PROBABILIDADE

O termo Probabilidade utilizado todos os dias de forma

mais ou menos intuitiva, pois nos mais variados aspectos da
nossa vida, est presente a incerteza:
- dizemos que existe uma pequena probabilidade de
ganhar a Mega Sena;
- dizemos que existe uma grande probabilidade de chover
num dia carregado de nuvens;
- o poltico interroga-se sobre qual a probabilidade de
ganhar as prximas eleies;
- o aluno interroga-se sobre qual a probabilidade de obter
resultados positivo num teste de perguntas mltiplas, para
o qual no estudou e responde sistematicamente ao acaso;
- o mdico pretende saber se um medicamento novo tem
maior probabilidade de cura que o medicamento habitual,
para tratar determinada doena;
- o comerciante pretende saber se deve rejeitar um
determinado carregamento de material, pois ao verificar
um certo nmero de peas, encontrou uma determinada
percentagem de defeituosas;
- o fabricante desejaria saber se um produto que pretende
lanar no mercado, ter uma boa probabilidade de
aceitao;
- o corretor da bolsa interroga-se sobre se ser provvel
que umas aces que tem em vista, aumentem de cotao.
Todos estes exemplos tm uma caracterstica
comum, que o facto de no conseguirmos prever
com exactido e de antemo qual o resultado da
situao de incerteza.

Perante as vrias possibilidades que se nos
apresentam, no sabemos qual a que se vai verificar.
No entanto os mtodos probabilsticos vo-nos
permitir quantificar essa incerteza.

PROBABILIDADE CHANCE POSSIBILIDADE
Modelos

Conforme J. Neymann, toda a vez que se
emprega Matemtica com a finalidade de
estudar algum fenmeno deve-se comear
por construir um modelo matemtico. Este
modelo pode ser: determinstico ou ento
probabilstico.
Modelo determnistico

Neste modelo as condies sob as quais o
experimento executado, determinam o
resultado do experimento. Tome-se, por
exemplo, a lei de Newton, F = m.a. Se m e
a forem conhecidos, ento F estar
precisamente determinado. Existem apenas
na teoria, pois na prtica consegue-se
apenas aproximaes.
Modelo probabilstico

um modelo em que de antemo no
possvel explicitar ou definir um
resultado particular. Este modelo
especificado atravs de uma distribuio
de probabilidade. Tome-se por exemplo, o
lanamento de um dado onde se tenta
prever o nmero da face que ir sair, a
retirada de uma carta de um baralho, etc.
Experimento aleatrio (no-determinstico)

Ao descrever um experimento aleatrio deve-se
especificar no somente que operao ou procedimento
deva ser realizado, mas tambm o que que dever ser
observado. Note-se a diferena entre E
2
e E
3
.

E
1
: Joga-se um dado e observa-se o nmero obtido na
face superior.
E
2
: Joga-se uma moeda 4 vezes e o observa-se o
nmero de caras obtido.
E
3
: Joga-se uma moeda 4 vezes e observa-se a
seqncia de caras e coroas.
E
4
: Um lote de 10 peas contm 3 defeituosas. As peas
so retiradas uma a uma (sem reposio) at que a ltima
defeituosa seja encontrada. Conta-se o nmero de peas
retiradas.
E
5
: Uma lmpada nova ligada e observa-se o tempo
gasto at queimar.
E
6
: Lana-se uma moeda at que ocorra uma cara e conta-
se ento o nmero de lanamentos necessrios.
E
7
: Lanam-se dois dados e anota-se o total de pontos
obtidos.
E
8
: Lanam-se dois dados e anota-se o par obtido.
Caractersticas dos Experimentos Aleatrios


Podem ser repetidos indefinidamente sob as
"mesmas" condies.
No se pode adiantar um resultado particular, mas
pode-se descrever todos os resultados possveis
Se repetidos muitas vezes apresentaro uma
regularidade em termos de freqncia de resultados.
O espao amostral
o conjunto de todos os resultados possveis de
um experimento aleatrio. Anota-se por S ou O.

E
1
: Joga-se um dado e observa-se o nmero obtido na
face superior. O
1
= { 1, 2, 3, 4, 5, 6 }
E
2
: Joga-se uma moeda 4 vezes e o observa-se o
nmero de caras obtido. O
2
= { 0, 1, 2, 3, 4 }
E
3
: Joga-se uma moeda 4 vezes e observa-se a
seqncia de caras e coroas.
O
3
= { cccc, ccck, cckc, ckcc, kccc, cckk, kkcc, ckck,
kckc, kcck, ckkc, ckkk, kckk, kkck, kkkc, kkkk }
E
4
: Um lote de 10 peas contm 3 defeituosas. As
peas so retiradas uma a uma (sem reposio) at que
a ltima defeituosa seja encontrada. Conta-se o nmero
de peas retiradas. O
4
= { 3, 4, 5, 6, 7, 8, 9 , 10 }

E
5
: Uma lmpada nova ligada e observa-se o tempo
gasto at queimar. O
5
= { t e9 / t > 0 }

E
6
: Lana-se uma moeda at que ocorra uma cara e
conta-se ento o nmero de lanamentos necessrios.
O
6
= { 1, 2, 3, 4, 5, ... }
E
7
: Lanam-se dois dados e anota-se o total de pontos
obtidos. O
7
= { 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 }

E
8
: Lanam-se dois dados e anota-se o par obtido.
O
8
= { (1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6)
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6)
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6)
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6)
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6)
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6) }

Classificao de um espao amostral

(a) Finito. So os espaos: O
1
, O
2
, O
3
, O
4
, O
7
e O
8

(b) Infinitos. (i) Enumerveis (ou contveis): O
6

(ii) No-enumerveis (ou no contveis): O
5
Eventos: Qualquer subconjunto de um espao
amostral O denominado um evento.

O o evento certo;
{ a } o evento elementar e
C o evento impossvel.
Exemplo:
No lanamento de um dado, observa-se a
face voltada para cima.
O = { 1,2,3,4,5,6 }
A
1
= o n da face par = { 2,4,6 }
A
2
= o n da face maior que 5 = { 6 }
evento elementar
A
3
= o n da face 1 s face s 6 = { 1,2,3,4,5,6 }
evento certo
A
4
= o n da face maior que 10 = C evento
impossvel
Operaes com eventos


A B
A B
Operaes com eventos


A - B
A
C =

A
Eventos mutuamente excludentes

Dois eventos A e B, so denominados
mutuamente exclusivos ou excludentes, se eles
no puderem ocorrer juntos, isto , se AB = C.
Exemplo: No lanamento de um dado, sejam:
A: sada de uma face par
B: sada de uma face menor que 4
Determine:


Tem-se que
O = { 1,2,3,4,5,6 }
A = { 2,4,6 }
B = { 1,2,3 }
B A
,
B A
,
A
, B , B A , B A , B A
B A
,
A B
,
B A
,
B A
,
A B
,
A A
.
Exemplo: No lanamento de um dado, sejam:
A: sada de uma face par = { 2,4,6 }
B: sada de uma face menor que 4 = { 1,2,3 }
B A
= { 1,2,3,4,6 }
B A
= { 2 }
A
= { 1,3,5 } B = { 4,5,6 }
B A = { 5 } B A = { 1,3,4,5,6 }
B A
= { 1,3,4,5,6 }
B A
= { 5 }
A B
= { 1,3 }
B A
= { 4,6 }
B A
= { 1,3 }
A B
= { 4,6 }
A A
= C
1) Leis de De Morgan (1805-1871)):
(AB)
C
= A
C
B
C
(AB)
C
= A
C
B
C
2) Propriedade comutativa:
AB = BA
AB = BA
3) Propriedade associativa:
(AB) C = A (BC)
(AB)C = A(BC)
4) Propriedade distributiva:
A(BC) = (AB) (AC)
A (BC) = (AB) (AC)
5) Propriedade da identidade:
AA = A
AA = A
Propriedades das Operaes
A
B
C
Diagrama de Venn
Mtodos de Enumerao - Regra da multiplicao

Fazer n escolhas independentes com:
m
1
maneiras de fazer a escolha 1,
m
2
maneiras de fazer a escolha 2,
... ,
m
n
maneiras de fazer a escolha n.
Existem m
1
.m
2
. ... .m
n
maneiras diferentes.

Exemplo: Se em uma eleio h 3 candidatos a
governador e 5 a prefeito, os dois cargos podem ser
preenchidos de quantos modos?
3 x 5 = 15 modos
Regra da multiplicao
Exemplo: Uma pea manufaturada deve passar por 3
estaes de controle. Em cada estao a pea
inspecionada para determinada caracterstica e marcada
adequadamente. Na primeira estao h 3 classificaes
possveis, enquanto nas duas ltimas, 4 so possveis. De
quantas maneiras uma pea pode ser marcada?

M
1


M
2


M
3


M
4
M
1




M
2




M
3
M
1

M
2

M
3

M
4
Estao Estao Estao
1 2 3
3 x 4 x 4 = 48 maneiras
Regra da adio

Exemplo: Deseja-se estudar para determinado concurso
utilizando-se somente um mtodo especfico. Pode-se faz-lo
utilizando livros ou computadores. H 3 livros diferentes e 2
programas de computador diferentes. De quantas maneiras
pode-se fazer a preparao para o concurso?

Para o primeiro mtodo, existem 3 escolhas possveis,
uma para cada livro, e para o segundo mtodo, existe, 2
escolhas possveis, uma para cada programa de computador.

Ento o nmero de escolhas diferentes :
3 livros ou 2 programas = 3 + 2 = 5 maneiras de estudar.
Permutao (fatorial)

Exemplo: Um professor comprou 5 novos livros e quer coloc-
los lado a lado em uma estante. Quantos maneiras diferentes
existem de colocar os 5 livros?
Para o primeiro espao, existem 5 escolhas possveis, uma
para cada livro. Uma vez colocado o primeiro livro, restam 4
escolhas para o segundo espao e assim por diante.
Ento o nmero de escolhas diferentes : 5.4.3.2.1 = 120.
Este tipo especial de multiplicao tem um smbolo prprio: 5!
De um modo geral se dispomos de um nmero n, ento o produto
acima representado por n! e lido ene fatorial, isto :
P
n
= n! = n(n - 1)(n - 2) ... 3.2.1
Tm-se tambm que 0! = 1 e que n! = n(n -1)!
Permutaes com itens duplicados

Exemplo: De quantas maneiras diferentes pode-se arranjar a
palavra zoo? (A idia aqui que o conjunto das letras da palavra
zoo contm dois elementos o indistingveis.)
Uma vez que, dois o podem ser arranjados em 2!
diferentes maneiras, o nmero de permutaes diferentes (ou
distinguveis) : 3! / 2! = 3 (zoo, ozo, ooz)

Se uma coleo de n objetos contm n
1
que so
idnticos, outros, n
2
que so idnticos entre si, mas diferentes dos
primeiros n
1
e assim sucessivamente , at n
k
, ento o nmero de
permutaes distinguveis de todos os n objetos dado por:
n! / (n
1
!n
2
!...n
k
!)
Permutaes com itens duplicados

Exemplo: Quantos arranjos distintos podem ser feitos
com as letras da palavra estatstica?

Tem-se um total de 11 letras
n
1
= 2 (o s ocorre duas vezes)
n
2
= 3 ( o t ocorre 3 vezes)
n
3
= 2 ( o a ocorre duas vezes)
n
4
= 2 ( a letra i ocorre duas vezes)
Ento, existem: 11! / 2! 3! 2! 2! = 831.600
arranjos distintos de letras da palavra estatstica.
Arranjos
Um Arranjo consiste do nmero de possveis maneiras
de agrupar, ou arranjar, certos conjuntos de objetos.
O nmero de arranjos de n objetos distintos tomados
em grupos de p, onde p menor que n representado
por:
A
n, p
= A
n
p
= n!
(n - p)!
Exemplo: Quantos nmeros de 2 algarismos podemos formar
com os algarismos 2,3,7 e 8?
A
4, 2
= 4! = 12 nmeros
(4 - 2)!
Arranjos com repetio

A(n, p) = n
p

Exemplo: Uma urna contm bolas vermelhas, brancas e
pretas. Uma bola extrada e aps anotada a sua cor volta
para a urna. Ento uma segunda bola extrada e anotada
igualmente a cor. Quantas so as possveis seqncias de
cores observadas?
Como cada extrao fornece uma cor entre {V, B, P}
o nmero de seqncias possveis , pelo princpio
fundamental da contagem: 3.3 = 3
2
= 9.
{VV, VB, VP, BV, BB, BP, PV, PB, PP}
Combinaes

A arranjos onde a ordem entre os elementos no importante
Exemplo: para calcular a probabilidade de acertar a sena, a
quina, etc. no necessrio saber a ordem em que os nmeros
foram sorteados, mas apenas a combinao de nmeros.
= C
n, p
= C
n
p
= n!
(n - p)! p!
Exemplo: Quantos nmeros de 2 algarismos podemos formar
com os algarismos 2,3,7 e 8, no importando a ordem?

C
4, 2
= 4! = 6 nmeros
(4 - 2)! 2!
n
p
Conceitos de probabilidade


Definio clssica de probabilidade
Definio freqencial de probabilidade
Definio axiomtica de probabilidade
Definio clssica de probabilidade

Seja E um experimento aleatrio e O um
espao amostral associado formado por n
resultados igualmente provveis. Seja A _ O um
evento com m elementos. A probabilidade de A,
anotada por P(A), l-se pe de A, definida como
sendo:
P(A) = m / n
m de casos favorveis
n de casos possveis.
Definio clssica de probabilidade

Exemplo: Calcular a probabilidade de no
lanamento de um dado equilibrado obter-se:
O = { 1, 2, 3, 4, 5, 6 } n = #(O) = 6
(a) Um resultado igual a 4.
A = { 4 } m = #(A) = 1 ento
P(A) = m / n = 1 / 6 = 16,67%
(b) Um resultado mpar.
B = { 1, 3, 5 } m = #(B) = 3 ento
P(B) = m / n = 3 / 6 = 50%
Definio freqencial de probabilidade

Na prtica acontece que nem sempre possvel
determinar a probabilidade de um evento. Neste caso
necessrio ter um mtodo de aproximao desta
probabilidade. experimentao

Freqncia relativa de um evento
Suponha-se que um experimento seja repetido n
vezes e seja m o nmero de vezes que A ocorre nas n
repeties do experimento E.
fr
A
= m = (nmero de vezes que A ocorre)
n (nmero de vezes que E repetido)
Definio freqencial de probabilidade

Exemplo:
(i) Uma moeda foi lanada 200 vezes e
forneceu 102 caras. Ento a freqncia relativa de
caras :
fr
A
= 102 / 200 = 0,51 = 51%
(ii) Um dado foi lanado 100 vezes e a face 6
apareceu 18 vezes. Ento a freqncia relativa do
evento A = { face 6 } :
fr
A
= 18 / 100 = 0,18 = 18%
Propriedades da freqncia relativa

Seja E um experimento e A e B dois eventos de um
espao amostral associado O. Sejam fr
A
e fr
B
as
freqncias relativas de A e B respectivamente. Ento.
(i) 0 s fr
A
s 1, isto , a freqncia relativa do evento A
um nmero que varia entre 0 e 1.
(ii) fr
A
= 1, se e somente se, A ocorre em todas as n
repeties de E.
(iii) fr
A
= 0, se e somente se, A nunca ocorre nas n
repeties de E.
(iv) fr
AUB
= fr
A
+ fr
B
se A e B forem eventos mutuamente
excludentes.
Propriedades da freqncia relativa

Definio
P(A) =

Deve-se notar que a freqncia relativa do
evento A uma aproximao da probabilidade de A.
As duas se igualam apenas no limite. Em geral, para
um valor de n, razoavelmente grande a fr
A
uma boa
aproximao de P(A).
n
A
fr

lim
Definio axiomtica de probabilidade
A cada evento A _ O associa-se um nmero real,
representado por P(A) e denominado probabilidade de
A, que satisfaz as seguintes propriedades (axiomas):
(i) 0 s P(A) s 1;
(ii) P(O) = 1;
(iii) P(AUB) = P(A) + P(B) se A e B forem eventos
mutuamente excludentes.
(iv) Se A
1
, A
2
, ..., A
n
, ..., forem, dois a dois, eventos
mutuamente excludentes, ento:
P
A
P
A
i
i
n
i
i
n
( ) ( )
= =
=

1 1
U
Conseqncias dos axiomas (propriedades)

(i) P(C) = 0

Prova
Seja A _ O ento tem-se que AC = C, isto
, A e C so mutuamente excludentes. Ento:

P(A) = P(AC) = P(A) + P(C), pelo axioma 3.

Cancelando P(A) em ambos os lados da
igualdade segue que P(C) = 0.
Conseqncias dos axiomas (propriedades)

(ii) Se A e so eventos complementares ento:
P(A) + P( ) = 1 ou P( ) = 1 - P(A)

Prova
Tem-se que A = C e A = O. Ento:
1 = P(O) = P(A ) = P(A) + P( ),
pelo axioma 3.

A
A A
A
A
A A
Conseqncias dos axiomas (propriedades)

(iii) Se A _ B ento P(A) s P(B)

Prova

Tem-se: B = A(B - A) e A(B - A) = C
Assim P(B) = P(A(B - A)) = P(A) + P(B - A)
e como P(B - A) > 0, segue que:
P(B) > P(A)
Conseqncias dos axiomas (propriedades)

(iv) Se A e B so dois eventos quaisquer ento:
P(A - B) = P(A) - P(AB)

Prova

A = (A - B)(AB) e (A - B) (AB) = C
Logo
P(A) = P((A - B)(AB)) = P(A - B) + P(AB)
Do que segue:
P(A - B ) = P(A) - P(AB).
Conseqncias dos axiomas (propriedades)

(v) Se A e B so dois eventos quaisquer de O,
ento:
P(AB) = P(A) + P(B) - P(AB)

Prova

AB = (A - B)B e (A - B)B= C
Tem-se ento:
P(AB) = P((A - B)B) = P(A - B) + P(B) =
P(A) + P(B) - P(AB), pela propriedade (iv).
Conseqncias dos axiomas (propriedades)

(vi) P(ABC) = P(A) + P(B) + P(C) - P(AB) -
P(AC) - P(BC) + P(ABC)

Prova

Faz-se BC = D e aplica-se a propriedade
(v) duas vezes.

Conseqncias dos axiomas (propriedades)

(vii) Se A
1
, A
2
, ..., A
n
so eventos de um espao
amostral O, ento:

P(A
1
A
2
...A
n
) = - +

+ ... + (-1)
n-1
P(A
1
A
2
...A
n
)
P P
i
i
n
i
i
n
A A
( ) ( )
= =
=

1 1
U P
i j
i j
n
A A
( )
< =

2
P
i j r
i j r
n
A A A
( )
< < =

3
Eventos equiprovveis

Seja O = { e
1
, e
2
, . . . , e
n
}.
Os eventos e
i
, i = 1 , 2, . . . , n so
equiprovveis quando
P(e
1
) = P(e
2
) = . . . = P(e
n
) = p,
onde , isto , quando todos tm a mesma
probabilidade de ocorrer. Assim, .
1 ) e ( P
n
1 i
i
=

=
n / 1 p 1 np ) e ( P
n
1 i
i
= = =

=
Exemplo: Retira-se ao acaso uma carta de um baralho
completo de 52 cartas. Qual a probabilidade de sair um rei
ou uma carta de espadas?

Soluo:
O = { 52 cartas }
A = tirar um rei = { K+,K+,Kv,K+ } e
B = tirar uma carta de espadas = { A+,2+, ..., K+}

P(AB) = P(A) + P(B) P(AB)
P(A) = 4/52 e P(B) = 13/52 e P(AB) = 1/52
Ento P(AB) = 4/52 + 13/52 1/52 = 16/52 = 0,308
R: A probabilidade de se retirar um rei ou uma carta
de espadas 30,8%.
Exemplo:
Lanam-se 3 moedas no viciadas. Qual a probabilidade
de obter-se pelo menos 1 coroa?
Soluo:
C = cara e K = coroa
1 moeda 2 moeda 3 moeda


C



K
C

K
C

K

C

K
C

K
C

K

C

K
O = { CCC,CCK,CKC,KCC,KKC,KCK,CKK,KKK }
A = obter pelo menos 1 coroa
={ CCK,CKC,KCC,KKC,KCK,CKK,KKK }
P(A) = 7/8 = 0,875

R: A probabilidade de se obter pelo menos 1
coroa 87,5%.

OU
B = ocorrncia de nenhuma coroa = { CCC }
P(B) = 1/8 P(A) = 1 P(B) = 7/8
Exemplo:
Retira-se ao acaso duas cartas (sem reposio) de um
baralho completo de 52 cartas. Qual a
probabilidade de obtermos um par de damas?

Soluo:
#O = C
52,2
= =1326 ,

A = retirada de duas damas e #A = C
4,2
= =6

P(A) = 6/1326 = 0,0045
R: A probabilidade de se obter um par de
damas 0,45%.
! 2 ! 50
! 52
! 2 ! 2
! 4
Exemplo: Trs cavalos (A, B, C) esto numa corrida. O
cavalo A duas vezes mais provvel de ganhar que B, e o
cavalo B duas vezes mais provvel que C. Qual a
probabilidade de que B ou C ganhe?

Soluo:
O = { A ganha, B ganha, C ganha } mutuamente exclusivos
P(A) = 2.P(B) e P(B) = 2.P(C)
P(A) + P(B) + P(C) = 1 4p + 2p + p = 1 p = 1/7
P(A) = 4/7 e P(B) = 2/7 e P(C) = 1/7

Ento P(BC) = 2/7 + 1/7 = 3/7 = 0,428
R: A probabilidade de que o cavalo B ou o C ganhe a
corrida 42,8%.
Probabilidade Condicional e Independncia

Suponha-se que se quer extrair duas peas ao
acaso de um lote que contm 100 peas das quais 80
peas so boas e 20 defeituosas, de acordo com os
critrios
(a) com reposio e
(b) sem reposio.
Define-se os seguintes eventos:

A = { A 1 pea defeituosa } e
B = { A 2 pea defeituosa }.
Probabilidade Condicional e Independncia

Ento, se a extrao for com reposio P(A) =
P(B) = 20 / 100 = 1 / 5 = 20%, porque existem 20 peas
defeituosas num total de 100.
Agora se a extrao for sem reposio tem-se
ainda que P(A) = 20 / 100 = 20%, mas o mesmo no
verdadeiro para P(B). Neste caso, necessrio conhecer
a composio do lote no momento da extrao da
segunda pea, isto , preciso saber se a primeira pea
retirada foi ou no defeituosa. Neste caso necessrio
saber se A ocorreu ou no. O que mostra a necessidade
do conceito de probabilidade condicionada.
Probabilidade Condicional e Independncia

Sejam A e B dois eventos de um espao
amostral O, associado a um experimento E, onde
P(A) > 0. A probabilidade de B ocorrer
condicionada a A ter ocorrido, ser representada por
P(B/A), e lida como: probabilidade de B dado A
ou probabilidade de B condicionada a A, e
calculada por:
) (
) (
) / (
A P
B A P
A B P

=
Probabilidade Condicional e Independncia

No exemplo, ento P(B/A) = 19 / 99, pois se A ocorreu
(isto , se saiu pea defeituosa na primeira retirada) existiro
no lote apenas 99 peas das quais 19 defeituosas.
Sempre que se calcular P(B/A) est se calculando a
probabilidade de ocorrncia do evento B em relao ao espao
amostral reduzido A, ao invs de faz-lo em relao ao espao
amostral original O.
Quando se calcula P(B) est se calculando a
probabilidade de estar em B, sabendo-se que se est em O,
mas quando se calcula P(B/A) est calculando a probabilidade
de B, sabendo-se que se est em A agora e no mais em O,
isto , o espao amostral fica reduzido de O para A.
Probabilidade Condicional e Independncia

simples verificar as seguintes propriedades de
P(B/A) para A fixado:
(i) 0 s P(B/A) s 1,
(ii) P(O/A) = 1,
(iii) P(B
1
B
2
/A) = P(B
1
/ A) + P(B
2
/ A) se B
1
B
2
= C
(iv) P(B
1
B
2
....
/A) = P(B
1
/A) + P(B
2
/A) + ...
se B
i
B
j
= C para i = j.

Observe-se que estas propriedades so idnticas
aos axiomas de probabilidade.
Exemplo: Consideremos uma turma de 1 ano de faculdade com
200 alunos, distribudos conforme a tabela abaixo:




Um aluno sorteado ao acaso. Pergunta-se:

a)Qual a probabilidade de ser homem?
b)Qual a probabilidade de ser mulher?
c)Qual a probabilidade de ser da Engenharia?
d)Dado que da Qumica qual a probabilidade de ser homem?
e)Dado que da Qumica qual a probabilidade de ser mulher?
f)Dado que homem qual a probabilidade de ser da Engenharia?
g)Dado que mulher qual a probabilidade de ser da Engenharia?
Engenharia Fsica Qumica Total
Homens 80 50 20 150
Mulheres 20 10 20 50
Total 100 60 40 200
Soluo:

a) P(H) = 150/200 = 0,75 = 75%
b) P(M) = 50/200 = 0,25 = 25%
c) P(E) = 100/200 = 0,50 = 50%
d) P(H/Q) = 20/40 = 0,50 = 50%
e) P(M/Q) = 20/40 = 0,50 = 50%
f) P(E/H) = 80/150 = 0,53 = 53%
g) P(E/M) = 20/50 = 0,40 = 40%
Pode-se tambm comparar P(A/B) e P(A). Para tanto
considere-se os quatro casos ilustrados nos diagramas abaixo:
Tem-se:
a) AB = C (b) A c B (c) B c A (d) Caso geral




(a) P(A/B) = 0, porque A no poder ocorrer se B tiver ocorrido.
(b) P(A/B) = P(AB) / P(B) = [P(A) / P(B)] > P(A), j que
P(A) s P(B), pois A _ B.
(c) P(A/B) = P(AB) / P(B) = [P(B) / P(B)] = 1.
(d) Neste caso nada se pode afirmar sobre o relacionamento entre
P(A/B) e P(A).
A B
B
A
A
B
A B
Exemplo: Dois dgitos so selecionados aleatoriamente de 1
a 9 sem repeti-los. Se a soma par encontre a probabilidade
de ambos os nmeros serem mpares.

Soluo:

#O = C
9,2
= 36
A = ambos so mpares #A = C
5,2
= 10 = 10
B = soma par #B = C
5,2
+ C
4,2
= 10 + 6 = 16
AB = ambos mpares com soma par
# AB = C
5,2
= 10 = 10

P(A/B) =
625 , 0
16
10
36 / 16
36 / 10
) B ( P
) B A ( P
= = =

Teorema da multiplicao

P(AB) = P(B/A).P(A) = P(A/B).P(B)

Exemplo: Uma urna contm as letras A, A, A, R, R, S.
Retira-se ao acaso letra por letra sem reposio. Qual a
probabilidade de sair a palavra ARARAS?
Soluo:
P(sair A e R e A e R e A e S) = P(ARARAS) =
=P(A) . P(R/A) . P(A/AR) . P(R/ARA) .
. P(A/ARAR) . P(S/ARARA)=

R: A probabilidade de sair a palavra ARARAS 1,67%.
0167 , 0
60
1
1
1
.
2
1
.
3
1
.
4
2
.
5
2
.
6
3
= =
Independncia de dois eventos

Sejam A e B dois eventos de um espao amostral
O. A e B so ditos independentes se a probabilidade de
um deles ocorrer no afetar a probabilidade do outro
ocorrer, isto , se:

P(A/B) = P(A) ou
P(B/A) = P(B) ou ainda se
P(AB) = P(A) . P(B)

Qualquer uma das 3 relaes acima pode ser
usada como definio de independncia.
Independncia de dois eventos

Exemplo:
Trs componentes C
1
, C
2
, e C
3
, de um mecanismo
so postos em srie (em linha reta). Suponha que esses
componentes sejam dispostos em ordem aleatria. Seja
R o evento { C
2
est direita de C
1
}, e seja T o evento
{ C
3
est direita de C
1
}. Os eventos R e T so
independentes? Por qu?

Para que R e T sejam independentes deve-se ter:
P(RT) = P(R).P(T)
Soluo:
O espao amostral para este caso :
O = { C
1
C
2
C
3
, C
1
C
3
C
2
, C
2
C
1
C
3
, C
2
C
3
C
1
, C
3
C
1
C
2
, C
3
C
2
C
1
}
As seqncias em que C
2
est direita de C
1
so:
R = { C
1
C
2
C
3
, C
1
C
3
C
2
, C
3
C
1
C
2
}. Logo: P(R) = 3/6 = 50%
As seqncias em que C
3
est direita de C
1
so:
T = { C
1
C
2
C
3
, C
1
C
3
C
2
, C
2
C
1
C
3
}. Logo: P(T) = 3/6 = 50%
As seqncias em que C
2
est direita de C
1
e C
3
est tambm
direita de C
1
so:
RT = { C
1
C
2
C
3
, C
1
C
3
C
2
}. Logo,
P(RT ) = 2/6 = 1/3 = 33,33%
= P(R).P(T) = 0.5.0,5 = 0,25 = 25%
Portanto os eventos R e T no so independentes.
Teoremas da probabilidade total e de Bayes

Definio: Diz-se que os conjuntos A
1
, A
2
, ..., A
n
eventos de um
mesmo espao amostral O, formam uma partio deste espao
se:
(a) A
i
A
j
= C, para todo i = j.
(b) A
1
A
2
... A
n
= O
(c) P(A
i
) > 0, para todo i

Exemplo: Considere-se o espao amostral obtido pelos nmeros
das faces no lanamento de um dado e sejam os eventos:
A
1
= { 1, 2, 3 }, A
2


= { 4, 5 } e A
3
= { 6 }
Ento, pode-se verificar facilmente que, os eventos acima
formam um partio do espao amostral O = { 1, 2, 3, 4, 5, 6 }.
Teorema da probabilidade total

B = (B A
1
) (B A
2
) ... (B A
n
)

Todos os conjuntos B A
1
, B A
2
, . . . , B A
n
so
dois a dois mutuamente excludentes, ento pode-se aplicar a
propriedade da adio de eventos mutuamente excludentes e
escrever.
P(B) = P[(BA
1
) (BA
2
) ... (BA
n
)]
= P(BA
1
) + P(BA
2
) + ... + P(BA
n
)
Mas cada um dos termos P(BA
j
) pode ser escrito na
forma:
P(BA
j
) = P(A
j
).P(B/A
j
),
pela definio de probabilidade condicionada.
Teorema da probabilidade total

P(B)=P(A
1
).P(B/A
1
)+P(A
2
).P(B/A
2
)+ ... +P(A
n
).P(B/A
n
)

Exemplo: Uma determinada pea manufaturada por 3
fbricas: A, B e C. Sabe-se que A produz o dobro de peas
que B e que B e C produzem o mesmo nmero de peas.
Sabe-se ainda que 2% das peas produzidas por A e por B
so defeituosas, enquanto que 4% das produzidas por C so
defeituosas. Todas as peas produzidas so misturadas e
colocadas em um depsito. Se do depsito for retirada uma
pea ao acaso, qual a probabilidade de que ela seja
defeituosa?
Soluo:
D = { A pea defeituosa }
A = { A pea provm da fbrica A }
B = { A pea provm da mquina B }
C = { A pea provm da mquina C }
P(A) = 50%, P(B) = P(C) = 25%,
uma vez que s existem as 3 fbricas e que A produz o dobro
de B e esta por sua vez produz a mesma quantidade que C.
P(D/A) = P(D/B) = 2% e que P(D/C) = 4%.

Pela teorema da probabilidade total pode-se escrever que:
P(D) = P(A).P(D/A) + P(B).P(D/B) + P(C).P(D/C)
= 0,5.0,02 + 0,25.0,02 + 0,25.0,04 = 2,50%,
A, B e C formam
uma partio do
espao amostral O
Teorema de Bayes

Suponha-se que no exemplo anterior, uma pea retirada
do depsito e se verifica que defeituosa. Qual a probabilidade
de que tenha sido produzida pela fbrica A? ou B? ou ainda C?
Neste caso, o que se quer calcular a probabilidade
condicionada P(A/D).

P(A
i
/ B) = P(A
i
B) = P(A
i
).P(B / A
i
)
P(B) P(B)

P(A
i
/ B) = P(A
i
).P(B / A
i
)
P(A
1
).P(B/A
1
) + P(A
2
).P(B/A
2
) + ... + P(A
n
).P(B/A
n
)
Exemplo: Considerando o exemplo anterior, suponha que
uma pea seja retirada do depsito e se verifique que ela
defeituosa. Qual a probabilidade de que ela tenha sido
produzida em cada uma das fbrica?

P(A / D) = probabilidade de ter sido produzida pela fbrica
A dado que a pea defeituosa
P(A / D) =

=0,4
0,25.0,04 0,25.0,02 0,5.0,02
0,5.0,02
+ +
=
) C / D ( P ). C ( P ) B / D ( P ). B ( P ) A / D ( P ). A ( P
) A / D ( P ). A ( P
+ +
P(B / D) = probabilidade de ter sido produzida pela fbrica
B dado que a pea defeituosa
P(B / D) =

=0,2

P(C / D) = probabilidade de ter sido produzida pela fbrica
C dado que a pea defeituosa
P(C / D) =

=0,4
0,25.0,04 0,25.0,02 0,5.0,02
0,25.0,02
+ +
=
) C / D ( P ). C ( P ) B / D ( P ). B ( P ) A / D ( P ). A ( P
) B / D ( P ). B ( P
+ +
0,25.0,04 0,25.0,02 0,5.0,02
0,25.0,04
+ +
=
) C / D ( P ). C ( P ) B / D ( P ). B ( P ) A / D ( P ). A ( P
) C / D ( P ). C ( P
+ +
PROBABILIDADE CONDICIONAL:
Um restaurante popular apresenta apenas dois tipos de
refeies: salada completa e um prato base de carne. 20% dos
fregueses do sexo masculino preferem salada; 30% das mulheres
escolhem carne; 75% dos fregueses so homens. Considere os
seguintes eventos:
H: o fregus homem S: o fregus prefere salada
M: o fregus mulher C: o fregus prefere carne
Calcular:
a) P(H) b) P(S/H) c) P(C/M)
d) P(SH) e) P(SH) f) P(M/S)
R: a)75% - b)20% - c)30% - d)15% - e)92,50% - f)53,85%
INDEPENDNCIA:
Dois aparelhos de alarme funcionam de forma
independente, detectando problemas com probabilidades de
0,95 e 0,90. Determinar a probabilidade de que dado um
problema, este seja detectado por somente um dos
aparelhos. (R: 14%)
TEOREMA DA PROBABILIDADE TOTAL:
Trs mquinas A, B e C apresentam respectivamente:
10%, 20% e 30% de defeituosos na sua produo. Se as trs
mquinas produzem igual quantidade de peas e retiramos
duas peas ao acaso da produo global qual a probabilidade
de que ambas sejam perfeitas? (R: 64%)
TEOREMA DE BAYES:
Cada objeto manufaturado examinado com
probabilidade 0,55 por um fiscal e com probabilidade 0,45
por outro fiscal. A probabilidade de passar no exame de
acordo com os fiscais de 0,90 e de 0,98 respectivamente.
Achar a probabilidade de que um objeto aceito tenha sido
examinado pelo segundo fiscal. (R: 47,12%)
PROBABILIDADE CONDICIONAL:
Um dado viciado, de tal forma que a probabilidade
de sair um certo ponto proporcional ao seu valor (por
exemplo o ponto 4 duas vezes mais provvel do que o
ponto 2). Calcular:
a) A probabilidade de sair 5, sabendo-se que o ponto que
saiu impar. (R: 5/9)
b) A probabilidade de sair um nmero par, sabendo que saiu
um nmero maior do que 3. (R: 2/3)
INDEPENDNCIA:
As probabilidades de 3 motoristas serem capazes de
dirigir at em casa com segurana, depois de beber, so: 1/3,
1/4 e 1/5. Se decidirem (erradamente) dirigir at em casa,
depois de beber numa festa, qual a probabilidade de todos os
3 motoristas sofrerem acidentes? Qual a probabilidade de
que ao menos um chegue em casa a salvo? (R: 40% e 60%)
TEOREMA DE BAYES:
Das peas fornecidas por duas mquinas automticas
60% e 84%, respectivamente, so de alta qualidade. A
produtividade da primeira mquina o dobro do que a
segunda mquina. Retirada uma pea ao acaso de um lote
produzido pelas duas mquinas verificou-se que ela era de
alta qualidade. Determinar a probabilidade de que tenha sido
produzida pela primeira mquina. (R: 58,82%)