INSTITUTO TECNOLÓGICO DE AERONÁUTICA

AA-814: Probabilidade e Estatı́stica

Prof. Filipe Moreira

Notas de Aula 01
Introdução à Probabilidade

No dia a dia de um gestor, seja em uma unidade militar ou em empresa do setor privado, fre-
quentemente surgem problemas que requerem uma tomada de decisão. Esses problemas serão
de natureza DETERMINÍSTICA, quando todas as variáveis envolvidas em seu modelamento
possuem valores bem definidos e que vão gerar um resultado único. Esses resultados podem ser
determinadas de maneira exata, seja por formulação matemática analı́tica, ou por qualquer ou-
tra ferramenta, por exemplo, simulação computacional em caso de problemas complexos. Como
exemplo de problemas determinı́sticos pode ser citado a determinação do custo de produção
de uma peça, tendo em vista os processos envolvidos para sua confecção. Nesse caso, todos
os processos são conhecidos, os custos de cada um também são conhecidos, resumindo, nada
é incerto para resolver esse problema, assim, resolvê-lo depende apenas de uma formulação
matemática e de técnicas analı́ticas adequadas.
Há casos, porém que alguma variável do problema é incerta. Por exemplo, a quantidade ideal
de comida a ser preparada diariamente em um rancho de uma organização militar. Em um
problema como esse, a quantidade exata de pessoas que vão comer nesse rancho é normalmente
incerta, assim, o trabalho é feito considerando-se um número estimado. O fato é que esse número
pode ser qualquer coisa dentro de uma faixa de possı́veis valores e assim, essa quantidade de
pessoas torna-se uma variável PROBABILÍSTICA. Basta que uma das variáveis do problema
seja probabilı́stica que o problema já passa a ser considerado como de natureza probabilı́stica.
Nessa aula o enfoque será exatamente o estudo sobre probabilidades: conceitos, definições,
teoremas e álgebra. Dessa forma, você leitor terá elementos que vão te permitir trabalhar,
mesmo que em caráter básico, com problemas de natureza probabilı́stica.

1 Probabilidade

O termo probabilidade está diretamente associado à quão incerta é uma determinada situação.
Se essa situação ocorresse 100 vezes, quantas vezes, normalmente ela é favorável ou desfavorável?
Essa pergunta dá uma ideia de como as probabilidades são geralmente entendidas. Quando

1
alguém pergunta a probabilidade de acontecer certa situação, normalmente a resposta é dada
em porcentagens.
Para que um problema probabilı́stico seja estudado, é necessário que se entenda amplamente o
problema, a fim de se estabelecer, de forma razoável as probabilidades envolvidas. Um primeiro
conceito é a descrição de um dado acontecimento, que por sua vez vai gerar um resultado. Essa
descrição do acontecimento, da situação, é chamada de Experimento. Após a realização de
um experimento, temos um resultado, o qual é chamado de Evento. Já o conjunto de todas
as possibilidades de resultados para esse experimento chamamos de Espaço Amostral, que
é comumente representado pelos sı́mbolos: U ou Ω. Um evento pode ser entendido como um
subconjunto do espaço amostral. Para que esses termos sejam melhor entendidos, vejamos
alguns exemplos:
Exemplo 1: Suponha o caso da quantidade de comida a ser produzida em um rancho. Um
estudo feito em observações mostra que a quantidade de pessoas que vão ao rancho no almoço
de uma terça-feira está entre 632 e 738 pessoas. Nesse caso o conjunto dos números inteiros
de 632 a 738, compõe o espaço amostral desse experimento. Já a observação da quantidade de
pessoas que vai nos almoços de terça-feira é o experimento, e a quantidade de pessoas que foi
numa dada terça-feira é o evento.
Exemplo 2: Suponha que vamos lançar dois dados e observar as somas dos resultados. O
espaço amostral dessas somas é o conjunto dos números inteiros de 2 a 12. Cada lançamento
desses dois dados é chamado de experimento e os eventos são os resultados obtidos durante o
experimento.

1.1 Representação Gráfica dos Eventos

Os eventos e o espaço amostral em muitos problemas podem ser ilustrados através de uma
figura, chamada de Diagrama de Venn-Euler. Esse diagrama é usado na teoria dos conjun-
tos, mas também é amplamente utilizado para melhor visualização de problemas envolvendo
probabilidades. Observe a Figura 1.

Figura 1: Diagrama de Venn-Euler para um espaço amostral composto de 4 eventos.

Fonte: Elaborada pelo Autor.

No caso do diagrama da Figura 1, o espaço amostral é representado pelo conjunto U, que

2
também é chamado de “Universo”. Os eventos são representados pelos conjuntos A, B e C.
Qualquer pessoa poderia dizer que o diagrama de Venn-Euler da Figura 1 se refere a três
eventos. Na verdade, há três eventos, mas o espaço amostral também considera o evento que é
externo ao evento A, B e C, ao mesmo tempo, ou seja, não ocorrer A, B ou C, também se trata
de um evento do espaço amostral U.

1.2 Álgebra de Eventos

Conforme pode ser observado, há uma associação da teoria de conjuntos com a teoria de proba-
bilidades, os teoremas, que valem para uma, também valem para outra, dessa forma é possı́vel
fazer álgebra de eventos, da mesma maneira que se faz álgebra de conjuntos. Valem para os
eventos, os conceitos de União, Intersecção e Complementaridade.

1.2.1 União

Dizemos que um evento é caracterizado como a união de dois outros eventos A e B, quando
passa a ser favoráveis os resultados do evento A, exclusivamente, do evento B, exclusivamente,
ou de ambos os eventos ao mesmo tempo. O evento união é representado pelo sı́mbolo “∪”.
Em notação de conjuntos, define-se a união da seguinte forma:

A ∪ B = {x ∈ Ω/x ∈ A ou x ∈ B} (1)

Figura 2: União dos conjuntos A e B. Fonte: Elaborada pelo Autor.

1.2.2 Interseção

Diz-se que um evento é chamado de intersecção de dois outros eventos A e B, quando passa a
serem favoráveis apenas os resultados dos eventos A e B, simultaneamente. O evento intersecção
é representado pelo sı́mbolo “ ∩ ”. Em notação de conjuntos, define-se a interseção da seguinte
forma:

A ∩ B = {x ∈ Ω/x ∈ A e x ∈ B} (2)

3
 Figura 3: Interseção dos conjuntos A e B. Fonte: Elaborada pelo Autor.

1.2.3 Complementar

O evento complementar de um dado evento A é aquele que contem todos os resultados que
são desfavoráveis para o evento A, ou seja, é aquele cujos resultados fazem parte do espaço
amostral mas estão fora do conjunto de resultados que configuram o evento A. O evento com-
plementar do evento A é representado pelo sı́mbolo Ā. Em notação de conjuntos, define-se a
complementaridade da seguinte forma:

A = {x ∈ Ω/x ∈
/A } (3)

Figura 4: Complementar do conjunto A: Ā. Fonte: Elaborada pelo Autor.

1.3 Axiomas da Álgebra de Eventos

Conforme dito anteriormente, a teoria da probabilidade tem uma associação muito direta com
a teoria de conjuntos, dessa forma, serão também aqui enunciados 7 axiomas que sustentam
toda a álgebra de eventos. Com esses 7 axiomas é possı́vel demonstrar todos os teoremas que
compõem a álgebra de eventos.
A1. Comutatividade: A ∪ B = B ∪ A
A2. Associatividade: A ∪ (B ∪ C) = (A ∪ B) ∪ C
A3. Distributividade: A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
A4. Complementar da União: A ∪ B = A ∩ B

4
A5. Complemento do complemento: Ā = A
A6. Evento Nulo: A ∩ A = ∅
A7. Espaço Amostral ou Universo: A ∪ A = Ω

1.4 Eventos Especiais

Na álgebra de eventos, há alguns tipos de eventos pertencentes ao espaço amostral, que ocorrem
com frequência em casos, modelos matemáticos, exercı́cios, etc. Dessa forma, vamos aqui defini-
los.

ˆ Evento Nulo: Caso seja impossı́vel que dois eventos ocorram simultaneamente, então
a interseção se torna impossı́vel. Para representar essa situação da inexistência da in-
terseção, usamos o sı́mbolo ∅ ou {}, ambos chamados, na álgebra de eventos, de Evento
Nulo.

ˆ Mutuamente Exclusivos: São os eventos que não possuem interseção, dessa forma,
se acontece um evento, então o outro não pode acontecer. Matematicamente falando:
A∩B =∅ .

ˆ Coletivamente Exaustivos: São eventos tais que a sua união resulta no próprio espaço
amostral. Matematicamente falando: A ∪ B = Ω .

2 Definições de Probabilidade

Até aqui foram vistas algumas ferramentas que serão úteis para resolução de problemas que
envolvem probabilidades, no entanto, ainda não foi definido esse conceito. Vamos mostrar três
conceitos de probabilidade e a partir de um deles vamos construir toda a teoria necessária para
resolver problemas probabilı́sticos.

2.1 Conceito Frequentista de Probabilidade

Esse conceito diz que a probabilidade de um determinado evento é resultado da razão entre a
quantidade de vezes que esse evento ocorreu, pela quantidade de vezes que o experimento foi
repetido. Trata-se de um conceito que faz sentido, entretanto possui um problema: Por se
tratar de observar a ocorrência de eventos, alguns desses podem não ocorrer. Nesse caso, não é
razoável dizer que tratam-se de eventos nulos, mas é o que ocorre na prática. Observe que nesse
conceito o domı́nio do Espaço Amostral é limitado unicamente aos eventos que ocorreram nas
observações e naturalmente, se todos os experimentos forem repetidos, pode haver a inclusão de
novos eventos, pois dessa vez eles vão ocorrer, bem como a exclusão de eventos que no primeiro
grupo de repetições do experimento ocorreram, mas na segundo grupo passam a não ocorrer.

5
Muito embora esse problema ocorra, há teorias bem consolidadas no campo das simulações que
usam esse conceito Frequentista de Probabilidade, como por exemplo, a teoria de Monte Carlo.

2.2 Conceito Clássico de Probabilidade

Esse conceito diz que a probabilidade de um evento é o resultado da razão entre o número de
casos favoráveis pelo número de casos possı́veis. Veja que esse conceito não depende de rea-
lizações do experimento, mas depende do amplo conhecimento do tamanho do espaço amostral
e do tamanho do evento. Nem sempre, essas informações são possı́veis de serem obtidas, es-
pecialmente quando se trata de problemas cujo a quantidade de resultados é infinito, aı́ nesses
∞
casos, a aplicação do conceito clássico, resultaria em casos de indeterminação do tipo . Pela
∞
praticidade, mesmo com esse problema, esse é um dos conceitos mais utilizados para se tratar
com problemas probabilı́sticos.

Exercı́cio Proposto 01: Matheus e Norton marcaram um encontro, mas combinaram que
um não esperaria pelo outro por mais de 15 minutos. Matheus, normalmente chega em seus
encontros no máximo 10 minutos adiantado ou, na pior das hipóteses, 20 minutos atrasado. Já
Norton adianta ou atrasa em no máximo 15 minutos. Determine a probabilidade do encontro
ocorrer.

2.3 Conceito Axiomático de Probabilidade

Esse conceito é de natureza puramente matemática e é baseado em três axiomas:

Axioma 1: A é um evento contido em um espaço amostral Ω se, e somente se, P (A) ≥ 0 .
Axioma 2: P (Ω) = 1.
Axioma 3: Considere A1 , A2 , · · · , An eventos todos mutuamente exclusivos. Assim:

n
X
P (A1 ∪ A2 ∪ · · · ∪ An ) = P (Ak ).
k=1

Com base nesses três axiomas e juntamente com a álgebra de eventos, vários resultados muito
úteis podem ser demonstrados, a fim de que sejam amplamente utilizados nas resoluções de
problemas probabilı́sticos. Como exemplo, vamos demonstrar que P (∅) = 0 .
Teorema: P (∅) = 0 .
Demonstração: Suponha A1 = A2 = · · · = An = ∅, logo, todos os conjuntos são mutua-
mente exclusivos dois a dois. Assim, usando o axioma 3, tem-se que: P (A1 ∪ A2 ∪ · · · ∪ An ) =
n
X
P (∅ ∪ ∅ ∪ · · · ∪ ∅) = P (∅) = P (∅). Logo, temos: P (∅) = P (∅) + P (∅) + · · · + P (∅).
k=1
Cancelando um P (∅) de cada lado, chega-se a: P (∅) + P (∅) + · · · + P (∅) = 0. Mas o axioma

6
1 diz que, não importa qual seja o evento A do espaço amostral, P (A) ≥ 0 , logo, temos uma
somatória de itens todos não negativos resultando em zero. Isso só pode ocorrer se todas as
parcelas forem zero, logo: P (∅) = 0.

Teorema da Probabilidade da União: P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

Demonstração: Vamos escrever A ∪ B = A ∪ B ∩ A . Mas A e B ∩ A são eventos mutu-


amente exclusivos, pois A ∩ B ∩ A = ∅, logo vale o axioma 3 para esses dois eventos:

P (A ∪ B) = P A ∪ B ∩ A = P (A) + P B ∩ A . (4)


Da mesma forma, podemos escrever que B = (B ∩ A) ∪ B ∩ A e os eventos A ∩ B e A ∩ B
são também mutuamente exclusivos, logo:

P (B) = P (A ∩ B) ∪ B ∩ A = P (A ∩ B) + P B ∩ A . (5)


Isolando P B ∩ A de (5) e substituindo em (4), chega-se que P (A ∪ B) = P (A) + P (B) −
P (A ∩ B).

Exercı́cio Proposto 02: Usando apenas os três axiomas da definição axiomática de probabi-


lidade, prove que P (A) + P A = 1.

2.4 Probabilidade Condicional

Até essa parte da aula, foram vistos apenas probabilidades de eventos, independente de qualquer
outra coisa. Suponha que A seja um evento do qual se quer calcular a probabilidade. Em
muitos casos, a ocorrência de outros eventos B, C, etc, revela informação para determinação da
probabilidade do evento de interesse A. Dessa forma, temos que a probabilidade de um evento
A está intimamente ligada com a ocorrência de outro evento B. Nosso objetivo nessa seção é
estudar como a ocorrência de outro evento B afeta a probabilidade do evento de interesse A.
Suponha que o evento A represente uma pessoa possuir uma doença. Considere agora que foi
feito um exame apropriado nessa pessoa e o resultado foi negativo para a dada doença. Isso
caracteriza outro evento B: resultado do exame ser negativo. Veja que a partir da certeza
da informação da ocorrência de B, a probabilidade de haver a doença muda tornando-se mais
razoável aceitar que a probabilidade do evento A ocorrer seja menor que seria sem o resul-
tado do exame. Claro que não se pode esquecer que os exames também podem falhar então
a probabilidade de a pessoa estar doente não é zero. A probabilidade da ocorrência de um
evento condicionada à ocorrência de outro evento chamamos de Probabilidade Condicional
e a notação, usualmente utilizada, é P (A\B). Lê-se “Probabilidade de A dado B” em que B é
considerado o evento condicionante.

7
 Figura 5: Divisão do Espaço Amostral para definição da Probabilidade Condicional. Fonte:
Elaborada pelo Autor.

A Figura 5 mostra um espaço amostral Ω dividido em dois eventos mutuamente exclusivos: B

e B. Para se calcular P (A\B), utiliza-se o conceito clássico de probabilidade: dentro do evento
B, tomam-se os casos em que A ocorre, ou seja, divide-se o número de elementos da interseção
entre A e B, pelo número de elementos do evento B.

n (A ∩ B)
P (A\B) = (6)
n (B)

A equação (6) mostra uma forma de se calcular P (A\B), mas observe que é necessário conhecer
o número de elementos dos conjuntos que representam os eventos A ∩ B e B. Isso pode ser um
problema porque nem sempre se terá essa informação, especialmente em casos onde a quantidade
de elementos desses conjuntos é infinita. Dessa forma, é bom que o cálculo de P (A\B) seja
calculado em função das probabilidades dos eventos A ∩ B e B e para isso, basta dividir,
n (A ∩ B) e n (B) pela quantidade de elementos do espaço amostral.

n (A ∩ B)
n (A ∩ B) n (Ω) P (A ∩ B)
P (A\B) = = = (7)
n (B) n (B) P (B)
n (Ω)

2.4.1 Teorema de Bayes

P (A ∩ B)
A equação (7) mostra que P (A\B) = . Da mesma forma, aplicando a mesma
P (B)
equação (7) para o caso de A ser o evento condicionante, ou seja, P (B\A), chegamos em
P (B ∩ A)
P (B\A) = . Reescrevendo ambos os resultados, temos que
P (A)

P (A ∩ B) = P (A\B) · P (B) (8)

e,

8
 P (B ∩ A) = P (B\A) · P (A) . (9)

Mas, pela propriedade da comutatividade, A ∩ B = B ∩ A, assim, P (A ∩ B) = P (B ∩ A).

Igualando os resultados das equações (8) e (9) chegamos no teorema de Bayes:

P (A\B) · P (B) = P (B\A) · P (A) . (10)

2.4.2 Teorema da Probabilidade Total

Considere um evento B sendo dividido em n eventos mutuamente exclusivos A1 , A2 , · · · , An .

Consequentemente, os eventos (B ∩ A1 ), (B ∩ A2 ), · · · , (B ∩ An ) são todos também mutu-
amente exclusivos, dois a dois. O evento B pode ser reescrito na forma: B = (B ∩ A1 ) ∪
(B ∩ A2 ) ∪ · · · ∪ (B ∩ An ). Aplicando o axioma 3 da definição axiomática de probabilidades
vem:

P (B) = P (B ∩ A1 ) + P (B ∩ A2 ) + · · · + P (B ∩ An ) . (11)

Utilizando na equação (11) o resultado expresso pela equação (8), chega-se no Teorema da
Probabilidade Total.

P (B) = P (B\A1 ) · P (A1 ) + P (B\A2 ) · P (A2 ) + · · · + P (B\An ) · P (An ) . (12)

Exercı́cio Resolvido 01
Numa planta de produção de uma peça, há dois tipos de linhas de montagem A e B. Cada uma
dessas linhas produzem peças que são não satisfatórias (N) ou são satisfatórias (S). Em cada 10
peças montadas pela linha A, 2 não passam no teste e 8 passam. Já entre 14 peças montadas
pela linha B, 3 ficam reprovadas e 11 são aprovadas.
a) Escolha uma peça qualquer de um lote de 24 peças. Qual é a probabilidade de que ela tenha
sido montada pela linha A?
b) Após verificação das peças que funcionam, foi retirada uma peça, ao acaso, do lote de peças
defeituosas. Qual é a probabilidade de que ela tenha sido montada pela linha A?
Solução
a) Inicialmente são 24 peças e a linha A monta 10 delas, logo a probabilidade de que a pela
10
escolhida tenha sido montada pela linha A é dada por P (A) = = 0, 416 .
24
b) Já se sabe que a peça é defeituosa, dessa forma, se sabe que são 2 que vieram da linha A e

9
3 que vieram da linha B. Assim, a probabilidade que tenha sido produzida pela linha A é de 2
2
em 5 possı́veis defeituosas: P (A\N ) = = 0, 4 .
5

Exercı́cio Resolvido 02
Suponha que uma unidade operacional da FAB trabalhe com três tipos de motores de aeronaves.
Por razões técnicas, o motor 1 tem 45% de preferência, enquanto o motor 2 possui 30% e o
motor 3 possui 25%. Normalmente, o motor 1 apresenta 20% de chance de parar para reparos
antes das primeiras 100 horas de uso, já os motores 2 e 3 apresentam 10% e 15% de chance,
respectivamente de serem parados para reparo. Determine:
a) Qual a probabilidade de que na escolha aleatória por um motor, seja escolhido um motor do
tipo 2, que vai precisar de reparo antes das primeiras 100 horas de voo?
b) Qual a probabilidade de um motor escolhido ao acaso precisar de reparo antes das primeiras
100 horas de voo?
c) Dado que um motor está com defeito, qual a probabilidade de que ele seja do tipo 3?
Solução
Vamos considerar que P (Mi ) é a probabilidade do i-ésimo motor ser escolhido e que P (D) é
a probabilidade de haver necessidade de reparo, dessa forma: P (M1 ) = 0, 45, P (M2 ) = 0, 3,
P (M3 ) = 0, 25, P (D\M1 ) = 0, 2, P (D\M2 ) = 0, 1 e P (D\M3 ) = 0, 15.
a) Nesse item está sendo discutida a probabilidade de se escolher um motor do tipo 2 e que vai
precisar de reparo, logo o que se quer é P (D ∩ M2 ) = P (D\M2 ) · P (M2 ) = 0, 1 · 0, 3 = 0, 03 .
b) A probabilidade de haver reparo é calculada pelo Teorema da Probabilidade Total: P (D) =
P (D\M1 )·P (M1 )+P (D\M2 )·P (M2 )+P (D\M3 )·P (M3 ) = 0, 2·0, 45+0, 1·0, 3+0, 15·0, 25 =
0, 1575 = 15, 75% .
P (D ∩ M2 ) 0, 03
c) P (M2 \D) = = = 0, 1905 = 19, 05%.
P (D) 0, 1575

Exercı́cio Proposto 03
Um técnico em aparelhos elétricos faz consertos em domicı́lio e deve consertar um ferro elétrico
na casa de um cliente. Ele avalia que o defeito deve estar na tomada de força da área de serviço,
no cabo de força de alimentação ou na resistência do ferro. Por experiência, ele sabe que as
probabilidades do defeito estar na tomada, no cabo ou na resistência são de 10%, 60% e 30%,
respectivamente. Pensando em termos de ferramentas e peças de reposição do estoque que ele
carrega, ele imagina que se o defeito for na tomada a probabilidade de conserto é de 95%. Se
for no cabo de força é de 70% e se for na resistência é de 5%.
a) Qual a probabilidade de o técnico consertar o ferro no local com os seus recursos?
b) Qual a probabilidade do defeito ter sido no cabo de força, se o técnico conseguiu realizar o
conserto?

10
c) O técnico chama o cliente e apresenta o ferro consertado. Perguntado do defeito, ele diz
que teve que trocar a resistência (conserto mais caro). Qual a probabilidade de ele estar sendo
sincero?

Exercı́cio Proposto 04 - Problema de Monty Hall

Um apresentador chama um convidado da plateia para participar de um jogo. São mostradas
três portas, sendo que atrás de apenas uma delas há um prêmio. Atrás das outras duas portas
há uma torta na cara. O convidado escolhe a porta A. Após feita essa escolha, o apresentador
abre a porta B e oferece ao convidado a oportunidade de trocar, ou não, de porta, ou seja, o
convidado pode permanecer com sua porta escolhida ou mudar para a porta C. Qual deve ser
a melhor escolha?

Exercı́cio Proposto 05 - Aplicação de Teorema de Bayes em Problemas de Confia-

bilidade
Um sistema elétrico consiste de quatro componentes, conforme ilustrado na figura abaixo. Os
componentes funcionam independentemente e o sistema não apresenta falha se A e B funci-
onarem e se pelo menos um dentre C ou D funcionarem. A confiabilidade (probabilidade de
apresentar funcionamento perfeito) de cada componente é dada no diagrama.

Determine as probabilidades de:

(a) o sistema funcionar corretamente.
(b) Considere que o sistema tenha falhado. Qual é a probabilidade de o componente C estar
falhado?

2.5 Independência de Eventos

Dois eventos, A e B, são considerados independentes, se e somente se, a ocorrência de um não

gera efeito na ocorrência do outro, nesse caso, P (A\B) = P (A) e P (B\A) = P (B). Um
corolário dessa definição de independência entre dois eventos A e B é que: dois eventos A e B
são independentes se e somente se, P (A ∩ B) = P (A) · P (B) .

11
Exercı́cio Proposto 06
Suponha que sejam lançados dois dados. Definam-se os eventos:
A = D1 + D2 {Soma dos resultados dos dois dados}
B = D1 − D2 {Resultado do primeiro dado subtraido do resultado do segundo dado}

Verifique se os eventos são independentes entre si.

OBS: Todos os exercı́cios propostos serão resolvidos em sala de aula.

3 Bibliografia

MEYER, P. L. Probabilidade: Aplicações à Estatı́stica. 1º Edição. Rio de janeiro: LI-

VROS TÉCNICOS E CIENTÍFICOS EDITORA S.A., 1976. 405 p.

DEVORE, J. L. Probability & Statistics for Engineering and the Sciences. 8th edition.
California: BROOKS/COLE CENGAGE Learning, 2010. 687 p.

SPIEGEL, M. Y. R. Estatı́stica. 2º Edição, 2º Reimpressão. Rio de Janeiro: McGRAW HILL

DO BRASIL, LTDA, 1971. 571 p.

12