Escolar Documentos
Profissional Documentos
Cultura Documentos
Joaquim Neto
joaquim.neto@ufjf.edu.br
www.ufjf.br/joaquim_neto
Versão 1.1
1 Informações gerais
Contato
Referências Bibliográficas
2 Introdução à probabilidade
Pré-requisitos e notações
Espaço amostral
Eventos
Definição clássica
Definição frequentista
Definição geométrica de probabilidade
Conjuntos disjuntos 2 a 2
Conjunto das partes
Axiomas de probabilidade
Espaço de probabilidade
Resultados
3 Probabilidade condicional
Teorema da Multiplicação
Partições
Teorema da Probabilidade Total
Teorema de Bayes
4 Independência
Independência para dois eventos
Independência 2 a 2 e independência mútua
Informações gerais
Contato
E-mail
joaquim.neto@ufjf.edu.br
Site pessoal
http://www.ufjf.br/joaquim_neto
Referências Bibliográficas
Badizé, M., Jacques, A., Petitpas, M. & Pichard, J.-F.
(1996)
Le jeu du franc-carreau – une activité probabiliste au collège.
Rouen: IREM de Rouen.
Barry, R. James
(1981)
Probabilidade: um curso em cı́vel intermediário.
Rio de Janeiro: Instituto de Matemática Pura e Aplicada (Projeto Euclides).
Bussab, Wilton de O. & Morettin, Pedro A.
(2005)
Estatı́stica Básica, 5a ed. edn.
São Paulo: Saraiva.
Degroot, M. H. & Schervish, M. J.
(2001)
Probability and Statistics, 3rd Edition, 3 edn.
Addison Wesley.
Meyer, P. L.
(2000)
Probabilidade: Aplicações à Estatı́stica, 2 ed. edn.
LTC.
Joaquim Neto (UFJF) ICE - UFJF Versão 1.1 4 / 55
Introdução à probabilidade
Introdução à probabilidade
Pré-requisitos e notações
Pré-requisitos:
Teoria dos conjuntos
Métodos de contagem
Função
Notação:
#A denota o número de elementos do conjunto A.
∅ denota o conjunto vazio.
Espaço amostral
Definição 1: Suponhamos um experimento realizado sob certas condições fixas. O espaço
amostral Ω do experimento é um conjunto que contém representações de todos os resultados
possı́veis, onde por “resultado possı́vel”, entende-se resultado elementar e indivisı́vel do
experimento. Ω deve satisfazer as seguintes condições:
A todo resultado possı́vel corresponde um, e somente um, elemento ω ∈ Ω.
Resultados distintos correspondem a elementos distintos em Ω, ou seja, ω ∈ Ω não pode
representar mais de um resultado.
Resultados
𝜴
o
possíveis
et
_n
i m
qu
/j oa
br
.
fjf
.u
w
w
w
Ω = {(x, y ) ∈ R2 : x 2 + y 2 ≤ 1}.
Eventos
Quando se realiza um experimento, há certos eventos que ocorrem ou não. Por exemplo, ao
jogar um dado e observar o resultado, alguns eventos são:
observar um número par,
observar o número 2 e
observar um número maior ou igual a 4.
𝜴 𝜴
o
et
_n
𝑨 𝑨
im
qu
oa
r/j
.b
fjf
w
w
.u 𝑨𝒄
w
Definição clássica
#A número de elementos de A
P (A) = = .
#Ω número de elementos de Ω
o
1.0
et
●
_n
●
●
0.8
im
●
●
qu
●
●
0.6
●
●
●
●
●
●●●● ●
●●
●
●●●
●●
●
●●
●
●
●●
●
●
●
●●
●
●●
●
●●●
●●●
●●
●
●●
●
●●
●●●
●
● ●●●●● ● ● ●
●●●●● ● ● ● ● ●●● ●● ●
oa
●
●●
●
●
●
●
●●
●
●●
●
●
●
●●
●
●
●●
●
●
●
●●
●
●
●●
●
●
●
●●
●
●
●●
●
●
●●
●
●
●●
●
●
●●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●●
●
●
●●
●
●●
●
●●
●
●
●
●
●●
●
●
●●
●
●
●●
●●
●
●
●●
●●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●●
●
●
●●
●
●
●●
●
●
●●
●●
●
●
●●
●
●
●
●●
●
●●
●
●●
●●
●
●
●●
●
●●
●
●●
●●
● ●
●
●●
●
●●
●
●●
●
●●
●
●●
●●
●
●
●●●
●
●
●●
●●
●●
●
●
●●
●
●●
●
●●
●
●●
●●
●●
●
●●●●
●●
●
●
●●
●
●●
●
●●
●●●
●
●●●
●
●
●
●●
●
●
●●
●
●
●
●●
●
●
●
●
●●
●
●
●●
●
●●
●
●
●
●●
●
●
●●
●
●
●
●●
●
●
●●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●●
●
●●
●
●
●●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●
●
●●
●
●
●●
●
●●
●
●●
●●
●
●
●
●
●●
●
●●
●
●
●
●●
●
●
●●
●●
●
●●
●
●
●
●●
●
●
●●
●
●
●
●●
●
●
●
●●
●
●
●
●●
●
●●
●●
●●
●
●
●
●●
●●
●
●
●●
●
●●
●
●
●●
●
●●
●
●
●
●●
●●
●
●●
●
●●
●
●
●●
●
●
●
●●
●
●
●●
●
●●
●
●
●●
●●
●
●
●●
●
●
●●●
●
●
●●
●
●●
●
●
●
●●●
●
●
●●
●
●
●●
●●
●
●
●
●
●●
●
●●
●
●●
●●
●
●●
●
●●
●
●●
●●
●●
●●
●
●
●●●
●
●
●
●●●
●●
●
●
●
●●
●●
●●●
●
● ●
●
●●
●
●●
●
●●
●●
●
●●
●
●
●●
●
●●
●
●
●
●
●●
●●
●
●●
●
●●
●●
●
●
●●
●
●●
●
●
●
●●
●
●●
●
●●
●●●
●●
● ●
● ●●● ●●● ●
● ●
●
●
●●●
●●
●
●●●
●●●
● ●
0.4 ●
●●●
●
●●
r/j
●
●
●●
●
.b
●
●
0.2
●
fjf
●
.u
w
Número de realizações
w
Figura: Número de arremessos de uma moeda honesta versos proporções de coroas obtidas.
to
Proporções
Proporções
e
aq 0.0 0.8
0.8
_n
0.0
m
1 3 5 1 3 5
ui
Resultados Resultados
/jo
200 arremesos 1000 arremesos
r
.b
Proporções
Proporções
0.0 0.8
0.0 0.8
fjf
.u
w
1 3 5 1 3 5
w
Resultados Resultados
w
volume de A
P (A) = .
volume de Ω
Exemplo 5: O jogo de franc-carreau foi estudado pela primeira vez em 1733 pelo naturalista e
matemático francês Georges-Louis Leclerc e é apresentado por Badizé et al. (1996) como uma
proposição para introdução às probabilidades. O jogo consiste em lançar uma moeda em um
piso de azulejos de forma quadrada. Os jogadores então apostam se a moeda irá parar
completamente sobre um único azulejo, posição chamada “franc-carreau”, ou sobrepor algum
trecho do rejunte (junção dos azulejos). Em uma região com n azulejos de lado igual a b
centı́metros, qual é a probabilidade de uma moeda de raio r centı́metros parar em posição
“franc-carreau”?
Solução:
Conjuntos disjuntos 2 a 2
o
et
𝑨𝟏 𝑨𝟐
_n
im
𝑨𝟒
qu
oa
𝑨𝟓
.b
r/j 𝑨𝟑
fjf
.u
w
w
w
P(A) = {{3}, {5}, {7}, {3, 5}, {3, 7}, {5, 7}, {3, 5, 7}, ∅}.
Axiomas de probabilidade
Não vamos nos preocupar, doravante, com o problema de como definir probabilidade para cada
experimento. Simplesmente, vamos admitir que as probabilidades estão definidas em um certo
conjunto A 1 de eventos, chamados de eventos aleatórios. Vamos supor que a todo A ∈ A seja
associado um número real P(A), chamado de probabilidade de A, de modo que os axiomas a
seguir sejam satisfeitos.
Axioma 1: P(A) ≥ 0, ∀A ∈ A .
Axioma 2: P(Ω) = 1.
Axioma 3: Se A1 , A2 , ... ∈ A são disjuntos 2 a 2, então
∞ ∞
!
[ X
P An = P (An ).
n=1 n=1
1
Geralmente usamos A = P(Ω). Para saber mais sobre condições que A deve
satisfazer, consulte Barry (1981).
Joaquim Neto (UFJF) ICE - UFJF Versão 1.1 20 / 55
Introdução à probabilidade Espaço de probabilidade
Espaço de probabilidade
Definição 6: Um espaço de probabilidade é um trio (Ω, A , P), onde
Ω é um conjunto não vazio,
A é um conjunto de eventos aleatórios e
P é uma probabilidade em A .
e to
_n
m
ui
aq
r/jo
.b
fjf
.u
w
w
w
Resultados
Resultado 1: P(∅) = 0.
Prova:
n n
!
[ X
P Ai = P (Ai ).
i=1 i=1
Prova:
Resultado 3:
P(Ac ) = 1 − P(A), ∀A ∈ A .
Prova:
Resultado 4: ∀A, B ∈ A ,
A ⊂ B ⇒ P(A) ≤ P(B).
Prova:
Resultado 5:
0 ≤ P(A) ≤ 1, ∀A ∈ A
Prova:
Resultado 6: ∀A, B ∈ A ,
P(A ∩ B c ) = P(A) − P(A ∩ B).
Prova:
Prova:
n n
!
[ X
P Ai ≤ P (Ai ),
i=1 i=1
o
et
A B
_n
A B A B A B
m
ui
P -P
aq
=P +P
/jo
br
jf.
f
.u
w
w
w
Prova:
Prova:
Resultado 11: Supondo uma sequência A1 , A2 , ..., An de eventos aleatórios, temos que
n
X n
X
P (A1 ∪ A2 ∪ ... ∪ An ) = P (Ai ) − P Ai ∩ Aj
i=1 i<j=2
n
X
+ P Ai ∩ Aj ∩ Ar + ...
i<j<r =3
Prova:
Probabilidade condicional
Probabilidade condicional
P(A ∩ B)
P(A|B) = .
P(B)
OBS:
Se P(B) = 0, P(A|B) pode ser arbitrariamente definida. Mas, por independência, é
conveniente fazer P(A|B) = P(A), como veremos adiante.
Decorre da definição que P(A ∩ B) = P(B)P(A|B) e esta igualdade também é válida
quando P(B) = 0 (verifique!).
Exemplo 7: Suponhamos que uma fábrica possui 310 máquinas de soldar. Algumas destas
máquinas são elétricas (E), enquanto outras são manuais (M). Por outro lado, temos também
que algumas são novas (N) e outras são usadas (U). A tabela abaixo informa o número de
máquinas de cada categoria.
a) Sabendo que uma determinada peça foi soldada usando uma máquina nova, qual é a
probabilidade (clássica) de ter sido soldada por uma máquina elétrica?
b) Sabendo que uma determinada peça foi soldada usando uma máquina elétrica, qual é a
probabilidade (clássica) de ter sido soldada por uma máquina nova?
Solução:
Resultado 13: Uma probabilidade condicional dado um evento B qualquer é uma probabilidade.
Solução:
Teorema da Multiplicação
Partições
o
𝑨𝟐
et
_n
𝑨𝟏
im
qu
r/j
oa 𝑨𝟑
.b
fjf
𝑨𝟓 𝑨𝟒
.u
w
w
w
o
𝑨𝟐
et
_n
𝑨𝟏 𝑩
im
qu
𝑨𝟑
oa
r/j
.b
𝑨𝟓 fjf 𝑨𝟒
.u
w
w
w
Prova:
Exemplo 8: Um empresa produz circuitos em três fábricas, denotadas por I, II e III. A fábrica I
produz 40% dos circuitos, enquanto a II e a III produzem 30% cada uma. As probabilidades de
que um circuito produzido por essas fábricas não funcione são 0.01, 0.04 e 0.03
respectivamente. Escolhido ao acaso um circuito da produção conjunta das três fábricas, qual é
a probabilidade do circuito não funcionar?
Solução:
Teorema de Bayes
Teorema 3: Seja (Ω, A , P) um espaço de probabilidade. Se a sequência (finita ou enumerável)
A1 , A2 , ..., ∈ A formar uma partição de Ω, então
P(B|Ai ) P (Ai )
P (Ai |B) = P .
P B|Aj P Aj
j
o
𝑨𝟐
et
_n
𝑨𝟏 𝑩
im
qu
𝑨𝟑
oa
r/j
.b
𝑨𝟓 fjf 𝑨𝟒
.u
w
w
w
Prova:
Exemplo 9: Um empresa produz circuitos em três fábricas, denotadas por I, II e III. A fábrica I
produz 40% dos circuitos, enquanto a II e a III produzem 30% cada uma. As probabilidades de
que um circuito produzido por essas fábricas não funcione são 0.01, 0.04 e 0.03 respectivamente.
Um circuito é escolhido ao acaso da produção conjunta das três fábricas. Dado que o circuito
escolhido não funciona, qual é a probabilidade do circuito ter sido produzido pela fábrica I?
Solução:
Exemplo 10: Uma pessoa vai ao médico reclamando de dores. O médico acredita que o paciente
pode ter uma determinada doença. Ele então examina o paciente cuidadosamente, observa seus
sintomas e prescreve um exame laboratorial.
Seja θ uma quantidade desconhecida que indica se o paciente tem a doença ou não. Se ele
possui a doença então θ = 1, caso contrário θ = 0. O médico assume que P(θ = 1|H) = 0.6,
onde H representa toda a informação disponı́vel antes de saber o resultado do exame
laboratotial. Para simplificar, iremos omitir H fazendo P(θ = 1) = P(θ = 1|H) = 0.6.
Seja X uma variável aleatória associada ao resultado do exame laboratorial, de modo que X = 1
indica que o exame acusou a doença e X = 0 caso contrário. O exame fornece um resultado
incerto com as seguintes probabilidades
Dado que o exame acusou a doença (X = 1), qual é a probabilidade do paciente ter a doença?
Solução:
Exemplo 11: O problema de Monty Hall é um problema matemático que surgiu a partir de um
concurso televisivo dos Estados Unidos da América chamado Let’s Make a Deal, exibido na
década de 1970.
O jogo consiste no seguinte: Monty Hall (o apresentador) apresentava 3 portas aos
concorrentes, sabendo que atrás de uma delas está um carro (prêmio bom) e que as outras têm
prêmios de pouco valor.
1 Na 1a etapa o concorrente escolhe uma porta (que ainda não é aberta).
2 Em seguida, Monty abre uma das outras duas portas que o concorrente não escolheu,
sabendo que o carro não se encontra nela.
3 Agora, com duas portas apenas para escolher e sabendo que o carro está atrás de uma
delas, o concorrente tem que se decidir se permanece com a porta que escolheu no inı́cio
do jogo e abre-a ou se muda para a outra porta que ainda está fechada para então a abrir.
Qual é a estratégia mais lógica? Ficar com a porta escolhida inicialmente ou mudar de porta?
Com qual das duas portas ainda fechadas o concorrente tem mais probabilidades de ganhar? Por
que?
o
et
_n
im
qu
oa
r/j
.b
fjf
.u
w
w
w
Solução:
Exemplo 12: Recomenda-se que, a partir dos 40 anos, as mulheres façam mamografias anuais.
Nesta idade, 1% das mulheres são portadoras de um tumor assintomático de mama.
Seja θ uma quantidade desconhecida que indica se uma paciente (desta faixa etária) tem a
doença ou não. Se ela possui a doença então θ = 1, caso contrário θ = 0. Assim, podemos
assumir que
P(θ = 1) = 0.01 e P(θ = 0) = 0.99.
Sabe-se que a mamografia indica a doença em 80% das mulheres com câncer de mama, mas
esse mesmo resultado ocorre também com 9.6% das mulheres sem o câncer. Assim, seja X uma
variável aleatória associada ao resultado da mamografia, de modo que se X = 1 o exame acusou
a doença e X = 0 caso contrário. Temos então que
P(X = 1 | θ = 0) = 0.096
P(X = 1 | θ = 1) = 0.80
Imagine agora que você encontra uma amiga de 40 e poucos anos aos prantos, desesperada,
porque fez uma mamografia de rotina e o exame acusou a doença. Qual a probabilidade de ela
ter um câncer de mama?
P(X = 1 | θ = 1)P(θ = 1)
P(θ = 1 | X = 1) =
P(X = 1 | θ = 1)P(θ = 1) + P(X = 1 | θ = 0)P(θ = 0)
0.80 × 0.01
= = 0.07763975
0.80 × 0.01 + 0.096 × 0.99
Independência
P(A ∩ B) = P(A)P(B).
Assim, se dois eventos forem independentes, a ocorrência de um deles não afeta a probabilidade
de ocorrência do outro.
Exemplo 13: Consideremos novamente o experimento que consiste em escolher um ponto
aleatoriamente no cı́rculo de raio unitário (centrado na origem do sistema cartesiano de
coordenadas). Sejam A um evento formado pelos pontos que estão a menos de meia unidade de
distância da origem e B um evento formado pelos pontos que possuem primeira coordenada
maior que a segunda. Mostre que os eventos A e B são independentes.
Solução:
Agora, vejamos dois modos de definir independência para 2 ou mais eventos: a independência 2
a 2 e a independência mútua.
Definição 10: Seja {Ai : i ∈ I } uma coleção de eventos aleatórios indexada por um conjunto (de
ı́ndices) I . Os eventos desta coleção são ditos independentes 2 a 2 se
Definição 11: Seja B = {Ai : i ∈ I } uma coleção de eventos aleatórios indexada por um
conjunto (de ı́ndices) I . Os eventos desta coleção são (mutuamente) independentes se, para
toda subfamı́lia finita {Ai1 , Ai2 , ..., Ain } de eventos em B, tivermos
As duas definições de independência formuladas acima são parecidas, porém não são
equivalentes. O resultado a seguir estabelece que uma coleção de eventos (mutuamente)
independentes é necessariamente uma coleção de eventos independentes 2 a 2. Porém, a
recı́proca não é verdadeira, conforme veremos no exemplo 14.
Exemplo 14: Suponhamos um experimento que consiste em jogar dois dados. Considere os
eventos:
A = {o primeiro dado mostra um número par},
B = {o segundo dado mostra um número ı́mpar},
C = {ambos os dados mostram números ı́mpares ou ambos mostram números pares}.
a) Os eventos acima são independentes 2 a 2?
b) Os eventos acima são mutuamente independentes?
Solução:
Solução:
Fim!
(Barry, 1981) (Bussab and Morettin, 2005) (Meyer, 2000) (Degroot and
Schervish, 2001)