Z, essa proporção é de 5% e 2%, respectivamente. Qual a probabilidade de
que a peça defeituosa tenha vindo da indústria X?

então,

= 0,615
Exercício: Num município 50% da água tratada é consumida pelas residências, 30%
pelas casas comerciais e 20% pelas indústrias. 0,5% das residências, 20% dos
estabelecimentos comerciais e 55% das indústrias consomem mais de 15 m3 de água
mensal. Escolhe-se ao acaso uma conta de consumo superior a 15m3 de água. Qual a
probabilidade de ser consumo industrial?
REFERÊNCIAS BIBLIOGRÁFICAS

• TRIOLA, Mario F., Introdução à estatística

• MORETTIN, Pedro Alberto; BUSSAB, Wilton de Oliveira. Estatística básica. 9ª. ed.

São Paulo: Saraiva Uni, 2017. 568 p. ISBN-10: 8547220224

• STEPHAN, L. e BERENSON, K., Estatística-teoria e aplicações

• MEYER, Paul L. Probabilidade: aplicações à estatística. 2ª ed. Rio de Janeiro: Livros

Técnicos e Científicos, 2009. 426 p.