Teoria das Probabilidades

Estudo de modelos matemáticos especiais,

a que se designa por modelos probabilísticos,
para descrever fenómenos aleatórios.

1. Conceitos da Teoria das Probabilidades

2. Álgebra dos Acontecimentos
3. Conceitos de Probabilidades
4. Axiomas da Teoria das Probabilidades
5. Probabilidades Condicionadas
6. Acontecimentos Independentes
7. Teoria da Probabilidade Total e Fórmula de Bayes
8. Probabilidades e Cálculo Combinatório - 0 / 35 -
1. Conceitos da Teoria das Probabilidades
1.1. Experiência Aleatória

Definição

Processo de observação ou de ação cujos resultados, embora podendo ser descritos no seu conjunto, não são
determináveis a priori, antes de realizada a experiência. Diz-se que o resultado depende do “acaso” ou da “sorte”
ou do “azar” (significa ausência de causa conhecida).

Uma experiência aleatória tem como características:

A possibilidade de repetição da experiência em condições similares, e de forma independente de umas vezes
para as outras;
Não se pode dizer à partida qual o resultado da experiência a realizar (fenómeno aleatório), mas pode-se
descrever o conjunto de todos os resultados possíveis;
A existência de regularidade estatística quando a experiência é repetida muitas vezes, i.e., é possível
encontrar números entre 0 e 1, que representam a frequência relativa com que se verificam os resultados
individuais, num grande número de realizações independentes da experiência.

- 1 / 35 -
1. Conceitos da Teoria das Probabilidades (Cont.)
1.1. Experiência Aleatória (Cont.)

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

Alguns exemplos de experiências aleatórias:

Lançamento de um dado e observação da face voltada para cima

Lançamento de uma moeda e observação da face voltada para cima
Observação do sexo numa série de nascimentos
Inquérito ao rendimento de um certo conjunto de famílias
Inquérito sobre o número de filhos de um casal

Questão:

Furar um balão cheio de ar e verificar que rebenta, é uma experiência aleatória?

Deixar cair um prego num copo com água, será uma experiência aleatória?

- 2 / 35 -
1. Conceitos da Teoria das Probabilidades (Cont.)
1.2. Espaço de Resultados (ou espaço amostra)

Definição

Conjunto de todos os resultados possíveis de uma experiência aleatória. É representado pela letra grega (Ω).

Para os exemplos anteriores tem-se:

Ω = { 1, 2, 3, 4, 5, 6 }
Ω = { “Cara” , “Coroa” }
Ω = { “Feminino” , “Masculino” }
Ω = IR+
Ω = IN0

Como se deduz destes exemplos, é necessário explicitar perfeitamente qual a experiência aleatória que se
pretende estudar. Não basta, por exemplo, dizer que se lança um dado! É necessário explicitar o que se
pretende observar, para que o espaço de resultados fique perfeitamente identificado. De facto, a descrição das
condições uniformes em que um acontecimento aleatório se verifica, ou não, constitui uma das principais
dificuldades de fundo do cálculo das probabilidades. Pois, na maioria das vezes não se descrevem em detalhe
as condições e as circunstâncias que caracterizam determinada experiência aleatória.

- 3 / 35 -
1. Conceitos da Teoria das Probabilidades (Cont.)
1.3. Noção de Acontecimento

Definição

Um conjunto de resultados possíveis de uma experiência aleatória ou, de modo equivalente, qualquer
subconjunto do espaço de resultados.

Exemplo 1

Considere a experiência aleatória que consiste no lançamento de um dado e cujo espaço de resultados é
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, respetivamente:
A: “saída de face 2”;
B: “saída de face ímpar”;
C: “saída de face divisível por 3”.
A, B, C, sendo subconjuntos de Ω, são simultaneamente conjuntos de resultados possíveis da experiência
aleatória, logo acontecimentos.
- 4 / 35 -
1. Conceitos da Teoria das Probabilidades (Cont.)
1.3. Noção de Acontecimento (Cont.)

Da definição da página anterior resulta que Ω e o conjunto vazio (∅) são acontecimentos, em que:
Ω - Acontecimento certo

∅ - Acontecimento impossível

Um acontecimento A relativo a um determinado espaço de resultados Ω e associado a uma experiência

aleatória é simplesmente um conjunto de resultados possíveis. Diz-se que A se realizou, se o resultado da
experiencia aleatória, ω, é um elemento de A, i.e., ω ∈ A.

Exemplo 1 (Cont.)

Considere-se agora o acontecimento A - “saída da face par”.

Se lançarmos o dado e sair face 2, então o acontecimento realizou-se e diz-se que ocorreu um sucesso.
Se lançarmos o dado e sair a face 3, então o acontecimento não se realizou e diz-se que ocorreu um insucesso.

- 5 / 35 -
1. Conceitos da Teoria das Probabilidades (Cont.)
1.3. Noção de Acontecimento (Cont.)

Não se deverá confundir acontecimento com resultado. Enquanto que o primeiro significa algo que a experiência
aleatória pode produzir, mas não se realiza necessariamente, um resultado indica algo que a experiência
aleatória produziu. Ou seja, o conceito de resultado só tem sentido depois de realizada a experiência, enquanto
que o conceito de acontecimento tem pleno sentido mesmo antes da experiência aleatória se realizar.

Por outro lado, os acontecimentos podem ainda ser divididos em:

Acontecimento elementar – Se a sua realização depende da ocorrência de somente um resultado

específico da experiência aleatória, ou seja, qualquer subconjunto de Ω composto por apenas um elemento;

Acontecimento complexo ou composto – Se a sua realização implica a ocorrência de um resultado da

experiência aleatória, qualquer um de entre os vários possíveis para aquele acontecimento, ou seja qualquer
subconjunto de Ω composto por mais de um elemento.

- 6 / 35 -
1. Conceitos da Teoria das Probabilidades (Cont.)
1.3. Noção de Acontecimento (Cont.)

Exemplo 2

Considere a seguinte experiência aleatória: contagem do número de peças produzidas por uma máquina até ao
aparecimento de uma peça defeituosa. A experiência consiste, portanto, em contar as peças produzidas pela
máquina, interrompendo-se essa contagem no momento em que surgir uma defeituosa. Como se poderá
verificar, qualquer número inteiro pode ser um resultado da experiência:
Pode ser 0, se a primeira peça retirada for defeituosa;
Pode ser 1, se a primeira peça for boa e a segunda defeituosa;
Pode ser 2, se as duas primeiras forem boas e a terceira defeituosa, e assim sucessivamente.

O espaço de resultados associado a esta experiência aleatória é o conjunto dos números inteiros tal que:

Ω = { 0, 1, 2, 3, 4,…, n, … }.

- 7 / 35 -
1. Conceitos da Teoria das Probabilidades (Cont.)
1.3. Noção de Acontecimento (Cont.)

Exemplo 2 (Cont.)

Serão acontecimentos, por exemplo, os seguintes subconjuntos de Ω:

A={6} e B = { 2, 4, 6, …, 2n, … } em que:

A: Contam-se seis peças até sair uma defeituosa

B: Conta-se um número par de peças até sair uma defeituosa.

Para que A se realize terá que ocorrer um, e somente um, dos possíveis resultados da experiência aleatória (6),
pelo contrário, para que B se realize, basta que ocorra um, mas qualquer um, de entre os vários resultados
possíveis, e que são todos os que correspondem a contagens pares (2, 4, 6, 8, …). Por conseguinte, o
acontecimento A é elementar, e o acontecimento B é complexo.

- 8 / 35 -
2. Álgebra dos Acontecimentos
Anteriormente, definiu-se acontecimento como um conjunto de resultados possíveis de uma experiência
aleatória. Esta definição sugere que se poderá utilizar todos os instrumentos da teoria dos conjuntos para
representar os acontecimentos e as operações que se definem sobre estes.

O Diagrama de Venn revela-se de extrema utilidade na representação de acontecimentos: o conjunto universal é

identificado como o espaço de resultados Ω da experiência aleatória e cada acontecimento A por uma região
interior a Ω. (ver figura seguinte)

De modo idêntico, o Diagrama de Venn pode ser utilizado para representar, de forma simplificada e sugestiva,
as operações que se definem sobre acontecimentos. Concretamente: a união ou soma lógica, a interseção ou
produto lógico, a diferença, a complementaridade, a incompatibilidade e a implicação.
- 9 / 35 -
2. Álgebra dos Acontecimentos (Cont.)
União ou Soma Lógica

A U B ou A + B ou A v B – A união de acontecimentos implica a ideia de disjunção, de alternativa, traduzida por

“ou”. Para que se realize o acontecimento união ou soma de A com B basta que ocorra pelo menos um dos
acontecimentos: ou A; ou B; ou ambos.

A U B

Interseção ou Produto Lógico

A ∩ B ou A * B ou A ∧ B – A interseção implica a ideia de conjunção, simultaneidade ou sequência, a ideia de

“e”. Para que se realize o acontecimento interseção ou produto de A com B é necessária a realização de
ambos os acontecimentos A e B
Ω
A ∩ B

- 10 / 35 -
2. Álgebra dos Acontecimentos (Cont.)
Diferença

A - B ou A \ B ou A ∩ B - A diferença dos acontecimentos A e B, respeita ao acontecimento que consiste na

realização de A mas não de B.
Ω

A B

Complementar ou Contrário (caso particular da diferença)

Ā diz-se acontecimento complementar ou contrário a A, ao acontecimento que se realiza se e só se o

acontecimento A não se realiza.
Ω

A
Ā

- 11 / 35 -
2. Álgebra dos Acontecimentos (Cont.)
Incompatíveis ou Mutuamente Exclusivos

Os acontecimentos A e B dizem-se incompatíveis ou mutuamente exclusivos, se não podem ocorrer

simultaneamente, i.e, se A ∩ B = ∅. Assim sendo, a sua interseção é o acontecimento impossível.

Ω

A B

Implicação

, quando o acontecimento A implica a realização do acontecimento B, quando todo o resultado de A é um

resultado de B.
Ω

A B

- 12 / 35 -
2. Álgebra dos Acontecimentos (Cont.)
Propriedades das Operações

Seguidamente apresentam-se as propriedades mais importantes das operações de união e interseção de

acontecimentos.

Propriedades União Interseção

Comutativa A∪ B = B ∪ A A∩ B = B ∩ A

Associativa ( A ∪ B) ∪ C = A ∪ (B ∪ C ) ( A ∩ B) ∩ C = A ∩ ( B ∩ C )

Distributiva A ∪ ( B ∩ C ) = ( A ∪ B) ∩ ( A ∪ C ) A ∩ (B ∪ C ) = ( A ∩ B) ∪ ( A ∩ C )

Idempotência A∪ A = A A∩ A = A

Lei do complemento AUĀ= Ω A∩ Ā =∅

Elemento neutro A∪∅ = A A∩Ω=A

Elemento absorvente A U Ω= Ω A∩∅ = ∅

- 13 / 35 -
3. Conceitos de Probabilidade
O conceito de probabilidade resulta da necessidade de atribuir um valor aos acontecimentos para se poder
avaliar se é muito ou pouco verosímil a ocorrência de tais acontecimentos, por cada vez que a experiência
aleatória se realiza.

De acordo com a definição e o método de cálculo, podem definir-se três conceitos de probabilidade: clássica,
frequencista e subjetiva. As probabilidades que se baseiam nas características intrínsecas dos acontecimentos
são definidas segundo o conceito clássico. Aquelas que se baseiam numa quantidade razoável de evidência
objetiva são frequencistas, enquanto que as probabilidades definidas com base em crenças ou opiniões
individuais se denominam subjetivas. A definição mais apropriada de probabilidade dependerá da natureza do
problema específico em análise.

3.1. Conceito Clássico de Probabilidade (Lei de Laplace)

Definição Clássica (à priori)

Em 1812, Laplace apresenta a seguinte definição de probabilidade, para o caso de Ω finito:

“A Probabilidade de um acontecimento é o quociente entre o número de casos favoráveis ao acontecimento
e o número de casos possíveis, todos supostos igualmente prováveis.”
- 14 / 35 -
3. Conceitos de Probabilidade (Cont.)
3.1. Conceito Clássico de Probabilidade (Cont.)

Assim sendo, se uma experiência tem n resultados diferentes (n casos possíveis), igualmente prováveis que se
excluem mutuamente e n(A) desses têm a característica A, então a probabilidade associada ao acontecimento A
é dada pelo quociente:

P (A) = n(A) / n Com: n(A) – Número de resultados favoráveis a A

n – Número de resultados possíveis

Para o conceito clássico de probabilidade, os resultados possíveis não podem ocorrer simultaneamente
e são todos igualmente prováveis (equiprováveis - têm todos igual probabilidade de se realizarem).

Exemplo 1 (Cont.)

Na experiência aleatória que consiste no lançamento de um dado e observação do número inscrito na face
voltada para cima, seja A o acontecimento: saída da face 3. O espaço de resultados é definido pelos seguintes
elementos Ω = { 1, 2, 3, 4, 5, 6 }. A probabilidade de se realizar o acontecimento A é: P(A) = 1 / 6
- 15 / 35 -
3. Conceitos de Probabilidade (Cont.)
3.2. Conceito Frequencista de Probabilidade (Lei dos grandes números)

Definição Frequencista ou Experimental (à posteriori)

Partindo do pressuposto que, a probabilidade de um acontecimento A é igual à frequência relativa desse

acontecimento (quociente entre o número de vezes que A ocorre e o número de experiências realizadas), então em
realizações da experiência sempre nas mesmas condições verifica-se que a frequência relativa de um acontecimento
tende a estabilizar num determinado valor, podendo esse valor ser considerado a probabilidade do acontecimento.

Então, a Probabilidade de qualquer acontecimento A, que se representa por P(A), define-se através do limite da
frequência relativa desse acontecimento, numa sucessão de experiências realizadas sob o mesmo conjunto
de condições, i.e.:
P (A) = lim [ n(A) / n ]
n -> ∞

em que:

n – número de experiências realizadas

n(A) – número de vezes que o acontecimento A se verificou

- 16 / 35 -
3. Conceitos de Probabilidade (Cont.)
3.2. Conceito Frequencista de Probabilidade (Lei dos grandes números) (Cont.)

Por conseguinte, o conceito frequencista de probabilidade identifica-a como o valor para que tende a frequência
relativa, quando o número de experiências tende para infinito.

Como a frequência relativa está entre 0 e 1, daqui retira-se que a probabilidade de um acontecimento é sempre
um número entre 0 e 1 (em percentagem: de 0% até 100%) => 0 ≤ P(A) ≤ 1.

Por conseguinte:

Probabilidade = 1 => O acontecimento realiza-se sempre na experiência, é um acontecimento certo.

Exemplo: No caso do dado, “sair menos de 7”, em que Ω = { 1, 2, 3, 4, 5, 6 }.

Probabilidade = 0 => O acontecimento nunca se dá nesta experiência, é um acontecimento impossível.

Exemplo: No caso do dado, “sair 0”, em que Ω = { 1, 2, 3, 4, 5, 6 }.

- 17 / 35 -
3. Conceitos de Probabilidade (Cont.)
3.2. Conceito Frequencista de Probabilidade (Lei dos grandes números) (Cont.)

Comparativamente ao conceito clássico, o conceito frequencista não requer que o universo seja finito e que os
resultados sejam equiprováveis.

Exemplo 3

A experiência aleatória que consiste na observação do sexo de um recém-nascido pode considerar-se o

exemplo típico para aplicação do conceito frequencista de probabilidade. Porque esta experiência já se realizou
inúmeras vezes e existem registos do seu resultado, sabe-se que a probabilidade do sexo do recém-nascido ser
masculino é de aproximadamente 0,52 e de ser feminino é de cerca de 0,48.

A utilização do conceito clássico de probabilidade teria conduzido ao valor de 0,5 para cada uma das referidas
probabilidades, o que constituiria um erro. Este seria proveniente do facto de se considerarem equiprováveis os
elementos do espaço de resultados Ω = { “Feminino” , “Masculino” }, quando estes não o são.

- 18 / 35 -
3. Conceitos de Probabilidade (Cont.)
3.3. Conceito Subjetivo de Probabilidade

A probabilidade de um acontecimento é dada pelo grau de credibilidade ou de confiança que cada pessoa dá à
realização de um acontecimento. Baseia-se na informação quantitativa e/ou qualitativa que o decisor possui
sobre o acontecimento em causa. Diferentes decisores podem atribuir diferentes probabilidades ao mesmo
acontecimento decorrentes da experiência, atitudes, valores, etc, que possuem.

Esta noção de probabilidade pode ser aplicada a experiências que, embora de resultado sujeito ao acaso, não
se podem efetuar várias vezes nas mesmas condições, casos em que os conceitos frequencista e clássico não
se podem aplicar.

Exemplo 4

Se o Primeiro-ministro afirmasse: “a inflação para o próximo ano será de 0,5% com uma probabilidade de 0,9”
estaria a aplicar o conceito subjetivo de probabilidade. Da mesma forma que, uma figura política da oposição
poderia afirmar que “ tal nível de inflação só será atingido com uma probabilidade de 0,25”, e também ela estaria
a aplicar este conceito subjetivo de probabilidade.
- 19 / 35 -
4. Axiomas da Teoria das Probabilidades

Da necessidade de sistematização dos conceitos empregues na Teoria das Probabilidades e da construção de

um corpo teórico coerente surgem os três axiomas em que se baseiam todos os desenvolvimentos posteriores
deste campo das matemáticas. Assim, considera-se que Probabilidade, P(.), é uma função que associa a todo
o acontecimento A definido em Ω um número compreendido no intervalo [0 , 1] e satisfaz o seguinte conjunto de
axiomas:

A1) P(A) ≥ 0, para todo A Ω

=> 0 ≤ P (A) ≤ 1
A2) P(Ω) = 1 (Ω é o acontecimento certo)

A3) A probabilidade da união de dois acontecimentos mutuamente exclusivos (ou incompatíveis) é igual à

soma das probabilidades desses acontecimentos, i.e., P(A U B ) = P(A) + P(B), se (A∩B) = ∅

- 20 / 35 -
4. Axiomas da Teoria das Probabilidades (Cont.)

Com base nos axiomas A1, A2 e A3 podem deduzir-se os seguintes teoremas:

Teorema 1

A probabilidade do acontecimento impossível é zero, i.e., P(∅) = 0

Teorema 2
Dado um acontecimento A com probabilidade P(A), a probabilidade do seu complementar obtém-se subtraindo à
unidade a probabilidade de A, i.e., P(Ā) = 1 - P(A)

Teorema 3
Dados dois acontecimentos quaisquer A e B, a probabilidade do acontecimento diferença (B – A), obtém-se pela
diferença entre a probabilidade de B e a probabilidade da interseção de A com B, i.e., P(B-A) = P(B) - P(A∩B)

Teorema 4
A probabilidade da união de dois acontecimentos quaisquer, A e B, obtém-se somando as suas probabilidades e
deduzindo a probabilidade da sua interseção, i.e., P(AUB ) = P(A) + P(B) - P(A∩B )

- 21 / 35 -
4. Axiomas da Teoria das Probabilidades (Cont.)

Exercício 1

Sejam A e B dois acontecimentos associados a uma experiência aleatória de probabilidades: P(A) = 0,4 e P(B) = 0,6.
Sabendo ainda que P(A∩B) = 0,2, calcule a probabilidade:

1. Do acontecimento A não ocorrer

2. Do acontecimento B não ocorrer
3. De realização de pelo menos um dos acontecimentos
4. De realização simultânea dos dois acontecimentos
5. De ocorrer apenas A
6. De ocorrer apenas B
7. De ocorrer apenas um dos acontecimentos

- 22 / 35 -
5. Probabilidades Condicionadas
Definição

A partir do momento em que se conhece a probabilidade do acontecimento B (do espaço de resultados Ω)

ocorrer, é possível calcular a probabilidade de qualquer outro acontecimento A se realizar condicionado pelo
acontecimento B.

Por definição esta probabilidade é dada por:

P (A | B) = P ( A ∩ B) / P (B) se P (B) > 0

Ou seja, a probabilidade condicionada de A dado B (ou sabendo B) é o quociente entre a probabilidade

conjunta do acontecimento A e B, e a probabilidade do acontecimento dado.

Do mesmo modo que:

P (B | A) = P ( A ∩ B) / P (A) se P (A) > 0

- 23 / 35 -
5. Probabilidades Condicionadas (cont.)

Exemplo 5

Considere que a partir duma amostra efetuada sobre vários recém-nascidos se obteve o seguinte quadro de
probabilidade conjunta:

B1 B2

A1 0,34 0,17

A2 0,34 0,15

Onde:
A1 – Um recém-nascido escolhido ao acaso é do sexo masculino
A2 – Um recém-nascido escolhido ao acaso é do sexo feminino
B1 – Um recém-nascido escolhido ao acaso tem olhos castanhos
B2 – Um recém-nascido escolhido ao acaso não tem olhos castanhos

Determine a probabilidade de um recém-nascido não ter olhos castanhos dado que é do sexo masculino.

- 24 / 35 -
5. Probabilidades Condicionadas (Cont.)

Decorrente das probabilidades condicionadas:

P (A | B) = P (A ∩ B) / P (B) e P (B | A) = P (A ∩ B) / P (A)

Surge o conceito de probabilidade de interseção de dois acontecimentos, A e B, que é dado por:

P (A ∩ B) = P (A | B) * P (B)

P (A ∩ B) = P (B | A) * P (A)

- 25 / 35 -
6. Acontecimentos Independentes
Definição

Dois acontecimentos são independentes quando a probabilidade de realização de um deles não interfere na
probabilidade da realização do outro. Por exemplo, lançamentos consecutivos de dois dados ou de duas moedas,
ou tirar consecutivamente bolas ou cartas com reposição. Assim, dois acontecimentos, A e B, dizem-se
mutuamente independentes (ou simplesmente independentes) se e só se:

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

Da definição anterior e da definição de probabilidade condicionada resulta que dois acontecimentos, A e B, são
mutuamente independentes se e só se:
P(A∩B) = P(A) * P(B)

Se A e B são acontecimentos independentes, então:

1. A e B também o são;
2. Ā e B também o são.
3. Ā e B também o são.
Mas dois acontecimentos contrários não são independentes.
- 26 / 35 -
6. Acontecimentos Independentes (cont.)

Exemplo 6

Seja a experiência aleatória que consiste no lançamento de dois dados regulares e distinguíveis, cujo espaço de
resultados é o conjunto:
Ω = { (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) }

E os acontecimentos:
A: “a soma dos pontos dos dois dados é par”
B: “a soma dos pontos dos dois dados é múltipla de 3”
C: “a soma dos pontos dos dois dados é maior que 9”

Na sua opinião, haverá algum par de acontecimentos independentes – A e B, ou A e C, ou B e C?

- 27 / 35 -
7. Teorema da Probabilidade Total e Fórmula de Bayes

O Teorema da Probabilidade Total e a Fórmula de Bayes baseiam-se nos conceitos de probabilidade condicionada
e de partição. De facto, o conceito de probabilidade condicionada revela-se muito importante e de larga utilização
quando se conhecem probabilidades condicionadas nas quais os acontecimentos condicionantes definem uma
partição em Ω. Nos pontos anteriores foi feita referência à probabilidade condicionada, seguidamente ilustrar-se-á o
conceito de partição.

Diz-se que os Acontecimentos A1, A2, ..., An, definem uma partição em Ω, quando se verificam simultaneamente as
seguintes condições:
1. A união de todos os acontecimentos que constituem a partição é o próprio espaço de resultados A1 U A2 U … U An = Ω
2. Os acontecimentos são mutuamente exclusivos, dois a dois (por cada vez que a experiência aleatória se

realiza, só um dos acontecimentos pode ocorrer) Ai ∩ Aj = ∅ => P(Ai ∩ Aj) = 0 (i ≠ j), i, j = 1, 2, …, n

3. Todos os acontecimentos têm probabilidade não nula P(Ai) > 0, i = 1, 2, …, n

A1 A2 Ω
No diagrama ao lado, é apresentada uma partição de
v
4 acontecimentos, num espaço de resultados Ω.
A3
A4
- 28 / 35 -
7. Teorema da Probabilidade Total e Fórmula de Bayes (Cont.)

7.1. Teorema da Probabilidade Total

Se os acontecimentos A1, A2, ..., An definem uma partição sobre Ω, e se P(Ai) > 0, então para qualquer
acontecimento B definido em Ω tem-se:
n
P(B) = ∑ P(Ai) * P (B | Ai)
i=1

P (B) = P (A1) * P (B | A1) + P (A2) * P (B | A2) + … + P (An) * P (B | An)

A1 A2 Ω
Diagramaticamente com uma partição de 4 acontecimentos, BA2
v
bem como o acontecimento B, a P(B) é igual à soma das BA1 BA3 A3
probabilidades das interseções de B com cada um dos 4 B BA4 A4
acontecimentos da partição.

- 29 / 35 -
7. Teorema da Probabilidade Total e Fórmula de Bayes (Cont.)

7.2. Fórmula de Bayes

Sejam A1, A2, ..., An acontecimentos formando uma partição de Ω, onde P(Ai)>0. Seja B um outro acontecimento
de Ω, tal que P(B)>0. Então para i=1,2,…,n tem-se:

P (Ai) * P (B | Ai)
P (Ai | B) = , para i = 1, 2, …, n
n
∑ P(Ai) * P (B | Ai)
i=1

Exemplo 7

Uma fábrica produz três sabores de rebuçados nas seguintes proporções: 30% de morango, 20% de ananás e
50% de laranja. Parte da produção é vendida em grandes superfícies comerciais. Os rebuçados de laranja são os
mais vendidos nestas superfícies: 45%. Dos restantes sabores, 25% dos rebuçados de morango e 35% dos
rebuçados de ananás, são vendidos nas grandes superfícies.
1. Calcule a percentagem de rebuçados que são vendidos em grandes superfícies.
2. Qual o sabor mais provável de um rebuçado que foi vendido numa grande superfície?
- 30 / 35 -
8. Probabilidades e Cálculo Combinatório
Um dos problemas da Teoria das Probabilidades é saber, em determinadas experiências aleatórias, quantos são
os resultados possíveis e quantos são os resultados favoráveis a determinado acontecimento.

Muitas vezes, por via da dimensão do espaço de resultados, não é prático nem imediato identificar todos os
resultados possíveis, recorrendo-se normalmente à análise combinatória para determinar o número de resultados
possíveis numa experiência aleatória e o número de casos favoráveis a um determinado acontecimento.
De seguida referem-se algumas técnicas de contagem.

8.1. Permutações
Por permutações entende-se o número de maneiras distintas de ordenar n elementos diferentes que constituem
um determinado conjunto A. O número de permutações representa-se por Pn (permutação de n), e pode ser
obtido a partir do fatorial de n, i.e., Pn = n!

O fatorial de um número inteiro positivo (n) é representado por n! e é definido por:

n! = n * (n – 1) * (n – 2) * (n – 3) * … * 1
Por convenção o fatorial de zero é um, ou seja, 0! = 1.
- 31 / 35 -
8. Probabilidades e Cálculo Combinatório (Cont.)
8.2. Arranjos e Combinações

Considere um conjunto A formado por n elementos. Suponha ainda que se pretendem formar grupos de r
elementos, em que 0 ≤ r ≤ n, torna-se importante considerarem-se dois aspetos:

O arranjo dos elementos na amostra

1. Amostra ordenada (levar em consideração a ordem da sua tiragem)
2. Amostra não ordenada (não levar em consideração a ordem da sua tiragem)

A maneira de tirar os elementos da amostra

a. Escolha sem reposição (cada um dos elementos só pode aparecer uma vez na amostra)
b. Escolha com reposição (um elemento da população pode aparecer várias vezes na amostra)

Arranjos Simples – Ordenados e sem reposição (1.a)

Se cada elemento selecionado não voltar ao conjunto A (sem reposição) e se a ordem entre os elementos for
um fator diferenciador de cada grupo, o número total de arranjos simples de n elementos considerando r
elementos de cada vez, designa-se por:
n
Ar = (n)r = n * (n – 1) * (n – 2) * (n – r + 1) = n! / (n – r)!
- 32 / 35 -
8. Probabilidades e Cálculo Combinatório (Cont.)
8.2. Arranjos e Combinações (Cont.)

Arranjos Completos – Ordenados e com reposição (1.b)

Se cada elemento selecionado voltar ao conjunto A (com reposição) e se a ordem entre os elementos for um
fator diferenciador de cada grupo; nestas condições pode haver elementos repetidos nos grupos formados.
O número total de arranjos completos de n elementos considerando r elementos de cada vez, designa-se por:

n
A'r = (n)’r = nr

Combinações Simples – Não ordenados e sem reposição (2.a)

Se cada elemento selecionado não voltar ao conjunto A (sem reposição) e se a ordem entre os elementos de
cada grupo deixa de ser importante, o número total de combinações simples de n elementos considerando r
elementos de cada vez, designa-se por:
n
Cr = (nr) = n! / [(n – r)! * r!]

- 33 / 35 -
8. Probabilidades e Cálculo Combinatório (Cont.)
8.2. Arranjos e Combinações (Cont.)

Combinações Completas – Não ordenados e com reposição (2.b)

Se cada elemento selecionado voltar ao conjunto A (com reposição) e se a ordem entre os elementos de cada
grupo deixa de ser importante, o número total de combinações completas de n elementos considerando r
elementos de cada vez, designa-se por:

Γnr = ( n+r-1r) = (n + r – 1)! / [(n – 1)! * r!]

8.3. Síntese

Entram todos os
A ordem Pode haver
elementos da
influi? reposição?
sequência?
1. Permutações
2. Arranjos simples (sem reposição) -
3. Arranjos completos (com reposição) -
4. Combinações simples (sem reposição) -
5. Combinações completas (com reposição) -

- 34 / 35 -
8. Probabilidades e Cálculo Combinatório (Cont.)

8.4. Exercícios

Exercício 2

Uma empresa pretende expor 3 produtos x, y e z numa prateleira de um hipermercado com outros tantos
lugares. De quantas maneiras diferentes pode dispor esses produtos?

Exercício 3

Considere o conjunto {a, b, c, d}. Quantas amostras de dimensão 1 (conjuntos de um elemento) se podem
fazer? E no caso de dimensão 2, quantas amostras se podem fazer?

- 35 / 35 -