2 Fundamentos de probabilidade

! " # $ % & 2/34 11:03

2.1 Experiências aleatórias

Definição
Um procedimento ou conjunto de circunstâncias que produza
resultados observáveis e para o qual:
1. não é possível prever o resultado de cada realização,

2. se conhecem todos os resultados possíveis previamente à sua

realização,
diz-se uma experiência aleatória.
Definição
O conjunto formado por todos os resultados possíveis de uma
experiência aleatória diz-se o seu espaço de resultados (Ω).
Algumas experiências aleatórias
E1 : lançamento de um dado cúbico
E2 : lançamento de duas moedas
E3 : lançamento de uma moeda até sair “cara”
E4 : ensaio da duração de uma lâmpada nova
 Definição
Um qualquer subconjunto de Ω diz-se um acontecimento.

Alguns acontecimentos notáveis:

∅ – acontecimento impossível
{ω} com ω ∈ Ω – acontecimento elementar
Ω – acontecimento certo
Definição
O conjunto de todos os acontecimentos definidos num espaço de
resultados diz-se o espaço de acontecimentos de uma experiência
aleatória (A).
A notação e os resultados da teoria de conjuntos são úteis no cálculo de
probabilidades!

Ā – não ocorrência de A
A ∩ B – ocorrência de ambos os acontecimentos
A ∩ B̄ – apenas a ocorrência de A
A ∪ B – ocorrência de pelo menos um dos acontecimentos
Definição
Uma função P : A → R diz-se uma função de probabilidade. Para
um qualquer acontecimento A ∈ A, o número real P (A) diz-se a
probabilidade da ocorrência de A.
2.2 Interpretações da probabilidade
Como definir uma função de probabilidade ou como interpretar o
 Como definir uma função de probabilidade ou como interpretar o
conceito de probabilidade?

Não há uma definição de probabilidade! É antes um conceito primitivo

que tem tido, ao longo do tempo, diferentes interpretações.

Interpretação de Laplace (1749-1827)

Consideremos um espaço de resultados formado por n resultados
Consideremos um espaço de resultados formado por n resultados
#Ω = n) e A ∈ A tal que #A = nA .
Então

#A nA
P (A) = = .
#Ω n
Interpretação frequencista
Considerem-se n repetições de uma experiência aleatória e seja nA o
número de ocorrências de um acontecimento A nessas n repetições. Então

nA
P (A) = lim .
n→+∞ n
Interpretação subjetivista
A probabilidade não está no objeto (experiência aleatória) mas sim no
sujeito que reflete sobre ele.
Qualquer probabilidade exprime um estado de conhecimento ou um grau de
crença orientada por princípios de racionalidade e coerência.
2.3 Axiomática de Kolmogorov (1903-1987)
1. P (A) ≥ 0, ∀A ∈ A;

2. P (Ω) = 1;

3. Sendo A1 , … , An , … uma coleção finita ou infinita numerável de

acontecimentos disjuntos dois a dois, então

P (⋃ Ai ) = ∑ P (Ai ).
i i
A partir destes axiomas podem-se provar muitas outras propriedades de
uma função de probabilidade.

Algumas propriedades

1. P (Ā) = 1 − P (A), ∀A ∈ A;

2. P (∅) = 0;

3. ∀A, B ∈ A : A ⊂ B ⟹ P (A) ≤ P (B);

4. P (A) ≤ 1, ∀A ∈ A;

5. P (A ∩ B̄) = P (A) − P (A ∩ B);

6. P (A ∪ B) = P (A) + P (B) − P (A ∩ B).

 Definição
Se A ≠ ∅ (Ω) e P (A) = 0 (1) então A diz-se um acontecimento
quase impossível (quase certo).

Ou seja,

P (A) = 0 ⟹
/ A=∅

P (A) = 1 ⟹
/ A=Ω
Probabilidade em espaços de resultados contáveis
Sejam Ω = {ω1 , … , ωn , …} e A = {ωi1 , … , ωik , …} ⊂ Ω.

P (A) = P (⋃ {ωij }) = ∑ P ({ωij })

j j
Caso particular
Espaço de resultados finito: #Ω = n e A = {ωi1 , … , ωik } ⊂ Ω
Resultados equiprováveis: P ({ωi }) = 1/n, ∀i

k #A
P (A) = =
n #Ω
2.4 Probabilidade condicional
Não vimos ainda como levar em conta no cálculo de probabilidades o facto
de a ocorrência de um acontecimento poder afectar as probabilidades de
outros acontecimentos ocorrerem.
Toda a probabilidade é condicional!

P (A ∩ Ω)
P (A) = = P (A|Ω), 
∀A ∈ A
P (Ω)
Teorema
Seja B ∈ A tal que P(B) > 0 e defina-se a função P(⋅ ∣ B) de A em
R. Então P(⋅ ∣ B) é uma função de probabilidade.
Como consequência do teorema anterior todas as propriedades de uma
função de probabilidade são satisfeitas por P (⋅ ∣ B).

Algumas propriedades

1. P(Ā ∣ B) = 1 − P(A ∣ B), ∀A ∈ A;

2. P (∅ ∣ B) = 0;

3. A1 ⊂ A2 ⇒ P (A1 ∣ B) ≤ P (A2 ∣ B);

4. P(A1 ∪ A2 ∣ B) = P(A1 ∣ B) + P(A2 ∣ B) − P(A1 ∩ A2 ∣ B)

Alguns teoremas da probabilidade
Uma aplicação das probabilidades condicionais

P (A ∩ B) = P (A)P (B ∣ A), se P (A) > 0

= P (B)P (A ∣ B), se P (B) > 0

Tiram-se da caixa acima sucessivas bolas ao acaso. Qual a probabilidade de a
primeira bola preta surgir na terceira tiragem?
Teorema da probabilidade composta

P (A1 ∩ A2 ∩ … ∩ An ) = P (A1 ) × P (A2 ∣ A1 )×

× P (A3 ∣ A1 ∩ A2 ) × … ×

× P(An−1 ∣ A1 ∩ … ∩ An−2 )×

× P (An ∣ A1 ∩ … ∩ An−1 )
Definição
Uma coleção finita ou infinita numerável de acontecimentos
A1 , … , An , … tais que
1. Ai ∩ Aj = ∅, ∀i ≠ j

2. ⋃i Ai = Ω
diz-se uma partição do espaço de resultados Ω.
 1 2
De acordo com o resultado do lançamento de uma moeda equilibrada
seleciona-se uma das caixas acima e tira-se ao acaso uma bola de essa caixa.
Qual a probabilidade de essa bola ser preta?
Teorema da probabilidade total
Sendo A1 , … , An , … uma partição de Ω então

P (B) = ∑ P (B ∣ Ai )P (Ai ), ∀B ∈ A,
i

omitindo-se da soma qualquer parcela em que .

 omitindo-se da soma qualquer parcela em que P(Ai ) = 0.

1 2
Foi feita a experiência do exercício anterior e sabe-se apenas que a bola
Foi feita a experiência do exercício anterior e sabe-se apenas que a bola
obtida foi preta.
Qual a probabilidade de ter sido selecionada a caixa 1?
Teorema de Bayes (1702-1761)
Sendo A1 , … , An uma partição de Ω e B ∈ A tal que P (B) > 0,
então

P(B ∣ Ak )P(Ak )
P(Ak ∣ B) = , ∀k
∑i P(B ∣ Ai )P(Ai )
2.5 Independência

Definição
Os acontecimentos A e B dizem-se independentes se e só se

P (A ∩ B) = P (A)P (B).
Notas

A e B independentes ⟹

P (A ∣ B) = P (A), 
se
P (B) > 0
P (B ∣ A) = P (B), 
se
P (A) > 0

Todo o acontecimento é independente de ∅ e Ω.

Poderão dois acontecimentos disjuntos serem independentes?

Teorema
Se A e B são acontecimentos independentes então:
A e B̄ são independentes,
Ā e B são independentes,
Ā e B̄ são independentes.
 Definição
Seja C ∈ A tal que P (C) > 0. Dois acontecimentos A e B dizem-se
condicionalmente independentes (dado C ) se e só se

P (A ∩ B ∣ C) = P (A ∣ C)P (B ∣ C).

Nota
Dois acontecimentos podem não ser independentes mas a ocorrência de um
terceiro acontecimento pode torná-los independentes.
Para mais do que dois acontecimentos é possível definir várias formas de
independência.

Definição
Os acontecimentos A1 , … , An , … dizem-se mutuamente ou
completamente independentes se e só se para qualquer subconjunto
{A∗i }ki=1 se verifica

P (⋂ A∗i ) = ∏ P(A∗i ), ∀k.

k k

i=1 i=1