Estatística

Aplicada a
Contabilidade

Prof. Me. André Brochi

25/4/2014
UNISEB
Centro Universitário
 Módulo 2.2

Unidade 2

Probabilidade

UNISEB
Centro Universitário
 Objetivos da aula

• Definir e calcular a probabilidade de

ocorrência de eventos, bem como
apresentar propriedades que facilitem tais
cálculos.

• Utilizar o cálculo de probabilidades como

ferramenta na previsão de eventos e
tomada de decisões.

3
 Probabilidade
• Número de zero e um, associado a um
evento aleatório, que se mede pela
frequência relativa da sua ocorrência
numa longa sucessão de eventos.
Exemplo 1:
• vida útil de componentes/produtos;
• padrão de falhas de equipamentos;
• tempos de percurso em operações de
entrega;
• volume diário de vendas;
• tempos de espera em uma fila de banco.
4
 Conceitos básicos

• Experimento aleatório
Situação ou acontecimento cujo resultado
não pode ser previsto com certeza.

• Espaço amostral ()

Conjunto de resultados possíveis de um
experimento aleatório.

• Evento
Subconjunto do espaço amostral.
5
Exemplo 2
• Experimento: observar o volume de
vendas de uma loja diariamente.

• Espaço amostral: conjunto de valores

entre 0 e um valor máximo x.

• Eventos: observou-se um volume:

entre R$ 200,00 e R$ 400,00
acima de R$ 500,00
abaixo de R$ 200,00
6
Exemplo 3
• Experimento: observar a
movimentação diária de pessoas em uma
agência bancária.

• Espaço amostral: conjunto de valores

inteiros entre 0 e um valor máximo x.

• Eventos: observou-se movimentação:

entre 850 e 950 pessoas
inferior a 1000 pessoas
superior a 1200 pessoas
7
Exemplo 4
• Experimento: lançamento de um dado
e observação do resultado.
• Espaço amostral:  = {1,2,3,4,5,6}
• Eventos:
A: “ocorreu valor par”  A = {2,4,6}
B: “ocorreu valor ímpar”  B = {1,3,5}
C: “ocorreu valor maior que 6”  C = 
D: “ocorreu valor menor que 2”  D = {1}
E: “ocorreu valor menor ou igual a 6” 
 E = {1,2,3,4,5,6}
8
 Mais conceitos básicos

• Complemento de um evento
–Consiste em todos os outros resultados do
espaço amostral.

• Eventos mutuamente exclusivos

–Eventos que não possuem elementos em
comum.

• Eventos coletivamente exaustivos

–Eventos que, conjuntamente, possuem
todos os elementos do espaço amostral. 9
Exemplo 5
• Experimento: lançamento de um dado
e observação do resultado.
• Eventos:
A: “ocorreu valor par”  A = {2,4,6}
B: “ocorreu valor ímpar”  B = {1,3,5}

Os eventos A e B são:
• mutuamente exclusivos;
• complementares;
• coletivamente exaustivos.
10
 Exemplo 6

Figura 2.1 – Diagramas de Venn ilustrando os conceitos de espaço amostral,

complemento de um evento e eventos mutuamente exclusivos e coletivamente
exaustivos. 11
 Operações com Eventos
União ()
A união de dois eventos A e B é um evento
que contém os pontos amostrais (resultados)
que pertencem a A ou a B ou a ambos.

A B

A  B   x   / x  A ou x  B
12
Exemplo 6
• Experimento: lançamento de um dado.
• Espaço amostral:  = {1,2,3,4,5,6}
• Eventos:
A: “ocorreu valor par”  A = {2,4,6}
B: “ocorreu valor maior que 2”  B = {3,4,5,6}
C: “ocorreu valor menor ou igual a 2”C = {1,2}

A  B = {2,3,4,5,6}
A  C = {1,2,4,6}
B  C = {1,2,3,4,5,6} = 
13
Intersecção ()
A intersecção de dois eventos A e B é um
evento que contém os pontos amostrais
(resultados) de A que também são pontos
amostrais de B.

A B

A  B   x   / x  A e x  B
14
Exemplo 7
• Experimento: lançamento de um dado.
• Espaço amostral:  = {1,2,3,4,5,6}
• Eventos:
A:“ocorreu valor par”  A = {2,4,6}
B:“ocorreu valor maior que 2”  B = {3,4,5,6}
C:“ocorreu valor menor ou igual a 2”C = {1,2}
A  B = {4,6}
A  C = {2}
B  C =  (B e C são mutuamente
exclusivos)
15
Complementação
O evento complementar de A (denotado
por Ac) é o evento que contém todos os
elementos do espaço amostral  que não
pertencem a A.

Ac 
A

A   x   / x  A
c

16
Exemplo 8
• Experimento: lançamento de um dado.
• Espaço amostral:  = {1,2,3,4,5,6}
• Eventos:
A: “ocorreu valor par”  A = {2,4,6}
B: “ocorreu valor maior que 2”  B = {3,4,5,6}
C: “ocorreu valor menor ou igual a 2”  C = {1,2}
Ac = {1,3,5}
Bc = {1,2}
Cc = {3,4,5,6} (B e C são eventos
complementares)
17
 Probabilidade

Definição clássica
Dado um evento A de um espaço amostral
, a probabilidade de ocorrência de A é dada
por
n A
P  A 
n 
Em que:
• n(A) é o número de elementos do evento A;
• n() é o número de elementos do espaço
amostral.
18
Exemplo 9
Experimento: lançamento de um dado.
Espaço amostral: ={1,2,3,4,5,6}  n()=6
Eventos e suas probabilidades:

3
A = {2,4,6}  n(A) = 3  P  A    0,50  50%
6
4
B = {3,4,5,6}  n(B) = 4  P  B    0,67  67%
6
2
C = {1,2}  n(C) = 2  P C    0,33  33%
6

19
 Probabilidade
Definição frequencial
Dado um evento A de um espaço amostral ,
a probabilidade de ocorrência de A é dada por

n A
P  A 
n 
Em que:
n(A) é o número de vezes que o evento A
ocorreu;
n() é o número de repetições do espaço
amostral.
20
 Propriedades

Sejam A e B dois eventos de .

a) 0  P  A   1

b) P     1

21
Exemplo 10
Uma loja de varejo tem registrado em seus
arquivos que, dos 2.000 televisores, de
determinada marca, vendidos em certo período,
400 precisaram de reparos dentro da garantia
de um ano. Qual é a probabilidade de que um
consumidor que compre uma televisão dessa
marca não precise utilizar a garantia?
n(A): quantidade de televisores que não
precisaram de reparos dentro da garantia.
n(A) = 2000 – 400 = 1600
1600
Portanto, P  A    0,80  80%.
2000
22
Exemplo 11
O Departamento Pessoal de uma certa empresa
fez um levantamento dos salários dos 120
funcionários do setor administrativo, obtendo os
resultados (em salários mínimos) da tabela
abaixo: Faixa salarial f
0  2 30
2  4 48
4  6 24
6  8 18
Total 120

Qual é a probabilidade de um funcionário

selecionado aleatoriamente ter salário inferior a
seis salários mínimos?
23
 Faixa salarial f fr fa
0  2 30 0,25 30
2  4 48 0,40 78
4  6 24 0,20 102
6  8 18 0,15 120
120 1,00

60

102
P  A   0,85  85%. 50

120 40

Freqüência
ou 30

20

10

P  A   0,25  0,40  0,20  0,85

0 1 2 3 4 5 6 7 8
Faixa salarial

24
 Probabilidade Condicional
Objetivo
Calcular a probabilidade de ocorrência de
um evento A levando em conta que o evento
B já ocorreu.
Definição
Dados dois eventos A e B, a probabilidade
condicional de A dado que B ocorreu é
representada por P(A|B) e calculada por
P A  B
P A B  , P(B) > 0
PB
25
Exemplo 12
Em uma urna, há 6 bolas numeradas de 1
a 6. Sejam os eventos:
A: “ocorrer par”  A = {2, 4, 6}
B: “ocorrer múltiplo de 3”  B = {3, 6}
Uma bola sorteada é par (evento A). Qual
a probabilidade de o número ser múltiplo
de 3?

26
 Regra da adição
Sejam A e B dois eventos de . A
probabilidade de ocorrer A ou B é dada por:
P  A  B   P  A  P  B   P  A  B 

Se A e B são eventos mutuamente

exclusivos, então: P  A  B   P  A   P  B 
27
Exemplo 13
Considere a urna do exemplo 12.
A e B não são mutuamente exclusivos.

3 2 1
P ( A)  P (B )  P( A  B) 
6 6 6

P( A  B )  P ( A)  P ( B )  P( A  B )
3 2 1 4 2
    
6 6 6 6 3

28
 Regra da multiplicação
Dois eventos A e B, de um espaço amostral
, são considerados independentes se a
probabilidade de ocorrência de um não é
afetada pela ocorrência do outro. Ou seja:
P A B 
ouP  A  P  B A  P  B 

Se A e B são independentes, então:

P  A  B   P  A  P  B 

29
Exemplo 14
Em dois lançamentos seguidos de uma
moeda honesta, qual a probabilidade de se
obterem 2 caras?

30
Suponha que 10.000 bilhetes
sejam vendidos em uma loteria A e 5.000
em outra loteria B, cada uma tendo apenas
um ganhador. Um homem tem 100 bilhetes
de cada. Qual é a probabilidade de que ele
ganhe os dois prêmios?

31
PRÓXIMA AULA

Análise combinatória

32
 Referências

KAZMIER, Leonard J. Estatística aplicada à

economia e administração. São Paulo: Mc­
Graw-Hill, 1982,
LAPONI, Juan Carlos. Estatística usando o
Excel. São Paulo: Laponi, 1997.
 MEDEIROS DA SILVA, Ermes.; et al.
Estatística. 2. ed. São Paulo: Atlas, 1996.
 MILONE, Giuseppe; ANGELINI, Flávio.
Estatística geral: descritiva, probabilidades,
distribuição. São Paulo: Atlas, 1992. 33
 Referências

STEVENSON, William J. Estatística aplicada

à administração. São Paulo: Harper & Row
do Brasil, 1995.

34
 Fim da aula.

Grato pela atenção!

35