Universidade Federal do Recôncavo da Bahia

Centro de Ciências Exatas e Tecnológicas - CETEC

Profª. Lívia Paz

 Introdução;
 Tipos de Modelos Matemáticos;
 Definições Importantes;
 Definição Clássica de Probabilidade;

2
 O estudo das probabilidades está associado à
incerteza do resultado de um experimento e a
regularidade no resultado que é observada ao
longo do prazo, ou seja, à medida que o
experimento é repetido um grande número de
vezes.

3
 a) Determinísticos
 Ocorrem quando, sob as mesmas condições de
experimentação, pode-se determinar ou
predizer com certeza o resultado final do
experimento.
 Ex: fórmulas matemáticas e físicas para
comprovar teorias.

4
 b)Não-Determinísticos (Probabilísticos):

 Ocorrem quando não é possível predizer com

certeza o resultado final do experimento.
Ex: observar o tempo de vida útil de uma
lâmpada.

5
Fenômenos ou Experimentos aleatórios (E):
 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.

6
Características de um experimento aleatório
a) cada experimento pode ser repetido varias vezes
sob as mesmas condições de experimentação;
b) não podemos afirmar qual resultado final ocorrerá,
mas poderemos descrever todos os possíveis
resultados;
c) quando o mesmo experimento for repetido um
grande número de vezes surgirá uma regularidade
nos resultados chamada regularidade estatística.

7
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.

8
 Espaço amostral (S ou )
 É o conjunto de todos os possíveis resultados de
um experimento aleatório.
 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 }

9
Espaços amostrais podem ser finitos ou
infinitos.

 Um espaço amostral é equiprovável quando

todos os elementos têm a mesma chance de
ocorrer, isto é, todos os seus elementos são
igualmente prováveis.

10
 Eventos: Qualquer subconjunto de um
espaço amostral. Podem ser representados
por letras maiúsculas não tendo uma letra
específica.

 Ex 1: No lançamento de um dado consideremos o

evento “ocorrer um número par”.

A: ocorrer um número par, isto é A = {2, 4, 6}.

11
 Observação1: Um evento é chamado de certo
quando todos os elementos do espaço amostral
ocorrem.
 Exemplo: S = {1, 2, 3, 4, 5, 6}
A: no lançamento de um dado observar a
ocorrência de um número maior que zero.
A= S

12
 Observação2: Um evento é chamado
impossível quando ocorre elementos diferentes
dos existentes no espaço amostral.
Exemplo: S = {1, 2, 3, 4, 5, 6}
A: no lançamento de um dado observar a
ocorrência do número 7.
A = .

13
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) Três produtos são selecionados em uma linha

de produção de madeira e classificados como
defeituoso (D) ou não defeituoso (N).

14
 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 em que A não ocorre.

15
 Ex: 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}

Pede-se:
a) B  D b) BD c) B C e) Bc f) Cc

16
 Leis de Morgan:
B – A = B  Ac
(A  B)c = Ac  Bc
(A  B)c = Ac  Bc
A  Ac = 
A  Ac = 

17
 a)Eventos mutuamente exclusivos

 Se dois eventos quaisquer têm intersecção

vazia, isto é, eles não podem ocorrer
simultaneamente, dizemos que eles são
mutuamente exclusivos ou disjuntos.
No exemplo 3 os eventos B e C são
mutuamente exclusivos ou disjuntos, visto que
BC= .

18
b) Eventos complementares
Dois ou mais eventos são complementares se a
união entre eles resulta no espaço amostral
(S).
Exemplo: Lançamento de um dado.
S = {1, 2, 3, 4, 5, 6}
A: ocorrer um número ímpar = {1, 3, 5}
B: ocorrer um número par = {2, 4, 6}
A  B = {1, 2, 3, 4, 5, 6} = S.

19
 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
: #A
P ( A) 
#
 isto é, a razão entre os casos favoráveis ao evento e o
total de casos possíveis.

20
Limitações:
 Dificuldade em enumerar #A e # em alguns
casos;
  infinito;
 Modelo adequado para apenas uma classe
de fenômenos equiprováveis.

21
 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}

3
 P(A) =
6

22
 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.

23
 Domicílios (em unidades) por ocorrência de banheiro ou sanitário. Bahia.
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

24
 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;

25
a) A= quatro domicílios terem água de origem
adequada
 25 10 
  
P(A) =  4 1   12650 x10  126500  0,39
 35  324632 324632
 
5

 A probabilidade de selecionar um domicílio quatro

domicílios com água de origem adequada é de
aprox. 39%.

26
 As limitações da definição clássica de
probabilidade, que só se aplica a espaços
amostrais finitos e equiprováveis, levaram a
considerar outra forma de calcular probabilidade de
um evento partindo da freqüência relativa do
evento ao se repetir o experimento, n vezes, sob
as mesmas condições. Em linguagem matemática,
quando n cresce, o limite da freqüência relativa de
ocorrência de A é igual a P(A), isto é,

27
 Em linguagem matemática, quando n cresce,
o limite da freqüência relativa de ocorrência
de A é igual a P(A), isto é,

# de repetições que A ocorre

lim f n ( A)  lim  P(A)
n n  n

28
 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 freqüência relativa de
caras. A tabela abaixo apresenta os resultados
referentes a este experimento:

29
 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

30
O gráfico a seguir apresenta o comportamento das
freqüências relativas obtidas no experimento:
Lançamentos sucessivos de uma moeda
Número de repetições versus freqüência relativa de caras
1,0

0,9

0,8

0,7

0,6
Freqüência

0,5

0,4

0,3

0,2

0,1

0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

31
 Observa-se que medida que aumenta o
número de lançamentos, a freqüência relativa
se aproxima de 0,5. Em linguagem matemática
dizemos que a freqüência relativa “converge”
para 0,5. Dificuldade do ponto de vista
matemático: o número do limite real pode não
existir.

32
 Seja  um espaço amostral. Uma função P definida
para todos os subconjuntos de  (chamados
eventos) é chamada de probabilidade se:
 0  P(A)  1, para todo evento A  
 P() = 1
 Se A1, A2, ..., An forem, dois a dois, eventos
mutuamente exclusivos, isto é, (Ai  Aj) =  para
todo i  j, então
n n
P  Ai   P( A1)  P( A2)  ...  P( An) =  P( Ai)
i 1 i 1

33
 P() = 0
 Se Ac é o evento complementar de A, então
P(Ac) = 1- P(A)
 Sejam A e B dois eventos quaisquer, então:
P (A  B) = P(A) + P(B) - P(A  B)
 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)
 Se A  B, então P(A)  P(B)

34
 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( DG ) = 1 – P(DG) = 1 - 2 = 14 = 0,875
16 16

35
 b) a peça não tenha defeito
 Seja o evento B: “ retirar uma peça boa no lote”

10
i. P(B) = = 0,625
16

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

36
 Exemplo: Três produtos são selecionados em uma
linha de produção de madeira e classificados como
defeituoso (D) ou não defeituoso (N). Descreva
espaço amostral, eventos e probabilidades.
 A : escolher pelo menos 2 defeituosos
 B : nenhum produto seja defeituoso

37