Você está na página 1de 83

Probabilidade e Estatstica

Prof. Jefferson Herclito

Curso de Engenharia Civil

Unidade II

Teoria das Probabilidades

Teoria das Probabilidades - Sumrio

Introduo

Aleatoriedade

Experimento aleatrio

Espao amostral

Evento

Eventos mutuamente exclusivos

Probabilidade

Teoria das Probabilidades - Sumrio

Teoremas fundamentais

Probabilidades finitas dos espaos amostrais finitos

Teoria da contagem

Espaos amostrais finitos equiprovveis

Probabilidade condicional

Teorema do produto

Independncia estatstica

Teorema de Bayes

Teoria das Probabilidades - Sumrio

Introduo

Aleatoriedade

Experimento aleatrio

Espao amostral

Evento

Eventos mutuamente exclusivos

Probabilidade

2.1 Introduo
A estatstica tem por objetivo obter, organizar e analisar dados
estatsticos, a fim de descrev-los e explic-los, alm de
determinar possveis correlaes e nexos causais.
A estatstica se utiliza das teorias probabilsticas para explicar a
freqncia da ocorrncia de eventos, tanto em estudos
observacionais quanto experimentais.
Em outras palavras, a estatstica procura modelar a aleatoriedade
e a incerteza de forma a estimar ou possibilitar a previso de
fenmenos futuros, conforme o caso.

2.1 Introduo
Estudo dos fenmenos de observao: deve-se distinguir
o prprio fenmeno e o modelo matemtico que melhor o
explique, se determinstico ou probabilstico.
Modelo determinstico:
Adotado para explicar fenmenos submissos s leis
sistemticas.
Baseia-se, portanto, num encadeamento em que a
relao causa-efeito pressupe nexos definidos em
forma unvoca e imutvel.

2.1 Introduo
Modelo probabilstico:
Adotado para explicar os fenmenos aleatrios, que
so aqueles cujos resultados, mesmo em condies
normais de experimentao, variam de uma
observao para outra, dificultando dessa maneira a
previso de um resultado futuro.
Portanto, esses fenmenos so insubmissos s leis
sistemticas, pois so regidos ou influenciados pelo
acaso.

2.1 Introduo
A estatstica estuda os fenmenos aleatrios e o modelo
matemtico ser o clculo das probabilidades.
Diante de um acontecimento aleatrio possvel, s
vezes, atribuir-lhe uma lei ou distribuio de
probabilidade.

Teoria das Probabilidades - Sumrio

Introduo

Aleatoriedade

Experimento aleatrio

Espao amostral

Evento

Eventos mutuamente exclusivos

Probabilidade

2.2 Aleatoriedade
Aleatoriedade ou acontecimento aleatrio pode ser explicado
considerando-se as seguintes afirmaes:
a- Se x + 8 = 3x 4, ento x = 6;
b- A prxima carta retirada de um baralho ser um s.
A afirmao a pode ser confirmada ou negada de forma
conclusiva, utilizando-se elementos da matemtica;
uma afirmao categrica (verdadeira ou falsa).
Na afirmativa b, entretanto, somente pode ser afirmado
que o fato possvel, mas que possvel, tambm, a
sada de qualquer uma das 52 cartas do baralho.

2.2 Aleatoriedade
No segundo caso somente a realizao do experimento
permitir estabelecer se a afirmao falsa ou verdadeira;
trata-se de um acontecimento aleatrio
Em geral, os acontecimentos aleatrios se caracterizam por
admitirem dois ou mais resultados possveis, e no se tem
elementos de juzo suficientes para predizer qual deles
ocorrer em um determinado experimento.

Teoria das Probabilidades - Sumrio

Introduo

Aleatoriedade

Experimento aleatrio

Espaos amostral

Evento

Eventos mutuamente exclusivos

Probabilidade

2.3 Experimento Aleatrio


Definio:
Um experimento que pode fornecer diferentes resultados,
muito embora seja repetido toda vez da mesma maneira,
chamado de um Experimento Aleatrio. (Montgomery e
Runger, 2013).

2.3 Experimento Aleatrio


Caractersticas:
Para que um experimento seja considerado
aleatrio necessrio que apresente as seguintes
caractersticas:
1. Cada experimento poder ser repetido indefinidamente
sob as mesmas condies;
2. No se conhece, a priori, um particular valor do
experimento; entretanto, pode-se descrever todos os
possveis resultados (as possibilidades);

2.3 Experimento Aleatrio


Caractersticas:
3. Quando o experimento for repetido um grande nmero
de vezes, surgir uma regularidade na apresentao dos
resultados, ou seja, ocorrer uma estabilizao da
frao freqncia relativa:

r
f
n

onde: n o nmero de repeties, e


r o nmero de sucessos de um particular
resultado estabelecido antes da realizao do
experimento.

2.3 Experimento Aleatrio


Exemplos:
Jogar um dado e observar o nmero mostrado na face
superior.
Jogar uma moeda um certo nmero de vezes e observar o
nmero de coroas obtidas.
Contar o nmero de peas defeituosas da produo diria
da mquina A.

Teoria das Probabilidades - Sumrio

Introduo

Aleatoriedade

Experimento aleatrio

Espao amostral

Evento

Eventos mutuamente exclusivos

Probabilidade

2.4 Espao Amostral


Definio:
Para cada experimento aleatrio E, define-se espao
amostral S como o conjunto de todos os possveis
resultados desse experimento (Fonseca e Martins, 1996).
O conjunto de todos os resultados possveis de um
experimento aleatrio chamado de espao amostral do
experimento. O espao amostral denotado por S.
(Montgomery e Runger, 2013).

2.4 Espao Amostral


- Exemplos:
i.

E: medir espessura de um barra de ferro galvanizada.


S = R+ ={x | x > 0}

ii. E: medir espessura de um barra de ferro galvanizada.


S = {x | 10 < x < 11}
iii. E: medir espessura de um barra de ferro galvanizada.
S = {baixa,mdia, alta}
iv. E: medir espessura de um barra de ferro galvanizada.
S = {sim, no}

2.4 Espao Amostral


- Exemplos:
a) E: jogar um dado e observar o nmero na face superior.
S = {1, 2, 3, 4, 5, 6}
b) E: lanar duas moedas e observar o resultado.
S = {(c, c), (c, k), (k, c), (k, k)}, onde c- cara e kcoroa.
c) E: Fabricar um lmpada, coloc-la em um suporte,
acend-la e registrar o tempo de funcionamento at
fundir o filamento:
S = {t : t 0}

2.4 Espao Amostral


- Exemplos:
d) E: Registrar a temperatura continuamente durante um
perodo de 24 horas em uma determinada localidade; as
temperaturas mnima e mxima so registradas:
S = {(x, y) : x y}, onde x a temperatura mnima e y a
mxima
e) E: Admitir que a temperatura mnima nessa localidade no
poder ser menor que um certo valor (m) e a temperatura
mxima no poder ser superior a um certo valor (M).
S = {(x, y) : m x y M}

2.4 Espao Amostral


Diagrama em forma de rvore:

2.4 Espao Amostral


Exerccio 01:
Cada mensagem em um sistema digital de comunicao
ser classificada dependendo de ela ser recebida dentro de
um tempo especfico pelo projeto do sistema. Se trs
mensagens forem classificadas, aplique o diagrama em
forma de rvore para representar o espao amostral de
resultados possveis.

2.4 Espao Amostral


Exerccio 02:
Uma construtora fornece imveis com alguns opcionais.
Cada imvel encomendado:

com ou sem garagem;


com ou sem ar-condicionado;
com uma das trs escolhas de esquadrias;
com uma das quatro cores existentes.
Se o espao amostral consistir no conjunto de todos os
tipos possveis de imveis, qual ser o nmero de
resultados no espao amostral?

Teoria das Probabilidades - Sumrio

Introduo

Aleatoriedade

Experimento aleatrio

Espao amostral

Evento

Eventos mutuamente exclusivos

Probabilidade

2.5 Evento
Definio:
um conjunto de resultados do experimento.
Em analogia com os conjuntos, um subconjunto de S.
Observao:
- Em particular, o espao amostral, S, e o conjunto vazio,
, so eventos.
- S dito o evento certo e

o evento impossvel.

2.5 Evento
- Exemplo 1:
E: lanar o dado e observar o nmero da face superior.
S = {1, 2, 3, 4, 5, 6}
Eventos:
A: ocorrer nmero par: A = {2, 4, 6}
B: ocorrer nmero impar: B = {1, 3, 5}
C: ocorrer nmero mltiplo de 2 e 3: C = {6}.

2.5 Evento
- Exemplo 2:
E: jogar trs moedas e observar o resultado.
S = {(c, c, c), (c, c, k), (k, c, c), (c, k, c),
(k, k, k), (k, k, c), (c, k, k), (k, c, k)}
Eventos:
A: ocorrer pelo menos duas caras:
A = {(c, c, k), (k, c, c), (c, k, c), (c, c, c)}
B: ocorrer somente coroa: B = {(k, k, k)}.

2.5 Evento
Observaes:
- Sendo S um espao amostral finito com n elementos, podese verificar que o nmero total de eventos extrados de S
dado por 2n;
- No exemplo 1 (lanamento do dado), o nmero total de
eventos 26 = 64.

2.5 Evento
Observaes:
- A partir do uso das operaes com conjuntos, novos
eventos podem ser formados:
a)A B

o evento que ocorre se A ocorre ou B ocorre

ou
ambos
A B ocorrem;
b)
o evento que ocorre se A e B ocorrem
simultaneamente;
A
c)

ou A o evento que ocorre se A no ocorre.

2.5 Evento
- Exemplo:
E: lanar um dado e observar o resultado.
S = {1, 2, 3, 4, 5, 6}
A = ocorrer nmero mltiplo de 2: A = {2, 4, 6}
B = ocorrer nmero mltiplo de 3: B = {3, 6}

A B

= {2, 3, 4, 6}

A B = {6}

A = {1, 3, 5}
A B = {1, 2, 3, 4, 5}

Teoria das Probabilidades - Sumrio

Introduo

Aleatoriedade

Experimento aleatrio

Espao amostral

Evento

Eventos mutuamente exclusivos

Probabilidade

2.6 Eventos Mutuamente exclusivos


Dois eventos A e B so denominados mutuamente
exclusivos se os mesmos no puderem ocorrer
simultaneamente, ou seja, A B
Exemplo: E: lanar um dado e observar o resultado.
S = {1, 2, 3, 4, 5, 6}
A = ocorre nmero par A = {2, 4, 6}
B = ocorrer nmero mpar B = {1, 3, 5}
A B ;
logo, A e B so mutuamente exclusivos, pois a
ocorrncia de um nmero que seja par e mpar no
pode ser verificada como decorrncia do mesmo evento.

Teoria das Probabilidades - Sumrio

Introduo

Aleatoriedade

Experimento aleatrio

Espao amostral

Evento

Eventos mutuamente exclusivos

Probabilidade

2.7 Probabilidade
Definio:
- Dado um experimento aleatrio E, sendo S o seu espao
amostral, a probabilidade de um evento A ocorrer, P(A),
uma funo definida em S que associa a cada evento um
nmero real, satisfazendo os seguintes axiomas:
(i) 0 P(A) 1;
(ii) P(S) = 1;
(iii) Se A e B forem eventos mutuamente exclusivos

A B

P( A B ) P( A ) P( B )

, ento

Teoria das Probabilidades - Sumrio

Teoremas fundamentais

Probabilidades finitas dos espaos amostrais finitos

Teoria da contagem

Espaos amostrais finitos equiprovveis

Probabilidade condicional

Teorema do produto

Independncia estatstica

Teorema de Bayes

2.8 Teoremas Fundamentais


T1: Se o conjunto vazio, ento P ( ) 0 .
Demonstrao:
- Seja A um evento qualquer, A e so disjuntos, pois
A
;
P ( A ) P ( A) P ( )
- De (iii),Atemos
que
A
- Como

, ento P ( ) P ( A ) P ( A ) ou

P( ) 0
- Logo

P ( A ) P ( A ) P ( ; )

2.8 Teoremas Fundamentais


T2: Se o complemento do evento A, ento P() = 1 P(A).
Demonstrao:
- Do diagrama, pode-se escrever S A A .
- Como A A (so mutuamente exclusivos),
,
P( A A ) P( A ) P( A )
P( S ) P( A ) P( A ) ;

- De (ii) 1 = P(A) + P(),


- Logo P() = 1 P(A).

S
A

2.8 Teoremas Fundamentais


T3: Se A B , ento P(A) P(B).
Demonstrao:
- Do diagrama, pode-se escrever que B A ( A B ).
- Como A ( A B ) (so mutuamente exclusivos),
P ( B ) P ( A ) P ( A B ),
e
P( A B ) P( B ) P( A )

P(B) P(A) 0, (de i), tem-se que


P(A) P(B).

S
A

2.8 Teoremas Fundamentais


T4: (Teorema da soma) Se A e B so dois eventos quaisquer,
ento P ( A B ) P ( A ) P ( B ) P ( A B ) .
Demonstrao:
a) Se A e B so mutuamente exclusivos ( A B ), recai-se no
axioma (iii);
S

A B

2.8 Teoremas Fundamentais


Demonstrao:
b) Se A e B no so mutuamente exclusivos ( A B ) , tem-se:
A
- Os eventos( A
e B)
so mutuamente exclusivos;
logo, pelo axioma (iii)
P [ A ( A B )] P ( A B ) P ( A ) P ( A B )

- Mas , B a unio dos eventos mutuamente exclusivos


( B A ) e ( B A );
- Logo,

S
P ( B ) P ( A B ) P ( A B ).

A B

2.8 Teoremas Fundamentais


Demonstrao:
P (de
A B ) P( B ) P( A B )
- Substituindo o valor
na expresso anterior, tem-se:

P( A B ) P( A ) P( B ) P( A B )

Teoria das Probabilidades - Sumrio

Teoremas Fundamentais

Probabilidades finitas dos espaos amostrais finitos

Teoria da contagem

Espaos amostrais finitos equiprovveis

Probabilidade condicional

Teorema do produto

Independncia estatstica

Teorema de Bayes

2.9 Probabilidades Finitas dos S Finitos


Seja S um espao amostral finito S = {a1, a2, ..., an}.
Considere-se o evento formado por um resultado simples
A = {ai}.
A cada evento simples {ai} associa-se um nmero pi
denominado probabilidade de {ai}, que satisfaz as condies:
a) pi 0, i = 1, 2, ..., n
b) p1 + p2 + ...+ pn = 1
A probabilidade de cada evento composto (mais de um
elemento) definida, ento, pela soma das probabilidades dos
pontos de A.

2.9 Probabilidades Finitas dos S Finitos


Exemplo: Trs cavalos A, B e C esto em uma corrida. Se A
tem duas vezes mais probabilidades de ganhar de B, e B tem
duas vezes mais probabilidade de ganhar de C. a) Quais so as
probabilidades de cada um dos cavalos ganhar? b) Qual
seria a probabilidade de B ou C ganhar?
Soluo:
P(C) = p;
P(B) = 2.P(C) = 2p;
P(A) = 2.P(B) = 4p
Como P(A) + P(B) + P(C) = 1, ento
4p + 2p + p = 1, de onde se obtm p = 1/7.

2.9 Probabilidades Finitas dos S Finitos

Soluo (continuao):
a) P(A) = 4/7; P(B) = 2/7 e P(C) = 1/7.
b)
P( B C ) P( B ) P( C )

Do axioma (iii):
= 2/7 + 1/7 = 3/7.

Teoria das Probabilidades - Sumrio

Teoremas fundamentais

Probabilidades finitas dos espaos amostrais finitos

Teoria da contagem

Espaos amostrais finitos equiprovveis

Probabilidade condicional

Teorema do produto

Independncia estatstica

Teorema de Bayes

2.9.1 Teoria da Contagem

A Teoria da Contagem utilizada quando a determinao de


resultados que compreende o espao amostral (ou um evento)
se torna mais difcil.
O diagrama em forma de rvore pode ser substitudo pela
equao abaixo quando se objetiva encontrar o nmero total
de um espao amostral:

2.9.1 Teoria da Contagem

Outro clculo til o nmero de sequncias ordenadas dos


elementos de um conjunto, conhecida como permutao.
Exemplo: Em um conjunto S={a, b, c} as provveis
permutaes de S seriam: abc, acb, bac, cab e cba.
O nmero de permutaes de subconjuntos de r elementos
selecionados de um conjunto de n elementos diferentes :

2.9.1 Teoria da Contagem

Exemplo: Um canteiro de obra tem oito localizaes


diferentes para armazenamento de material. Se quatro
materiais diferentes chegaram obra, quantas possibilidades
de armazenamento so possveis?

2.9.1 Teoria da Contagem


Podemos contar o nmero de subconjuntos de r elementos que
pode ser selecionado a partir de um conjunto de n elementos,
porm no importando a ordem. A resoluo desse problema
chamada combinao.
Exemplo: Um canteiro de obra tem oito localizaes para
armazenamento de material. Se quatro materiais idnticos
chegaram obra, quantas possibilidades de armazenamento
so possveis?

Teoria das Probabilidades - Sumrio

Teoremas fundamentais

Probabilidades finitas dos espaos amostrais finitos

Teoria da contagem

Espaos amostrais finitos equiprovveis

Probabilidade condicional

Teorema do produto

Independncia estatstica

Teorema de Bayes

2.10 Espaos Amostrais Finitos Equiprovveis

O espao amostral chama-se equiprovvel quando cada ponto


amostral desse espao est associada a mesma probabilidade.
Portanto, se S contm n pontos, ento a probabilidade de cada
ponto ser igual a 1/n.
Se um evento A contm r pontos, ento:
1
P ( A ) r .
n

2.10 Espaos Amostrais Finitos Equiprovveis

Freqentemente, este mtodo de avaliar a probabilidade


enunciado da seguinte forma:

P( A )

n de vezes em que o evento A pode ocorrer


n de vezes em que o espao amostral S ocorre

ou
P( A )

NCF ( n de casos favorveis )


NTC ( n total de casos )

2.10 Espaos Amostrais Finitos Equiprovveis

Exemplo 1: Numa escolha aleatria de uma carta de baralho


com 52 cartas, qual a probabilidade de sair um rei? e uma carta
de copas?
Soluo: Seja A = {a carta um rei} e B = {A carta de copas}

n de reis
4
1
P ( A)

n total de cartas 52 13
n de cartas de copas 13 1
P( B)

n total de cartas
52 4

2.10 Espaos Amostrais Finitos Equiprovveis

Na maioria dos casos, utiliza-se os conhecimentos de anlise


combinatria (Teoria de Contagem) para se obter o nmero
de casos favorveis e o nmero total de casos.
Exemplo 2: De um lote de doze peas onde quatro so
defeituosas, retira-se duas peas. Calcular a probabilidade:
a) de ambas serem defeituosas;
b) de ambas no serem defeituosas;
c) de pelo menos uma ser defeituosa.

2.10 Espaos Amostrais Finitos Equiprovveis

Solues:
a) A = {ambas so defeituosas}
4!
4.3.2!

6 vezes
2! ( 4 2 )! 2.1.2!
12!
12.11 .10!
S pode ocorrer C12 ,2

66 vezes
2! ( 12 2 )!
2.1.10!
NCF 6
1
Logo , P( A )

NTC 66 11
A pode ocorrer C4 ,2

2.10 Espaos Amostrais Finitos Equiprovveis

Solues:
b) B = {ambas no so defeituosas}
B pode ocorrer C8, 2

8!
8.7.6!

28 vezes
2!(8 2)! 2.1.6!

S pode ocorrer C12, 2

12!
12.11.10!

66 vezes
2!(12 2)!
2.1.10!

NCF 28 14
Logo, P( B )

NTC 66 33

2.10 Espaos Amostrais Finitos Equiprovveis

Solues:
c) C = {pelo menos uma defeituosa}

C o complemento de B ou C B

14 19
P(C ) 1 P ( B ) 1
33 33

Teoria das Probabilidades - Sumrio

Teoremas fundamentais

Probabilidades finitas dos espaos amostrais finitos

Espaos amostrais finitos equiprovveis

Probabilidade condicional

Teorema do produto

Independncia estatstica

Teorema de Bayes

2.11 Probabilidade Condicional


Considere o experimento aleatrio E: lanar um dado e
observar o resultado, e o evento A = {sair o n 3}. Ento
P(A) = 1/6.
Considere agora o evento B = {sair um n mpar} = {1, 3,5},
ento P(B) = 1/2.
A probabilidade de ocorrer o evento A condicionada
ocorrncia do evento B, representada por P(A/B), ser
P(A/B) = 1/3.

2.11 Probabilidade Condicional


Com a informao da ocorrncia do novo evento, reduz-se o
espao amostral. No exemplo dado, S = {1, 2, 3, 4, 5, 6} foi
reduzido para S* = {1, 3, 5}, e neste espao reduzido que a
probabilidade do novo evento avaliada.
Definio: Se A e B so dois eventos, a probabilidade do
evento A ocorrer quando o evento B tiver ocorrido
denominada probabilidade condicionada, P(A/B), dada por:
P( A B )
P( A / B )
,
P( B )

P ( B ) 0 , pois j ocorreu .

2.11 Probabilidade Condicional


Para o exemplo apresentado, tem-se:
1
P( A B )
1
6
P( A / B )

1
P( B )
3
2

No caso de aplicaes mais complexas, mais prtico se


utilizar a seguinte frmula:
P( A B )
P( A / B )

P( B )

NCF ( A B )

NTC NCF ( A B )
NCF ( B )
NCF ( B )
NTC

2.11 Probabilidade Condicional


Exemplo: No experimento do lanamento de dois dados,
considere os eventos: A = {(x1,x2)|(x1 + x2) = 10} e
= {(x1,x2)| x1 > x2}, onde x1 o resultado do dado 1 e x2 o
resultado do dado 2. Avalie P(A), P(B) e P(B/A).

Solues:
S = {(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)}

A = {(6,4), (5,5), (4,6)}


B = {(2,1), (3,1), (4,1), (5,1),
(6,1), (3,2), (4,2), (5,2),
(6,2), (4,3), (5,3), (6,3),
(5,4), (6,4), (6,5)}
A B = {(6,4)}

2.11 Probabilidade Condicional


Solues:

NCF ( A) 3
1
P ( A)

;
NTC
36 12
NCF ( B ) 15 5
P( B)

;
NTC
36 12
NCF ( A B ) 1
P( A / B)
;
NCF ( B )
15

NCF ( A B ) 1
P ( B / A)
.
NCF ( A)
3

Teoria das Probabilidades - Sumrio

Teoremas fundamentais

Probabilidades finitas dos espaos amostrais finitos

Espaos amostrais finitos equiprovveis

Probabilidade condicional

Teorema do produto

Independncia estatstica

Teorema de Bayes

2.12 Teorema do Produto


O Teorema do Produto pode ser enunciado a partir da
definio de probabilidade condicional, como:
A probabilidade da ocorrncia simultnea de dois eventos,
A e B, do mesmo espao amostral, igual ao produto da
probabilidade de um deles ocorrer pela probabilidade
condicional do outro em relao ao primeiro.
Assim:
P( A / B)

P( A B)
P( B)

P ( A B ) P ( B ).P ( A / B )

P ( B / A)

P( A B)
P ( A)

P ( A B ) P ( A).P ( B / A)

2.12 Teorema do Produto


Exemplo: Em um lote de peas contendo doze unidades
onde quatro so defeituosas, duas so retiradas, uma aps a
outra, sem reposio. Qual a probabilidade de que ambas
no sejam defeituosas?
Soluo: A = { a primeira pea retirada boa}
B = {a segunda pea retirada boa}

8 7
14
P ( A B ) P ( B ).P ( A / B )

12 11 33

Teoria das Probabilidades - Sumrio

Teoremas fundamentais

Probabilidades finitas dos espaos amostrais finitos

Espaos amostrais finitos equiprovveis

Probabilidade condicional

Teorema do produto

Independncia estatstica

Teorema de Bayes

2.13 Independncia Estatstica


Definio: Um evento A considerado independente de um
outro evento, B, se a probabilidade de A igual a probabilidade
de A condicionada a B, ou
P( A ) P( A / B )

Se A independente de B, ento B independente de A;


logo:
P( B ) P( B / A )

- Do teorema do produto, pode-se afirmar que, se A e B so


independentes, ento:

P ( A B ) P ( A ).P ( B )

2.13 Independncia Estatstica


- Dados n eventos A1, A2, ..., An, diz-se que eles so
independentes se o forem 2 a 2; 3 a 3, ..., n a n, isto :
P ( A1 A2 ) P ( A1 ).P( A2 ); ...; P ( An 1 An ) P ( An 1 ).P ( An )
P ( A1 A2 A3 ) P ( A1 ).P ( A2 ).P ( A3 ); ...;
P ( An 2 An 1 An ) P ( An 2 ).P ( An 1 ).P( An )
P( A1 A2 ... An ) P ( A1 ).P ( A2 ).P ( A3 )....P( An 1 ).P( An )

2.13 Independncia Estatstica


Exemplo 1: Uma caixa contm doze peas, sendo quatro
defeituosas; retira-se duas peas, uma aps a outra, com
reposio. Calcular a probabilidade de ambas no
possurem defeitos?
Soluo: A = {a primeira pea no possui defeito}
B = {a segunda pea no possui defeito}
- Como a primeira pea foi reposta, B no condicionado por
A, ou seja, A e B so independentes; logo:
P ( A B ) P ( A ).P ( B )

8 8 4

12 12 9

2.13 Independncia Estatstica


Exemplo 2: Sendo S = {1, 2, 3, 4} um espao amostral
equiprovvel, e A = {1, 2}, B = {1, 3} e C = {1, 4} eventos de
S, verificar se estes eventos so independentes.
Soluo: S = {1, 2, 3, 4};
A = {1, 2}; B = {1, 3}; C = {1, 4};
A B {1}; A C {1}; B C {1};
A B C {1}

2.13 Independncia Estatstica


Soluo (continuao):
2 1
2 1
1
; P ( B ) ; P ( A B ) ; log o :
4 2
4 2
4
1
P ( A B ) P ( A ).P ( B )
4
1
2 1
1
Para A e C : P ( A ) ; P ( C ) ; P ( A C ) ; log o :
2
4 2
4
1
P ( A C ) P ( A ).P ( C )
4
Para A e B : P ( A )

2.13 Independncia Estatstica


Soluo (continuao):
1
1
1
; P ( C ) ; P ( B C ) ; log o :
2
2
4
1
P ( B C ) P ( B ).P ( C )
4
1
1
1
1
Para A , B e C : P ( A ) ; P ( B ) ; P ( C ) ; P ( A B C ) ;
2
2
2
4
log o :
1
1
P ( A B C ) P ( A ).P ( B ).P ( C )
4
8
Para B e C : P ( B )

- Portanto, os eventos A, B e C no so independentes.

Teoria das Probabilidades - Sumrio

Teoremas fundamentais

Probabilidades finitas dos espaos amostrais finitos

Espaos amostrais finitos equiprovveis

Probabilidade condicional

Teorema do produto

Independncia estatstica

Teorema de Bayes

2.14 Teorema de Bayes


Sejam A1, A2, A3, ..., An, n eventos mutuamente exclusivos, tais
A1 A2 A3 ... An . S
que
Sejam P(Ai) as probabilidades conhecidas dos vrios eventos,
e B um evento qualquer de S, tal que so conhecidas todas as
probabilidades condicionais P(B/Ai).
Ento, para cada i, tem-se:
P ( Ai / B )

P ( Ai ).P ( B / Ai )
P ( A1 ).P ( B / A1 ) P ( A2 ).P ( B / A2 ) ... P ( An ).P ( B / An )

que o Teorema de Bayes.

2.14 Teorema de Bayes


Exemplo: Tem-se trs urnas (u1, u2, u3), cada uma contendo
bolas pretas, brancas e vermelhas, nas quantidades mostradas
no quadro abaixo. De uma urna escolhida ao acaso retira-se
uma bola tambm ao acaso, verificando-se que a mesma
branca. Qual a probabilidade da bola escolhida ter vindo da
urna 2? e da urna 3?
Cores / Urnas u1 u2 u3
P (preta)
B (branca)
V (vermelha)

3 4 2
1 3 3
5 2 3

2.14 Teorema de Bayes


Soluo:
Cores / Urnas u1 u2 u3
P (preta)
B (branca)
V (vermelha)

3
1
5

4
3
2

2
3
3

1
1
1
P (u1 ) ; P(u2 ) ; P (u3 ) ;
3
3
3
1
3 1
3
P ( B / u1 ) ; P( B / u 2 ) ; P ( B / u3 ) ;
9
9 3
8

2.14 Teorema de Bayes


Soluo (continuao):
P(u2 / B)

P(u2 ).P( B / u 2 )

P(u1 ).P( B / u1 ) P(u 2 ).P( B / u 2 ) P(u3 ).P( B / u3 )

1 1

24
3
3

1 1
1 1
1 3
59

3 9
3 3
3 8

2.14 Teorema de Bayes


Soluo (continuao):
27
P(u3 / B)
59
8
P(u1 / B) P (u2 / B ) P(u3 / B ) 1 P(u1 / B)
59

FIM