Escolar Documentos
Profissional Documentos
Cultura Documentos
TEORIA DE
PROBABILIDADES
O m eu m uito obrigado a todos aqueles que sintam que esta sebenta
os ajudou a ultrapassar as suas dificuldades.
1
Índice
Conceito 3
Introdução 5
Experiência Aleatória 7
Espaço Amostral 8
Noção de acontecimento 9
Tipos de Acontecimentos 10
Noção de probabilidade 11
Exercícios de axiomática 19
Lei de Laplace 22
Exercícios 23
2
Conceito
Ramo da Matemática que visa a formulação de modelos teóricos, abstratos, para o tratamento
matemático da ocorrência (ou não ocorrência) de fenómenos aleatórios; em termos sucintos,
pode caracterizar-se como a Matemática do acaso, da incerteza.
3
História de Probabilidade
Curiosidade histórica
Quis o acaso que o Cavaleiro de Méré e Pascal se encontrassem durante uma viagem à
cidade de Poitou.
A propósito do problema colocado pelo jogador De Méré a Pascal, iniciou-se uma troca de
correspondência entre Pascal e o matemático Pierre Fermat, que se tornou histórica.
As suas cartas contendo as reflexões de ambos sobre a resolução de certos problemas de
jogos de azar, são considerados os documentos fundadores da Teoria das Probabilidades.
4
Introdução
Todos os dias somos confrontados com situações, que nos conduzem à utilização, intuitiva, da
noção de probabilidade:
• quando olhamos para o céu e vemos nuvens, dizemos que vai chover, porque a
experiências anteriores dizem-nos que em situações idênticas é habitual chover;
• quando um doente é tratado com um novo medicamento pode ficar curado ou não;
Cada uma destas situações pode ser considerada um fenómeno aleatório, por oposição aos
fenómenos determinísticos, cujos resultados se conseguem prever.
5
Por outro lado, a Estatística foi desenvolvida para interpretar corretamente os resultados de
análises estatísticas , utilizando, para tal, alguns conceitos probabilísticos.
Esta situação surge quando pretendemos fazer Inferência Estatística, isto é, quando
pretendemos tirar conclusões acerca de um grande conjunto de indivíduos, baseando-nos num
número restrito desses indivíduos. Foi neste contexto que foram definidos os conceitos de
População e Amostra nesse módulo.
6
Conceitos Básicos
Experiência Aleatória
A uma característica comum, que assume valores diferentes de indivíduo para indivíduo,
chamamos variável.
Como refere Moore (1996) "aleatório" no vocabulário da Estatística, não significa "acidental",
mas refere-se a uma espécie de ordem que emerge só ao fim de um grande número de
repetições (in the long run...).
7
Considera a experiência que consiste em lançar um dado
• em cada lançamento do dado não sabemos qual a face que vai sair;
• por outro lado, se repetirmos o lançamento do dado "muitas" vezes a experiência, e após cada
lançamento calcularmos as frequências relativas da saída de cada face, verificamos
que as frequências frequência relativa de cada possível resultado começam a estabilizar.
1. Na experiência aleatória que consiste em lançar o dado e verificar a face que fica voltada
para cima, tem-se:
S={1,2,3,4,5,6}
8
2. Na experiência aleatória que consiste em lançar dois dados e verificar as faces que ficam
voltadas para cima, tem-se:
S = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3),
(3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3), (5,4), (5,5), (5,6) (6,1),
(6,2), (6,3), (6,4), (6,5), (6,6)}
3. Na experiência aleatória que consiste em lançar dois dados e verificar a soma das faces que
ficam voltadas para cima, tem-se:
É necessário explicitar o que é que se pretende observar, para que o espaço de resultados
fique perfeitamente identificado.
9
Considera a experiência aleatória que consiste em lançar um dado e verificar a face que fica
voltada para cima.
Então A = {2,4,6}
Tipos de acontecimentos
10
• Acontecimentos contrários: A e B dizem-se acontecimentos contrários se e só se A e B
são incompatíveis (A∩B = 𝜙 ) e A ∪B é o acontecimento certo (A ∪B = Ω).
Noção de Probabilidade
A Probabilidade, sendo uma noção primitiva, é muito difícil de definir. Utilizamos a noção de
Probabilidade no dia-a-dia, nas mais variadas situações, para exprimir uma medida de
"credibilidade" ou "grau de convicção" na observação do acontecimento, antes da realização
da experiência aleatória.
Assim, o mais comum é recorrer à frequência relativa com que o acontecimento se observa
num grande número de realizações da experiência, para definir a sua Probabilidade.
11
Lançamento de uma moeda
Do mesmo modo que para o dado, também, no lançamento de uma moeda, não existe
nenhum padrão para a frequência relativa da saída de cada face nos lançamentos iniciais.
EEEEENENE
Não!
ENNENNENE
No entanto, o que se verifica na prática, é que à medida que este número de lançamentos
aumenta, a frequência relativa com que se verifica a face euro começa a estabilizar,
normalmente à volta de 50%.
- Buffon, cientista francês (1707 - 1788) lançou uma moeda 4 040 vezes, tendo obtido 2 048
caras, ou seja uma frequência relativa para a saída de cara de 0.5069;
- por volta de 1900, o estatístico inglês Karl Pearson lançou uma moeda 24 000 vezes. Obteve
12 012 caras, ou seja, 0.5005 para a frequência relativa da saída de cara;
- durante a 2ª guerra mundial, enquanto prisioneiro dos alemães, o matemático inglês John
Kerrich lançou uma moeda 10 000 vezes, tendo obtido 5 067 caras, ou seja uma frequência
relativa de 0.5067 para a saída de cara.
12
Chamamos a atenção, ainda relativamente ao exemplo da moeda, para o seguinte: não é
correto dizer que à medida que o número de lançamentos aumenta, o número de caras se
aproxima de metade do número de lançamentos.
A regularidade a longo termo significa que a proporção de vezes que saiu cara tende a
estabilizar.
100 49 50 1 0.49
Como se verifica, pode acontecer que o número de caras obtidas se afaste de metade do
número de lançamentos, não impedindo que a frequência relativa tenha tendência a estabilizar
à volta do valor 0.50.
Lançamento de um dado
Repara que nos primeiros 5, 10 ou 15 lançamentos, não se consegue definir um padrão para a
frequência relativa da saída de cada face, mas à medida que o número de lançamentos
aumenta, essa frequência relativa começa a estabilizar.
Por exemplo, pode acontecer que ao lançar o dado 10 vezes a frequência relativa com que se
verifica alguma das faces seja nula.
13
No entanto, se continuar a lançar o dado, ao fim de muitos lançamentos as frequências
relativas com que se verificam as 6 faces são aproximadamente iguais (estamos a pensar num
dado em que se admite que em qualquer lançamento cada face tem igual possibilidade de
sair).
14
Sugere-se este modelo na presunção de que seria este o comportamento da frequência
relativa dos acontecimentos elementares associados à realização do fenómeno aleatório em
estudo.
A ideia de observar o fenómeno um grande número de vezes é irrelevante, quando não existe
possibilidade de o repetir em circunstâncias semelhantes. Temos então a possibilidade de
interpretar a probabilidade como o grau de confiança ou credibilidade que atribuímos à
observação de determinado acontecimento associado com a realização de um fenómeno
aleatório.
Podemos, por exemplo, apostar num determinado cavalo de corrida e quanto maior for a
confiança no cavalo, maior será a probabilidade que atribuímos ao acontecimento "o
cavalo vai ganhar a corrida" associado à experiência aleatória, que consiste em verificar o
que é que acontece quando o cavalo participa numa corrida. Uma outra pessoa pode
apostar no mesmo cavalo, mas atribuindo ao mesmo acontecimento uma probabilidade
menor, se a sua credibilidade na capacidade do cavalo não for tão grande.
Vamos admitir, para já, que pretendemos estudar um fenómeno aleatório cujo espaço de
resultados tenha um número finito de resultados. A construção de um modelo para este
fenómeno compreende duas fases:
A escolha deste conjunto de números pode ser feita de forma a obtermos um conjunto de
números consistentes com a nossa intuição sobre os valores que iríamos obter para as
frequências relativas dos resultados obtidos, se repetíssemos o fenómeno um número
suficientemente grande de vezes (como vimos na interpretação frequencista de
probabilidade).
Uma teoria axiomática tem como ponto de partida um conjunto de afirmações quenão se
demonstram (os axiomas). À custa destes axiomas demonstram-se os teoremas.
Logicamente que, teoremas já demonstrados podem ser utilizados, em conjunto com os
axiomas, na demonstração de novos teoremas.
Axiomática de Probabilidades
Axioma 2: 𝑝(𝛺) = 1
16
Demonstração de alguns Teoremas:
Teorema 1: 𝑝( 𝐴 ) = 1 − 𝑝(𝐴)
Demonstração:
Teorema2 : 𝑝(𝜙) = 0
Demonstração:
Teorema 3 : 𝑝 ( 𝐴 ) = 𝑝 ( 𝐴 ∩ 𝐵 ) + 𝑝 (𝐴 ∩ 𝐵 )
Demonstração:
Sabendo que 𝐴 = 𝐴 ∩ 𝛺 = 𝐴 ∩ (𝐵 ∪ 𝐵) = (𝐴 ∩ 𝐵) ∪ (𝐴 ∩ 𝐵)
e que
(𝐴 ∩ 𝐵) ∩ (𝐴 ∩ 𝐵) = (𝐴 ∩ 𝐴) ∩ (𝐵 ∩ 𝐵) = 𝐴 ∩ 𝜙 = 𝜙 ,
𝑝 (𝐴 \ 𝐵) = 𝑝 (𝐴 ∩ 𝐵) = 𝑝 (𝐴) − 𝑝 (𝐴 ∩ 𝐵)
17
Teorema 4 : p(A∪B)= p(A)+ p(B)− p(A∩B)
Demonstração:
logo
Demonstração:
Se 𝐵 ⊆ 𝐴 então 𝐴 ∩ 𝐵 = 𝐵.
Demonstração:
18
Teorema 7: Seja 𝛺 = {𝑥1 ; 𝑥2 ; . . . ; 𝑥𝑛} o espaço amostral de uma experiência aleatória, temos
que
Demonstração:
como {𝑥1 }, {𝑥2 }, . . . , {𝑥𝑛 } são os 𝑛 acontecimentos elementares da experiência aleatória, que
são incompatíveis entre si 2 a 2.
Teorema 8: Seja 𝛺 = {𝑥1 ; 𝑥2 ; . . . ; 𝑥𝑛} o espaço amostral de uma experiência aleatória com 𝒏
resultados possíveis.
Demonstração:
𝑝 𝑥1 = 𝑝 𝑥2 =. . . = 𝑝 𝑥𝑛 = 𝑝, 𝑐𝑜𝑚 𝑝 > 0
então
1
𝑝 𝑥1 + 𝑝 𝑥2 +. . . + 𝑝 𝑥𝑛 = 1 ⟺ 𝑝 +⋯+𝑝 = 1 ⟺ 𝑛 ×𝑝 = 1 ⟺ 𝑝 =
𝑛
! !"#"$
19
Exercícios de axiomática
1. Seja Ω o conjunto de resultados associados a uma certa experiência aleatória. Sejam três
acontecimentos (A, B e C são, portanto, subconjunto de Ω ).
Prova que:
e) 𝑝(𝐴 ∪ 𝐵) + 𝑝(𝐴 ∩ 𝐵) = 1
𝑝 𝐴
𝑝 𝐶 =
2
a) Qual a probabilidade de A, B e C.
b) Calcula 𝑝 𝐶
20
3. Sejam A e B dois acontecimentos de uma experiência aleatória.
Calcula:
1 1
𝑝 𝑋 = , 𝑝 𝑋 ∪ 𝑌 = 𝑒 𝑝(𝑌) = 𝑘
4 3
a) X e Y são incompatíveis
b) 𝑋 ⊂ 𝑌
Determina 𝑝(𝐵).
21
7. Sejam A e B dois acontecimentos de um espaço Ω , tais que:
3 1 1
𝑝 𝐴 = 𝑝 𝐵 = 𝑝(𝐴 ∪ 𝐵) =
4 3 6
a) 𝑝(𝐴 ∪ 𝐵)
b) 𝑝(𝐴 ∩ 𝐵)
9. Supõem que, num saco, existem algumas bolas numeradas. Admite que, ao retirarmos, ao
acaso, uma bola do saco, se tem:
10. Nos jogos de futebol entre a equipa X e a equipa Y, a estatística revela que:
Qual é a probabilidade de, num jogo entre as equipas X e Y, não se marcarem golos?
22
Lei de Laplace
23
Exercícios
1. De uma caixa que contém 6 bolas vermelhas e 3 verdes tiraram-se simultaneamente 2 bolas.
Determina a probabilidade de que:
A Direção decidiu formar uma comissão para se fazer representar numa reunião do Concelho
Executivo.
2.1. Se a comissão for formada por um aluno do 10º ano, dois alunos do 11º ano e dois alunos
do 12º ano, quantas comissões diferentes é possível formar?
2.2. Sabendo que os cinco elementos da comissão são selecionados ao acaso, determina a
probabilidade dos dois alunos do 10º ano serem selecionados.
24
3.3. O Dr. Vítor e a Dra. Augusta fazem parte do grupo de professores de Matemática da
escola.
Pretende-se formar uma comissão para representar a turma numa reunião com o vereador da
Cultura da Câmara Municipal.
4.2. No final da reunião os cinco elementos da comissão e o vereador posaram para uma
fotografia, colocando-se uns ao lado dos outros.
25
5. O Ramos comprou vários livros para ler em férias: 5 são livros técnicos; 2 são romance e 3
são policiais Quando decidiu fazer a mala para ir de férias selecionou apenas cinco livros que
tinha comprado.
5.1. De quantas maneiras pode fazer a seleção se decidiu levar 2 livros técnicos, 1 romance e 2
policiais?
5.2. Admite, agora, que o Ramos já está em férias e que vai colocar os livros na mesa do
quarto do Hotel, uns em cima dos outros de forma aleatória.
6. Um saco contém seis bolas, indistinguíveis ao tato, sendo três vermelhas, duas amarelas e
uma cor de-laranja.
Retirando ao acaso três bolas do saco, qual é a probabilidade de saírem duas bolas da mesma
cor e uma de cor diferente, admitindo que:
7. Numa turma do 10º ano, 68% dos alunos declararam que gostavam de música clássica, 22%
que gostavam de telenovelas e 15 % que gostavam de telenovelas e música clássica.
26
8. Num dado viciado a probabilidade de obter 2 é dupla da probabilidade de obter 5.
10. Num saco há 10 bolas vermelhas, 3 verdes e 12 roxas. Retiram-se sucessivamente do saco
três bolas (sem reposição). Determina a probabilidade de:
11. Num saco há bolas verdes, azuis e vermelhas. Extrai-se ao acaso uma bola do saco. Sabe-
𝟏 𝟏
se que a probabilidade de sair uma bola verde é e de sair uma bola azul é . Há 38 bolas
𝟓 𝟔
vermelhas.
27
12. No Natal, a avó da Ana, da Paula e da Inês comprou três presentes e escreveu um cartão
com o nome de cada uma das netas e colocou-o dentro do embrulho.
Determina a probabilidade de três, uma ou zero netas ficarem com a sua própria prenda?
13. Duas caixas A e B contém bolas vermelhas e azuis. Na caixa A há 4 bolas vermelhas e 3
azuis e na caixa B há 5 vermelhas e 4 azuis. Escolhe-se uma caixa ao acaso e tira-se uma bola.
13.2. Verificou-se que saiu azul. Determina a probabilidade de ter saído da caixa A.
28
29