Ricardo Wyllie

Teoria das Probabilidades

AULA 1
Objeto do Estudo
O objeto de estudo da teoria das probabilidades so os
experimentos aleatrios.
Definio: Experimento aleatrio qualquer tipo de
experimento cujo resultado final no pode ser previsto,
caracterizando-se ainda pela existncia de um controle
das condies iniciais de realizao e conhecimento prvio
de todos os resultados possveis. Estas caractersticas, se
presentes, implicam em regularidade estatstica.
A cada elemento ou subconjunto mensurvel do conjunto
de possveis resultados do experimento chama-se evento
aleatrio.
Conceitos de Probabilidade
De forma bem simples, uma probabilidade uma medida
da chance relativa da ocorrncia associada a um evento.
Em geral, aplicam-se dois conceitos de probabilidades:
Probabilidade Clssica: obtida atravs da razo entre
uma medida* do conjunto que representa o evento e esta
mesma medida aplicada ao conjunto de todos os possveis
resultados do experimento.
Probabilidade de Freqncia: Pode ser obtida atravs
da repetio do experimento um grande nmero de vezes.
Divide-se o nmero de ocorrncias do evento em foco
pelo nmero total de repeties.
* Em muitos casos essa medida simplesmente a contagem do nmero de elementos do conjunto.
Principais Conceitos da Teoria
Espao Amostral (S) - conjunto formado por todos
os possveis resultados do experimento aleatrio.
Evento Aleatrio - qualquer subconjunto do espao
amostral ao qual pode-se atribuir alguma medida de
probabilidade.
Evento Elementar - qualquer subconjunto do espao
amostral que conte com um nico elemento.
Evento Complementar - O complementar de um evento
A o evento que contem todos os elementos de S que
no esto em A.
Evento de Probabilidade Nula todo o conjunto do
espao amostral que tenha medida nula.
Evento Impossvel - o conjunto vazio.
Axiomas da Teoria das Probabilidades
Se A um evento - subconjunto de S - ento:
P(A) > 0

Sendo S o espao amostral temos que:
P(S) = 1

Se A e B so eventos de S tais que AB = C, ento:
P(AB) = P(A) + P(B)
Por natureza os axiomas dispensam qualquer prova de sua
validade. Estes precisam estar de acordo com a lgica e as
observaes empricas sobre a realidade.
Consequncias Diretas dos Axiomas
Consequncia 1:
Se A um evento de S e A
c
representa o seu o
complementar possvel demonstrar que:
P(A) = 1 - P(A
c
)
Consequncia 2:
Se A e B so dois eventos quaisquer de S ento
possvel demonstrar que:
P(AB) = P(A) + P(B) - P(AB)
Consequncia 3:
Se A e B so eventos de S e A _ B ento possvel
demonstrar que:
P(A) sP(B)
Exemplo 1:
Considere um experimento bem simples, que consiste no
lanamento de uma moeda e dois dados, sendo que nas
faces da moeda aparecem gravados os nmeros 3 e 4.
Pede-se:
(a) Descrever o espao amostral do experimento.
(b) Calcular a probabilidade que a soma de todos os
resultados seja igual a 10.
(c) Se do valor apurado na moeda for subtrado o
total dos dados, qual a probabilidade de que o
resultado final seja negativo?
(d) Qual a probabilidade de que o resultado de
um dos dados seja maior que a soma do outro
dado com a moeda?
(a) O espao amostral pode ser obtido combinando os
resultados da moeda com os dos dados, atravs de um
produto cartesiano.
S
MOEDA
= {3,4}
S
DADOS
= { (1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), ...
, ..., (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6) }
S
AMOSTRAL
= S
MOEDA
x S
DADOS

S
AMOSTRAL
= {(3,(1,1)), (3,(1,2)), (3,(1,3)), (3,(1,4)), (3,(1,5)),
(3,(1,6)), (3,(2,1)), (3,(2,2)), .... (3,(5,5)), (3,(5,6)), (3,(6,1)),
(3,(6,2)), (3,(6,3)), (3,(6,4)), (3,(6,5)), (3,(6,6)), ...., (4,(1,1)),
(4,(1,2)), (4,(1,3)), (4,(1,4)), (4,(1,5)), (4,(1,6)), (4,(2,1)),
(4,(2,2)), .... (4,(5,5)), (4,(5,6)), (4,(6,1)), (4,(6,2)), (4,(6,3)),
(4,(6,4)), (4,(6,5)), (4,(6,6))}
Note que S
AMOSTRAL
tem 72 elementos (=2x6x6) e escreve-se:
# S
AMOSTRAL
= 72
(b) Calcular a probabilidade que a soma de todos os
resultados seja igual a 10.
Ora, para que a soma total alcance 10 unidades a soma
dos dados s poder ser 6 ou 7, conforme a moeda d
4 ou 3, respectivamente.
S
SD=6
= { (1,5), (5,1), (2,4), (4,2), (3,3) }
S
SD=7
= { (1,6), (6,1), (2,5), (5,2), (3,4), (4,3) }
S
[M=4+SD=6 ou M=3+SD=7]
= (4,(1,5)),(4,(5,1)),(4,(2,4)),(4,(4,2)),(4,(3,3)),
(3,(1,6)),(3,(6,1)),(3,(2,5)),(3,(5,2)),(3,(3,4)),(3,(4,3))}
Assim, o conjunto de resultados que gera soma igual a 10 :
#S
[M=4+SD=6 ou M=3+SD=7]
= 11
(c) Se do valor apurado na moeda for subtrado o total dos
dados, qual a probabilidade de que o resultado final seja
negativo?
Ou seja, a pergunta P(M-SD < 0) ?
Como M = 3 ou M = 4 o evento desejado ocorrer quando:

(1) M = 3 e SD > 3 ou (2) M = 4 e SD > 4
S
M=3 e SD>3
= S
amostral
S
M=3 e SD3
=
= S
amostral
{(3,(1,1)),(3,(1,2)),(3,(2,1))}
S
M=4 e SD>4
= S
Amostral
S
SM=4 e D4
=
= S
Amostral
{(4,(1,1)),(4,(1,2)),(4,(2,1)),(4,(2,2))}
S
M=3 e SD>3
U S
M=4 e SD>4
= S
amostral
[ S
M=3 e SD3
U S
SM=4 e D4
]
= S
amostral

{(3,(1,1)),(3,(1,2)),(3,(2,1)),(4,(1,1)),(4,(1,2)),(4,(2,1)),(4,(2,2))}
(c) Continuao
S
M=3 e SD>3
U S
M=4 e SD>4
= S
amostral
[ S
M=3 e SD3
U S
SM=4 e D4
]
= S
amostral

{(3,(1,1)),(3,(1,2)),(3,(2,1)),(4,(1,1)),(4,(1,2)),(4,(2,1)),(4,(2,2))}
Ento
#[S
M=3 e SD>3
U S
M=4 e SD>4
] = #S
amostral
#[S
M=3 e SD3
U S
SM=4 e D4
]
#[S
M=3 e SD>3
U S
M=4 e SD>4
] = 72

7 = 65
Logo
(d) Qual a probabilidade de que o resultado de um certo
dado seja maior que a soma do outro dado com a moeda?
Os resultados possveis da soma no lanamento conjunto do
dado com a moeda so: S = {4, 5, 6, 7, 8, 9, 5, 6, 7, 8, 9, 10}
Note que os valores 5, 6, 7, 8 e 9 aparecem duas vezes,
pois podem ser obtidos de duas maneiras diferentes.
O que precisamos calcular P(Dado > Dado + Moeda) e
os resultados favorveis a este evento so:
RF = { (3,(1,5)), (3,(2,6)), (4,(1,6)) }
Onde o resultado do primeiro dado o que se adiciona ao
da moeda, na representao (moeda,(1 dado, 2 dado)).
Portanto, dos 72 resultados possveis para o experimento
(#S = 72), apenas 3 so favorveis ao evento perguntado.
P(Dado > Dado + Moeda) =
#
#
=
3
72
=
1
24

Exemplo 2:
Suponha que um indivduo resolve lanar uma moeda at
obter uma face Coroa. evidente que a probabilidade de
que ele consiga de primeira 50%, mas se for azarado
pode levar um tempo infinito de jogadas at conseguir.
Pede-se calcular a probabilidade de que ele v precisar de
mais de 3 tentativas para obter a Coroa. (P(NT>3)=?)
Ora, P(NT>3) = P(NT=4) + P(NT=5) + P(NT=6) + .....
H, portanto, a princpio, necessidade de calcular uma soma
infinita. Mas vamos primeiro calcular o valor genrico de
uma das parcelas, ou seja, P(NT=n) para n N.
NT = n significa que ocorreram (n-1) caras e s depois a
primeira Coroa. As sequncias possveis so:
Cara ou
_Coroa_
Cara ou
_Coroa_
Cara ou
_Coroa_
Cara ou
_Coroa_
................
n vezes
_Cara_
_Cara_ _Cara_ _Coroa_
.................
Cara ou
_Coroa_
_Cara_
tambm n vezes
Resultados
Possveis
Resultado
Favorvel
Nmero de Resultados Possveis = 2 x 2 x 2 x ... x 2 = 2
n
Nmero de Resultados Favorveis = 1 x 1 x 1 x ... x 1 = 1
n
Portanto, P(NT = n) =
#
#
=

. Logo, temos que:

P(NT>3) = P(NT=4) + P(NT=5) + P(NT=6) + ..... +
=

4
+

5
+

6
+ .......... = PG com termo inicial

4
e razo
1
2
.
Esta soma dada por :

=

Ou seja, P(NT > 3) = 0,125
Uma outra forma, bem mais econmica, de se chegar a este
mesmo resultado lanando mo do evento complementar.
Ora, sabemos que P(NT > 3) = 1 P(NT 3)
Alm disso, P(NT 3) = P(NT=1) + P(NT=2) + P(NT=3)
=
1
2
1
+
1
2
2
+
1
2
3
= 0,5 +0,25 +0,125 = 0,875
Consequentemente, P(NT > 3) = 1 0,875 = 0,125
Probabilidade Condicional
Existem muitas situaes da prtica em que, mesmo sem
que se conhea o resultado final de experimento, algumas
informaes sobre o mesmo esto disponveis.
Muito embora sejam apenas parciais, estas informaes
acabam por limitar o conjunto de possveis resultados do
experimento.
Sendo assim, o valor da probabilidade de ocorrncia de
um determinado evento pode sofrer modificao caso a
informao conhecida previamente seja computada.
Adicionalmente, se o resultado final do experimento for
conhecido, possvel inferir algo sobre os antecedentes
da realizao, atravs de probabilidades condicionais.

Definio: A probabilidade condicional de um evento A,
dado que um outro evento B ocorreu, representada da
seguinte maneira:
P(A/B)
E, em termos operacionais, pode ser calculada da seguinte
forma:
P(A/B) = P(AB)/P(B)
A ideia contida na frmula acima muito simples. J que
B ocorreu todas as demais probabilidades passam a ser
medidas como uma frao da de B, ou seja, com esta no
denominador. Portanto, a probabilidade de B funciona
como unidade de medida.
Antes de qualquer informao sobre o resultado final do
experimento, e considerando os eventos A e B, o diagrama
da situao o seguinte:
A
S
A
B
A informao de que B ocorreu significa que, uma parte do
evento A j no poder mais ocorrer. A nica alternativa
para a ocorrncia de A passa a ser a interseo entre os
dois conjuntos.
Com a informao de que o evento B ocorreu o diagrama
para efeito de clculo de probabilidades passa a ser:
B = S*
A B = A*
Tudo se passa como se B fosse o novo espao amostral
(S*). Por outro lado, o conjunto A j no tem mais a
mesma dimenso do ponto de vista das possibilidades
de sua ocorrncia (A*). Aplicando o conceito clssico de
probabilidade:
Exemplo: Considere o experimento clssico do lanamento
de um dado honesto. Alm disso, suponha que por algum
motivo j se tenha conhecimento de que o resultado final
um nmero primo. Vamos ento calcular a probabilidade de
que ocorra um 5, com e sem considerar esta informao.
Sem qualquer informao, o espao amostral dado por
S
SEM
= {1,2,3,4,5,6}. Nosso evento de interesse A = {5}.
Logo,
Porm, sabendo que o resultado um nmero primo temos
um novo espao amostral que :
C = S
COM
= {1, 2, 3, 5}
j que 4 e 6 no so nmeros primos.
Entretanto o evento de interesse continua sendo o mesmo,
ou seja, A = {5}. Assim sendo,
Portanto, a informao prvia de que o nmero primo
alterou a probabilidade de ocorrncia do evento A. Outro
evento que pode ser trabalhado neste contexto B = Par.
Ora, sem nenhuma informao adicional,
J com informao:
Mas qual seria a probabilidade de que o nmero seja Primo
dado que ele Par, ou seja:
Esta pergunta pode ser respondida de forma instantnea,
mas vamos aplicar a Teoria das Probabilidades e checar.
De fato, o nico nmero que consegue ser Par e Primo ao
mesmo tempo o 2 e num dado normal temos 3 nmeros
pares (2,4,6). Ou seja, a chance de 1 em 3.
Eventos Independentes
Definio: Dois eventos so ditos independentes quando
a ocorrncia de um deles no altera a probabilidade de
ocorrncia do outro. Em termos analticos:
muito comum haver uma certa confuso entre os
conceitos de eventos independentes e de mutuamente
exclusivos. Na verdade estes conceitos esto em planos
distintos, sendo que um deles se refere as possibilidades
de ocorrncia e o outro dinmica do experimento,
respectivamente. Vamos verificar o que isto significa por
meio da frmula de probabilidade condicional.
Supondo A e B so eventos tais que AB = , temos:
/ =
( )
()
=

()
=
Logo, matematicamente a nica maneira do evento A ser
independente ter probabilidade nula de ocorrncia. De
fato, se a ocorrncia de A elimina a ocorrncia de B, estes
no podem ser mesmo considerados independentes.
Axiomas sob Probabilidade Condicional
Uma observao importante que muitos dos resultados
que so vlidos para situaes no condicionais, tambm
podem ser aplicados no contexto de informao prvia,
inclusive a estrutura axiomtica:
Alm disso, so vlidos os seguintes resultados:
Teorema 1
Se A e B so independentes ento P(AB) = P(A).P(B)
Se A e B so eventos de S, ento: P(A/B) > 0
Se A, B e C so eventos de S com AB = C, ento:
P(AB/C) = P(A/C) + P(B/C)
Teorema 2
Se A e B so eventos tais que A B esto P(A/B) P(A)
Teorema 3
Os nicos eventos independentes de si mesmos so os de
probabilidade unitria (o S, por exemplo) e os eventos de
probabilidade nula (os impossveis, por exemplo).
Teorema 3 (Bayes)
Suponha que o conjunto de eventos A
1
, A
2
, A
3
, ...... , A
N
uma partio do espao amostral S, ou seja,
(i) A
1
A
2
...... A
N
= S
(ii) A
i
A
j
= |
(iii) A
i
= |, para todo i = j = 1, 2, 3, ... , N
Seja B um evento aleatrio qualquer de S, ento:
Este resultado bastante conhecido como o Teorema dos
Eventos Antecedentes.
(

) =
(

). (

)
(

). (

=

Exemplo 3: Suponha que um armrio tem duas gavetas, cada
uma contendo duas moedas. Na gaveta I uma de ouro e a
outra de prata. J na gaveta II ambas so de ouro. Uma
gaveta escolhida ao acaso e dela retirada uma moeda de
ouro. Qual a probabilidade de que a gaveta escolhida
tenha sido a I ?
O primeiro passo nomear os eventos:
GI = Gaveta 1 e G2 = Gaveta II
Logo, a probabilidade perguntada P(GI/Ou).
Ou = Ouro e Pt = Prata
Note que seria muito fcil calcular o contrrio, ou seja:
P(Ou/GI), da mesma forma que P(Ou/GII) imediata.
A dificuldade est no fato de que a escolha da gaveta
precede a da moeda e a pergunta formulada na ordem
inversa. Soluo: Aplicar o Teorema de Bayes.
Neste caso, teramos:
Igualdade onde todas as probabilidades do lado direito
da podem ser facilmente calculadas, pois so formuladas
com o conhecimento da gaveta selecionada, bastando uma
contagem das moedas .
) ( ). / ( ) ( ). / (
) ( ). / (
) / (
GII P GII Ou P GI P GI Ou P
GI P GI Ou P
Ou GI P
+
=
3
1
) 4 / 3 (
) 4 / 1 (
) 2 / 1 ).( 1 ( ) 2 / 1 ).( 2 / 1 (
) 2 / 1 ).( 2 / 1 (
) / ( = =
+
= Ou GI P
) ( ). / ( ) ( ). / (
) ( ). / (
) / (
GII P GII Ou P GI P GI Ou P
GI P GI Ou P
Ou GI P
+
=
preciso interpretar o resultado acima com muita cautela.
Seria errado pensar que ele decorre exclusivamente do
fato de que a gaveta I tem apenas uma de ouro enquanto a
II tem duas, ou seja, h uma chance em trs.
Bem, j que a gaveta I apresenta este contedo, podemos
escrever:
3
1
) / ( = GI Ou P
Tal raciocnio s funciona quando o nmero de objetos
em cada gaveta o mesmo. Reproduza o mesmo exemplo
supondo que em GI esto duas de prata e uma de ouro e
compare os resultados.
Logo, substituindo na frmula de Bayes:
4
1
) 6 / 4 (
) 6 / 1 (
) 2 / 1 ).( 1 ( ) 2 / 1 ).( 3 / 1 (
) 2 / 1 ).( 3 / 1 (
) / ( = =
+
= Ou GI P
Note que, apesar do nmero de moedas de ouro ser o
mesmo de antes, a probabilidade no pode ser calculada
contando apenas com elas.
Exemplo 4: Para uma determinada populao sabe-se que
10% dos indivduos pertencem a Classe A, 25% a Classe B
e 65% a Classe C. conhecida tambm, para cada uma das
classes, a proporo de adeptos do partido poltico PEG,
de 25%, 80% e 40%, respectivamente. Um indivduo
inquirido ao acaso e declara-se ser no adepto. Calcular a
probabilidade de que ele pertena a Classe B.
Usando a terminologia de probabilidades, as informaes do
problema so as seguintes:
P(CA) = 0,10, P(CB) = 0,25 e P(CC) = 0,65
Ainda, P(PEG/A) = 0,25, P(PEG/B) = 0,80 e P(PEG/C) = 0,40
E a pergunta : P(CB/) = ?
Bem, com as informaes que temos essa probabilidade no
pode ser obtida diretamente. Ser necessrio recorrer ao
Teorema de Bayes.

=
( ). ()
( ). () +( ). +( ). ()

Considerando que (

) = ( ):
( ).()
( ).() +( ). +( ).()
=

=
(0,20).(0,25)
0,75 . 0,10 + 0,20 . 0,25 + 0,60 .(0,65)
=
0,050
0,515
0,0971
Do ponto de vista intuitivo o resultado est razovel, j
que apenas uma parcela relativamente pequena de pessoas
da Classe B no so adeptas do PEG. As probabilidades
para as Classes A e C podem ser facilmente calculadas, j
que os denominadores so os mesmos.
( ) =
, . ,
,
, ( ) =
, . ,
,
,
Note que as probabilidades somam 1 (0,0971 + 0,1456 + 0,7573)
(1) Sej am A e B doi s event os associ ados a um experi ment o. Suponha que
P(A) = 0, 4, enquant o P(AB) = 0, 7. Sej a P(B) = p.

(a) Para que val or de p, A e B sero mut uament e excl usi vos?
(b) Para que val or de p, A e B sero i ndependent es?
(2) Suponha que se escol ha ao acaso um pont o sobre o quadrado uni t ri o.
Sej a A o event o de que o pont o est no t ri ngul o l i mi t ado por y = 0, x = 1 e
x = y, e B o event o de que o pont o est no ret ngul o de vrt i ces (0, 0),
(1, 0), (1, 1/ 2) e (0, 1/ 2). Det ermi nar P(AB) e P(AB)
(3) Trs cart as so sel eci onadas al eat ori ament e de um baral ho comum.
Pede-se cal cul ar a probabi l i dade de que:

(a) A = {Apaream no mni mo duas f i guras}
(b) B = {Todas as cart as sej am nmeros menores do que ou i guai s a 7}
(c) C = {Doi s nai pes est ej am ausent es}
(d) D = {Apaream mai s nmeros do que f i guras}
(e) P(AC) e P(BC)
P(A/ D) e P(A
c
/ D
c
)
(4) Um nmero ser f ormado a parti r do sortei o al eatri o de trs
al gari smos (0,1,2, ... , 8 e 9). Assi m sendo, pede-se cal cul ar:
(a) A = {A probabi l i dade de que o nmero sej a i mpar}
(b) B = {A probabi l i dade de que o nmero sej a mai or do que 150}
(c) C = {De que todos os al gari smos sej am di f erentes}
(d) P(A/C) e P(C/A)
(5) Uma urna contm x bol as brancas e 3.x bol as pretas. Pede-se cal cul ar
a probabi l i dade de que em duas extraes sem reposi o sej am obti das
duas bol as di f erentes.
(6) Um est udant e se submet e a um exame de ml t i pl a escol ha no qual
cada quest o t em 5 al t ernat i vas de respost a, mas apenas uma corret a.
Supondo que o est udant e sabe a respost a corret a para 60% das quest es,
e que escol he uma das al t ernat i vas, al eat ori ament e, caso cont rri o, pede-
se cal cul ar:
(a) A probabi l i dade de que, para dada quest o, a respost a corret a sej a
real ment e a escol hi da.
(b) A probabi l i dade de que o est udant e sai ba a respost a corret a para uma
quest o respondi da com acert o.