1

Probabilidade
ESTAT0072 – Probabilidade I

Prof. Dr. Sadraque E. F. Lucena

[email protected]
 2

O que é Probabilidade?
A Probabilidade é a linguagem da incerteza. Em Estatística,
estamos fundamentalmente interessados em quantificar e
modelar a incerteza associada a fenômenos aleatórios.
Ela nos permite:
Prever a frequência de ocorrência de eventos;
Tomar decisões informadas sob condições de risco;
Entender a variabilidade em dados e processos.
 3

Mas, o que é um Fenômeno Aleatório?

É um experimento ou observação cujo resultado não pode ser
previsto com certeza absoluta, mesmo que as condições
iniciais sejam idênticas.

Exemplos:

Classificar itens que saem de uma linha de montagem como

defeituosos ou não defeituosos. Qual a chance de um lote ter
mais de X% de defeitos?
Estimar a probabilidade de um paciente responder a um novo
tratamento médico.
Número de acidentes em uma cruzamento para justificar a
instalação de um semáforo.
 4

Definição 4.1: Experimento

Qualquer processo que gera um conjunto de dados ou
resultados.
Pense nele como uma ação ou observação que podemos
repetir (ou imaginar repetir) sob as mesmas condições.

Exemplos:

Lançar uma moeda (observar face superior).

Sortear uma carta de um baralho.
Medir a altura de uma pessoa.
Observar o número de e-mails de spam recebidos em um dia.
 5

Definição 4.2: Espaço Amostral (Ω)

É o conjunto de TODOS os resultados possíveis de um
experimento.
Representado pelo símbolo Ω (Ômega maiúscula).
Cada resultado individual dentro do espaço amostral é
chamado de elemento ou ponto amostral.
 6

Exemplos
Experimento: Lançar uma moeda.
Espaço Amostral (Ω): {𝐶𝑎𝑟𝑎, 𝐶𝑜𝑟𝑜𝑎}
Pontos Amostrais: Cara, Coroa
Experimento: Classificar um produto (defeituoso/não
defeituoso).
Espaço Amostral (Ω): {Defeituoso, Não Defeituoso}
Experimento: Contar o número de carros que passam por um
cruzamento em 1 minuto.
Espaço Amostral (Ω): {0, 1, 2, 3, …} (Infinitos, mas
enumeráveis!)
 7

Outro Exemplo
Considere o experimento de jogar um dado de seis faces e
observar a face voltada para cima. O espaço amostral é

Ω = {1, 2, 3, 4, 5, 6}.

Atenção! Mais de um espaço amostral pode ser usado para

descrever o mesmo experimento.

Se estivermos interessados em saber se o número será par ou

ímpar, o espaço amostral será simplesmente:

Ω = {par, ímpar}.
 8

Exemplo 4.1
Peças que saem de uma linha de produção são marcadas como
defeituosa (D) e não defeituosa (N). As peças são inspecionadas e
sua condição é registrada. Isto é feito até que duas peças
defeituosas consecutivas sejam fabricadas ou que quatro peças
tenham sido inspecionadas, aquilo que ocorrer primeiro.
Descreva um espaço amostral para este experimento.
 9

Definição 4.3: Evento

Um evento é um subconjunto do espaço amostral (Ω).
Pense nele como uma coleção específica de um ou mais
resultados de um experimento que nos interessa.
Denotamos um evento por uma letra maiúscula. Ex.: 𝐴, 𝐵, 𝐶 ,
etc.

Exemplo
Dado um espaço amostral Ω = {𝑡|𝑡 > 0}, onde t é o tempo em
minutos que você espera o ônibus no ponto, então o evento A, em
que o ônibus chega antes de 10 minutos é

𝐴 = {𝑡|0 ≤ 𝑡 < 10}.

 10

Como um evento é um subconjunto do espaço amostral,

operações sobre conjuntos podem ser utilizadas:

a. 𝐴 ∪ 𝐵: ocorre 𝐴 ou 𝐵;
b. 𝐴 ∩ 𝐵: ocorre A e B (simultaneamente);
c. 𝐴 : não ocorre A;
𝑐

𝑛 ∞

d. ⋃ 𝐴 : ao menos um 𝐴 ocorre (vale para ⋃ 𝐴 );

𝑖 𝑖 𝑖

𝑖=1 𝑖=1

𝑛 ∞

e. ⋂ 𝐴 : todos os 𝐴 ocorrem (vale para ⋂ 𝐴 ).

𝑖 𝑖 𝑖

𝑖=1 𝑖=1
 11

Definição 4.4: Eventos Mutuamente

Excludentes
Dois eventos 𝐴 e 𝐵 são denominados mutuamente
excludentes se eles não puderem ocorrer juntos.
Isto é, 𝐴 ∩ 𝐵 = ∅ .
 12

Exemplo 4.3
Quais desses eventos são mutuamente excludentes?

a. Um jogador de xadrez que dá um xeque-mate e perde o rei na

mesma jogada.
b. Um jogador de pôquer que tem um flush (todas as cartas do
mesmo naipe) e três de um tipo na mesma mão de cinco
cartas.
c. Uma mãe que dá à luz uma menina e gêmeas no mesmo dia.
d. Um time de futebol que perde o último jogo e ganha o
Brasileirão.
e. Um usuário tem sua conta bloqueada por tentativas de login e
consegue acessar o sistema com sucesso no mesmo minuto.
 13

Por que precisamos da Probabilidade?

Em experimentos aleatórios, a gente não sabe qual resultado
específico vai acontecer quando o experimento é feito.
Ou seja, se 𝐴 é um evento ligado a um experimento, não
podemos ter certeza se 𝐴 vai ocorrer ou não.
Por isso, fica muito importante tentar associar um número ao
evento 𝐴, que vai medir, de alguma forma, o quão provável é a
ocorrência de 𝐴.
Essa tarefa nos leva direto à teoria da probabilidade.
 14

Definição 4.5: Frequência Relativa

Suponha que repetimos 𝑛 vezes um experimento e sejam 𝐴 e
𝐵 dois eventos. Admitamos que sejam, respectivamente, 𝑛 𝐴e
𝑛𝐵 o número de vezes que o evento 𝐴 e o evento 𝐵 ocorram
nas 𝑛 repetições.
𝑓𝐴 = 𝑛𝐴 /𝑛 é denominada frequência relativa do evento 𝐴 nas
𝑛 repetições do experimento.
 15

Propriedades da Frequência Relativa

A frequência relativa 𝑓 apresenta as seguintes propriedades:
𝐴

1. 0 ≤ 𝑓 ≤ 1: A frequência relativa de um evento sempre estará

𝐴

entre 0 e 1 (ou 0% e 100%).

2. 𝑓 = 1 se, e somente se, 𝐴 ocorrer em todas as 𝑛 repetições:
𝐴

Se o evento acontecer todas as vezes, sua frequência relativa

será 1.
3. 𝑓 = 0 se, e somente se, 𝐴 nunca ocorrer nas 𝑛 repetições: Se
𝐴

o evento nunca acontecer, sua frequência relativa será 0.

4. Se 𝐴 e 𝐵 forem mutuamente excludentes, 𝑓 𝐴∪𝐵 = 𝑓 𝐴+ 𝑓 :𝐵

Se dois eventos não podem acontecer juntos, a frequência de

um ou outro é a soma das frequências individuais.
 16

Propriedades da Frequência Relativa

5. Com base em 𝑛 repetições do experimento, 𝑓 “converge” em
𝐴

certo sentido probabilístico para 𝑃 (𝐴), quando 𝑛 → ∞: Esta é

a Lei dos Grandes Números em essência. Significa que, quanto
mais vezes você repetir um experimento, mais a frequência
relativa de um evento se aproximará de sua verdadeira
probabilidade.
 17

Definição 4.6: Probabilidade

Seja 𝐸 um experimento. Seja Ω o espaço amostral associado a 𝐸 .
A cada evento 𝐴 associaremos um número real representado por
𝑃 (𝐴) e denominado probabilidade de 𝐴, que satisfaz às

seguintes propriedades:

P1. 0 ≤ 𝑃 (𝐴) ≤ 1: A probabilidade de qualquer evento está

sempre entre 0 (impossível) e 1 (certo).
P2. 𝑃 (Ω) = 1: A probabilidade de que algum resultado do
espaço amostral ocorra (ou seja, de que o experimento
aconteça) é 1.
P3. Se 𝐴 e 𝐵 forem mutuamente excludentes,
𝑃 (𝐴 ∪ 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐵): Se dois eventos não podem

acontecer ao mesmo tempo, a probabilidade de que um ou

outro ocorra é a soma das suas probabilidades individuais.
18
 𝑛 𝑛

De P3, temos que 𝑃 ⋃ 𝐴𝑖 = ∑ 𝑃 (𝐴𝑖 ). Esta é uma

( )
𝑖=1 𝑖=1

generalização importante da propriedade P3 para múltiplos

eventos mutuamente excludentes.
P4. Se 𝐴 , 𝐴 , 𝐴 , … forem, dois a dois, eventos mutuamente
1 2 3

excludentes, então

∞ ∞

𝑃 𝐴𝑖 = 𝑃 (𝐴𝑖 ).
(⋃ ) ∑
𝑖=1 𝑖=1

A escolha das propriedades da probabilidade apresentadas é

obviamente sugerida pelas características da frequência
relativa. Isso reforça a ideia de que a teoria da probabilidade
formaliza o que observamos empiricamente ao repetir
experimentos muitas vezes.
 19

Resultados Decorrentes da Definição de

𝑃 (𝐴)

R1. 𝑃 (∅) = 0 .
R2. 𝑃 (𝐴 𝑐
) = 1 − 𝑃 (𝐴) .
R3. 𝑃 (𝐴 ∪ 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐵) − 𝑃 (𝐴 ∩ 𝐵) .
R4.
𝑃 (𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃 (𝐴) + 𝑃 (𝐵) + 𝑃 (𝐶) − 𝑃 (𝐴 ∩ 𝐵) − 𝑃 (𝐴 ∩ 𝐶

R5. 𝐴 ⊂ 𝐵 ⇒ 𝑃 (𝐴) ≤ 𝑃 (𝐵) .

 20

Exemplo 4.4
Suponha que 𝐴, 𝐵 e 𝐶 sejam eventos tais que

𝑃 (𝐴) = 𝑃 (𝐵) = 𝑃 (𝐶) = 1/4 ,

𝑃 (𝐴 ∩ 𝐵) = 𝑃 (𝐶 ∩ 𝐵) = 0 e
𝑃 (𝐴 ∩ 𝐶) = 1/8 .

Calcule a probabilidade de que ao menos um dos eventos 𝐴, 𝐵

ou 𝐶 ocorra.
 21

Espaço Amostral Finito

Vamos caracterizar a probabilidade do evento 𝐴, 𝑃 (𝐴).
Seja 𝐴 = {𝑎} um evento simples ou elementar (um único
resultado possível).
A cada evento simples {𝑎 } associaremos um número 𝑝 que
𝑖 𝑖

satisfaz as seguintes condições:

a. 𝑝
𝑖 > 0, 𝑖 = 1, 2, … , 𝑘 ,
b. 𝑝
1 + 𝑝2 + ⋯ + 𝑝𝑘 = 1 .
Supondo agora que 𝐴 é constituído por 𝑟 resultados,
1 ≤ 𝑟 ≤ 𝑘 (𝐴 = {𝑎 , 𝑎 , … , 𝑎 }, temos que:
𝑗1 𝑗2 𝑗𝑟

𝑃 (𝐴) = 𝑝𝑗1 + 𝑝𝑗2 + ⋯ + 𝑝𝑗𝑟 .

 22

Exemplo 4.5
Um dado é lançado e todos os resultados se supõem igualmente
verossímeis. O evento 𝐴 ocorrerá se, e somente se, um número
maior do que 4 aparecer. Qual a probabilidade do evento 𝐴?
 23

Exemplo 4.6
Uma moeda equilibrada é atirada duas vezes. Seja 𝐴 o evento:
“aparece uma cara”. Qual a probabilidade do evento 𝐴?
 24

Resultados Igualmente Verossímeis

Suponha que temos um espaço amostral
Ω = {𝑎 , 𝑎 , … , 𝑎 }, com k resultados possíveis.
1 2 𝑘

Se todos os resultados forem igualmente verossímeis (ou seja,

têm a mesma chance de acontecer), então a probabilidade de
cada resultado elementar 𝑎 será 𝑝 = 1/𝑘.
𝑖 𝑖

Assim, para qualquer evento A formado por 𝑟 resultados (ou

seja, 𝐴 tem 𝑟 “casos favoráveis”), teremos:
𝑟
𝑃 (𝐴) = .
𝑘
 25

Resultados Igualmente Verossímeis

Outra forma de expressar isso, e que é muito popular, é:

número de casos favoráveis a 𝐴

𝑃 (𝐴) = .
número total de casos

Observação: Esta expressão só é válida se todos os resultados

forem igualmente verossímeis. Se não forem, você deve usar a
soma das probabilidades 𝑝 individuais que vimos antes.
𝑖
 26

Exemplo 4.7
Imagine que, ao final de um evento na escola, 10 alunos com
emblemas numerados de 1 a 10 são sorteados para receber
prêmios. Três alunos são escolhidos ao acaso e convidados a se
apresentar simultaneamente no palco. Os números de seus
emblemas são anotados.

a. Qual é a probabilidade de que o menor número de emblema

sorteado seja 5?
b. Qual é a probabilidade de que o maior número de emblema
sorteado seja 5?
 27

Exemplo 4.8
Suponha que os três dígitos 1, 2 e 3 sejam escritos em ordem
aleatória. Qual a probabilidade de que ao menos um dígito ocupe
seu próprio lugar?
 28

Exemplo 4.9
Em um jogo de tabuleiro, você tem 10 fichas numeradas de 1 a 10
dentro de um saco. Você tira duas fichas, uma de cada vez e sem
colocar a primeira de volta. Qual é a probabilidade de que a soma
dos números das duas fichas seja exatamente 10?
 29

Exemplo 4.10
Um lote de lâmpadas elétricas foi fabricado, contendo 10
lâmpadas perfeitas, 4 com pequenos defeitos (que ainda
funcionam) e 2 com defeitos graves (que não funcionam). Se uma
lâmpada é escolhida ao acaso para teste, qual é a probabilidade
de que:

a. Ela não tenha defeitos?

b. Ela não tenha defeitos graves?
c. Ela seja perfeita OU tenha defeitos graves?
 30

Exemplo 4.11
Imagine que você tem uma caixa com 𝑁 brindes diferentes e
precisa sortear 𝑛 desses brindes entre 𝑛 pessoas, mas cada
pessoa pode ganhar apenas um brinde (a escolha é feita com
reposição, mas o brinde escolhido não pode ser repetido para a
mesma pessoa). Qual será a probabilidade de que nenhum brinde
seja escolhido mais do que uma vez? (Admita que você tem mais
brindes do que pessoas para escolher, ou seja, 𝑛 < 𝑁 ).
 31

Exemplo 4.12
Você tem uma caixa cheia de etiquetas com números de 1 até
n. Duas etiquetas são escolhidas ao acaso. Determine a
probabilidade de que os números das etiquetas sejam inteiros
consecutivos (como 3 e 4, ou 4 e 3) se:

a. As etiquetas forem escolhidas uma após a outra, sem colocar a

primeira de volta.
b. As etiquetas forem escolhidas uma após a outra, colocando a
primeira de volta.
 32

Exemplo 4.13
Em uma rifa, um número é escolhido ao acaso dentre os números
de 1 a 50. Qual será a probabilidade de que o número escolhido
seja divisível por 6 ou por 8?
 33

Exemplo 4.14
Dentre 6 números positivos e 8 negativos, escolhem-se ao acaso 4
números (sem reposição) e multiplicam-se esses números. Qual
será a probabilidade de que o produto seja um número positivo?
 34

Fim