Probabilidade

UNIVERSIDADE FEDERAL DA BAHIA

INSTITUTO DE MATEMÁTICA E ESTATÍSTICA
DEPARTAMENTO DE ESTATÍSTICA

Profª Renata Esquivel

UFBA – Departamento de Estatística

1
 Introdução

Probabilidade: Fundamentação teórica para

vários métodos estatísticas;

Quantifica as incertezas.

Fenômenos em situações de incerteza (aleatoriedade).

X
2
Profª Renata Esquivel
 Conceitos básicos da Teoria das Probabilidades

Experimento aleatório (Ԑ)

Fenômeno ou processo de experimentação cujos resultados não
podem ser previstos com total certeza.

Características:
- É possível repetir sob as mesmas condições (várias vezes);
- Não tem como afirmar a ocorrência de um particular resultado;
Pode-se descrever o conjunto de todos os possíveis resultados (espaço amostral);
-Surgimento de uma regularidade nos resultados (repetição do Ԑ).
Regularidade estatística

Possível construir modelos que descrevem e interpretam fenômenos aleatórios.

Modelos (distribuições de probabilidades)

3
Profª Renata Esquivel
 Conceitos básicos

Espaço Amostral (Ω)

Todos os possíveis resultados de um experimento

aleatório.

Evento (A , B , C , D, E, ...)

Qualquer subconjunto do espaço amostral.

-Evento simples ou elementar - Particular resultado do ε

(um ponto amostral)
- Evento Certo
- Evento impossível (ᴓ)
Profª Renata Esquivel 4
 Conceitos básicos

Exemplo:

ε : Investigação da vida útil, em dias, de uma lâmpada durante 300

dias consecutivos.
Ω= {0 , 1, 2, ..., 100, ..., 200, ..., 300}

A: Observar uma vida útil superior a 250 dias A= {251, 252 , ..., 300}

B: Observar uma vida útil inferior a 5 dias B= { 0, 1, 2 , 3 , 4}

C: Observar uma vida útil de 300 dias C= {300}

D: Observar uma vida útil superior a 300 dias D= ᴓ

E: Observar uma vida útil a partir de 0 dia e no máximo 300 dias E= Ω

5
Profª Renata Esquivel
 Conceitos básicos

Exemplo:
ε : Lançamento de um dado Ω= {1, 2, 3, 4, 5, 6}

Evento elementar: “sair o número quatro” – E= {4}

A: Sair um número par A= { 2,4,6 }

Ac = B
B: Sair um nº ímpar B= {1,3,5 }

A e B são eventos mutuamente exclusivos.

6
Profª Renata Esquivel
 Definições de Probabilidade

Clássica
Seja A um evento associado ao Ω finito e os pontos
amostrais ou eventos simples são equiprováveis (igualmente
possíveis), temos:

Limitações: Ex.: Probabilidade de obter um nº

par no lançamento de um
- Dificuldade em enumerar o A e Ω dado?

Ω= {1, 2, 3, 4, 5, 6}
- Apenas Ω finitos e equiprováveis. A= { 2,4,6 }

P(A) = 3 / 6

Profª Renata Esquivel 7

 Definições de Probabilidade

Axiomas
Sendo definido um Ԑ, o seu Ω e um evento A, pode-se definir
probabilidade como:

Uma função P definida para todos os subconjuntos do Ω que

satisfaz as seguintes condições:

i) 0 ≤ P(A) ≤ 1 Campo de variação

ii) P(Ω) = 1 Totalidade

iii)

8
Profª Renata Esquivel
Definições de Probabilidade

9
Profª Renata Esquivel
 Exemplos
Exemplo 1

A e B são eventos mutuamente exclusivos;

P(A)=0,2 e P(B)= 0,3. Pede-se:
P(Ac ) = 1- P(A)
P(Ac ) = ? P(Bc ) =1-P(B)
P(Bc ) = ?
P(A B) = ? P(A B) = P(A)+P(B)
P(A∩B) =? P(A∩B) =0
P(Ac ∩ Bc ) = ? P(Ac ∩ Bc ) = P( (A B) c) – Lei de Morgan
= 1-P((A B)

Suponha que P(A)=0,2 ; P(B)= 0,3 e P(A∩B) = 0,1 . Pede-se:

P(Ac ) = ? P(Ac ) = 0,8

P(Bc ) = ? P(Bc ) = 0,7
P(A B) = ? P(A B) = 0,4
P(A∩B) =? P(A∩B) =0,1
P(Ac ∩ Bc ) = ? P(Ac ∩ Bc ) = 1- 0,4= 0,6
10
Profª Renata Esquivel
 Definições de Probabilidade

Frequencial
Uso da frequência relativa do evento ao se repetir o Ԑ
(n vezes, sob as mesmas condições).
Regularidade
estatística

Estabilização das fR observadas

Limitação: O nº limite
real pode não existir.

11
Profª Renata Esquivel
 Aplicação

Exercício

Muitos hotéis oferecem xampu de cortesia nos seus apartamentos.

Suponha que você precise conhecer a probabilidade de um hotel oferecer
esse tipo de cortesia para te auxiliar na gestão de uma rede de hotéis.
a) Formule esse problema no contexto de um experimento aleatório com
espaço amostral.
Seleção de um hotel da rede...

ε: Observação do fato do hotel selecionado oferecer xampu de cortesia ou não.

Um hotel: Ω= {S, N}, em que S: O hotel oferece xampu.

N: O hotel não oferece xampu.

b) Qual a probabilidade do hotel selecionado oferecer esse tipo de

cortesia?
Os pontos amostrais são igualmente prováveis?

Um especialista informou o seguinte: um levantamento recente dos hotéis brasileiros apontou

que 70% oferecem xampu de cortesia para os hóspedes.
12
Profª Renata Esquivel
Probabilidade
Condicional
UNIVERSIDADE FEDERAL DA BAHIA
INSTITUTO DE MATEMÁTICA
DEPARTAMENTO DE ESTATÍSTICA

Profª Renata Esquivel

UFBA – Departamento de Estatística

13
 Probabilidade condicional

Sejam A e B eventos de um Ω qualquer.

A probabilidade condicional de A dado B é definida como:

P(A) > 0

P(B) > 0

A ocorrência de um evento influencia na probabilidade da ocorrência de um outro.

outro

Probabilidade de um evento ocorrer restrito a determinada condição.

condição

Como consequência ...

Regra do Produto ou Regra da Multiplicação

14
Profª Renata Esquivel
 Probabilidade condicional

Exercício

Considere um grupo de 100 pessoas, das quais 40 são

graduandos de uma faculdade, 20 trabalham por conta própria e 10 são
graduandos de uma faculdade e trabalham por conta própria. Seleciona-se
uma pessoa aleatoriamente. Sabendo que esta pessoa é um graduando de
uma faculdade, qual a probabilidade dela trabalhar por conta própria?

A : Trabalhar por conta própria

B : Graduandos de uma faculdade

Redução no espaço amostral – Apenas os graduandos de uma faculdade

15
Profª Renata Esquivel
 Aplicação
Exercício
Suponha que você esteja interessado na probabilidade de venda
de um valioso equipamento. As seguintes probabilidades são
conhecidas: Desejo na compra
Capacidade financeira
Sim Não
Sim 0,2 0,1 B
Não 0,4 0,3

A
a) Qual a probabilidade de um possível cliente escolhido
aleatoriamente no grupo desejar comprar o seu produto?
P(A)= 0,6
b) Qual a probabilidade de um cliente interessado comprar o seu
produto, sabendo que ele é financeiramente capaz
capaz?

P(A/B)=? 0,2
P(A / B) = = 0,667
0 ,3

Entre os clientes com capacidade financeira,

financeira 66,7% têm desejo de compra no seu produto.
16
Profª Renata Esquivel
 Probabilidade condicional

Teorema da Probabilidade Total

Sejam A1 , A2, ..., An eventos que formam uma partição* do Ω. E seja
B um evento desse mesmo Ω.

* Ai ∩ A j = ᴓ
B
*

P(B) = P(A1∩B) + P(A2∩B) + ...+ P(A6∩B)

P(B) = P(A1). P(B| A1) + P(A2). P(B| A2) + ... + P(A6). P(B| A6)

17
Profª Renata Esquivel
 Probabilidade condicional

Teorema de Bayes

Suponha que A1 , A2, ..., An formam uma partição do Ω.

Suponha P(Ai∩B) seja conhecida, ou seja, P(Ai) e P(B| Ai) conhecidas.

P ( Ai I B ). P ( Ai ).P ( B / Ai )
P ( Ai / B ) = P ( Ai / B ) = n
P(B)
∑ P ( A ).P ( B / A )
i =1
i i

18
Profª Renata Esquivel
 Aplicação

Exercício

a) Uma empresa utiliza três sistemas antigos e dois novos.

Uma outra empresa opera com quatro sistemas antigos e dois novos.
Seleciona-se, ao acaso, uma empresa e dela escolhe-se um sistema.

Qual a probabilidade de um fiscal selecionar um sistema antigo?

Origem de A1 ou A2

B : Selecionar um sistema antigo

A1 : Selecionar a empresa I
A2 : Selecionar a empresa II
P(B) =P(B∩ A1) + P(B∩ A2)
Teorema da ProbabilidadeTotal =P(A1) P(B/A1)+ P(A2) P(B/A2)

-Expressões P(B) = 19/30 = 0,633

-Diagrama de árvore
19
Profª Renata Esquivel
 Aplicação

b) Qual a probabilidade de um fiscal ter selecionado a empresa II,

sabendo que o sistema escolhido era antigo?

B: Selecionar um sistema antigo

A1 : Selecionar a empresa I
A2 : Selecionar a empresa II

Teorema de Bayes
P(A2 | B) = P(B∩ A2) / P(B)
-Expressões = [(½)(4/6)]/(19/30)
-Diagrama de árvore
P(A2 | B) = 10 / 19 = 0,526

20
Profª Renata Esquivel
Independência
Estatística
UNIVERSIDADE FEDERAL DA BAHIA
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA

DEPARTAMENTO DE ESTATÍSTICA

Profª Renata Esquivel

UFBA – Departamento de Estatística

21
 Independência

Dois eventos são estatisticamente independentes quando

a ocorrência de um deles não interfere na probabilidade
outro Ou seja,
de ocorrência do outro.

P( A / B) = P( A) P(B / A) = P(B)

P(A∩B) = P(A) .P(B)

Se {Ai }, i = 1, 2, 3,..., n, é uma família finita de eventos

independentes, então:

22
Profª Renata Esquivel
 Aplicação

Exercício 1

A1 : A primeira peça é boa e Ac1 : A primeira peça é defeituosa

A2 : A segunda peça é boa

1. P(A1 ∩ A2) = P(A1). P(A2 | A1) = P(A1). P(A2 ) = 9 / 25 = 0,36

2. P(Ac1 ∩ A2) = P(Ac1). P(A2 | Ac1) = P(Ac1). P(A2 ) = 24 / 100 = 0,24

23
Profª Renata Esquivel
 Aplicação
Exercício 2

Uma empresa produz peças em duas máquinas (I e II), que

podem apresentar desajustes com probabilidade 0,05 e 0,10,
respectivamente. A máquina não opera se estiver com
desajustes. Acredita-se que a falta de ajuste de uma máquina não
interfere no comportamento da outra.

a) Qual a probabilidade de ambas as máquinas estarem operando?

O1 : A máquina I está operando
O2: A máquina II está operando
P(O1 ∩ O2) = P(O1). P(O2 / O1) = 0,855

b) Qual a probabilidade da máquina I está operando e da máquina II

não está?

P(O1 ∩ Oc2) = P(O1). P(Oc2 / O1) = 0,095

24
Profª Renata Esquivel