S

l
i
d
Probabilidade & Estatística
e
1
Introdução e Conceitos de Probabilidade: Definição,
Probabilidade condicional, Independência e Teorema de Bayes

Referência: MONTGOMERY & RUNGER; Estatística Aplicada e Probabilidade para

Engenheiros; 5ºEdição – Capítulo 2

Prof. Douglas Moura Miranda

 Definições em Probabilidade
Uma das principais ferramentas da estatística é a probabilidade, que
teve seu início formal com a escolha de jogos no início do século XVII.

Experimento Aleatório: um experimento que pode fornecer diferentes

resultados quando repetido.
Ex. Lançamento de um dado honesto e observar a cada arremesso
a face voltada para cima.
Ex. Tempo de vida de uma lâmpada.

Espaço amostral (Ω): É o conjunto de todos os resultados possíveis

de um experimento aleatório..
Ex. Lançamento de um dado honesto. Ω = { 𝑓1, 𝑓2, 𝑓3, 𝑓4, 𝑓5, 𝑓6 }
(discreto: enumerável)
Ex. Tempo de vida da Lâmpada. Ω = { 𝑡; 𝑡 > 0}
(contínuo: não enumerável)
Slide 2
Exemplo:
Um fabricante de automóveis fornece as seguintes variações de
modelos: Com ou sem transmissão automática; Com ou sem ar-
condicionado; 3 tipos de som estéreo (1,2,3); 4 cores exteriores
(V,B,A,M); Qual o tamanho espaço amostral?

V,B,A,M

|Ω| = 2 ∗ 2 ∗ 3 ∗ 4 = 48 (Regra da Multiplicação)

Slide 3
 Definições em Probabilidade
Evento: é qualquer subconjunto do espaço amostral “Ω” de um
experimento aleatório.
Exemplo 1: A ocorrência de face impar, no lançamento de um dado
honesto. Evento A = { f1, f3, f5 }
Exemplo 2: Lâmpada durar entre 10 e 20 horas:
Evento A = { 𝑡 | 10 ≤ 𝑡 ≤ 20}

Operações entre eventos

União: 𝐴 𝑈 𝐵 → Se ocorrer pelo menos um dos eventos
Interseção: 𝐴 ∩ 𝐵 → Se ocorrer ambos os eventos
Complementar: 𝐴𝑐 → É o evento que ocorre quando A não ocorrer.

Mutuamente exclusivo: 𝐴 ∩ 𝐵 = Ø
A Ω
B

Diagramas de Venn
Slide 4
Exemplo:
Sejam os 2 eventos a seguir:

Slide 5
Propriedade de operações entre
eventos
1. (𝐴 ∪ 𝐵) ∩ 𝐶 = (𝐴 ∩ 𝐶) ∪ (𝐵 ∩ 𝐶)
2. (𝐴 ∩ 𝐵) ∪ 𝐶 = (𝐴 ∪ 𝐶) ∩ (𝐵 ∪ 𝐶)
3. (𝐴 ∪ 𝐵)𝑐 = 𝐴𝑐 ∩ 𝐵𝑐
4. (𝐴 ∩ 𝐵)𝑐 = 𝐴𝑐 ∪ 𝐵𝑐

A B Exemplo: (𝐴 ∪ 𝐵) ∩ 𝐶

Slide 6
Exemplo:
Uma cidade tem 4 hospitais de emergência, e em cada hospital o
paciente ao ser atendido por um médico é admitido na emergência ou
não admitido. Alguns pacientes que chegam no hospital nem são
examinados por um médico.

𝐴: visita hosp. 1
Não examin. B: não examinados
Admitidos
Não Admitidos

Diagrama de Venn para:

𝐴 ∩𝐵 = 195

𝐴 ∪𝐵 = 6050

Slide 7
 Probabilidade: definição clássica

▪ Dado um espaço amostral Ω com 𝑁 eventos igualmente

possíveis. Se 𝐴 é um evento em Ω composto de 𝑚
eventos simples, a probabilidade de ocorrência de um
evento 𝐴 num experimento é calculada por:

𝒎 𝒆𝒗𝒆𝒏𝒕𝒐𝒔 𝒅𝒆𝒔𝒆𝒋á𝒗𝒆𝒊𝒔
▪ 𝑷 𝑨 = =
𝑵 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒆𝒗𝒆𝒏𝒕𝒐𝒔 𝒑𝒐𝒔𝒔í𝒗𝒆𝒊𝒔
𝐴: visita hosp. 1
B: não examinados

𝐴 ∪ 𝐵 = 6050
6050
Não examin. 𝑃(𝐴 ∪ 𝐵) = =
22252
= 0.272 = 27.2%
Slide 8
 Tipos de Experimentos
Combinatórios
▪ Com reposição ou sem reposição de amostras

▪ Elementos das amostras podem ser ordenados ou

não ordenados

𝐸𝑥: 𝑆𝑒𝑗𝑎 𝑢𝑚 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑆 = {𝑎, 𝑏, 𝑐}}

𝑆𝑒 𝑠𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑎𝑏𝑐 𝑒𝑞𝑢𝑖𝑣𝑎𝑙𝑒𝑛𝑡𝑒 à 𝑏𝑐𝑎 𝑒𝑛𝑡ã𝑜 "𝑛ã𝑜 𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑜"

}
𝑆𝑒 𝑠𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑎𝑏𝑐 𝑛ã𝑜 𝑒𝑞𝑢𝑖𝑣𝑎𝑙𝑒𝑛𝑡𝑒 à 𝑏𝑐𝑎 𝑒𝑛𝑡ã𝑜 "𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑜"
}

Slide 9
 Regras de Contagem
𝒎 *Contar 𝑁 𝑒 𝑚 pode ser
𝑷𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅𝒆 𝒅𝒆 𝒖𝒎 𝒆𝒗𝒆𝒏𝒕𝒐 𝑨: 𝑷 𝑨 = muito trabalhoso.
𝑵

• Permutação: 𝑃𝑛 = 𝑛!
– Quantidade de sequencias ordenadas
(permutação) dos elementos de um conjunto:
*Ordenado: significa que a ordem é
importante
𝑆 = {𝑎, 𝑏, 𝑐}} *Sem reposição
*Caso especial de arranjo em que
𝑃3 = 3! = 3 ∗ 2 ∗ 1 = 6 todos são selecionados.
𝑎𝑏𝑐; 𝑎𝑐𝑏; 𝑏𝑎𝑐; 𝑏𝑐𝑎; 𝑐𝑎𝑏; 𝑐𝑏𝑎

Slide 10
 Tipos de Experimentos
• Experimento sem reposição ordenado:
– Dada uma turma de n = 50 alunos, escolher
primeiro 1 presidente, depois 1 tesoureiro e a
seguir 1 secretário. 𝑛!
• Arranjo Simples 𝐴𝑛𝑟 =
𝑛−𝑟 !
Ordem de escolha dos representantes importa (ordenada) pois
escolhe primeiro o presidente e depois o tesoureiro;

Ao escolher o primeiro; para a escolha seguinte há apenas (n-1)

representantes (sem reposição) pois um aluno não pode
acumular 2 funções.
Onde n é o total de elementos e r é o número de elementos escolhidos (tamanho do
arranjo) Slide 11
 Tipos de Experimentos

• Experimento com reposição ordenado:

– Ex: escolher 1 goleiro e depois 1 capitão dentre 11
jogadores.
• Arranjo com reposição 𝐴𝑅𝑟𝑛 = 𝑛𝑟

Ordem de escolha dos representantes importa (ordenada)

pois escolhe primeiro o goleiro;

Ao escolher o primeiro; para a escolha seguinte há ainda n

possibilidades (com reposição) pois o goleiro e capitão
podem ser o mesmo jogador.

Onde n é o total de elementos e r é o número de elementos escolhidos (tamanho do

arranjo) Slide 12
 Tipos de Experimentos
• Experimento sem reposição não ordenado:
– Dada uma turma de n=50 alunos, escolher r=3
representantes.
𝑛! 𝑛
Combinação Simples 𝐶𝑟𝑛 = =
𝑟! 𝑛 − 𝑟 ! 𝑟

Ordem de escolha dos representantes não importa (não

ordenada);

Ao escolher o primeiro representante; para a escolha seguinte

há apenas (n-1) representantes (sem reposição)

Onde n é o total de elementos e r é o número de elementos escolhidos (tamanho do

subconjunto) Slide 13
 Tipos de Experimentos
• Experimento com reposição não ordenado :
– Comprar r=3 carros sem que haja preferencia
dentre n=5 cores disponíveis.
Combinação c/ rep. (𝑛 + 𝑟 − 1)! 𝑛+𝑟−1
𝐶𝑅𝑟𝑛 = =
𝑟! 𝑛 − 1 ! 𝑟

Ordem de escolha dos carros não importa pois a sequencia de

cores obtidas não importa (não ordenado);

Ao escolher a cor do primeiro carro há r cores disponíveis; para

a escolha da cor do segundo carro ainda há r cores disponíveis
(com reposição)

Onde n é o total de elementos e r é o número de elementos escolhidos (tamanho do

subconjunto) Slide 14
 Tipos de Experimentos
• Experimento sem reposição ordenado e
múltiplos subgrupos de elementos iguais :
– Estampar 𝑛1 círculos iguais e 𝑛2 quadrados iguais
numa chapa de aço.
(𝑛)!
Arranjos múltiplos: 𝐴𝑟𝑛 =
𝑜𝑛𝑑𝑒: 𝑛 = 𝑛1 + 𝑛2 + ⋯ +𝑛𝑟 𝑛1 ! 𝑛2 ! … 𝑛𝑟 !
Ordem em que figuras são estampadas importa (ordenado);

Ao estampar uma figura, ela não pode ser reposta (sem

reposição)

Neste exemplo 𝑟 = 2 tipos; 𝑛 = 𝑛1 + 𝑛2

Onde n é o total de elementos e r é o número de tipos de elementos escolhidos
Slide 15
 Tipos de Experimentos
• Resumo:
Tipo Experimento Reposição Ordenação Equação
𝑛!
Arranjo Simples sem com
𝑛−𝑟 !
Arranjo c/ Rep. com com 𝑛𝑟
𝑛!
Combinação Simples sem sem
𝑟! 𝑛 − 𝑟 !
(𝑛 + 𝑟 − 1)!
Combinação c. Rep. com sem
𝑟! 𝑛 − 1 !
Permutação sem com 𝑛!
(𝑛)!
Arranjo Múltiplos sem com
𝑛1 ! 𝑛2 ! … 𝑛𝑟 !

Nota: ordenação refere-se aos r elementos do subconjunto.

Slide 16
 Exemplo
De quantos modos pode-se selecionar 2 substâncias dentre 20
existentes ? Sabe-se que o tempo entre as 2 escolhas interfere
na substância gerada pela reação química.
20 x 19= 380

Arranjo simples

Slide 17
 Exemplo
De quantos modos diferentes 5 pessoas podem ser
fotografadas num sofá de 5 lugares ?

5 x 4 x 3 x 2 x 1= P(n) = 5! = 120 Ordem importa;

sem repetição

De quantos modos diferentes 5 pessoas podem ser

fotografadas num sofá de 3 lugares ?

Ordem importa;
5 x 4 x 3 = A(5,3) = 60 sem repetição

Slide 18
 Exemplo
Uma linha de transmissão de energia possui 3 trechos em
paralelo. Cada trecho pode estar operacional ou não. De
quantas maneiras a linha de transmissão ainda é operacional ?
2x2x2=8–1=7

Ordem importa pois cada trecho tem sua posição fixa.

Com repetição: pois aberto e fechado pode se repetir.
Tem 2 opções (n) para cada uma das 3 escolhas (r)
Arranjo com repetição
2^3 = 8 , subtrai 1 .

Slide 19
 Exemplo
Sejam placas de carros formadas por 3 letras e 4 números.
(Dentre 26 letras e 10 números). Quantas placas diferentes
podem ser formadas?
Ordem importa;
com repetição

26 x 26 x 26 x 10 x 10 x 10 x 10 = 175 760 000

𝑟𝑒𝑝 𝑟𝑒𝑝
𝐴26,3 ∗ 𝐴10,4 = 263 ∗ 104

Slide 20
 Exemplo
Seja um lote com 50 peças. Sabe-se que ele possui 3 peças
defeituosas. Quantas amostras de tamanho 6 possuem 2
peças defeituosas ? Cada peça é amostrada sem reposição.

É preciso selecionar 2 defeituosos (rd=2) dentre os 3 defeituosos do lote

(nd=3). Ex: (ddn),(dnd),(ndd)
Veja que dentro do subconjunto rd=2 (dd) a ordem não importa, portanto,
sem ordenação.
Logo estamos falando de um experimento sem reposição e sem ordenação,
ou seja, uma Combinação Simples.
Então temos:
• rn: subgrupo de tamanho r dentre os
𝑛! 3! não defeituosos
= =3 • rd: subgrupo de tamanho r dentre os
𝑟! 𝑛 − 𝑟 ! 2! 3 − 2 ! defeituosos

Slide 21
Também é preciso selecionar 4 não defeituosos (rn=4) dentre os 47 não
defeituosos do lote (nn=3).
Veja que dentro do subconjunto rn=4 (nnnn) a ordem não importa, portanto,
sem ordenação.
Logo estamos falando de um experimento sem reposição e sem ordenação,
ou seja, uma Combinação Simples.
Então temos:

𝑛! 47!
= = 178365
𝑟! 𝑛 − 𝑟 ! 4! 47 − 4 !

A amostra de 6 elementos precisa ter 2 defeituosos & 4 não defeituosos,

logo pela regra da multiplicação:

3 ∗ 178365 = 535096

Slide 22
Ainda neste exercício, quantos subconjuntos quaisquer de 6 peças pode-se
ter a partir de 50 peças?

Como a ordem dentro de um subconjunto não importa, e não há reposição a

cada peça amostrada, temos uma cominação de 6 elementos em 50, ou seja:

𝑛! 50!
= = 15890700
𝑟! 𝑛 − 𝑟 ! 6! 50 − 6 !

Qual a probabilidade de se obter uma amostra de tamanho 6 com 2 peças

defeituosas no lote de 50 peças?

𝑚 535096
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑢𝑚 𝑒𝑣𝑒𝑛𝑡𝑜 𝐴: 𝑃 𝐴 = = = 0,034
𝑁 15890700

Ou seja, probabilidade de 3,4%

Slide 23
 Propriedades de um Evento
Para um espaço amostral discreto, a probabilidade de um
evento E ocorrer é igual à soma das probabilidades dos
resultados contidos em E.

Ω = { 𝑓1, 𝑓2, 𝑓3, 𝑓4, 𝑓5, 𝑓6 }

𝐸 = { 𝑓1, 𝑓3, 𝑓5}

1 1 1 3
𝑃(𝐸) = + + = = 0.50 = 50%
6 6 6 6

Slide 24
 Axiomas da Probabilidade

1. P(Ω) = 1
2. 0 ≤ P(A) ≤1, para todo A  Ω;
3. Se A ∩ B = Ø ∴ P(A ∪ B) = P(A) + P(B)

𝑃 ∅ =0

𝑃 𝐸′ = 1 − 𝑃(𝐸)

Slide 25
 Exemplo
Seja: Ω = 𝑎, 𝑏, 𝑐, 𝑑, 𝑒 𝑐𝑜𝑚 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒𝑠 0,1; 0,1; 0,2; 0,4; 0,2

𝐴 = { 𝑎, 𝑏, 𝑐} 𝐵 = {𝑐, 𝑑, 𝑒}

𝑃(𝐴)

𝑃(𝐵)

𝑃(𝐴′)

𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴′ ∩ 𝐵)

Resp.: 0,4 ; 0,8; 0,6; 0,2; 0,6; respectivamente.

Slide 26
 Propriedades de Probabilidade

1. 𝑃(𝐴𝑐 ) = 1 – 𝑃(𝐴)
2. 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) – 𝑃(𝐴 ∩ 𝐵)
3. 𝑆𝑒 𝐴 ⊂ 𝐵 → 𝑃(𝐴) ≤ 𝑃(𝐵)
4. 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐴𝑐 ∩ 𝐵)
5. 𝑃 𝐴 ∪ 𝐵∪𝐶 = 𝑃 𝐴 +𝑃 𝐵 + 𝑃 𝐶 ,
𝑠𝑒 𝐴, 𝐵 𝑒 𝐶 𝑠ã𝑜 𝑚𝑢𝑡𝑢𝑎𝑚𝑒𝑛𝑡𝑒 𝑒𝑥𝑐𝑙𝑢𝑠𝑖𝑣𝑜𝑠.
6. 𝑃 𝐴 ∪ 𝐵∪𝐶 =𝑃 𝐴 +𝑃 𝐵 +𝑃 𝐶
−𝑃 𝐴 ∩ 𝐵 −𝑃 𝐴 ∩ C − 𝑃 B ∩ C
+𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) Slide 27
Probabilidade Condicional
• Sejam dois eventos A e B de um mesmo
espaço amostral e supondo que P(A) > 0, a
probabilidade condicional de B ocorrer
dado que A ocorreu é dada por:
– P(B|A) = P(A ∩ B) / P(A)
• É a probabilidade de ocorrer A e B dentro do
subconjunto dos eventos de A.

A B → P(B|A) =

Slide 28
 Exemplo
Seja: Ω = 𝑎, 𝑏, 𝑐, 𝑑, 𝑒 𝑐𝑜𝑚 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒𝑠 0,1; 0,1; 0,2; 0,4; 0,2

𝐴 = { 𝑎, 𝑏, 𝑐} 𝐵 = {𝑐, 𝑑, 𝑒}

𝑃(𝐵 ∩ 𝐴) 0,2
𝑃 𝐵𝐴 = = = 50%
𝑃(𝐴) 0,4

𝑃(𝐴 ∩ 𝐵) 0,2
𝑃 𝐴𝐵 = = = 25%
𝑃(𝐵) 0,8

𝑃(𝐴′ ∩ 𝐵) 0,6
𝑃 𝐴′ 𝐵 = = = 75%
𝑃(𝐵) 0,8

Slide 29
 Probabilidade Condicional
Exemplo: Uma urna contem 3 bolas vermelhas e 2 brancas.
Seleciona-se 2 bolas sem reposição.
Espaço Amostral Ω={BB, BV, VB, VV}

1º Sel. 2º Sel.
2 1 1
1 P ( B B ) = P( B) P ( B2| B ) = * =
P ( B 2 | B1) = 1 2 1 1 5 4 10
4
2 3 3
2
P ( BV ) = P( B1) P (V2 | B1) = * =
P ( B1) =
P (V 2 | B1) =
3 1 2 5 4 10
5
4
3 2 3
P ( B 2 | V 1) =
2 P (V  B ) = P (V1) P ( B2| V1) = * =
4 1 2 5 4 10
3
P (V 1) =
3 2 3
5
P (V 2 | V 1) =
2 P(V1V2) = P(V1) P(V2| V1) = * =
4 5 4 10

Slide 30
 Probabilidade Condicional
Exemplo: Seja uma linha de produção de arruelas. A análise de
conformidade de 370 arruelas é dada a seguir:
Forma
Conforme (A) Defeituosa (A`)
Conforme (B) 345 5
Acabamento
Defeituosa (B`) 12 8
Total 370 357 13

345
Prob. de acabamento 𝑃(𝐵 ∩ 𝐴)
conforme dado que 𝑃 𝐵𝐴 = = 370 = 96.6%
forma é conforme: 𝑃(𝐴) 345 + 12
370

Prob. de acabamento 5
conforme dado que 𝑃(𝐵 ∩ 𝐴′)
forma é defeituosa: 𝑃 𝐵 𝐴′ = = 370 = 38.4%
𝑃(𝐴′) 5+8
370 Slide 31
Regra da Multiplicação
(Para 2 eventos)

𝑃(𝐴 ∩ 𝐵) 𝑃(𝐵 ∩ 𝐴)
𝑃 𝐴𝐵 = ; 𝑃 𝐵𝐴 =
𝑃(𝐵) 𝑃(𝐴)

𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 𝐵 𝑃 𝐵 = 𝑃 𝐵 𝐴 𝑃(𝐴)

*Importante para relacionar as 2 probabilidades condicionais (A|B) e (B|A)

Slide 32
 Regra da Probabilidade Total
𝐴 𝐴′ (Para 2 eventos
mutualmente exclusivos:
𝐵 A; A’)
𝐵∩𝐴 𝐵 ∩ 𝐴′

𝐵 = 𝐵 ∩ 𝐴 ∪ 𝐵 ∩ 𝐴′

𝑃 𝐵 = 𝑃 𝐵 ∩ 𝐴 + 𝑃 𝐵 ∩ 𝐴′
𝑃 𝐵 = 𝑃 𝐵 𝐴 𝑃(𝐴) + 𝑃 𝐵 𝐴′ 𝑃(𝐴′)
𝑃 𝐵 = 𝑃 𝐴 𝐵 𝑃(𝐵) + 𝑃 𝐴′ 𝐵 𝑃(𝐵)
*Importante para relacionar as 2
probabilidades condicionais (B|A) e (B|A’)
Slide 33
 𝐵′ ∩ 𝐴

𝐴 = 𝐵′ ∩ 𝐴 ∪ 𝐵 ∩ 𝐴
𝑃 𝐴 = 𝑃 𝐵′ ∩ 𝐴 + 𝑃 𝐵 ∩ 𝐴
𝑃 𝐴 = 𝑃 𝐵′ 𝐴 ∗ 𝑃 𝐴 + 𝑃 𝐵 𝐴 ∗ 𝑃(𝐴)
1 = 𝑃 𝐵′ 𝐴 ∗ 1 + 𝑃 𝐵 𝐴 ∗ 1
𝑃 𝐵′ 𝐴 = 1 − 𝑃 𝐵 𝐴

*Importante para relacionar (B’|A) e (B|A)

Slide 34
Regra da Probabilidade Total
𝐸1 𝐸2 … 𝐸𝑛 (Para 𝑛 eventos)

𝐵
𝐵 ∩ 𝐸1 𝐵 ∩ 𝐸2 𝐵 ∩ 𝐸𝑛

𝐵 = 𝐵 ∩ 𝐸1 ∪ 𝐵 ∩ 𝐸2 ∪ ⋯ ∪ 𝐵 ∩ 𝐸𝑛
𝑃 𝐵 = 𝑃 𝐵 ∩ 𝐸1 + 𝑃 𝐵 ∩ 𝐸2 + ⋯ + 𝑃 𝐵 ∩ 𝐸𝑛
𝑃 𝐵 = 𝑃 𝐵 𝐸1 𝑃 𝐸1 + 𝑃 𝐵 𝐸2 𝑃 𝐸2 + ⋯ + 𝑃 𝐵 𝐸𝑛 𝑃(𝐸𝑛 )

*Importante para relacionar n probabilidades condicionais em que os

eventos 𝐸1 a 𝐸𝑛 sejam mutuamente exclusivos.
Slide 35
 Regra da Probabilidade Total
Exemplo: Seja um processo de fabricação de memória SSD para
computadores. Estudos preliminares identificaram que:
• 10% prob. de que um chip sujeito a altos níveis de contaminação
durante a fabricação cause falha no produto.
• 1% se sujeito a um nível médio de contaminação.
• 0.1% se sujeito a um baixo nível de contaminação.
Numa dada condição de produção, 20% dos chips estão sujeitos a altos
níveis de contaminação, 30% a níveis médios e 50% a níveis baixos.
Qual a probabilidade de que um chip falhe?
𝐸1 : N. Cont. alto; 𝐸2 : médio; 𝐸3 : baixo;
𝐵: falha no produto;
𝑃 𝐵 = 𝑃 𝐵 𝐸1 𝑃 𝐸1 + 𝑃 𝐵 𝐸2 𝑃 𝐸2 + 𝑃 𝐵 𝐸3 𝑃(𝐸3 )
𝑃 𝐵 = 0.10 0.20 + 0.01 0.30 + 0.001 0.50 = 2.35%
Slide 36
 Teorema de Bayes
Como visto antes, da definição de probabilidade condicional:
𝑃(𝐸1 ∩ 𝐵) 𝑃(𝐸1 ∩ 𝐵)
𝑃 𝐸1 𝐵 = ; 𝑃 𝐵 𝐸1 =
𝑃(𝐵) 𝑃(𝐸1 )

𝑃 𝐸1 ∩ 𝐵 = 𝑃 𝐸1 𝐵 𝑃 𝐵 = 𝑃 𝐵 𝐸1 𝑃(𝐸1 ) (Regra da Multiplicação

p/ 2 eventos)
𝑃 𝐵 𝐸1 𝑃(𝐸1 )
1 𝑃 𝐸1 𝐵 =
𝑃(𝐵)
2 𝑃 𝐵 = 𝑃 𝐵 𝐸1 𝑃 𝐸1 + 𝑃 𝐵 𝐸2 𝑃 𝐸2 + ⋯ + 𝑃 𝐵 𝐸𝑛 𝑃(𝐸𝑛 )
Fazendo [2] em [1] onde 𝐸1 a 𝐸𝑛 sejam mutuamente
exclusivos:
Regra. Prob. Total
𝑃 𝐵 𝐸1 𝑃(𝐸1 )
𝑃 𝐸1 𝐵 =
𝑃 𝐵 𝐸1 𝑃 𝐸1 + 𝑃 𝐵 𝐸2 𝑃 𝐸2 + ⋯ + 𝑃 𝐵 𝐸𝑛 𝑃(𝐸 𝑛)
Slide 37
 Teorema de Bayes - Exemplo
Exemplo: Seja o exemplo já visto do processo de fabricação de
memória SSD para computadores.
• 10% prob. de falha se sujeito a altos níveis de contaminação
• 1% se sujeito a um nível médio; 0.1% se sujeito a um baixo nível
20% dos chips estão sujeitos a altos níveis, 30% a níveis médios e 50%
a níveis baixos. Perg. Original: Qual a probabilidade de que um produto
falhe? Perg. Nova: Se o produto falhou, qual a probabilidade de que ele
tenha sido exposto a altos níveis de contaminação?
𝐸1 : alto; 𝐸2 : médio; 𝐸3 : baixo; 𝐵: falha no produto
𝑃 𝐵 𝐸1 𝑃(𝐸1 )
𝑃 𝐸1 𝐵 =
𝑃 𝐵 𝐸1 𝑃 𝐸1 + 𝑃 𝐵 𝐸2 𝑃 𝐸2 + ⋯ + 𝑃 𝐵 𝐸𝑛 𝑃(𝐸𝑛 )
0.10 0.20
𝑃 𝐸1 𝐵 = = 85%
0.10 0.20 + 0.01 0.30 + 0.001 0.50
Slide 38
 Teorema de Bayes – Exemplo 2
Exemplo: Estima-se que 1% das mulheres com idade entre 40 e 50
anos tem câncer de mama. Uma mulher que tem a doença, tem o teste
positivo de mamografia com 90% de chance; enquanto que uma mulher
sem a doença, tem 11% de chance de receber um resultado positivo
falso. Qual a probabilidade de uma mulher ter a doença dado que ela
recebeu um teste positivo?
Isso mesmo! A
𝐸1 : ter a doença; 𝑃(𝐸1 ): 0.01 probabilidade de uma
𝐸2 : não ter a doença; 𝑃(𝐸2 ): 0.99 mulher ter a doença, dado
que ela recebeu um teste
𝐵: teste é +; P(𝐵|𝐸1 ): 0.90 positivo é de apenas 7,6% !
𝑃 𝐸1 𝐵 =? P(𝐵|𝐸2 ): 0.11
𝑃 𝐵 𝐸1 𝑃(𝐸1 )
𝑃 𝐸1 𝐵 =
𝑃 𝐵 𝐸1 𝑃 𝐸1 + 𝑃 𝐵 𝐸2 𝑃 𝐸2
0.90(0.01)
𝑃 𝐸1 𝐵 = = 0.076 = 7,6%
0.90(0.01) + 0.11(0.99)
Slide 39
 Teorema de Bayes – Exemplo 3
Uma linha de produção fabrica 2 tipos de automóveis: 70% Fiesta e
30% Focus. Sabe-se que 2% dos veículos Fiesta apresentam algum
defeito na inspeção final, e 1% para os veículos Focus. Um funcionário
lhe diz que há um carro reprovado para você engenheiro investigar o
motivo. Qual a probabilidade de que seja um Fiesta ?
[1] Def. eventos
𝐸1 : Fiesta; 𝑃(𝐸1 ): 0.70 [2] Pergunta
𝐸2 : Focus; 𝑃(𝐸2 ): 0.30 [3] Dados formais
𝐵: ser reprovado P(𝐵|𝐸1 ): 0.02 [4] Resolução
𝑃 𝐸1 𝐵 =? P(𝐵|𝐸2 ): 0.01

𝑃 𝐵 𝐸1 𝑃(𝐸1 )
𝑃 𝐸1 𝐵 =
𝑃 𝐵 𝐸1 𝑃 𝐸1 + 𝑃 𝐵 𝐸2 𝑃 𝐸2
0.02(0.70)
𝑃 𝐸1 𝐵 = = 0.083 = 82.4%
0.02(0.70) + 0.01(0.30)
Slide 40
 Independência
Quando a probabilidade de um evento não afeta a probabilidade
de outro, dizemos que os eventos são independentes.
Dois eventos são independentes se qualquer uma das seguintes
afirmações for verdadeira:

1 𝑃 𝐵 𝐴 = 𝑃(𝐵)
2 𝑃 𝐴 𝐵 = 𝑃(𝐴)
3 𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐴)𝑃(𝐵)

Para 𝑛 eventos independentes:

𝑃 𝐸1 ∩ 𝐸2 ∩ ⋯ ∩ 𝐸𝑛 = 𝑃 𝐸1 𝑃 𝐸2 … 𝑃(𝐸𝑛 )

Slide 41
 Independência
Exemplo: Uma linha de transmissão opera se houver pelo menos 1
caminho funcional entre os extremos. Abaixo é dado o desenho da linha
com a respectiva probabilidade de cada aparelho funcionar. Qual a
probabilidade da linha operar?
0.90 0.95
0.90 0.99
0.90 0.95
𝑇1 𝑇2 𝑇3
Probabilidade do trecho 𝑖 funcionar: 𝑃(𝑇𝑖 ) = 1 − 𝑃(𝑇𝑖′ )
Usando a independência, a prob. de que todos os trechos funcionem:

𝑃 = 𝑇1 𝑇2 𝑇3 = (1 − 0.103 ) 1 − 0.052 1 − 0.01 = 98.65%

Slide 42
 Fechamento
• Definições:
o experimento, espaço amostral, evento, operações de
conjuntos, def. probabilidade, tipos de exper. (analise
combinatória)
• Probabilidade condicional
• Probabilidade total
• Independência,
• Bayes

Slide 43
 Fechamento
Regra da Multiplicação
𝑃 𝐴 𝐵 𝑃 𝐵 = 𝑃 𝐵 𝐴 𝑃(𝐴)

Regra da Probabilidade Total

𝑃 𝐵 = 𝑃 𝐵 𝐸1 𝑃 𝐸1 + 𝑃 𝐵 𝐸2 𝑃 𝐸2 + ⋯ + 𝑃 𝐵 𝐸𝑛 𝑃(𝐸𝑛 )

Teorema de Bayes
𝑃 𝐵 𝐸1 𝑃(𝐸1 )
𝑃 𝐸1 𝐵 =
𝑃 𝐵 𝐸1 𝑃 𝐸1 + 𝑃 𝐵 𝐸2 𝑃 𝐸2 + ⋯ + 𝑃 𝐵 𝐸𝑛 𝑃(𝐸𝑛 )

Consequência da Probabilidade Condicional

𝑃 𝐵 𝐴 = 𝑃(𝐵 ∩ 𝐴)/𝑃 𝐴
Slide 44