Departamento de Matemática FURB

PROBABILIDADE
P R O F. J O N AT H A N R A FA E L FA L A S T E R

Aula sobre conceitos fundamentais de probabilidade,

exercícios práticos e aplicações do Teorema de Bayes.
 2/18

INTRODUÇÃO À
PROBABILIDADE
Fe n ô m e n o s a l e a t ó r i o s e s u a i m p o r t â n c i a
O que são fenômenos aleatórios? Importância na tomada de decisões:
São eventos cujos resultados não • Tempo de produção industrial
podem ser previstos com certeza • Identificação de peças defeituosas
antes de sua ocorrência. Mesmo sob • Previsão de máquinas em reparo
condições idênticas, os resultados • Controle de qualidade
podem variar.
A probabilidade nos permite
quantificar a incerteza e tomar Aplicações Práticas
decisões mais informadas em
Indústria e
situações onde o acaso está Processos
presente.
 3/18

FENÔMENOS ALEATÓRIOS
E EXPERIMENTOS
Definição e caract erísticas do experiment o aleat ório

Definição
Experimento aleatório: aquele cujo resultado não pode ser
previsto com certeza antes de sua realização. Mesmo sob
condições idênticas, os resultados podem variar.

Exemplo Clássico
Lançamento de um dado não viciado: embora não possamos
prever o resultado de cada lançamento, ao repetir o
experimento muitas vezes, surge uma regularidade estatística
nos resultados obtidos.
 4/18

ESPAÇO AMOSTRAL E
EVENTO
Conceit os fundament ais para ent ender
probabilidades

Espaço Amostral (S): conjunto de todos os resultados

01. possíveis de um experimento aleatório. Exemplo: no
lançamento de um dado, S = {1, 2, 3, 4, 5, 6}.

Evento (A): qualquer subconjunto do espaço amostral.

02. Exemplo: evento "face par" no dado, A = {2, 4, 6}. Um evento
ocorre quando o resultado pertence a ele.

Evento Certo: contém todos os elementos de S (sempre

03. ocorre). Evento Impossível: conjunto vazio
Exemplo: obter 7 em um dado comum.
∅(nunca ocorre).
 5/18

FÓRMULA BÁSICA DA
PROBABILIDADE
A fórmula básica da
probabilidade estabelece que a
probabilidade de um evento A Fo r m a s d e E x p r e s s ã o
P(A) = n(A) / n(S) ocorrer é dada pela razão entre
Fração: resultado direto da divisão
o número de resultados 01. (ex: 1/6, 2/5, 3/10)
favoráveis e o número total de
resultados possíveis no espaço Decimal: divisão expressa em número
02. decimal (ex: 0,167; 0,40; 0,30)
amostral.
Porcentagem: decimal multiplicado
03. por 100 (ex: 16,7%; 40%; 30%)
P(A) = n(A) / n(S)
Importante: 0 ≤ P(A) ≤ 1 sempre,
Onde: 04. ou seja, entre 0% e 100%.
• P(A) = Probabilidade do evento A
• n(A) = Número de resultados favoráveis ao evento A
• n(S) = Número total de elementos do espaço amostral S
 6/18

EXEMPLOS PRÁTICOS DE PROBABILIDADE

Cálculos Ilustrativos

Dado: Número menor que 3

S = {1, 2, 3, 4, 5, 6}
B = {1, 2}
P(B) = n(B)/n(S) = 2/6 = 1/3 ≈ 33%

Baralho: Carta de paus

S = 52 cartas no total
C = 13 cartas de paus
P(C) = n(C)/n(S) = 13/52 = 1/4 = 25%
Exemplo 1 Exemplo 2
Dado Baralho
 7/18

EXERCÍCIOS INICIAIS
AGORA É COM VOCÊS
Pratique os conceit os de probabilidade

Pesquisa com 4000 proprietários de veículos: 992

possuem seguro. Qual a probabilidade de um
proprietário ter seguro? Resposta:

Ao lançar uma moeda equilibrada, qual a probabilidade

de obter cara? Resposta:

Qual a probabilidade de retirar uma dama preta de um

baralho de 52 cartas? Resposta:
 7/18

EXERCÍCIOS INICIAIS
AGORA É COM VOCÊS
Pratique os conceit os de probabilidade

Pesquisa com 4000 proprietários de veículos: 992

possuem seguro. Qual a probabilidade de um
proprietário ter seguro? Resposta: P = 992/4000 = 24,8%

Ao lançar uma moeda equilibrada, qual a probabilidade

de obter cara? Resposta: P(cara) = 1/2 = 50%

Qual a probabilidade de retirar uma dama preta de um

baralho de 52 cartas? Resposta: P = 2/52 = 3,8%
 8/18

LEIS DA
PROBABILIDADE
Introdução às cat egorias de combinação de event os

Operador "E" (Multiplicação)

Usado para calcular a probabilidade de eventos
simultâneos. Quando queremos que dois eventos ocorram
ao mesmo tempo, multiplicamos suas probabilidades.

Operador "Ou" (Adição)

Usado para calcular a probabilidade de eventos alternativos.
Quando queremos que pelo menos um dos eventos ocorra,
somamos suas probabilidades (considerando a interseção se não
forem mutuamente exclusivos).
 9/18

EXEMPLO COM URNA

– APLICANDO AS LEIS
Cálculo de probabilidades usando urna com fichas coloridas

P(Verde) = 60%
Urna com 10 fichas: 6 verdes, 3 azuis, 1 vermelha. A
probabilidade de retirar uma ficha verde é 6/10 = 0,60 = 60%.

P(Vermelha e Verde) = 6%
Usando a lei do "E" (multiplicação): P(V) × P(R) = 0,60 × 0,10 =
0,06 = 6% para eventos independentes com reposição.

P(Verde ou Azul) = 90%

Usando a lei do "Ou" (adição) para eventos mutuamente
exclusivos: P(V) + P(A) = 0,60 + 0,30 = 0,90 = 90%.
 10/18

AXIOMAS E TEOREMAS
FUNDAMENTAIS
Propriedades essenciais da t eoria da probabilidade

Os axiomas da probabilidade são

as bases matemáticas que Te o r e m a s d a S o m a
garantem consistência nos
cálculos. Eventos complementares Eventos mutuamente exclusivos:
e teoremas da soma permitem ∪
P(A B) = P(A) + P(B)
resolver problemas complexos de Eventos não mutuamente exclusivos:
forma sistemática. P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
Eventos mutuamente exclusivos não
Casos Exaustivos (Complementares): A probabilidade de
podem ocorrer simultaneamente.
um evento A ocorrer somada à probabilidade de não
ocorrer é sempre igual a 1: P(A) + P(Ā) = 1 Subtrai-se a interseção para evitar
contagem dupla de resultados.

∪ - União → se A{1,2,3} B{2,3,4} então A∪ B é {1,2,3,4}

∩ - Interseção → se A{1,2,3,4} e B{3,4,5,6}, então a interseção A∩B é {3,4}
 11/18

EXEMPLOS DE APLICAÇÃO
DOS AXIOMAS
Aplicação prática dos t eoremas fundament ais

Caixa com 8 parafusos, 3 defeituosos. P(defeituoso) = 3/8 = 37,5%.

01. P(perfeito) = 5/8 = 62,5%. Soma = 100% (eventos complementares).

Baralho: P(valete ou paus). P(valete) = 4/52, P(paus) = 13/52,

02. P(valete de paus) = 1/52. P = 4/52 + 13/52 - 1/52 = 16/52 = 31%.

Empresários visitam São Paulo (70%) e Rio (60%). P(ambas) = 30%.

03. P(SP ou RJ) = 70% + 60% - 30% = 100% - 50% não visitam = 50%.
 12/18

TEOREMA DO
PRODUTO
Eventos independentes e dependentes

Eventos Independentes
Quando a ocorrência de um evento não afeta a probabilidade do outro:
∩
P(A B) = P(A) × P(B)
Exemplo: lançar uma moeda e um dado simultaneamente.

Eventos Dependentes
Quando a ocorrência de um evento altera a probabilidade do outro:
∩
P(A B) = P(A) × P(B|A)
Onde P(B|A) é a probabilidade de B dado que A ocorreu.
Exemplo: retirar duas peças de um lote sem reposição.
 13/18

EXEMPLOS DO
TEOREMA DO PRODUTO
Aplicações práticas com peças def eituosas

Lote com 52 peças, 15 defeituosas. Com reposição, P(duas

defeituosas) = (15/52) × (15/52) = 225/2704 ≈ 8,3%

Recipiente com 10 peças, 5 defeituosas. Sem reposição,

P(duas defeituosas consecutivas) = (5/10) × (4/9) = 20/90 ≈
22,22%
 14/18

TEOREMA DE BAYES
Conceito e fórmula fundamental

O Teorema de Bayes permite calcular a probabilidade de

uma causa dado que um efeito foi observado. É A p l i c a ç õ e s d o Te o r e m a
fundamental para atualizar probabilidades com novas
informações. Identificar a causa mais provável de um
01. defeito observado.

02. Atualizar probabilidades com base em

novas evidências.

03. Diagnósticos médicos e controle de

Fórmula Geral:
qualidade industrial.
P(Aᵢ|B) = P(Aᵢ) × P(B|Aᵢ) / Σ P(Aⱼ) × P(B|Aⱼ) Análise de risco e tomada de decisões sob
Onde Aᵢ são as causas possíveis e B é o efeito observado.
04.
incerteza.
 15/18

EXEMPLO DE BAYES COM MÁQUINAS

Cálculo da Probabilidade de Def eit o

Máquina A: produz 60% das peças, com 3% de

defeitos. Máquina B: produz 40% das peças,
com 7% de defeitos. Uma peça defeituosa é
encontrada aleatoriamente.

Aplicando Bayes: P(B|D) = P(D|B)×P(B) /

[P(D|A)×P(A) + P(D|B)×P(B)] = (0,07×0,40) /
(0,03×0,60 + 0,07×0,40) = 0,028 / 0,046 = 60,9%
Máquina A Máquina B
60% produção 40% produção
 16/18

EXERCÍCIOS SELECIONADOS
Prática de Probabilidade

Dado Equilibrado Baralho de Cart as Urna e Moedas

1. Qual a probabilidade de sair um 1. Qual a probabilidade de tirar 1. Urna com 5 fichas vermelhas, 3
número par? um ás? azuis e 2 verdes: P(azul)?
2. Qual a probabilidade de sair um 2. Qual a probabilidade de tirar 2. Duas moedas lançadas: P(duas
número maior que 4? uma carta vermelha? caras)?
3. Qual a probabilidade de sair um 3. Qual a probabilidade de tirar
número primo? um rei de copas?

Resolver Resolver Resolver

 17/18

EXERCÍCIOS AVANÇADOS
Reposição, Combinação e Bayes

Ex ercício 1 Ex ercício 2 Ex ercício 3

Uma caixa contém 12 peças, das Uma lancha utiliza duas peças A Uma fábrica possui 3 máquinas. A
quais 4 são defeituosas. e B. A probabilidade de A falhar é máquina I produz 50% das peças
Retirando-se 3 peças ao acaso, 0,05 e de B falhar é 0,03. (2% defeituosas), a II produz 30%
sem reposição, qual a Considerando eventos (3% defeituosas) e a III produz
probabilidade de que todas sejam independentes, calcule a 20% (4% defeituosas). Se uma
perfeitas? E de que pelo menos probabilidade de ambas falharem peça é defeituosa, qual a
uma seja defeituosa? e de pelo menos uma funcionar. probabilidade de ter vindo da
máquina III? (Use Bayes)
Resolver Resolver
Resolver
 Dado Equilibrado Baralho de Cart as Urna e Moedas

a) Probabilidade de tirar um ás Urna:

a) Probabilidade de sair um número par
Há 4 ases em um baralho de 52 cartas. 5 vermelhas, 3 azuis e 2
Números pares no dado: 2, 4, 6
Total de resultados possíveis: 6 verdes.
4 1 Resposta:
3 1 P(ás)= 0,0769 Total: 5+3+2=10
P(par)= 0,5 Resposta: 50% 52 13 7,69%
6 2 Probabilidade de tirar uma
b) Probabilidade de tirar uma carta ficha azul:
b) Probabilidade de sair um número
3
maior que 4 vermelha P(azul)= 0,3
Há 26 cartas vermelhas em um 10
Números maiores que 4: 5, 6
baralho de 52 cartas. Resposta: 30%
2 1
P(>4)= 0,3333...Resposta: 33,33% 26 1
6 3 P(par)= 0,5 Resposta: 50% Duas moedas lançadas
52 2 Possibilidades: CC, CK, KC,
c) Probabilidade de sair um número primo
KK
Números primos no dado: 2, 3, 5 c) Probabilidade de tirar um rei de
Apenas uma possibilidade
3 1 copas
P(primo)= 0,5 Resposta: 50% tem duas caras: CC.
Há apenas 1 rei de copas no baralho.
6 2
1 1
P(rei de copas)= 0,0192 P(2 caras)= 0,25
52 4

Resposta: 1,92% Resposta: 25%

 Ex ercício 1 Ex ercício 2

Caixa com 12 peças Lancha com peças A e B b) Probabilidade de pelo

A caixa possui: Probabilidade de A falhar: menos uma funcionar
12 peças no total; P(A)=0,05P(A) = 0,05 “Pelo menos uma funcionar” é
4 defeituosas; Probabilidade de B falhar: o complementar de “ambas
8 perfeitas. P(B)=0,03 falharem”.
São retiradas 3 peças sem reposição. Como os eventos são independentes: P(pelo menos uma
a) Probabilidade de todas serem perfeitas a) Probabilidade de ambas falharem funcionar)=1−P(ambas falharem)

8 7 6 336 14 P=1−0,0015
0,2545 P(A e B)=P(A)×P(B)
P= x x P=0,9985
12 11 10 1320 55
P(A e B)=0,05×0,03
Resposta: 25,45% P(A e B)=0,0015
Resposta: 99,85%
Probabilidade de pelo menos uma ser
Resposta: 0,15%
defeituosa
Usamos o complementar: P(pelo menos
uma defeituosa)=1−P(todas perfeitas)
14 41
P= 1 0,7455
55 55

Resposta: 74,55%
 Ex ercício 3

Teorema de Bayes Fórmula:

Máquina Produção Defeituosas
P(MIII∣D)=
∣
P(MIII)×P(D MIII)

I 50% 2% P(MI)P(D∣MI)+P(MII)P(D∣MII)+P(MIII)P(D∣MIII)

II 30% 3%
0,20×0,04
III 20% 4%
∣
P(MIII D)=
(0,50×0,02)+(0,30×0,03)+(0,20×0,04)
Queremos saber: P(MIII D)∣
Ou seja: a probabilidade de a peça ter
vindo da máquina III, sabendo que ela
∣
P(MIII D)=
0,008
0,010+0,009+0,008
é defeituosa.
0,008
∣
P(MIII D)=
0,027

∣
P(MIII D) 0,2963

Resposta: 29,63%
FORMULÁRIO DE PROBABILIDADES
Probabilidade Clássica Produto (independentes)
P(A) = n(A) / n(S) P(A e B) = P(A) x P(B)

Complementar Produto (dependentes)

P(A) + P(A') = 1 P(A e B) = P(A) x P(B|A)

Soma (mutuamente exclusivos) Teorema de Bayes

P(A ou B) = P(A) + P(B) P(Bi|A) = [P(Bi) x P(A|Bi)] /
soma[P(Bj) x P(A|Bj)]
Soma (nao exclusivos)
P(A ou B) = P(A) + P(B) - P(A e B) Propriedades
0 <= P(A) <= 1
Contagem P(S) = 1 | P(vazio) = 0
Moedas: 2^n | Dados: 6^n
EXERCÍCIOS ADICIONAIS
Problemas complementares da apostila
1) Lancam-se 3 moedas. Qual a probabilidade de
5) Em uma fabrica, 5% dos produtos sao
obter pelo menos uma cara?
defeituosos. Se 3 produtos sao escolhidos ao
acaso, qual P(nenhum defeituoso)?
2) Dois dados sao lancados. Qual a probabilidade
da soma ser maior que 9?
6) A probabilidade de um aluno passar em
Matematica e 0,7 e em Estatistica e 0,6. Se os
3) De um baralho de 52 cartas, qual a
eventos sao independentes, qual P(passar em
probabilidade de retirar uma figura (J, Q, K)
ambas)?
vermelha?

7) Tres maquinas produzem pecas. Use Bayes para

4) Uma urna contem 6 bolas brancas e 4 pretas.
determinar a origem de uma peca defeituosa dado:
Retirando 2 bolas sem reposicao, qual P(ambas
M1(40%, 2%), M2(35%, 3%), M3(25%, 5%).
brancas)?
Resolução
1) Lancam-se 3 moedas. Qual a probabilidade de obter pelo menos uma cara?

Ao lançar 3 moedas, o total de resultados possíveis é:

2³=3
A forma mais simples é usar o complementar. O contrário de “pelo menos uma cara”
é “nenhuma cara”, ou seja, sair apenas coroas.
P(nenhuma cara)=1/8​
Logo:
P(pelo menos uma cara)=1−(1/8)
P(pelo menos uma cara)= ⅞ =0,875
Resposta: 87,5%
Resolução
2) Dois dados sao lancados. Qual a probabilidade da soma ser maior que 9?
Ao lançar dois dados, o total de resultados possíveis é:
6²=36
As somas maiores que 9 são: 10, 11 e 12.
Para soma 10:
(4,6),(5,5),(6,4)
Para soma 11:
(5,6),(6,5)
Para soma 12:
(6,6)
Total de casos favoráveis:
3+2+1=6
Assim:
P(soma>9)= 6/36
P=1/6 ≈0,1667
=Resposta: 16,67%
Resolução
3) De um baralho de 52 cartas, qual a probabilidade de retirar uma figura (J, Q, K) vermelha?

As figuras são: J, Q e K.
Em cada naipe há 3 figuras. Como os naipes vermelhos são copas e ouros, temos:
3×2=6
Logo, há 6 figuras vermelhas no baralho.
P(figura vermelha)=6/52
P= 3/26 ≈ 0,1154
Resposta: 11,54%
Resolução
4) Uma urna contem 6 bolas brancas e 4 pretas. Retirando 2 bolas sem reposicao, qual P(ambas brancas)?

Total de bolas:
6+4=10
Na primeira retirada, a probabilidade de sair branca é:
6/10
Como não há reposição, restam 5 bolas brancas em um total de 9 bolas.
P(segunda branca) = 5/9​
Assim:
P(ambas brancas)= (6/10) × (5/9)
P= 30/90 = ⅓ ≈ 0,3333
Resposta: 33,33%
Resolução
5) Em uma fabrica, 5% dos produtos sao defeituosos. Se 3 produtos sao escolhidos ao acaso, qual P(nenhum defeituoso)?
Se 5% dos produtos são defeituosos, então 95% não são defeituosos.
P(não defeituoso)=0,95
Como são escolhidos 3 produtos:
P(nenhum defeituoso)=0,95×0,95×0,95
P=0,95³
P= 0,857375
Resposta: 85,74%
Resolução
6) A probabilidade de um aluno passar em Matematica e 0,7 e em Estatistica e 0,6. Se os eventos sao independentes, qual
P(passar em ambas)?
Como os eventos são independentes, usamos a fórmula do produto:
P(A e B)=P(A)×P(B)
Substituindo:
P(Matemaˊtica e Estatıˊstica)=0,7×0,6
P=0,42
Resposta: 42%
 Dados:
Resolução P(M1)=0,40P
∣
P(D M1)=0,02
P(M2)=0,35
∣
7) Tres maquinas produzem pecas. Use Bayes para determinar a origem de
uma peca defeituosa dado: M1(40%, 2%), M2(35%, 3%), M3(25%, 5%). P(D M2)=0,03
P(M3)=0,25
∣
P(D M3)=0,05
Primeiro calculamos a probabilidade total de uma peça ser defeituosa:
∣ ∣
P(D)=P(M1)P(D M1)+P(M2)P(D M2)+P(M3)P(D M3) ∣
P(D)=(0,40×0,02)+(0,35×0,03)+(0,25×0,05)
P(D)=0,008+0,0105+0,0125
P(D)=0,031
Agora calculamos a probabilidade de a peça defeituosa ter vindo de cada máquina.
Para a máquina 1:
∣
P(M1 D)= (0,40×0,02)/0,031
∣
P(M1 D)=0,008/0,031≈0,2581 - M1: 25,81%
Para a máquina 2:
∣
P(M2 D)=(0,35×0,03)/0,031
∣
P(M2 D)=0,01050,031≈0,3387 - M2: 33,87%
Para a máquina 3:
∣
P(M3 D)= (0,25×0,05)/0,031
∣
P(M3 D)=0,0125/0,031 ≈ 0,4032 - M3: 40,32%
Portanto, a peça defeituosa tem maior probabilidade de ter vindo da máquina 3, com 40,32%.
 Probabilidade Prof. Jonathan Rafael Falaster

OBRIGADO!
DÚVIDAS?

Contato
jfalaster@[Link]