Escolar Documentos
Profissional Documentos
Cultura Documentos
Professora
Kelly Alonso Costa
Probabilidade
Email: kellyalonso@id.uff.br
Probabilidade
As origens da matemática da probabilidade são
muito antigas, por volta do século XVI. A palavra
probabilidade significa provar ou testar. Informalmente,
provável é uma das muitas expressões utilizadas para
eventos incertos ou conhecidos. No início, a
probabilidade foi muito utilizada em jogos de azar,
porém atualmente faz parte de planejamentos
estratégicos e avaliações em negócios.
2
Probabilidade
Encontramos na natureza dois tipos de
fenômenos: determinísticos e aleatórios.
Determinísticos: os resultados são sempre os
mesmos, qualquer seja o número de ocorrência dos
mesmos.
Aleatórios: os resultados não são previsíveis, mesmo
que haja um grande número de repetições do mesmo
fenômeno.
3
Probabilidade - conceitos
Experimentos ou fenômenos aleatórios são processos
que, mesmo repetidos várias vezes sob condições
semelhantes, apresentam resultados imprevisíveis.
Ao descrever um experimento devemos especificar:
o procedimento a ser realizado,
aquilo que estamos interessados em observar.
b) lançamento de um dado
5
Probabilidade - conceitos
6
Probabilidade - conceitos
Exemplo:
7
Exemplos:
Lançar um dado e registrar os resultados:
Espaço amostral: = 1, 2, 3, 4, 5, 6
B=
Não existe número maior que 6 no dado, portanto o evento é
impossível.
8
Probabilidade - conceitos
9
Probabilidade
Dado um experimento aleatório, sendo S o seu espaço amostral,
vamos admitir que todos os elementos de S tenham a mesma chance de
acontecer, ou seja, que S é um conjunto equiprovável.
Probabilidade: seja A um evento de um espaço amostral, a
probabilidade do evento A, denotada como P(A) é definida como:
número de resultados do evento A n( A)
P ( A)
número de resultados do espaço amostral n()
ou
Chamamos de probabilidade de um evento A
(A C S) o número real P(A), tal que:
n A
P A
nS
Onde n(A) é o número de elementos de A;
Exemplos:
A={Ca} n(A)=1
1
P A
2
2) No lançamento de um dado perfeito, qual é a
probabilidade de sair número maior do que 4?
n( A) 2 1
P( A) P ( A) P( A)
n() 6 3
12
3) No lançamento simultâneo de 3 moedas perfeitas distinguíveis,
qual é a probabilidade de serem obtidas:
b) Exatamente 2 caras?
C = cara K = coroa
4 1
P(A) 50 %
8 2
b) B = CCK, CKC, KCC n(B) = 3
3
P ( B ) 0,375 37 ,5 %
8
13
Probabilidade
P A P A 1
P A A 0
P A 1 P A ou
P A 1 P A
Probabilidade
Eventos complementares – o complemento de um evento A é o
evento formado por todos os pontos do espaço amostral que não
pertencem a A. Denotamos A ou AC .
Espaço amostral S
Evento A
A
Complemento do evento A
P A P A 1
P A 1 P A ou
P A 1 P A
Exemplo 1: Um agente de compras declara que há uma probabilidade
de 0,90 de que um fornecedor enviará uma carga livre de peças
defeituosas. Qual a probabilidade de que a carga conterá peças
defeituosas?
P A 1 P A
P ( A) 1 0,9
P ( A) 0,10
*Pode-se concluir que há uma probabilidade de 0,10 de que a carga
conterá peças defeituosas.
2) Interseção de eventos:
A B os elementos que pertencem a A e a B.
Probabilidade
REGRA DA ADIÇÃO
8
P (Quadrado Vermelho)
9
5 5 2 8
9 9 9 9
Exemplo: O registro de um hospital mostra que 12% de todos os
pacientes são internados para tratamento cirúrgico, 16% para tratamento
obstétrico e 2% recebem os dois tratamentos. Se um novo paciente é
internado no hospital, qual é a probabilidade do paciente ser internado
por pelo menos um dos procedimentos.
Sejam os eventos: A – tratamento cirúrgico
B – tratamento obstétrico
Temos que
P A B 0,18
Probabilidade
Eventos mutuamente exclusivos: Dizemos que dois ou mais eventos
são mutuamente exclusivos se eles não têm pontos amostrais em
comum. Ou ainda, dizemos que dois ou mais eventos são
mutuamente exclusivos quando a realização de um exclui a
realização do(s) outro(s).
P A B P( A) P ( B)
4 1
P ( A) P ( A)
52 13
4 1
P( B) P( B)
52 13
1 1 2
P P
13 13 13
Visto que ambos, ás e rei, não podem ser extraídos ao mesmo
tempo e por isso são eventos mutuamente exclusivos.
Probabilidade Condicional
P A B
P A / B
P B
É a probabilidade de A dado que B
ocorreu ou é a probabilidade de ocorrer A quando
se sabe que o resultado pertence a B.
PROBABILIDADE CODICIONAL E TEOREMA DO PRODUTO
P A B
- Teorema do Produto: temos que P A / B , observe
P B
P B A
também que P B / A .
P A
Solução:
P A B P A P B
P A / B P A
PB P B
PB A P B P A
P B / A .
P B
P A P A
OBS.
P(A / B) = P(A)
P (B / A) = P (B)
Exemplo.: Os dados , a seguir, representam o sumário de um dia de
observação em um posto de qualidade, em que se avalia o peso dos
pacotes de leite produzidos num laticínio.
Condição do peso Tipo do leite
B (B) C (C) UHT (U) Total
Solução: P A B
P A / B
PB
PF U
PF / U
PU
50
PF / U 6850
1550
6850
P F / U 0,032
Exemplo.: Seja o lançamento de 2 dados não viciados e a observação das
faces voltadas para cima. Suponha que haja interesse nas probabilidades
dos seguintes eventos:
b) Soma das faces menor ou igual a 5, sabendo que as faces são iguais
Solução:
Inicialmente, encontramos o espaço amostral: 36 possíveis
combinações de resultados dos dois dados. 1 1
n C C 36
6 6
Considere os eventos:
E1 = faces iguais = {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)}
E2 = soma das faces é menor ou igual a 5= {(1,1), (1,2), (1,3), (1,4), (2,1), (2,2),
(2,3), (3,1), (3,2), (4,1) }
2
P E1 E 2
PE1 / E 2 P E1 / E 2 36
PE 2 10
36
1
PE1 / E 2
5
b) Soma das faces menor ou igual a 5, sabendo que as faces são iguais
2
PE 2 E1
PE 2 / E1 P E 2 / E1 36
P E1 6
36
1
PE1 / E 2
3
Probabilidade
P A B P ( A) P( B)
1
P( A)
2
1
P( B)
2
1 1 1
P P
2 2 4
Probabilidade
P A B P ( A) P( B)
1
P( A)
6
1
P( B)
6
1 1 1
P P
6 6 36
Probabilidade
Exemplo:
x n! n
C
n
x!n x ! x
15
n C 455
3
15
3
*Para cálculo pelo conceito de Probabilidade: Considere D (defeituosa) e B (boa).
Probabilidade
3
10 2
C 10
5
Então a probabilidade é de P
455 91
*Conceito de Probabilidade: DxDxD
Então a probabilidade é de
225 45
P
455 91
*Conceito de Probabilidade: (DxBxB) x 3
Probabilidade
c) Selecionamos 2 lâmpadas boas e uma defeituosa ou selecionamos
uma lâmpada boa e duas defeituosas ou selecionamos apenas
lâmpadas defeituosas, ou seja:
Probabilidade Total A3
B
A4 A5
38
Probabilidade Total
A1 A2
B ( A1 B ) ( A2 B ) ( A5 B )
A3
5 5
B
P ( B ) P( Ai B ) P( Ai ).P( B / Ai )
i 1 i 1
A4 A5
39
Probabilidade Total
Exemplo:
40
A1 A2
Teorema de Bayes
anterior,
P( Ai B ) P ( Ai ).P( B / Ai ) P ( B ). P ( Ai / B )
A3
B P ( Ai ).P( B / Ai ) P( Ai ). P( B / Ai )
P( Ai / B ) 5
P( B )
P( A ).P( B / A )
j 1
j j
A4 A5
42
Teorema de Bayes
Exemplo:
anterior,
P ( Ai ).P( B / Ai ) P( Ai ). P( B / Ai )
P( Ai / B ) 5
P( B )
P( A ).P( B / A )
j 1
j j
43
Exemplo: Durante o mês de agosto a probabilidade de chuva em um dia
determinado é de 4/10. O Fluminense ganha um jogo em um dia de
chuva com probabilidade 6/10 e em um dia sem chuva com
probabilidade de 4/10. Sabendo-se que o Fluminense ganhou um jogo
naquele dia de agosto, qual a probabilidade de que choveu nesse dia?
PF / C PC 6 10 4 10 1
P C / F
PF / C PC P F / C P C 6 10 4 10 4 10 6 10 2
44
Exemplo:
a) ser da fábrica A;
b) ser defeituosa, sabendo que a peça provém da fábrica A;
c) ser defeituosa;
d) ser da fábrica A, sabendo que a peça é defeituosa.
Solução
a)ser da fábrica A;
100 1
P( A)
600 6
45
c) ser defeituosa;
D ( A D ) ( B D ) (C D )
P ( D ) P ( A D ) P ( B D ) P (C D )
P( D ) P ( A). P ( D / A) P ( B ). P ( D / B ) P (C ).P( D / C )
1 1 2 1 3 1 10 10 3 23
P( D )
6 10 6 20 6 100 600 600
P ( A). P ( D / A)
P( A / D )
P ( A).P ( D / A) P ( B ). P ( D / B ) P (C ).P( D / C )
1 1 1
6 10 1 600 10
P( A / D ) 60
1 1 2 1 3 1 23 60 23 23
6 10 6 20 6 100 600
46
Referências Bibliográficas
47