UNIVERSIDADE FEDERAL DO CEARÁ

PRÓ-REITORIA DE GRADUAÇÃO
CENTRO DE CIÊNCIAS
DEPARTAMENTO DE ESTATÍSTICA E MATEMÁTICA APLICADA

PROF. DR. JOÃO WELLIANDRE CARNEIRO ALEXANDRE

NOTAS DE AULA DE

PROBABILIDADE

Fortaleza –CE

1
1. PROBABILIDADE

1.1 INTRODUÇÃO

Neste capítulo apresentaremosa teoria matemática que dá a base teórica para o

desenvolvimento de técnicas estatísticas a serem apresentadas no decorrer do curso.
Denominamos fenômeno aleatório à situação ou acontecimentos cujos resultados não podem ser
previstos com certeza. Por exemplo, as condições climáticas do próximo domingo não podem ser
estabelecidas com total acerto. O mesmo pode ser dito da taxa de inflação do próximo mês.
Veremos que, em situações como essas, modelos podem ser estabelecidos para quantificar as
incertezasdas diversas ocorrências.
Os modelos probabilísticos podem ser úteis em diversas áreas do conhecimento humano,
tais como: Engenharia de Produção, Arquitetura, Administração de Empresas, Economia, Ciências
Biológicas, Agronomia etc. Apresentaremos a seguir alguns conceitos básicos.

1.2 EXPERIMENTO ALEATÓRIO (E)

É aquele que se pode repetir infinitas vezes sob condições semelhantes e, embora não
possamos precisar qual será o resultado de uma realização particular, podemos descrever o
conjunto de todos os seus possíveis resultados.

Exemplos :

i. E1: Jogar um dado de seis faces e observar o número na face de cima;

ii. E2: Jogar uma moeda duas vezes consecutivas e observar, após o repouso, a face de cima;
iii. E3: Retirar duas bolas, sucessivamente e sem reposição, de uma urna que contém 3 bolas
vermelhas numeradas de 1 à 3, e 2 pretas, numeradas de 1 à 2;
iv. E4: Tempo de duração, em meses, de uma lâmpada comum;
v. E5: Resistência de uma liga de concreto;

OBS.: Em cada repetição de uma “experiência” é impossível prever, com absoluta certeza, qual o
resultado que será obtido, e além disso, a ocorrência de um deles exclui a dos demais.

1.3 ESPAÇO AMOSTRAL (S)

Chamamos de espaço amostral ao conjunto de todos os resultados possíveis de um

exprerimento aleatório. Ele é representado também pela letra grega  (omega).

Exemplos - Daremos os exemplos referentes aos “experimentos” acima:

i. S1 = { 1, 2, 3, 4, 5, 6}
ii. S2 = {CC, CK, KC, KK}, onde C = cara e K = coroa.
iii. S3 = {(v1, v1), (v1, v2), . . . , (p2, p2)}, onde v = bola vermelha e p = bola preta.
iv. S4 = {t / t=0,1,...n}, onde t = tempo medido meses.
v. S5 = {r ≥ 0 / r é real}, onde r = resistência.

2
 1.4 EVENTO

É qualquer subconjunto de um espaço amostral. Denotamos os eventos por letras latinas

maiúsculas (A, B, C,...). O conjunto vazio, como já é tradicional, será denotado por .

Seguem abaxo exemplos de eventos associados aos espaços amostrais acima.

I. S1 = {1, 2, 3, 4, 5, 6}.
Seja A1 = ocorrer um número par.
A1 = {2, 4, 6}.

II. S2 = {CC, CK, KC, KK}.

A2 = cara ocorre uma vez, nos dois lançamentos
A2 = {CK, KC}.

III. S3 = S3 = {(v1, v1), (v1, v2), . . . , (p2, p2)}.

Seja A3= retirar duas bolas de mesma cor
A3= {(v1, v1), (v2, v2), (v3, v3), (p1, p1), (p2, p2)}

1.5 UNIÃO DE EVENTOS

Se A e B forem eventos associados a um espaço amostral S, A U B será o evento que

ocorrerá se, e somente se, pelo menos um dos eventos, A ou B, ocorrerem.
Se A e B forem eventos, A  B será o evento que ocorrerá se, e somente se, A e B
ocorrerem simultaneamente.
Se A for evento, AC será o evento que ocorrerá se, e somente se, não ocorrer o evento A (AC
será o complementar de A, com notação A ou AC).

1.6 EVENTOS MUTUAMENTE EXCLUSIVOS (ME)

Sejam A e B dois eventos associados a um espaço amostral S. Se A  B=  , então, A e B

são chamados eventos mutuamente exclusivos ou disjuntos. Quer dizer que os dois não tem
elemento em comum.

1.7 DEFINIÇÃO

Sejam E um experimento, S o espaço amostral associado a E e A um evento associado a S.

A probabilidade de ocorrência de A é um número real tal que:

i. P(A)  0 ;
ii. P(S) = 1;
iii. Se A1, A2,..., An forem eventos mutuamente exclusivos, dois a dois, então

n
 n 
PU Ai   P( A1 )  P( A2 )  ...  P( An )   P( Ai )
 i 1  i 1

iv. Se A1, A2, A3,... é uma sequência de eventos mutuamente exclusivos definidos em S, então:
3
 P(A1 U A2 U A3 U...) = P(A1) + P(A2) + P(A3) + ...

1.8 CONSEQUÊNCIAS DA DEFINIÇÃO

i. 0  P(A)  1;

ii. P(  ) = 0;

iii. P( Ac ) = 1 - P(A);
iv. Se A e B forem eventos quaisquer, então: P( A U B) = P(A) + P(B) - P(A  B) ( Regra de
Adição)

1.9 MODELO EQUIPROBABILISTICO (Definição Clássica de Probabilidade)

Seja o espaço amostral S={s1, s2, ... sn}. Diremos que é obedecido o modelo
equiprobabilistico, quando as probabilidades associadas a cada evento elementar (si : i = 1, 2, ..., n)
são as mesmas, ou seja P(si) = 1/n.
Neste caso, por exemplo, se tivermos o evento A = {s1, s2, s3 } do espaço amostral acima,
teremos a sua probabilidade dada por :

P(A) = l/n + 1/n + l/n = 3/n.

Essa maneira de cálculo das probabilidades é enunciada da seguinte forma:

n( A)
P(A) = ,
n( S )
onde:

n(A) = é o número de elementos do evento A.

n( S) = é o número de elementos possíveis do espaço amostral S.

Exemplo: Sejam, A o experimento lançar um dado e S seu espaço amostral, onde S = { 1, 2, 3, 4, 5, 6}.
Consideremos os eventos:

A: ocorrer face número 3  A = {3};

B: ocorrer um número par  B = {2, 4, 6};
C: ocorrer um número ímpar  C = {1, 3, 5}.

Encontrar os valores de P(A), P(B), P(C), P(A  B), P(A  C), P(A  B), P(A  C) e P ( A) .

Solução: S = {1, 2, 3, 4, 5, 6},

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

4
 1 3 3
P(A) = P(B) = P(C) =
6 6 6

P(A U B) = P(A) + P(B) pois A  B =  (ME)

1 3 4
P(A U B) =   ;
6 6 6

P(A  B) = P(  )=0;

P(A  C) = P(A) + P(C) - P(A  C) pois (A  C) = {3}, logo ( A  C)   . Então:

1 3 1 3
P(A  C) =    ;
6 6 6 6

P( A ) = 1 - P(A)
1 5 5
= 1 -  . Observe que A = {1, 2, 4, 5, 6}, logo: P( A ) = .
6 6 6

OBSERVAÇÃO
1 3
 A  C, pois A ={3} e C = {1, 3, 5} logo P(A) =
e P(C) = . Assim, P(A) < P(B).
6 6
 Os eventos B e C são coletivamente exaustivos. Dois ou mais eventos são chamados
COLETIVAMENTE EXAUSTIVOS se, 2 a 2 forem mútuamente exclusivos e a união deles
resultar no espaço amostral S.

1.10 PROBABILIDADE CONDICIONAL

Em muitas situações práticas, o fenômeno aleatório com o qual trabalhamos pode ser
separado em etapas. A informação do que ocorreu em uma determinada etapa pode influenciar nas
probabilidades de ocorrências das etapas sucessivas.
Nestes casos, dizemos que ganhamos informação e podemos “recalcular” as probabilidades
de interesse. Essas probabilidades “recalculadas” recebem o nome de probabilidade condicional,
cuja definição apresentamos a seguir:
Dados dois eventos A e B, a probabilidade condicional de A dado que ocorreu B é
representada por
P ( A  B)
P ( A / B)  , com P(B) > 0
P ( B)

Avaliando as probabilidades do numerador e do denominador encontraremos uma fórmula mais

prática para o cálculo da probabilidade condicional em espaços amostrais equiprováveis.
Isto é, para o cálculo da probabilidade condicional de “A dado B”, P(A / B), basta encontrarmos o
número de casos favoráveis ao evento A∩B e dividirmos pelo número de casos favoráveis ao
evento B, em vez de fazermos com relação ao espaço amostral S.

Exemplo: Um número é sorteado ao acaso entre os inteiros: 1, 2, 3 ..., 10. Se o número sorteado for
ímpar, qual a probabilidade de que seja o número 3?

Solução:

5
 S = {1, 2, 3, 4, 5, ..., 10};
A = o número sorteado ser o 3  A = {3};
B = o número sorteado ser impar  B = {1,3,5,7,9}.
1
Nota-se que a probabilidade do evento A, sem a informação da ocorrência de B, é: P(A) = .
10
Dada, porém, a informação de que o número sorteado é impar, o espaço amostral reduz-se para B =
{1, 3, 5, 7, 9} e será neste espaço amostral que iremos avaliar a probabilidade do evento A.

Assim,
A ∩ B = {3} e B = {1, 3, 5, 7, 9}.

Então:

P(A / B) = Nº de casos favoráveis ao evento A e B = 1/5

Nº de casos favoráveis ao evento B

P(A/B) lê-se: probabilidade de sair o número 3, dado que o número sorteado foi ímpar.

1.11 REGRA DO PRODUTO

P ( A  B) P ( A  B)
A partir da definição de probabilidade, P(A/B) = ou P(B/A) = ,
P ( B) P(A)
poderemos explicitar P(AB) e encontrar a regra do produto para dois eventos, assim:

i. P(AB) = P(B)P(A/B) com P(B) > 0

ii. P(AB) = P(A)P(B/A) com P(A) > 0

Então, a probabilidade da ocorrência simultânea de dois eventos de um mesmo espaço amostral é

igual à probabilidade de um deles ocorrer, multiplicado pela probabilidade condicional do outro,
dado o primeiro.

Exemplo: Retiram-se sucessivamente e sem reposição duas peças de um lote de 10 peças, onde
apenas quatro são boas. Qual a probabilidade de ambas serem defeituosas?

Solução:

Sejam os eventos:

A = a primeira peça é defeituosa

B = a segunda peça é defeituosa

Precisamos então encontrar:

P(AB) = P(primeira peça ser defeituosa e a segunda peça ser defeituosa)

P(AB) = P(A).P(B/A)

6
 6 5 1
P(AB) = x 
10 9 3

Observemos que P(B/A) é a probabilidade da segunda peça ser defeituosa, dado que a primeira foi
defeituosa.

OBS: A regra do produto vale para n eventos:

P(A1A2...An) = P(A1).P(A2/A1).P(A3/A1A2). ... .P(An/A1A2...An-1)

1.12 EVENTOS INDEPENDENTES

Dois eventos são considerados independentes, quando a ocorrência de um deles não

depende ou não está vinculada à ocorrência do outro, isto é, P(A/B)=P(A) e P(B/A)=P(B).
Considerando a regra do produto para os eventos independentes temos:

P(AB) = P(A).P(B)

Para verificar que se A é independente de B (da mesma forma, B é independente de A),

podemos aplicar a expressão acima. Permite ainda verificar que o evento vazio é independente de
qualquer evento. É muito comum, à primeira vista, confundir eventos independentes e eventos
disjuntos. O próximo exemplo ajuda a esclarecer essa questão.

Exemplo: Retiram-se sucessivamente e com reposição, duas cartas de um baralho com 52 cartas.
Qual a probabilidade de que ambas sejam de "paus"?

Solução:

Sejam os eventos

A = a primeira carta é de paus

B = a segunda carta é de paus

Como o processo é com reposição, o espaço amostral não é alterado para o cálculo da
probabilidade do outro evento. Assim, P(AB) = P(A).P(B)

13 13 1
P(AB) = . 
52 52 16

Observação: Se as retiradas forem sem reposição os eventos se tornam dependentes.

1.13 Regra de Bayes

Começamos definindo uma partição do espaço amostral. Os eventos A1 , A2 ,..., An

formam uma partição do espaço amostral se: ele tem intersecção entre si e se sua união é igual ao
espaço amostral. Isto é,
n
i. Ai ≠  para i = 1 , 2, . . . , n
ii. Ai ∩ Aj =  para i ≠ j

7
  n 
iii.  U Ai  = S
 i 1 
i =1

A figura a seguir apresenta um exemplo de uma partição com 6 eventos.

Partição do espaço amostral n =6

Se denotarmos por B um evento qualquer, poderemos ter a seguinte configuração para três
eventos:

Sejam então, para n eventos, A1, A2...An eventos mutuamente exclusivos tais que A1A2
...An = S. Sejam, P(Ai) as probabilidades conhecidas de todos os eventos Ai e B um evento
qualquer de S, tal que conhecemos todas as probabilidades condicionais P(B/Ai).

P ( A i ). P ( B / A i )
Então para cada i teremos: P ( A i / B)  n

 P(A
j1
j ). P ( B / A j )

Uma ilustração é fornecida para n igual a cinco:

P( Ai  B) P( Ai ) P ( B / Ai ) P( Ai ) P ( B / Ai )
P ( Ai / B)    , i  1,...,5.
P( B) P( A1  B )  ...  P( A5  B) P( A1 ) P ( B / A1 )  ...  P ( A5 ) P ( B / A5 )

Observação: Sejam então, para n eventos, A1, A2...An eventos que formam uma partição de S e B
evento qualquer, então, a probabilidade de B é denominada de Teorema da Probabilidade Total.

Exemplo: Uma companhia produz circuitos em três fábricas I, II, III. A fábrica I produz 40% dos
circuitos, enquanto a II e a III 30% cada uma. As probabilidades de que um circuito produzido por

8
essas fábricas não funcione são 0,01 , 0,04, 0,03, respectivamnte. Escolhido um circuito da
produção conjunta das três fábricas, qual a probabilidade de que o mesmo não funcione?

Solução:

Consideremos D = A peça escolhida e defeituosa. Então como a peça e escolhida pela produção
conjunta das três fábricas a P(D) e dada por:

P(D) = P( I ∩ D) + P( II ∩ D) + P( III ∩ D)

Desmembrando as probabilidades temos:

P(D) = P(I)P(D/I) + P(II)P(D/II) + P(III)P(D/III)

P(D) = 0,4 ∙ 0,01 + 0,3 ∙ 0,04 + 0,3 ∙ 0,03
P(D) = 0,025

Esta e a probabilidade de que um circuito escolhido das três fabricas não funcione. Agora suponha
que o circuito escolhido ao acaso seja defeituoso. Qual a probabilidade dele ter sido produzido pela
fábrica?

Solução: Queremos a P(I/D).

P(I/D) = P(I)P(D/I) = 0,04 ∙ 0,01 = 0,16

P(D) 0,025

Esta e a probabilidade de que o circuito defeituoso tenha sido escolhido pela fábrica I.

1.14 Diagrama de arvore

É um esquema usado para enumerar todos os resultados possíveis de uma sequência de

experimentos, onde cada um pode ocorrer de um número finito de maneiras. A árvore é construída
da esquerda para a direita e o número de ramos de cada ponto corresponde ao número de resultados
possíveis de cada experimento.

Exemplo: Dados três conjuntos:

A={1, 2, 3} B={a, b} C={4, 5, 6}

Através do diagrama de árvore, todos os resultados que formam o espaço amostral S podem ser
assim apresentados.

9
 4 (1, a, 4)
a 5 (1, a, 5)
6 (1, a, 6)
1
4 (1, b, 4)
b 5 (1, b, 5)
6 (1, b, 6)

4 (2, a, 4)
a 5 (2, a, 5)
6 (2, a, 6)
S 2
4 (2, b, 4)
b 5 (2, b, 5)
6 (2, b, 6)

4 (3, a, 4)
a 5 (3, a, 5)
6 (3, a, 6)
3
4 (3, b, 4)
b 5 (3, b, 5)
6 (3, b, 6
Logo S terá 18 resultados (eventos elementares).

Observação:

Caso desejamos saber quantos elementos terá o espaço geral S, sem precisarmos conhecer esses
valores, bastaríamos fazer pelo PRODUTO CARTESIANO, assim:

n(K1) = 3 n(K2) = {2} n(K3) = {3}

Logo: m = 3 x 2 x 2 = 18.

1.15 Modelos não-equiprobabilisticos

Nem sempre se pode considerar válida a hipótese de equiprobabilidade dos espaços

amostrais, abordada acima, quando tratou-se da definição “clássica de probabilidade”. Assim,
seja uma moeda viciada em decorrência da colocação de em pequeno contra-peso de chumbo em
uma das faces. Pelo efeito do centro de gravidade, a moeda tenderá a cair com aquela face voltada
para baixo, e portanto, mostrará tendência à obtenção da face oposta, digamos coroa.
Em caso desta natureza, quando deixa de ser válido o modelo equiprobabilistico, tem-se que
utilizar um modelo empírico mais geral. Seja, então, S  {s1, s2, ..., sn } um espaço amostral
discreto, isto é, finito ou infinito enumerável. A probabilidade no espaço S é definida da seguinte
forma:

n
P ( si )  pi tal que  pi = 1 e 0  pi  1.
i 1

10
Exemplo: Numa indústria de Fortaleza, peças são fabricadas por cinco máquinas: A, B, C, D e E.
Estima-se que A produz duas vezes mais que C, esta por sua vez, produz três vezes mais que E; por
outro lado, B e D têm, individualmente, igual produção à C. Qual a probabilidade de cada máquina
fabricar peças?

Solução:

Sabemos que o espaço amostral S = {A, B, C, D, E}. Mas sabemos também que cada evento A, B,
C, D e E não tem probabilidade 1/5. Isto é o que teria acontecido se o modelo fosse
equiprobabilístico. Neste caso, os eventos elementares possuem probabilidades diferentes.

Seja:
P(E) = p
P(A) = 2 P(C) = 6 P(E) = 6p
P(B) = P(C) = 3 P(E) = 6p
P(C) = 3P(E) = 3p
P(D) = P(C) = 3 P(E) = 3p
P(E) = p

sabemos que

P(S) = 1  P(A) + P(B) + P(C) + P(D) + P(E) = 1

6p + 3p + 3p + 3p + p = 1
1
16p = 1  p ,
16
Então, temos

6 3 3 3
P( A )  ; P ( B)  ; P( C )  ; P(D) =
16 16 16 16

11