Capítulo 3 – Probabilidades

ENGENHARIA DA COMPUTAÇÃO GRÁFICA E MULTIMÉDIA

MCG – MÓDULO 3

1
Experiência Aleatória. Espaço de resultados
Existem três componentes básicos de um modelo de probabilidade:
 a experiência aleatória
 o espaço de resultados
 a probabilidade associada a cada um dos resultados da experiência aleatória.
Experiência aleatória:
 Pode realizar-se repetidamente, nas mesmas circunstâncias
 Dá um resultado, de entre um conjunto de resultados conhecidos
 Não se pode dizer "a priori" qual o resultado da experiência

2
Exemplos de experiências aleatórias:
E1: Observação do n.º de peças produzidas por uma máquina até encontrar uma peça
defeituosa

E2: Observação da face (n.º de pintas) saída no lançamento de um dado

E3: Observação do intervalo de tempo entre a chegada de dois clientes ao balcão de um Banco

3
Espaço de resultados
Conjunto de todos os resultados possíveis associados a uma experiência aleatória.

Representa-se por Ω ou S.

Classificação do espaço de resultados:

- discreto: se contém um número finito ou infinito numerável de resultados;

- contínuo: se contém um número infinito não numerável de resultados;

4
Exemplos de Espaço de resultados
E1: Observação do n.º de peças produzidas por uma máquina até encontrar uma peça defeituosa
𝑆 = {1, 2, 3, … , n, …}

E2: Observação da face (n.º de pintas) saída no lançamento de um dado

𝑆 = {1, 2, 3, 4, 5, 6}

E3: Observação do intervalo de tempo entre a chegada de dois clientes ao balcão de um Banco
𝑆 = 0; +∞

𝑆 e 𝑆 são espaços de resultados discretos e 𝑆 é contínuo.

5
Acontecimentos
Acontecimento: qualquer subconjunto do espaço de resultados.

Acontecimento:

- elementar: se contém apenas um resultado da experiência aleatória;

- composto: se contém mais do que um resultado da experiência aleatória.

6
Exemplos de Acontecimentos
Na experiência aleatória
E2: Observação da face (n.º de pintas) saída no lançamento de um dado
cujo espaço de resultados é 𝑆 = {1, 2, 3, 4, 5, 6}, são acontecimentos:

A = saída de face par = {2, 4, 6}

B = saída de face múltipla de 3 = {3, 6}
C = saída da face 2 = {2}

C é um acontecimento elementar e A e B são acontecimentos compostos

7
Acontecimentos
A representação dos acontecimentos no Diagrama de Venn

8
Tipos de acontecimentos
Acontecimentos mutuamente exclusivos ou incompatíveis são acontecimentos que não
possuem resultados comuns.
→ Correspondem a conjuntos disjuntos no diagrama de Venn.

Acontecimento certo é o acontecimento que ocorre com certeza na realização da experiência

aleatória.
→ Corresponde ao espaço de resultados, Ω ou S, e graficamente, ao conjunto de todos os
pontos do diagrama de Venn.

9
Tipos de acontecimentos
Acontecimento impossível é o acontecimento que não ocorre com certeza. O acontecimento
impossível é aquele que não possui quaisquer resultados da experiência favoráveis à sua
ocorrência e representa-se usualmente por (a notação utilizada para identificar um conjunto
vazio).
O acontecimento reunião A B, de dois acontecimentos A e B, é o acontecimento que ocorre
quando ocorre A, ou B ou ambos.

10
Tipos de acontecimentos
O acontecimento interseção A ∩ B, de dois acontecimentos A e B, é o acontecimento que ocorre
quando ocorrem simultaneamente A e B.

→ Dois acontecimentos mutuamente exclusivos ou incompatíveis são aqueles cuja interseção é o

acontecimento impossível.
O acontecimento complementar de um acontecimento A é o acontecimento que ocorre quando
não ocorre A, e representa-se por .

→ A reunião de um acontecimento com o seu complementar é o acontecimento certo, A = Ω.

11
Tipos de acontecimentos

O acontecimento diferença entre dois acontecimentos A e B é o acontecimento que ocorre

quando ocorre A, mas não B, e representa-se por A − B, ou A ∩ .

12
Exemplos
Considere a experiência E2 definida anteriormente e os acontecimentos A, B e C:
A = saída de face par = {2, 4, 6}
B = saída de face múltipla de 3 = {3, 6}
C = saída da face 2 = {2}
B e C são mutuamente exclusivos ou incompatíveis
B C = saída de face múltipla de 3 e face 2 = é um acontecimento impossível
A B = saída de face par ou múltipla de 3 = {2, 3, 4, 6}
A B = saída de face par e múltipla de 3 = {6}
= saída de face ímpar = {1, 3, 5}
A∩ = saída de face par mas não múltipla de 3 = {2, 4}

13
 Probabilidade: Conceitos e axiomas
Existem 3 formas de definir o conceito de probabilidade, conforme a natureza da experiência:

• clássico;
• frequencista ou empírico;
• subjetivo.

14
Conceito clássico de probabilidade – Lei de Laplace
A probabilidade de um acontecimento A é

e só se aplica a experiências aleatórias cujos acontecimentos elementares são igualmente

prováveis.

15
Exemplo
Considere a experiência aleatória que consiste em lançar um dado perfeitamente calibrado.
O espaço de resultados é S = {1, 2, 3, 4, 5, 6} e a experiência possui 6 resultados possíveis.
Os acontecimentos
A = {saída de face par} = {2, 4, 6}
B = {saída de face múltipla de 3} = {3, 6}
C = {saída da face 2} = {2}
possuem, de acordo com o conceito clássico, probabilidades

16
Conceito frequencista de probabilidade
Aplica-se a experiências aleatórias que, possuindo resultados que não são igualmente prováveis,
são, no entanto, suscetíveis de repetição sob as mesmas condições.
De acordo com este conceito, a probabilidade de um acontecimento A, P(A), é o limite para que
tende a frequência relativa , do acontecimento A quando o número de repetições da
experiência aleatória tende para infinito,

17
Exemplo do conceito frequencista de probabilidade:

Suponha que se pretende conhecer a probabilidade de uma certa linha de fabrico produzir
uma peça defeituosa (acontecimento A). Observa-se então um número suficientemente
grande de peças saídas da linha de fabrico e calcula-se a frequência relativa de ocorrência de
peças defeituosas.

18
Exemplo do conceito frequencista de probabilidade:

19
Conceito subjetivo de probabilidade
Aplica-se a experiências que não são suscetíveis de replicação sob condições idênticas e cujos
resultados não são igualmente prováveis.
De acordo com o conceito subjetivo de probabilidade, a probabilidade de um acontecimento é
dada pelo grau de credibilidade ou de confiança que cada pessoa atribui à ocorrência desse
acontecimento.
Assim, cada pessoa pode atribuir uma probabilidade diferente ao mesmo acontecimento de
acordo com a experiência, atitudes, valores, etc., que possui.

20
Exemplo do conceito subjetivo de probabilidade:
A experiência X : desfecho do próximo jogo Sporting - F.C.P
possui 3 resultados possíveis que não são igualmente prováveis
S = {vitória do Sporting, vitória do F.C.P, empate}
nem a próxima experiência (próximo jogo) ocorrerá sob condições exatamente idênticas às
anteriores.
De acordo com o conceito subjetivista de probabilidade, a probabilidade do acontecimento
A = vitória do F.C.P é, segundo o prognóstico de um Portista, muito provavelmente, P(A) = 0,9;
mas com toda a certeza um valor diferente se o inquirido for um Sportinguista.

21
Axiomas de probabilidade

22
Axiomas de probabilidade
Assim, P(.) não é mais que uma função que associa a todo o acontecimento A, definido em S, um
determinado número do intervalo [0, 1] e que satisfaz os axiomas anteriores.
Generalização do Axioma 3:
Sejam acontecimentos mutuamente exclusivos definidos em S, então

Com base nestes axiomas é possível demonstrar vários teoremas fundamentais do cálculo da
probabilidade, entre os quais destacamos:

23
Teoremas

24
Teoremas

25
Generalização da probabilidade do acontecimento
reunião: probabilidade da reunião de n acontecimentos
Por exemplo, para n = 3 teríamos:

( )= ( )+ ( )+ ( )− ( ∩ )− ( ∩ )− ( ∩ ) + ( ∩ ∩ )

26
 Exercício 1
Seja  o espaço de resultados associado a uma certa experiência aleatória.
Sejam A e B dois acontecimentos (A   e B  ).
Admita que 𝑃(𝐴) = 0.4, 𝑃(𝐵) = 0.6 e 𝑃(𝐴 ∪ 𝐵) = 0.8.

Determine:

1. 𝑃(𝐴 ∩ 𝐵)

2. 𝑃(𝐴̅ ∩ 𝐵)

3. 𝑃(𝐴 ∪ 𝐵)

27
Exercício 1
P(A B)=0.4+0.6-0.8=0.2

P( B)= p(B)-P(A∩B)=0.6-0.2=0.4

=0.6

28
Exercício 2

29
Exercício 2
P(A B)=0

=1-0.85=0.15

30
Exercício 3

31
Exercício 3

0.7=0.5+P(B)-0 logo P(B)=0.2

32
Exercício 4
Numa linha de produção de uma empresa, 15% dos artigos produzidos têm defeitos de material,
8% têm defeitos de acabamento e 2% defeitos de ambos os tipos. Qual a probabilidade de um
artigo produzido, retirado ao acaso, ter apenas defeitos de material?

33
Exercício 4
Considerando os acontecimentos
A = o artigo tem defeito de material
B = o artigo tem defeito de acabamento
temos que P(A) = 0,15, P(B) = 0,08 e P(A∩B) = 0,02.
Pretende-se determinar
P(o ar go ter apenas defeito de material) = P(A∩ ) = P(A)− P(A∩B) = 0,15 − 0,02 = 0,13

Conclusão: A probabilidade de um artigo ter apenas defeito de material é de 0,13 .

34
Probabilidade condicionada:
A probabilidade de um acontecimento A, sabendo que um outro acontecimento B ocorreu -
chamada probabilidade condicionada de A ao acontecimento B é dada por

35
Exemplo

36
Probabilidade condicionada:
Da definição de probabilidade condicionada resulta que,

37
Generalização

38
Acontecimentos independentes:

39
Teoremas
Teorema: Se A e B são acontecimentos independentes, então:

Ae também o são;

 e B também o são;
 e também o são.

40
Teoremas
Teorema da Probabilidade Total

Se os acontecimentos , , … , definem uma partição sobre Ω, então para qualquer

acontecimento B definido em Ω tem-se:

41
Teoremas
Teorema de Bayes

Se os acontecimentos , , … , definem uma partição sobre Ω, então para qualquer

acontecimento B definido em Ω tem-se:

42
Exemplo
Um banco está equipado com um sistema de alarme contra assaltos. A probabilidade de ocorrer um assalto
é 0.1. Se ocorrer um assalto, a probabilidade do alarme funcionar é de 0.95. A probabilidade de o alarme
funcionar sem ter ocorrido um assalto é de 0.03.

a) Calcule a probabilidade do alarme funcionar.

b) Calcule a probabilidade de que, não tendo funcionado o alarme, tenha havido assalto.

43
Exemplo

44
Exemplo

Este cálculo que acabámos de efetuar é uma aplicação do Teorema de Bayes

45