Estatística - Tópico 6 - Noções de Probabilidade

Estatı́stica
Tópico 6 - Noções de Probabilidade
Profa. Carla Zeline
29 e 31/10 e 05/11/2019
Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 1 / 27

Tópicos
1 Introdução
2 Conceitos Importantes
Experimento Aleatório
Espaço Amostral e Eventos
3 Definição de Probabilidade
4 Principais Teoremas
5 Probabilidade Condicional
6 Eventos Independentes

Introdução
Introdução
A teoria da Probabilidade é o estudo matemático na quantificação

da aleatoriedade e incerteza de eventos na natureza.
Em particular, as proporções (frequências relativas) são estima-
tivas da probabilidade de ocorrência de certos eventos de inte-
resse.
Denominamos fenômeno aleatório à situação ou acontecimento
cujos resultados não podem ser previstos com certeza. Ex: se irá
chover ou não amanhã, taxa de inflação no próximo mês.
A distribuição das frequências dos resultados desses fenômenos
aleatórios podem ser reproduzidas de maneira razoável por mo-
delos probabilı́sticos.

Conceitos Importantes Experimento Aleatório
Experimento Aleatório
É um experimento no qual:
todos os possı́veis resultados são conhecidos;
resulta num valor desconhecido, dentre todos os resultados possı́veis;
pode ser repetido em condições idênticas.
Exemplos: lançamento de uma moeda, lançamento de um dado.

Conceitos Importantes Espaço Amostral e Eventos

Espaço Amostral (Ω)
É o conjunto de todos os resultados possı́veis de um experimento,
denotado por Ω.
Evento (E)
É um subconjunto do espaço amostral, denotado por uma letra
maiúscula. Ex: A, B, C,..., Z.


Exemplos: Considere os experimentos aleatórios abaixo.
1 Lançamento de uma moeda: Ω ={cara, coroa}. Seja A={cara}
o evento de sair cara e B={coroa} o evento de sair coroa;
2 Lançamento de um dado: Ω = {1, 2, 3, 4, 5, 6}. Sejam
A = {2, 4, 6} o evento de sair um número par e B = {1, 3, 5} o
evento de sair um número ı́mpar;


Tipos de Eventos
Sejam A e B dois eventos quaisquer do espaço amostral Ω. Então:
1 União: de A e B, dada por: (A ∪ B), é quando ocorre A ou B;
2 Interseção: de A e B, dada por: (A ∩ B), é quando ocorre A e
B simultaneamente;
3 Complementar: de A,dado por: (A), é quando não ocorre A.


Exemplo 1: Considere o experimento aleatório de lançar uma moeda,
Ω ={cara, coroa}, em que A={”cara”} e B={”coroa”}.
1 União: A ∪ B = Ω;
2 Interseção: A ∩ B = ∅;
3 Complementar: A = B;
4 Complementar: B = A.


Exemplo 2: Considere o espaço amostral (Ω) abaixo:
1 União: A ∪ B = {1, 2, 3, 4, 5, 6, 7, 8} = Ω;
2 Interseção: A ∩ B = {4, 5};
3 Complementar: A = {6, 7, 8};
4 Complementar: B = {1, 2, 3}.

Exercı́cio 1: Lançamento de um dado, Ω = {1, 2, 3, 4, 5, 6}, em que
A: no s pares , B: no s ı́mpares e C : no s primos.
1 União: A ∪ B ∪ C = ?;
2 União: A ∪ B = ?;
3 União: A ∪ C = ?;
4 União: B ∪ C = ?;
5 Interseção: A ∩ B ∩ C = ?;
6 Interseção: A ∩ B = ?;
7 Interseção: A ∩ C = ?;
8 Interseção: B ∩ C = ?;
9 Complementar: A = ?;
10 Complementar: B = ? e C = ?.


Exercı́cio 1: Lançamento de um dado, Ω = {1, 2, 3, 4, 5, 6}, em que
A = {2, 4, 6}, B = {1, 3, 5} e C = {2, 3, 5}.
1 União: A ∪ B ∪ C = {1, 2, 3, 4, 5, 6} = Ω;
2 União: A ∪ B = {1, 2, 3, 4, 5, 6} = Ω;
3 União: A ∪ C = {2, 3, 4, 5, 6};
4 União: B ∪ C = {1, 2, 3, 5};
5 Interseção: A ∩ B ∩ C = ∅;
6 Interseção: A ∩ B = ∅;
7 Interseção: A ∩ C = {2};
8 Interseção: B ∩ C = {3, 5};
9 Complementar: A = B;
10 Complementar: B = A e C = {1, 4, 6}.
Definição de Probabilidade
A probabilidade de determinado evento “A”ocorrer é dada por:
#A Número de resultados em A
P(A) = =
#Ω Número de resultados em Ω
Exemplos:
1 Lançamento de uma moeda: Ω ={cara, coroa}, o evento de sair
cara é A={cara}. A probabilidade de A é dada por:
#A
P(A) = #Ω = 21 = 0, 5.
2 Lançamento de um dado: Ω = {1, 2, 3, 4, 5, 6}. Os eventos
A = {2, 4, 6} de sair um número par e B = {1, 3, 5} de sair um
número ı́mpar. Então:
#A
P(A) = #Ω = 63 = 0, 5 e P(B) = #B#Ω
= 36 = 0, 5.
Propriedades da Probabilidade
Propriedades
Sejam A e B dois eventos quaisquer do espaço amostral Ω. Então:
1 0 ≤ P(A) ≤ 1, para qualquer evento A ∈ Ω;
2 P(Ω) = 1;
3 Se (A ∩ B) = ∅ (disjuntos). Então: P(A ∪ B) = P(A) + P(B).
Exemplos:
Lançamento de uma moeda: Ω ={cara, coroa}. Seja o evento
A={cara} e B={coroa}. Então:
#A
P(A) = #Ω = 21 = 0, 5, logo: 0 ≤ P(A) ≤ 1;
P(Ω) = #Ω
#Ω
= 22 = 1;
Como A e B são disjuntos, ou seja, (A ∩ B) = ∅, então:
P(A ∪ B) = P(A) + P(B) = 0, 5 + 0, 5 = 1.
Principais Teoremas
Principais Teoremas
Regra da Adição de Probabilidades
Se A e B são eventos quaisquer de Ω, então:
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
Se A e B são disjuntos
Se A e B são eventos disjuntos (A ∩ B = ∅) de Ω, então:
P(A ∪ B) = P(A) + P(B)
Consequência da Regra da Adição de Probabilidades

Para A vale que:
P(A) = 1 − P(A)
Principais Teoremas
Principais Teoremas
Exemplos:
1 Lançamento de uma moeda: Ω ={cara, coroa}, A={cara} e
B={coroa}. Então:
P(A ∪ B) = P(A) + P(B) = 12 + 12 = 1, pois A e B são disjuntos;
P(A ∩ B) = P(∅) = 0;
P(A) = 1 − P(A) = 1 − 0, 5 = 0, 5;
P(B) = 1 − P(B) = 1 − 0, 5 = 0, 5;
2 Lançamento de um dado: Ω = {1, 2, 3, 4, 5, 6}. Sejam os eventos
A = {2, 4, 6}, B = {1, 3, 5} e C = {2, 3, 5}. Então:
P(A ∪ B) = P(A) + P(B) = 63 + 36 = 66 = 1;
P(A ∪ C ) = P(A) + P(C ) − P(A ∩ C ) = 63 + 36 − 16 = 56 = 0, 8333;
P(A ∩ B) = P(∅) = 0;
P(A ∩ C ) = #(A∩C
#Ω
)
= 16 = 0, 1667;
P(A) = 1 − P(A) = 1 − 36 = 63 = 0, 5.
Principais Teoremas
Exercı́cio em sala
Ex1: Considere o experimento aleatório de lançar dois dados
consecutivos, ou seja, importa a ordem. Descreva:
1 Ω: o espaço amostral;
2 A: o evento de sair dois resultados iguais;
3 B: o evento da soma dos dois resultados ser igual a 10.
Ex2: Do exercı́cio anterior, calcule as seguintes probabilidades:

1 P(A);
2 P(B);
3 P(A ∩ B);
4 P(A ∪ B);
5 P(A);
6 P(B).
Probabilidade Condicional
Introdução
Na prática, o fenômeno aleatório estudado pode ser separado em
etapas. A informação do que ocorreu em uma determinada etapa pode
influenciar nas probabilidades de ocorrências das etapas sucessivas.
Neste caso, ganhamos informação e podemos ”recalcular”as proba-
bilidades de interesse. Essas probabilidades ”recalculadas”recebem o
nome de probabilidade condicional.
Definição de Probabilidade Condicional

Dados dois eventos A e B, a probabilidade condicional de A dado
que ocorreu B é representada por P(A|B) e dada por:
P(A ∩ B)
P(A|B) = , com P(B) > 0.
P(B)
Exemplo 1: Distribuição dos alunos segundo o sexo e escolha do
curso, referente a alunos matriculados em 4 cursos na UFAM.
Curso Homens Mulheres Total
Biotecnologia 10 20 30
Eng. Agronômica 70 40 110
Eng. Florestal 25 05 30
Zootecnia 20 10 30
Total 125 75 200
1 Qual seria a probabilidade de um aluno matriculado em Eng. Flo-

restal ser homem?
2 Qual seria a probabilidade de um aluno matriculado em Zootecnia
ser mulher?
Qual seria a probabilidade de um aluno matriculado em Eng.
Florestal ser homem?
Defina ”B”como sendo o evento do aluno estar matriculado em Eng.
Florestal e ”A”o evento de ser homem. Então, usando a definição de
probabilidade condicional temos que:
25
P(A ∩ B) 200 25
P(A|B) = = 30 = = 0, 8333.
P(B) 200
30
Comparações
125
Note que P(A) = 200 = 0, 625, mas com a informação da ocorrência
de ”B”obtemos a probabilidade condicional P(A|B). Assim, P(A|B) >
P(A), pois a informação de que ”B”ocorreu aumentou a chance de
ocorrência de ”A”.
Qual seria a probabilidade de um aluno matriculado em Zootecnia ser
mulher?
Defina ”B”como sendo o evento do aluno estar matriculado em
Zootecnia e ”A”o evento de ser mulher. Então, usando a definição de
probabilidade condicional temos que:
10
P(A ∩ B) 200 10
P(A|B) = = 30 = = 0, 3333.
P(B) 200
30
Comparações
75
Note que P(A) = 200 = 0, 375, mas com a informação da ocorrência
de ”B”obtemos a probabilidade condicional P(A|B). Assim, P(A|B) <
P(A), pois a informação de que ”B”ocorreu diminuiu a chance de
ocorrência de ”A”.
Ex.1: Distribuição dos alunos segundo o sexo e escolha do curso,
referente a alunos matriculados em 4 cursos na UFAM.
Zootecnia 20 10 30
Total 125 75 200
Calcule e compare as seguintes probabilidades de um aluno:

1. Ser mulher;
2. De Eng. Florestal ser mulher;
3. Ser homem;
4. De Zootecnia ser homem.
Eventos Independentes
Definição
Dois eventos A e B são independentes, se a informação da ocorrência
ou não de B não altera a probabilidade da ocorrência de A. Isto é,
P(A|B) = P(A), com P(B) > 0.
ou de forma equivalente,
P(A ∩ B) = P(A).P(B)
Exemplo: Um casal planeja ter 3 filhos. Qual a probabilidade de eles

terem dois homens e uma mulher?
P(H e H e M) = P(H ∩ H ∩ M) = P(H).P(H).P(M) = 21 . 12 . 12 = 18

Regra do Produto de Probabilidades
Definição
Da definição da probabilidade condicional obtemos a regra do
produto de probabilidades, dada por:
P(A ∩ B) = P(A|B).P(B), com P(B) > 0.
E se A e B são independentes, então:
P(A|B) = P(A), com P(B) > 0,
ou de forma equivalente,
P(A ∩ B) = P(A).P(B), com P(B) > 0.

Regra do Produto de Probabilidades

Exemplo 1: Numa certa região, a probabilidade de chuva em um dia
qualquer de primavera é de P(C ) = 0, 1. Um meteorologista da TV
acerta suas previsões (A) em 80% dos dias em que chove,
P(A|C ) = 0, 8, e em 90% dos dias em que não chove, P(A|C ) = 0, 9.
Qual a probabilidade do meteorologista acertar sua previsão e
chover? Pela Regra do Produto de Probabilidades, temos que:
P(A ∩ C ) = P(A|C ).P(C ) = (0, 8).(0, 1) = 0, 08.
Qual a probabilidade do meteorologista acertar sua previsão e

não chover? Pela Regra do Produto de Probabilidades, temos
que:
P(A ∩ C ) = P(A|C ).P(C ) = (0, 9).(0, 9) = 0, 81.

Regra do Produto - Independência

Exemplo 2: Considere o experimento de lançar uma moeda e um
dado. Seja ”A”o evento de sair ”cara”e ”B”o evento de sair a face 6.
Qual a probabilidade de sair a face seis dado que saiu cara?
1
P(B|A) = P(B) = .
6
Qual a probabilidade de sair cara dado que saiu a face seis?
1
P(A|B) = P(A) =
2
Qual a probabilidade de sair cara e a face seis?
1 1 1
P(A ∩ B) = P(A).P(B) = . =
2 6 12
Regra do Produto - Independência
Exemplo 3: A probabilidade de que certa cirurgia no joelho seja um

sucesso é de 0,85. Serão realizadas 3 cirurgias. Qual a probabilidade:
De que as 3 cirurgias sejam um sucesso?
P(S1 ∩S2 ∩S3 ) = P(S1 ).P(S2 ).P(S3 ) = (0, 85).(0, 85).(0, 85) = 0, 614
De que nenhuma das 3 cirurgias sejam um sucesso?
P(S1 ∩S2 ∩S3 ) = P(S1 ).P(S2 ).P(S3 ) = (0, 15).(0, 15).(0, 15) = 0, 0034
De que a segunda seja um sucesso dado que a primeira também

foi um sucesso? Com são independentes:
P(S2 |S1 ) = P(S2 ) = P(S) = 0, 85

Considere a distribuição dos alunos segundo o sexo e escolha do

curso, referente a alunos matriculados em 4 cursos na UFAM.
Zootecnia 20 10 30
Total 125 75 200
Verifique se os eventos são independentes:

1. A: aluno de Eng. Florestal e B: ser mulher;
2. A: aluno de Zootecnia e B: ser homem.

Estatística - Tópico 6 - Noções de Probabilidade

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatística - Tópico 6 - Noções de Probabilidade

Enviado por

Direitos autorais:

Formatos disponíveis

Estatı́stica

Tópico 6 - Noções de Probabilidade

Profa. Carla Zeline

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 1 / 27

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 2 / 27

A teoria da Probabilidade é o estudo matemático na quantificação

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 3 / 27

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 4 / 27

Espaço Amostral e Eventos

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 5 / 27

Espaço Amostral e Eventos

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 6 / 27

Espaço Amostral e Eventos

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 7 / 27

Espaço Amostral e Eventos

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 8 / 27

Espaço Amostral e Eventos

Espaço Amostral e Eventos

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 10 / 27

Espaço Amostral e Eventos

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

P(A ∪ B) = P(A) + P(B)

Consequência da Regra da Adição de Probabilidades

Ex2: Do exercı́cio anterior, calcule as seguintes probabilidades:

Definição de Probabilidade Condicional

1 Qual seria a probabilidade de um aluno matriculado em Eng. Flo-

Calcule e compare as seguintes probabilidades de um aluno:

P(A|B) = P(A), com P(B) > 0.

Exemplo: Um casal planeja ter 3 filhos. Qual a probabilidade de eles

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 22 / 27

Regra do Produto de Probabilidades

P(A ∩ B) = P(A|B).P(B), com P(B) > 0.

E se A e B são independentes, então:

P(A|B) = P(A), com P(B) > 0,

P(A ∩ B) = P(A).P(B), com P(B) > 0.

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 23 / 27

Regra do Produto de Probabilidades

P(A ∩ C ) = P(A|C ).P(C ) = (0, 8).(0, 1) = 0, 08.

Qual a probabilidade do meteorologista acertar sua previsão e

P(A ∩ C ) = P(A|C ).P(C ) = (0, 9).(0, 9) = 0, 81.

Regra do Produto - Independência

Regra do Produto - Independência

Exemplo 3: A probabilidade de que certa cirurgia no joelho seja um

De que nenhuma das 3 cirurgias sejam um sucesso?

De que a segunda seja um sucesso dado que a primeira também

P(S2 |S1 ) = P(S2 ) = P(S) = 0, 85

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 26 / 27

Considere a distribuição dos alunos segundo o sexo e escolha do

Verifique se os eventos são independentes:

Profa. Carla Zeline Estatı́stica 29 e 31/10 e 05/11/2019 27 / 27

Você também pode gostar