Probabilidades

Noções de
Probabilidades
 Probabilidades
Inicia-se por caracterizar os dois tipos de fenómenos existentes na natureza:

FENÓMENOS DETERMINÍSTICOS

 São aqueles que produzem sempre os mesmos resultados qualquer que seja o número de
ocorrências verificadas dos mesmos.

 Os modelos utilizados na sua investigação, são os modelos determinísticos:

determinam com bastante precisão os resultados de uma experiência ou fenómeno,
conhecidas as condições em que é realizada a experiência, ou em que condições ocorre o
fenómeno.

Exemplos:

 A medição da temperatura de entrada em ebulição da água (100ºc);

 O valor da velocidade de propagação do som (340 m/s), ou da luz;

 Determinado sólido que submetido à uma certa temperatura, passará para o estado
líquido.
FENÓMENOS ALEATÓRIOS
São aqueles cujos resultados não serão previsíveis
 Fenómenos ou acontecimentos influenciados pelo acaso

 Objecto de estudo na teoria das probabilidades

 Os modelos utilizados na sua investigação, são os modelos probabilísticos ou

não determinísticos: permitem predizer em termos probabilísticos resultados de
experimentos aleatórios.
EXEMPLOS DE EXPERIÊNCIAS ALEATÓRIAS:
 Lançamento de um dado

 Quando se observa o resultado do exame de um estudante escolhido ao acaso

 Determinação da vida útil de uma lâmpada.

 Determinação da vida útil de um componente eletrônico.

 Retirada de uma carta de um baralho com 52 cartas.

 Lançamento de uma moeda honesta.

 Lançamento de duas moedas, etc.

CARACTERÍSTICAS DE UMA EXPERIÊNCIA ALEATÓRIA

 Possibilidade de repetição da experiência em condições similares;

 Não se pode dizer à partida qual o resultado (fenómeno aleatório) da experiência a

realizar, mas pode descrever-se o conjunto de todos os resultados possíveis;

 A existência de regularidade quando a experiência é repetida inúmeras vezes.

Importante: É com base nesta última característica que se desenvolve toda uma
teoria e um conjunto de modelos probabilísticos que tendem a explicar os fenómenos
aleatórios e dar uma indicação da sua maior ou menor probabilidade de ocorrência.
Teoria das Probabilidades

A teoria das probabilidades busca estimar as chances de

ocorrer um determinado acontecimento. É um ramo da
matemática que cria, elabora e pesquisa modelos para
estudar experiências ou fenômenos aleatórios.
ESPAÇO AMOSTRAL OU ESPAÇO DE RESULTADOS

 É o conjunto de todos os resultados possíveis de uma experiência aleatória;

 Seus elementos são chamados de pontos amostrais ;

 O espaço de resultados representa-se por Ω (letra grega ômega).

Exemplos de espaços amostrais:

◦ Lançamento de uma moeda honesta
Ω = {cara,coroa};
◦ Lançamento de um dado
Ω = {1,2,3,4,5,6};
◦ Lançamento de duas moedas
Ω = {(cara,coroa), (cara,cara), (coroa,cara), (coroa,coroa) };
◦ Medição da resistência de uma mola de suspenção de uma viatura
Ω = 𝑅+
ESPAÇO AMOSTRAL OU ESPAÇO DE RESULTADOS

O ESPAÇO AMOSTRAL pode ser:

 Discreto – quando o nº de elementos do Ω for finito ou infinito numerável.

 Contínuo – quando é composto por um nº infinito não numerável de elementos.

 Quantitativo

 Qualitativo, conforme a natureza dos elementos que o compõe.

 ESPAÇO AMOSTRAL OU ESPAÇO DE RESULTADOS

INDICAÇÃO DOS ELEMENTOS DE Ω

 Pela enumeração de todos os elementos que o compõe (quando são em nº finito,

evidentemente) – Definição por extenção.

 Exemplo: Experiência Aleatória : “Lançamento de um dado”

Ω   1, 2, 3, 4, 5, 6 
 Pela descrição abreviada desses elementos – Definição por compreesão.

 Exemplo: Experiência Aleatória : “Determinação da vida útil de um componente

electrônico”
  t  R : t  0 
DETERMINAÇÃO DO ESPAÇO AMOSTRAL

 Tabela de Dupla Entrada

 Diagrama em Árvore
EVENTO OU ACONTECIMENTO ALEATÓRIO

Para definir o conceito de acontecimento aleatório, consideraremos:

EXPERIÊNCIA ALEATÓRIA : ”Lançamento de um dado”
Ω   1, 2, 3, 4, 5, 6 
Sendo o (espaço de resultados) um conjunto, é possível formar subconjuntos dos seus
elementos, como por exemplo:

A 2  ; B   1, 3, 5  ; C   3, 6 

Cujo significado é respectivamente:

 A: Saída de face 2
 B: Saída de face ímpar
 C: Saída de face divisível por 3.

DEFINIÇÃO: A, B e C são subconjuntos de Ω, Simultaneamente conjuntos de

resultados possíveis da experiência aleatória. Designam-se por acontecimentos ou
eventos aleatórios.
 CLASSIFICAÇÃO DE EVENTOS ALEATÓRIOS

O evento  a   EVENTO ELEMENTAR – Para que este evento se realize, basta que
ocorra somente um resultado específico da experiência aleatória. Ex: A   2 

EVENTO COMPLEXO OU COMPOSTO – Aquele cuja realização implica a ocorrência

de um resultado da experiência aleatória, qualquer um de entre os vários possíveis para
aquele acontecimento.

Ex: B   1, 3, 5 
OS ACONTECIMENTOS podem ainda ser CLASSIFICADOS em:

 CERTOS OU SEGUROS: (O próprio espaço amostral);

 POSSÍVEIS: dependendo das condições em que a experiência é realizada;

 IMPOSSÍVEIS: Ø – não existe qualquer resultado que torne viável a sua realização; O
conjunto que o define é o vazio.
 Classe dos Eventos Aleatórios
É o conjunto formado por todos os eventos (subconjuntos) do espaço amostral.
Exemplo:
Consideremos o espaço amostral finito Ω = {e1, e2, e3, e4}

 
e , e , e , e  
 1 2 3 4 
F    e1 , e2 , e1 , e3 , e1 , e4 , e2 , e3 , e2 , e4 , e3 , e4 
e , e , e , e , e , e , e , e , e , e , e , e  
 1 2 3 1 2 4 1 3 4 2 3 4

e1 , e2 , e3 , e4  
OPERAÇÕES COM EVENTOS ALEATORIOS (Álgebra dos
acontecimentos)

O Diagrama de Venn é de extrema utilidade na representação dos eventos:

 O conjunto universal (ou universo) é identificado como o espaço amostral da

experiência.

 E cada evento A por uma região interior à Ω.

 O diagrama de Venn pode ser também utilizado para representar de forma

simplificada e sugestiva as operações que se definem sobre os eventos:

REUNIÃO (ou soma lógica)

INTERSECÇÃO (ou produto lógico)

DIFERENÇA.
OPERAÇÕES COM EVENTOS ALEATORIOS (Álgebra dos
acontecimentos)

Considerando um espaço amostral finito: Ω = 𝑒1, 𝑒2, 𝑒3, … , 𝑒n e sendo A e B dois

eventos, são definidas as seguintes operações:

✔ REUNIÃO DE EVENTOS

No diagrama de Venn a reunião de A com B pode representar-se da seguinte forma:

Com esta operação define-se um novo evento, união de A com B, ou soma lógica de A
com B, simbolicamente representado por  A B  , traduzido por:

 A  B   e  : e  A  e  B , i  1,2,...,n.
i i i

Esse novo evento terá como elementos, pontos amostrais que pertencem à pelo
menos um dos eventos.
OBS. Dada uma sucessão infinita de acontecimentos A1, A2,…, An,…, define-se a sua

união i1 Ai como sendo o evento que ocorrerá se e somente se ocorrer pelo menos
um dos eventos Ai.
OPERAÇÕES COM EVENTOS ALEATORIOS (Álgebra dos
acontecimentos)
✔ INTERSEÇÃO DE EVENTOS

No diagrama de Venn a interseção de A com B pode representar-se da seguinte forma:

Com esta operação define-se um novo evento, interseção de A com B, ou produto

lógico de A com B, simbolicamente representado por  A  B  , traduzido por:
 A  B   e  : e  A  e  B , i  1,2,...,n.
i i i

Esse novo evento terá como elementos, pontos amostrais que pertencem
simultaneamente aos eventos A e B.

OBS. Dada uma sucessão infinita de acontecimentos A1, A2,…, An,…, define-se a sua


interseção i 1
Ai como sendo o evento que se realiza sse, ocorrerem todos os eventos Ai.
OPERAÇÕES COM EVENTOS ALEATORIOS (Álgebra dos
acontecimentos)

Os eventos A , B e C dizem-se:
 Disjuntos (mutuamente exclusívos ou incompatíveis) – sse 𝐴 ∩ 𝐵 ∩ 𝐶 = ∅ , i.e.,
Se a realização simultânea de A , B e C for impossível;

𝐴∩𝐵∩𝐶 =∅
OPERAÇÕES COM EVENTOS ALEATORIOS (Álgebra dos
acontecimentos)

✔DIFERENCA DE EVENTOS
A diferença de dois eventos A e B, ou evento diferença, simbolicamente representada
por A  B  ou A \ B   é o evento que se realiza quando ocorre A mas não B.

Será o evento constituído por todos os elementos de A que simultaneamente não

pertencem à B, traduzido por:
A  B  A \ B  ei  : ei  A  ei  B
DIAGRAMATICAMENTE:
OPERAÇÕES COM EVENTOS ALEATORIOS (Álgebra dos
acontecimentos)

CASO PARTICULAR:
No caso particular da diferença de dois eventos em que um dos eventos é o próprio
espaço de resultados Ω → evento certo ou seguro, o evento diferença denomina-se
COMPLEMENTAÇÃO;
O complementar de qualquer evento A, representa-se por A e é o evento que ocorre
quando não ocorre A:
  A  A  ei  : ei  A
DIAGRAMATICAMENTE:
 PROPRIEDADES DAS OPERAÇÕES COM EVENTOS

Também são complementares: ;  ;  A  A

PARTIÇÃO DO ESPAÇO AMOSTRAL

Definição: dizemos que os eventos A1, A2 ,..., An formam uma partição do espaço
amostral Ω se:

𝐴1 𝐴4
𝐴3

𝐴2
𝐴𝑛

Ai   i  1,... n Os eventos não podem ser impossíveis.

Ai  Aj  , para i  j
Ou seja os eventos são dois à dois mutuamente exclusivos (não podem ocorrer
simultaneamente numa mesma realização de uma experiência aleatória.
n

Ai   A união de “n” eventos mutuamente exclusivos é o próprio espaço amostral

i 1
Ω. Diz-se que os eventos são mutuamente exclusivos e exaustivos ou que formam uma
partição de Ω.
CONCEITO DE PROBABILIDADE: interpretações clássica,
frequêncista, subjectivista e axiomática.

Definição Clássica de Probabilidades

Dado uma experiência aleatória, sendo Ω o seu espaço amostral, vamos admitir que
todos os elementos de Ω tenham a mesma chance de acontecer, ou seja, que Ω é um
conjunto equiprovável.
Definimos a probabilidade um evento A,  A    como o número real P (A), tal que:

número de resultados favoráveis a A n A

P  A  
número de resultados possíveis n 
CONCEITO DE PROBABILIDADE: interpretações clássica,
frequêncista, subjectivista e axiomática.

Definição Clássica de Probabilidades

 Exemplo

◦ Lança-se um dado, pede-se

◦ A probabilidade de o evento A: “obter um número par na face superior”.

◦ Temos:
  1, 2, 3, 4, 5, 6  n   6

A  2, 4, 6  n A  3

Logo, P A 
3 1

6 2
CONCEITO DE PROBABILIDADE: interpretações clássica,
frequêncista, subjectivista e axiomática.
Segundo esta definição a probabilidade de um evento A qualquer é o limite para o qual
tende a frequência relativa, quando a experiência é repetida indefinidamente nas
mesmas condições.

Se em “n” realizações de uma experiência, o evento A se verificou “s” vezes, diz-se que
s
a frequência relativa de A nas n realizações é: f A  , sendo f A a frequência relativa
n
do evento A.

Ao número para o qual tende a frequência relativa f A , quando se aumenta o número

de provas, chama-se probabilidade do evento A: P  A  lim f A
n

Isto equivale a aceitar que numa sucessão numerosa da experiência é praticamente

certo que a frequência relativa de A seja aproximadamente igual a P  A .
EXEMPLO:
Consideremos a seguinte tabela relativa ao lançamento de uma moeda:
N° de Lançamentos 20 30 40 50 60 70 80 90 100
N° de vezes que saiu a face “cara” 14 12 25 19 30 39 48 42 49

Frequência relativa do evento: sair a face 0,7 0,4 0,62 0,38 0,5 0,56 0,6 0,47 0,49
“cara”
CONCEITO DE PROBABILIDADE: interpretações clássica,
frequêncista, subjectivista e axiomática.

DEFINICAO SUBJECTIVISTA OU PERSONALISTA

A probabilidade de um evento é dada pelo grau de credibilidade ou de confiança que
cada pessoa dá à realização de um evento.

Baseia-se na:

Informação quantitativa (frequência de ocorrência de um evento) e/ou qualitativa

(informação sobre experiência passada em situações semelhantes) que a pessoa possui
sobre o evento em causa.

DEFINIÇÃO AXIOMÁTICA
Modernamente, adopta-se uma definição axiomática para a probabilidade. Isto significa
que as probabilidades dos eventos podem ser perfeitamente arbitrárias, excepto que
devem satisfazer certos axiomas. Portanto as probabilidades serão definidas com base
num conjunto de regras ou axiomas.
 AXIOMÁTICA DE KOLMOGOROV

Função de Probabilidade

Definição → é a função “P” que associa à cada evento de F (conjunto formado por todos os
eventos, subconjuntos do Ω), um n° real pertencente ao intervalo 0,1 satisfazendo aos axiomas:

AXIOMA 1

P     1 A probabilidade associada ao evento certo ( Ω ) é igual à unidade.

AXIOMA 2

P  A  B   P  A  P  B  Se A e B forem mutuamente exclusivos.

AXIOMA 3

Se A1 , A2 ,..., An são eventos mutuamente exclusivos, então:

P  A1  A2  ....  An   P  A1   P  A2   ...  P  An  . Ou seja,

 
P A 
n n

P  Ai   i
 i 1  i 1

OBS. Observamos pela definição que 0  P  A  1 , para todo o evento A, A   .

TEOREMAS DA PROBABILIDADE

TEOREMA 1

P A  1
n

i
i 1

TEOREMA 2

Se  é o evento impossível, então P   0

Obs. A recíproca não é verdadeira, pois o facto de P  A  0 não implica que A seja
impossível.

TEOREMA 3

Teorema do evento complementar

Para todo o evento A  

P  A  P  A   1  P  A   1  P  A  .
TEOREMAS DA PROBABILIDADE

TEOREMA 4
Teorema da soma
Sejam A   e B   . Então P  A  B   P  A  P  B   P  A  B  .

Se A B  então P  A  B  0 porque P     0 , e neste caso é valido o axioma 2.

TEOREMA 5

Para A   e B   temos : P A  B   P A  PB 

TEOREMA 6

 n  n
P  Ai    P Ai 
 i 1  i 1
CÁLCULO DE PROBABILIDADES EM ESPAÇOS AMOSTRAIS FINITOS →
EVENTOS EQUIPROVÁVEIS

Consideremos o espaço amostral =e1 , e2 , e3 ,   , en 

associado a uma experiência aleatória. Chamemos :

P  ei   Pi , i  1,2,..., n.

 P e    P  1
n n

Igualdade 1: Temos : i i
i 1 i 1

DEFINIÇÃO: Os eventos ei , i=1, 2, …, n são equiprováveis quando, P  e1   P  e2   ...  P  en   P

Isto é, quando todos têm a mesma probabilidade de ocorrer.
A igualdade1 fica:

 P  n * P  1 P  n
n
1
i 1

Logo, se os “n” pontos amostrais (eventos) são equiprováveis, a probabilidade de cada um

dos pontos amostrais é 1 .
n
CÁLCULO DE PROBABILIDADES EM ESPAÇOS AMOSTRAIS
FINITOS → EVENTOS EQUIPROVÁVEIS

 CALCULO DA PROBABILIDADE DE UM EVENTO A   , supondo que

A tenha K pontos amostrais: A  e1 , e2 , e3 ,   , ek ; 1  k  n

 
k k
1
P  A  P  ei   P  k *P  k *
i 1 i 1
n

k
P  A 
n

Sendo:
K= nº de elementos de A;

n = nº de elementos do 
PROBABILIDADE CONDICIONAL

Sejam A   e B  

Por definição: A probabilidade condicional (ou probabilidade condicionada)

de A dado que B ocorre, (A/B) é dada por:

P  A  B
P  A / B  , Se P  B   0
P  B

Também se pode calcular:

P  A  B
P  B / A  , Se P  A   0
P  A
TEOREMA DO PRODUTO OU PROBABILIDADE DA
INTERSECÇÃO DE ACONTECIMENTOS

De acordo com a definição de probabilidade condicional resulta que:

P  A  B   P  A / B  * P  B  ou P  A  B   P  B / A * P  A

Ou seja a partir da definição de probabilidade condicional, poderemos

enunciar o teorema do produto:

“A probabilidade de ocorrência simultânea de dois eventos A e B, do mesmo

espaço amostral, é igual ao produto da probabilidade de um deles pela
probabilidade condicional do outro dado o primeiro”.
EVENTOS INDEPENDENTES

P  A / B   P  A ou se P  B / A  P  B 
Dois eventos A e B dizem-se independentes se e só se a seguinte condição for
verificada:

P  A  B   P  A * P  B 
Generalizando o conceito de eventos independentes:
P  Ai  Aj   P  Ai  * P  Aj   i, j  1,2,... n, com i  j
P  Ai  Aj  Ak   P  Ai  * P  Aj  * P  Ak 
 i, j , k  1,2,..., n, com i  j, i  k , j  k
...
 
 P A 
n n

P Ai   i
 i 1  i 1

OBS. Se A e B são mutuamente exclusivos, então A e B são dependentes, pois

se A ocorre, B não ocorre, isto é, a ocorrência de um evento condiciona a não

ocorrência do outro.
Resumindo

 Na regra da probabilidade da reunião de acontecimentos, a palavra

“ou” em P(A ou B) sugere adição. Adicione P(A) e P(B), mas de tal
forma a que cada acontecimento seja considerado apenas uma vez.

 Na regra da probabilidade condicional, a palavra “e” em P(A e B)

sugere multiplicação. Multiplique P(A) e P(B), mas certifique-se de
que a probabilidade do acontecimento B tem em conta o facto de
que o acontecimento A já ocorreu.
Exemplo

Determine a probabilidade de um casal com 3

filhos ter pelo menos uma menina. Considere que
a probabilidade de nascer menina é a mesma do
que a probabilidade de nascer rapaz e que o sexo
de uma criança é independente do sexo dos
irmãos.
Exemplo: resolução

• A =“o casal ter pelo menos uma menina, de entre os 3 filhos”.

 Identifique o acontecimento complementar de A. A = “o casal não ter pelo

menos uma menina, de entre os 3 filhos” = “os 3 filhos são rapazes”= “rapaz e
rapaz e rapaz”

 Determine a probabilidade do complementar: PA  = P(rapaz e rapaz e rapaz) =

0.5 x 0.5 x 0.5 = 0.125 (porque os acontecimentos são independentes a
probabilidade conjunta é o produto das probabilidades individuais)

 Determine a probabilidade de A

P(A) = 1- PA  = 1- 0.125 = 0.875

Exemplo:
Exemplo:

Seja X o número de filhas (raparigas) de um casal

com 4 filhos. Consideremos que a probabilidade de
nascer menina é igual à de nascer menino e que
cada nascimento é independente dos restantes.

 X é uma variável aleatória que pode assumir os

valores 0, 1, 2, 3 e 4.
Exemplo:

Consideremos a experiência aleatória que consiste

em tirar ao acaso uma carta de um baralho de 52
cartas. Seja A o acontecimento “saída de copa” e
B o acontecimento “saída de figura”.

São A e B acontecimentos independentes?

 São independentes se

P ( A  B )  P ( A)  P ( B )

3 13
P ( A  B )  P ( B / A)  P ( A)  
13 52

13 12 156 3
P ( A)  P ( B )    
52 52 2704 52
 Teorema de Bayes
Suponha que os eventos A1, A2, . . . , An formam uma
partição de um espaço amostral Ω; ou seja, os eventos Ai
são mutuamente exclusivos e sua união é Ω. Seja B um
evento qualquer, temos:
 Teorema de Bayes
 Conhecemos as probabilidades P(Ai) e P(B/Ai)
 Sabemos que, para qualquer i, a probabilidade condicional
de Ai dado B, é definida como:
P( Ai  B) P( Ai )  P( B / Ai )
P( Ai / B)  
P( B) P( B)
 Temos que calcular P(B), como
B    B  ( A1  A2    An )  B  ( A1  B)  ( A2  B)    ( An  B) e Ai  B
 são também mutuamente exclusivos, então:
P( B)  P( A1  B)  P( A2  B)    P( An  B) 
 P( A1 )  P( B / A1 )  P( A2 )  P( B / A2 )    P( An )  P( B / An )

OBS: A equação de P(B) é conhecida como o Teorema da

Probabilidade Total.
 P( Ai )  P( B / Ai )
P( Ai / B) 
P( A1 )  P( B / A1 )  P( A2 )  P( B / A2 )   P( An )  P( B / An )
ou
P( Ai )  P( B / Ai )
P( Ai / B)  n

 P( A )  P( B / A )
i 1
i i
Exemplo:
Uma rede local de computadores é composta por um servidor e cinco
clientes (A, B, C, D, E). Registros anteriores indicam que dos pedidos
de determinado tipo de processamento, realizados através de uma
consulta, cerca de 10% vêm do cliente A, 15% do B, 15% do C, 40%
do D e 20% do E. Se o pedido não for feito de forma adequada, o
processamento apresentará erro. Usualmente, ocorrem os seguintes
percentuais de pedidos inadequados: 1% do cliente A, 2% do cliente B,
0,5% do cliente C, 2% do cliente D e 8% do cliente E.

a) Qual é a probabilidade de o sistema apresentar erro?

b) Qual é a probabilidade de que o processo tenha sido pedido pelo

cliente E, sabendo que apresentou erro?
 Exemplo: Solução
 Dados:
 a)

10 15 15 40 20
P( A)  P( B)  P(C )  P( D)  P( E ) 
100 100 100 100 100

PEr A  PEr B   PEr C   PEr D   PEr E  

1 2 0,5 2 8
100 100 100 100 100

 b)
PEr   P A  PEr A  PB   PEr B   PC   PEr C   PD   PEr D   PE   PEr E 
10 1 15 2 15 0,5 40 2 20 8 287,5
PEr              0,02875
100 100 100 100 100 100 100 100 100 100 10000

20 8 160

PE  Er  PE   PEr E  100 100 10000 160
PE Er        0,5565
PEr  PEr  287,5 287,5 287,5
10000 10000