INTRODUÇÃO

À
PROBABILIDAD
E
Conceitos básicos

Experimento aleatório ou fenômeno aleatório

Situações ou acontecimentos cujos resultados
não podem ser previstos
com certeza.
Um experimento ou fenônemo que, se for observado em
condições idênticas, pode apresentar diferentes resultados
é chamado de experimento ou fenômeno aleatório.

2
Conceitos básicos

Exemplos
• Condições climáticas do próximo
domingo.
• Taxa de inflação do próximo mês.
• Condição de um item produzido.
• Resultado do lançamento de um dado.
• Tempo de duração de uma lâmpada.
passam por um praça
• Observação do número de veículos de
que
 Tábua de Galton:
pedágio durante um certo intervalo.
[Link]

[Link]
ml
3
Conceitos básicos

Espaço amostral ()

Conjunto de todos os possíveis resultados de um
experimento ou
fenômeno aleatório.

Exemplos
1. Lançamento de um dado:  = {1,2,3,4,5,6} ou  = { }
2. Observação do tipo sanguíneo de um indivíduo:  = {A, B,
AB,0}
3. Condição de um item produzido:  = {defeituoso, não
defeituoso}
4. Número de veículos que passam por uma praça de pedágio
durante um certo intervalo:  = {0, 1, 2, ...}
5. Tempo de duração de uma lâmpada (em h):  = (0, )

4
Exemplo
Lançamento de um dado:  = {1,2,3,4,5,6}.

Evento
Subconjunto do espaço amostral .
Notação: A, B, C,...

Exemplos. Eventos do exemplo acima:

A. Resultado é par: A = {2, 4, 6} (evento composto)
B. Resultado é maior do que 3: B = {4, 5, 6} (evento
composto)
C. Resultado igual a 1: C = {1} (evento simples)
D. Resultado maior do que 6: D =  (evento
impossível)
E. Resultado menor do que 7: D =  (evento certo)
5
Operações com eventos

A e B são eventos de 
• A  B: união dos eventos A e B
Ocorrência de pelo menos um dos eventos
A e B.

6
Operações com eventos
•A  B: intersecção dos eventos A
e B Ocorrência simultânea dos
eventos A e B. exclusivos quando não
têm
•A e B são disjuntos ou
•A e B são complementares se A  B = 
mutuamente eA
 B = . em comum, isto é, A  B
elementos
=
• O. AC ou A
complementar de um evento A é
representado por

7
Operações com
eventos
Leis de
Demorgan

8
 Definições de probabilidade

Probabilidade clássica ou a priori

Se um experimento aleatório tiver n() resultados
mutuamente exclusivos e igualmente possíveis e, se um
evento A tiver n(A) desses resultados, a probabilidade do
evento A, representada por P(A), é dada por

n ( A )
P( A)  n()

Exemplo. Lançamento de dois dados balanceados. Calcular

a probabilidade de
a) se obter soma das faces igual a 7,
b) se obter soma maior do que 5,
c) que o resultado do primeiro dado seja maior do que o
resultado do
segundo.

9
 1,2 1,3 1,4 1,5
1,1 1,6 
2,1 2,2 2,3 2,4 2,5
2,6 
3,1
3,2 3,3 3,4 3,5 3,6 
  4,2 4,3 4,4 4,5
4,1 4,6 
5,1
5,2 5,3 5,4 5,5
 5,6 
6,2 6,3 6,4 6,5 6,6
6,
1 
a) A = {(6,1),(5,2),(4,3),(3,4),(2,5),
(6,1)}
 P(A) = n(A) / n() = 6 /36=1/6

1
b) P(B) =
26/36.

1
c) P(C) =
15/36.

1
Definições de probabilidade
Probabilidade frequentista ou a posteriori

Um experimento é realizado n vezes (n “grande”). O evento

A ocorre exatamente n(A) vezes (0  n(A)  n) . A frequência
relativa de vezes que ocorreu o evento A é uma forma de
aproximar a probabilidade do evento A, ou seja,

f r ( A )  n
n ( A )
Quando n  , fr(A) se aproxima de P(A).

Exemplo. Lançamento de uma moeda balanceada. Calcular a

probabilidade de A
= {resultado obtido é cara}.
fr1 fr2 fr3 fr4 ... P(A)
Cara 2/5 6/10 22/50 47/100 ... 0,5
n 5 10 50 100 ... 

1
Um exemplo em R
> p0 = 1/2 # Moeda balanceada
> n = 100:5000
> fr = mapply(function(x) sum(rbinom(x,1,p0))/x, n)
> plot(n, fr, ylab="Freqüência relativa", type = "l")
> abline(h = p0, lty=2, col="blue")

0.6
0
0.5
5
Freqüência

0.5
relativa

0
0.4
5
0.4
0

0 100 200 300 400 500

0 0 0 0 0
n

1
 Definições de probabilidade
Definição axiomática
A probabilidade de um evento A é definida
como sendo um número P(A) satisfazendo aos
seguintes axiomas:
(i) 0  P ( A )  1,  A  ,
(ii) P (  )  1,
(iii)  S e A 1 , A 2 , … s ã o e v e n t o s m u t u a m e n t e e x c l u s i v o s , e n t ã o
 
P  ∪
i  1A i   i
1
P ( A i ).

Propriedades
Se A 
2. P()
1. 0. , então P( A)  1 P( Ac ).
3. Se A  B  , então P( A)  P(B).
[Link] A, B  , então P( A  B)  P( A)  P(B)  P( A  B).
5. Se A, B,C  , então
P( A  B  C)  P( A)  P(B)  P(C)  P( A  B)  P(B  C)  P( A  C) 
P( A  B  C). 1
Definições de probabilidade
Propriedad n
es Ei )  … 
P ( E 1  E 2  …  E n ) i  1 P ( E i ) i 
1 2 i
2

(P(1E) iR  1
1


i i i
1 2
P
i i …i
R
( E
1

2
E  …  E
R
)  … 
(1)n  1 P ( E i  E  …  E i )
1 2
in

Exempl P(E  F  G)  P[(E  F )  G)] 

o:  P(E  F )  P(G)  P[(E  F )  G] 
 P(E)  P(F )  P(E  F )  P(G)
 P[(E  G)  (F  G)] 
 P(E)  P(F )  P(E  F )  P(G) 
P(E  G)  P(F  G)  P(E  F  G) 
 P(E)  P(F )  P(G)  P(E  F )  P(E  G)
 P(F  G)  P(E  F  G)

1
Probabilidade condicional e
independência
A e B são dois eventos em um mesmo espaço amostral
. A probabilidade condicional de A dado que ocorreu o
evento B, denotada por P(A|B), é definida como

P( A 
P( A | B) , s e P ( B )  0. (1)
B )P ( B )


Exemplo. Selecionamos dois itens, ao acaso, um a um e

sem
reposição, de um lote que contém 10 itens do tipo A e 5
do tipo B.
Qual é a probabilidade de que
(a)o primeiro item seja do tipo A?
(b)o segundo seja do tipo B se o primeiro item foi do tipo A?

1
Definimos os
eventos

V1 : " o 1o item é d o tipo A " ;

V 2 : " o 2o item é d o tipo A"

(a 1 0 2
) P ( V1 )  1 5 3
.
5
(b P(V 2c | V1 )
)  14
Essas probabilidades podem ser representados em uma
árvore de
probabilidades.

1
Árvore de probabilidades

Da expressão (1) obtém-se uma

relação útil:

P( A  B)  P(B)P( A |
B),
conhecida como regra do produto de probabilidades ou
probabilidade da interseção.
1
Exemplo. No exemplo anterior suponha que temos
interesse em determinar a probabilidade de que os dois itens
selecionados sejam do tipo B.
O evento é V c  V c :" o 1 o e o 2 o itens são d o tipo
B"
c c
1
c c c
2
5 4 2
P(V1  V 2 ) P(V1 )P(V 2 | V1 ) 
  15 14 21

Resultado. Se B é um evento em  tal que P(B) >0,

então
1. P( | B)  0
[Link] A  , então P(Ac | B)  1 P( A | B) ou P( A | B)  1
P(Ac | B)
[Link] A, C  , então
P( A  C | B)  P( A | B)  P(C | B)  P( A  C | B).
2
Exemplo. Um representante avalia que sua probabilidade de
realizar um bom negócio em um certo dia é 0,35 e a
probabilidade de realizar bons negócios em dois dias
consecutivos é 0,25.
Se um bom negócio foi realizado no primeiro dia, qual a
probabilidade de
que no dia seguinte não seja realizado um bom negócio ?

Solução. Definimos os eventos A: ”um bom negócio é realizado

no 1o dia”
e B: ” um bom negócio é realizado no 2o dia”.

Do enunciadodo problematemos P(A) = 0,35 e P(AB) = 0,25.

A
probabilidade pedida é

P( A  B) 0,25
P(B | A)  1 P(B | A)  1
c
 1  0,286.
P( A)
2
Independência de eventos

Dois eventos A e B em  são independentes se a

informação da ocorrência ou não de B não altera a
probabilidade de ocorrência de A. Isto é,
P(A | B) = P(A), P(B) > 0.

Logo, dois eventos A e B são independentes se, e

somente se, P(A  B) = P(A)P(B).
Exemplo. Em uma fábrica 20% dos lotes produzidos têm
componentes do fornecedor A, 8% têm componentes do fornecedor V
e 4% têm componentes de ambos. Selecionamos ao acaso um item
produzido nesta fábrica.
(a) Os eventos relacionados aos dois fornecedores são independentes?
(b)Se o lote selecionado tem componentes do fornecedor V, qual a
probabilidade
de que tenha componentes do fornecedor A?
(c) Qual é a probabilidade de um lote não ter
componentes destes dois
2
Solução. A: “o lote tem componentes do fornecedor A”, V: “o
lote tem
componentes do fornecedor V”.
Do enunciado temos P(A) = 0,20, P(V) = 0,08 e P(A  V) = 0,04.

(a) P(V )P( A)  0,08  0,2  0,016 e

P(V  A)  0,04.
Como P(V  A)  P(V )P( A), A e V não são independentes.
P( A V ) 0,04
(b) P( A | V )    0,50.
P(V ) 0,08

(c) P ( ( V  A ) c )  1  P ( V  A )
 1  { P ( V )  P ( A)  P( V  A)}
 1  (0,08  0,2  0,04)  0,76.

2
Resultado. Se A e B são eventos independentes em
, então

(i) A eB c são independentes.

(ii) A c e B são independentes
(iii) A c e B c são
independentes

2
Exemplo. Um atirador acerta 80% de seus disparos e outro (nas
mesmas condições de tiro), 70%. Qual a probabilidade de o
alvo ser acertado se ambos os atiradores dispararem
simultaneamente?
Eventos : Bi :" o atirador i acerta o alvo", i 
1,2. P(B1 )  0,8 e P(B2 )  0,7. Logo,
P(B1  B2 )  P(B1 )  P(B2 )  P(B1  B2 )
 P(B1 )  P(B2 )  P(B1 )P(B2 )

(supondoindependência)
P(B1  B2) 0,71  
0,81P((B ) 10,94.
B2 )0,7
0,8 c
P(B
1
c
 2Bc )  1 1
) 1 1 P(B
1 )1 P(B2 ) 1[1 0,8][1 0,7] 
P(Bc )P(Bc  2
Outra solução :
0,94.

2
Fórmula de Bayes
Partição do espaço amostral. Uma coleção de eventos B1,...,Bk
forma uma partição do espaço amostral se eles são
mutuamente exclusivos
e se sua união é igual ao espaço amostral.

Fórmula da probabilidadetotal. Se B1,...,Bk formam

partição
uma do espaço amostral , então para qualquer
evento A em , vale
k

P(A)  P(B1 )P(A | B1 )  P(Bk )P(A | Bk )  P(Bi )P(A | Bi ).

i1 2
Exemplo. Em um programa de televisão são mostradas três
portas (1, 2 e 3) fechadas e apenas uma delas guarda um
valioso prêmio. O apresentador do programa sabe qual é a
porta que leva ao prêmio. Um participante deve escolher
uma das portas.

Em seguida, o apresentador informa o número de uma porta,

diferente da escolha do participante, e que não guarda o
prêmio.

O participante escolhe a porta 1. O apresentador informa que

a porta 3 não guarda o prêmio e pergunta ao participante se
ele gostaria de mudar sua escolha.

Se você fosse o participante, qual seria sua decisão? Vale a

pena
mudar a escolha?

2
Solução. Eventos:
Xi: “a porta número i guarda o prêmio” e Yj: “apresentador informa
que a porta número j não guarda o prêmio”.

Observe que P(X1) = P(X2) = P(X3) = 1/3. A pergunta pode ser

respondida
comparando P(X1|Y3) e P(X2|Y3), pois P(X3|Y3) = 0.

Levando em conta que o participante escolheu a porta 1, temos

P(Y2|X1) = P(Y3|X1) = ½, P(Y2|X2) = P(Y3|X3) = 0 e
P(Y2|X3) = P(Y3|X2) = 1, de modo que

P(Y3) = P(Y3|X1) P(X1) + P(Y3|X2) P(X2) + P(Y3|X3) P(X3)

= ½  1/3 + 1  1/3 + 0  1/3 = ½ ,
P(X1|Y3) = P(X1  Y3)/P(Y3) = P(Y3|X1) P(X1)/P(Y3) = (1/2x1/3)/1/2
= 1/3 e

P(X2|Y3) = P(X2  Y3)/P(Y3) = P(Y3|X2) P(X2)/P(Y3) = (1x1/3)/1/2

= 1/3 / 1/2 = 2/3.

Vale a pena mudar a escolha! 2

Fórmula de Bayes. Se B1,...,Bk formam uma partição do espaço amostral , e A
é evento em  com P(A) > 0, então

P(Bi)P(A | B
P ( Bi | A ) .
k
)
 i

 P(Bi)P(A | B
i )
i1
Exemplo. Uma montadora trabalha com dois fornecedores (A
e B) de uma determinada peça. Sabe-se que 10% e
5% das peças proveniente dos fornecedores A e B,
respectivamente, estão fora das especificações. A
montadora recebe 30% das peças do fornecedor A e 70% de
B. Se uma peça do estoque inteiro é escolhida ao acaso,

(a)calcule a probabilidade de que ela esteja fora das

especificações.
(b)se uma peça escolhida ao acaso está fora das especificações,
qual é
a probabilidade de que tenha sido fornecida por A ?
2
Solução. Eventos:
A: “ peça selecionada foi fornecida
por A”, B:” peça selecionada foi
fornecida por B” e
E:”peça selecionada não atende às
especificações”.

Do enunciado do problema temos P(A) = 0,30, P(B) = 0,70, P(E|A)

= 0,10 e
P(E|B) = 0,05.

3
(a) Fórmula da probabilidade
total:
P(E) = P(A)P(E|A) + P(B)P(E|B) = 0,30  0,10 + 0,70  0,05
= 0,065.
(a) P(A|E) = ?
Pela fórmula de Bayes,
P( A)P(E | A) 0,30 
P( A | E) 0,03
0,10| A)  P(B)P(E | 
P( A)P(E B) 0,30 

 0,10  0,70  0,05 0,46.
0,065
A solução do exemplo anterior é facilitada pela árvore de
probabilidades: