PROBABILIDAD

E
E
ESTATISTICA

Engª: Eláine S. Gomes

PRÉ-REQUISITOS DE MATEMÁTICA BÁSICA
 O Problema da Incerteza
Desde a Antiguidade, a humanidade convive com
situações nas quais não é possível prever com certeza o
resultado de um fenômeno. Questões como:

Introdução à Vai chover amanhã?

Probabilidade Qual a chance de um equipamento falhar?

Um paciente realmente está doente após teste positivo?
Qual a probabilidade de um aluno ser aprovado?
envolvem incerteza.
A Probabilidade surge exatamente como ferramenta
matemática para quantificar essa incerteza.
 Fenômenos Determinísticos vs. Fenômenos Aleatórios

2. Fenômenos Aleatórios
É fundamental distinguir dois tipos de
São aqueles cujo resultado não pode ser previsto com
fenômenos: certeza antes da realização do experimento, ainda
1. Fenômenos Determinísticos que conheçamos perfeitamente o procedimento.
São aqueles cujo resultado é completamente Exemplo:
previsível se conhecermos as condições iniciais. • Lançar uma moeda: não sabemos previamente se
Exemplo: sairá cara ou coroa.
• A soma de 2 + 3 sempre será 5. • Retirar uma carta de um baralho.
• Se soltarmos um objeto, ele cairá sob ação • Um componente eletrônico falhar ou não em
da gravidade (desconsiderando determinado período.
interferências).
Importante: O fenômeno pode ser fisicamente
determinado pelas leis da natureza, mas, na prática,
Aqui não há incerteza. há variáveis não controladas que tornam o resultado
imprevisível.
 O Que é Probabilidade? Interpretação:
• P(A) = 0 → evento impossível
Probabilidade é uma forma matemática de • P(A) = 1 → evento certo
medir incerteza. • Valores entre 0 e 1 → graus intermediários de
Quando não temos certeza absoluta sobre a ocorrência
ocorrência de um evento, utilizamos a
Quanto mais próximo de 1, maior a chance de
probabilidade para expressar numericamente o ocorrer.
quão possível é que esse evento aconteça. Quanto mais próximo de 0, menor a chance.
Em vez de dizer apenas:
• “É muito provável” Por que entre 0 e 1?
• “É pouco provável” Porque 0 representa ausência total de chance,
• “É quase impossível” e 1 representa certeza absoluta.
a Matemática permite transformar essas
expressões vagas em números. Não faz sentido dizer que algo tem probabilidade 2 ou
− 3, pois probabilidade mede proporção, e proporções
Matematicamente, essa medida é um número não ultrapassam 100% nem são negativas.
real entre 0 e 1:

0 ≤ 𝑃(𝐴) ≤ 1 Probabilidade não diz o que vai acontecer em uma

única tentativa. Ela descreve comportamento
coletivo ou de longo prazo.
Exemplo Fundamental: Lançamento de uma
Moeda
Considere o experimento aleatório de lançar uma
moeda. Quando uma moeda é lançada, existem
apenas dois resultados possíveis:
Na teoria da probabilidade, a soma das probabilidades
S={Cara,Coroa}
de todos os resultados possíveis deve ser igual a 1:
P(S)=1
Esse conjunto é chamado de espaço amostral,
isto é, o conjunto de todos os resultados possíveis Como existem dois resultados possíveis e ambos têm a
do experimento. mesma chance, dividimos a probabilidade total
Se a moeda for honesta, cada resultado tem igualmente entre eles:
probabilidade: 1
1 ÷2=
2
1 Assim:
𝑃 𝑆 =
2 1
𝑃 𝐶𝑎𝑟𝑎 =
2
1
𝑃 𝐶𝑜𝑟𝑜𝑎 =
2
Exemplo Fundamental: Lançamento de um dado
Considere o experimento aleatório de lançar um dado comum, numerado de 1 a 6.
O conjunto de todos os resultados possíveis é:
𝑺 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔}
Esse conjunto possui 6 elementos, ou seja, existem 6 resultados possíveis.

Deseja-se calcular a probabilidade de sair um número par.

Os números pares no dado são:
𝑨 = {𝟐, 𝟒, 𝟔}
Portanto, o evento A possui 3 elementos.

Aplicando a Definição Clássica de Probabilidade

Quando todos os resultados são igualmente prováveis (como em um dado honesto), utiliza-se a definição
clássica:
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟á𝑣𝑒𝑖𝑠
𝑃(𝐴) =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑠í𝑣𝑒𝑖𝑠
3
Neste caso: Lembrando que: a fração 6 pode ser
• Casos favoráveis = 3 (2, 4 e 6) simplificada dividindo numerador e
• Casos possíveis = 6 (1, 2, 3, 4, 5 e 6) denominador por 3:
Logo:
3 3 1
𝑃(𝐴) = =
6 6 2
Interpretações A probabilidade não possui apenas uma única
da interpretação filosófica ou conceitual. Ao longo da
história, diferentes correntes matemáticas e científicas
Probabilidade propuseram maneiras distintas de compreender o que
significa dizer que um evento tem determinada
probabilidade.
As três interpretações mais importantes são:
1. Interpretação Clássica
2. Interpretação Frequentista
3. Interpretação Bayesiana
Interpretação Clássica da Probabilidade
A interpretação clássica afirma que: A probabilidade de um Estrutura do Raciocínio
evento é a razão entre o número de casos favoráveis e o Para aplicar a interpretação clássica, seguimos três
número total de casos possíveis, desde que todos os passos:
resultados sejam igualmente prováveis. 1. Definir o experimento.
2. Determinar o espaço amostral (todos os
Matematicamente: resultados possíveis).
número de casos favoráveis 3. Contar quantos desses resultados são
𝑃 𝐴 =
número de casos 𝑝𝑜𝑠𝑠í𝑣𝑒𝑖𝑠 favoráveis ao evento de interesse.
Depois disso, basta dividir:
Essa definição surgiu no estudo de jogos de azar nos séculos
XVII e XVIII. número de casos favoráveis
𝑃 𝐴 =
número de casos 𝑝𝑜𝑠𝑠í𝑣𝑒𝑖𝑠
Equiprobabilidade
A interpretação clássica só pode ser aplicada quando:
• Todos os resultados do espaço amostral têm a mesma
chance de ocorrer. Isso é chamado de equiprobabilidade.

Sem essa condição, a fórmula não pode ser usada

diretamente.
Interpretação Clássica da Probabilidade
Por Que Isso Funciona? Vantagens
Funciona porque estamos distribuindo a probabilidade total • Simples de aplicar.
(que é 1) igualmente entre todos os resultados possíveis. • Intuitiva.
Se existem n resultados igualmente prováveis, então cada um • Funciona muito bem em problemas
recebe: combinatórios.
1 • Base para o ensino inicial de probabilidade.
𝑛
E se um evento contém k desses resultados, então: Limitações
𝑘 • Restrita a situações com simetria.
𝑃(𝐴) =
𝑛 • Não resolve problemas reais complexos.
• Não considera evidências ou dados observados.
Quando NÃO Podemos Usar
A interpretação clássica não pode ser aplicada quando:
• Os resultados não são igualmente prováveis.
• Não é possível listar claramente todos os resultados.
• O fenômeno não é simétrico.
Exemplo: Qual a probabilidade de chover amanhã?

Não há “casos igualmente prováveis” para contar.

Logo, não se aplica diretamente.
Interpretação Frequentista da Probabilidade
A interpretação frequentista afirma que: A probabilidade de O Que Significa “Quando n→∞”?
um evento é o valor para o qual tende a frequência relativa Significa que quanto mais repetimos o
desse evento quando o experimento é repetido um número experimento:
muito grande de vezes, nas mesmas condições. • A proporção começa a oscilar menos;
Em termos simples: Probabilidade é aquilo que acontece “em • O valor tende a se estabilizar;
média” no longo prazo. • A variabilidade diminui.
Não é necessário repetir infinitas vezes na prática,
Frequência Relativa mas teoricamente o conceito é definido no limite.
Suponha que realizemos um experimento n vezes.
Se o evento A ocorre k vezes, então a frequência relativa é:

𝑘
𝑛

A interpretação frequentista afirma que:

𝑘
𝑃(𝐴) = lim
𝑛→∞ 𝑛

Ou seja, a probabilidade é o limite da frequência relativa

quando o número de repetições cresce indefinidamente.
Interpretação Frequentista da Probabilidade
A Lei dos Grandes Números afirma que: À medida que o Limitações da Interpretação Frequentista
número de repetições de um experimento aumenta, a A principal limitação é que ela exige repetição.
frequência relativa de um evento converge para sua Ela funciona bem quando podemos repetir o
probabilidade. experimento muitas vezes sob as mesmas
Ou, de forma matemática: condições.
Mas não funciona bem para:
𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒐𝒄𝒐𝒓𝒓ê𝒏𝒄𝒊𝒂𝒔 𝒅𝒆 𝑨 • Eventos únicos
→𝑷 𝑨 𝒒𝒖𝒂𝒏𝒅𝒐 𝒏 → ∞ • Situações irrepetíveis
𝒏
• Decisões baseadas em informação incompleta
Diferença Fundamental em Relação à Interpretação Exemplos:
Clássica • Qual a probabilidade de chover amanhã?
• A clássica usa contagem e simetria. • Qual a probabilidade de um candidato vencer
• A frequentista usa repetição e dados observados. uma eleição específica?
Na interpretação frequentista: A probabilidade não é • Qual a probabilidade de um país entrar em
calculada antes do experimento; ela é estimada por meio recessão?
da repetição.
Esses eventos não podem ser repetidos
indefinidamente sob as mesmas condições.
Interpretação Bayesiana da Probabilidade
Na interpretação bayesiana, probabilidade é uma medida A Ideia de Atualização
do grau de incerteza que temos sobre um evento, com O ponto central da interpretação bayesiana é que a probabilidade
base nas informações disponíveis no momento. pode ser atualizada à medida que recebemos novas evidências.
Diferentemente da abordagem frequentista, que define Temos dois momentos distintos:
probabilidade como limite da frequência de repetição, a 1. Probabilidade inicial (a priori): É a probabilidade atribuída antes
abordagem bayesiana entende probabilidade como uma de observar novos dados.
medida racional de crença, fundamentada nas evidências 2. Probabilidade atualizada (a posteriori): É a probabilidade
conhecidas. revista após considerar a nova informação.
Em outras palavras: Esse processo de atualização é formalizado pelo Teorema de Bayes.

A probabilidade expressa o quanto, de forma Estrutura Conceitual da Interpretação Bayesiana

racional, acreditamos que um evento ocorrerá, A probabilidade é vista como:
considerando o conhecimento atual. • Uma medida de incerteza;
• Dependente do conhecimento disponível;
• Atualizável diante de novas evidências;
Essa crença não é arbitrária. Ela deve ser coerente com as • Aplicável a situações irrepetíveis.
regras matemáticas da probabilidade e pode ser revisada Assim, a probabilidade não é apenas uma propriedade do
quando novas informações surgem. fenômeno, mas também do estado de informação do
observador. Se duas pessoas possuem informações diferentes,
podem atribuir probabilidades diferentes ao mesmo evento,
sem que haja incoerência lógica, desde que respeitem as regras
matemáticas.
Interpretação Bayesiana da Probabilidade
Exemplo Conceitual Organizado Diferença Essencial em Relação à Frequentista
Suponha que em uma cidade: Na abordagem frequentista:
• 1% da população possui determinada doença. • A probabilidade é definida como frequência no
Antes de qualquer exame, a probabilidade de uma pessoa longo prazo.
escolhida ao acaso estar doente é: • Exige repetição do experimento.
𝑃(𝐷𝑜𝑒𝑛ç𝑎) = 0,01 Na abordagem bayesiana:
• A probabilidade representa incerteza racional.
Agora suponha que essa pessoa faça um teste e o resultado • Pode ser aplicada a eventos únicos.
seja positivo. Essa nova informação deve alterar nossa • Pode ser atualizada com novas informações.
avaliação inicial.
Por exemplo: Qual a probabilidade de chover
A probabilidade de a pessoa estar doente após o resultado amanhã?
positivo é diferente de 1%. Não podemos repetir “amanhã” infinitas vezes.
Ela deve ser recalculada considerando: Mesmo assim, podemos atribuir uma
• A frequência da doença na população; probabilidade com base em:
• A taxa de acerto do teste; • Dados meteorológicos históricos;
• A taxa de falso positivo. • Condições atmosféricas atuais;
• Modelos climáticos.
A interpretação bayesiana permite incorporar essa nova
evidência de maneira formal e coerente. Essa probabilidade representa nosso grau de
crença fundamentado na informação disponível.
 A teoria da Probabilidade é fundamentada na Teoria dos Conjuntos. Isso significa
que os conceitos básicos da probabilidade são definidos utilizando a linguagem e as
operações da teoria dos conjuntos. Em termos estruturais:

Linguagem • O espaço amostral é um conjunto.

• Um evento é um subconjunto do espaço amostral.

de • Operações como união, interseção e complementar são operações entre

conjuntos.

Conjuntos • A probabilidade é uma função definida sobre esses subconjuntos.

Assim, toda expressão probabilística envolve, implicitamente, operações

Aplicada à
conjuntistas. Por exemplo:
• P(A∪B) depende do conceito de união;

Probabilida
• P(A∩B) depende do conceito de interseção;
• P(𝑨𝒄 ) depende do conceito de complementar;

de
• P(A∣B) envolve interseção e restrição do espaço amostral.
Sem compreender a linguagem de conjuntos, o estudante pode aplicar fórmulas
mecanicamente, mas não entenderá o significado matemático das operações que
está realizando. Portanto, o domínio da teoria dos conjuntos não é apenas um pré-
requisito técnico, mas a base estrutural para a compreensão da Probabilidade.
Espaço Amostral (S) Evento
O espaço amostral, representado por S, é o conjunto de Um evento é qualquer subconjunto do espaço
todos os resultados possíveis de um experimento aleatório. amostral.
Ele define os limites do que pode acontecer. Ou seja, é um conjunto formado por alguns ou todos os
Exemplo dado: elementos de S.
𝑆 = {1,2,3,4,5,6} Exemplo dado:
𝑆 = {1,2,3,4,5,6}
Exemplo moeda:
Evento A = “sair número par”
𝑆 = {𝐶𝑎𝑟𝑎, 𝐶𝑜𝑟𝑜𝑎}
𝐴 = {2,4,6}
Ideia central: Tudo o que pode acontecer está dentro de S.
Observe que A está contido em S.
Nada fora de S pode ocorrer. O espaço amostral é o
Evento pode ser:
“universo” do experimento.
• Um único resultado (evento simples)
• Vários resultados
• O próprio S
• O conjunto vazio
Subconjunto Interseção (A ∩ B)
Dizemos que A é subconjunto de S quando todos os A interseção representa a ocorrência simultânea dos dois
elementos de A pertencem a S. eventos.
Representação: 𝑨∩𝑩
𝑨⊂𝑺 Significa: “ocorre A e ocorre B”. Exemplo:
• A = {2,4,6}
Isso significa que A não contém nenhum elemento “fora” • B = {5,6}
do espaço amostral. Na probabilidade, todo evento é 𝑨 ∩ 𝑩 = {𝟔}
subconjunto de S.
Apenas o 6 pertence aos dois conjuntos. Interseção é
União (A ∪ B) fundamental para probabilidade condicional.
A união representa a ocorrência de pelo menos um dos
eventos.
𝑨∪𝑩
Significa: “ocorre A ou ocorre B (ou ambos)”. Exemplo:
• A = {2,4,6}
• B = {5,6}
𝑨 ∪ 𝑩 = {𝟐, 𝟒, 𝟓, 𝟔}
A união reúne tudo que aparece
em A ou em B.
Complementar (Aᶜ) Evento Impossível (∅)
O complementar de A é o conjunto dos elementos de S que O conjunto vazio representa um evento que não contém
não pertencem a A. nenhum resultado possível.
𝐴𝑐 ∅
Significa: “não ocorre A”. Exemplo:
Exemplo: No dado, o evento “sair 8”. Como 8 não pertence ao espaço
𝑆 = {1,2,3,4,5,6} amostral:
𝐴 = {2,4,6} ∅
𝐴𝑐 = {1,3,5} Na probabilidade:
Ou seja, o evento “sair número ímpar”. Complementar é 𝑃(∅) = 0
importante porque:
Evento Certo (S)
𝑃(𝐴𝑐 ) = 1 − 𝑃(𝐴) O evento certo é o próprio espaço amostral. Ou seja, é o
evento que sempre ocorre.
Exemplo:
No dado, “sair número entre 1 e 6”.
Isso é o próprio S.
𝑃(𝑆) = 1
 A partir deste ponto, a Probabilidade deixa de ser
apenas uma ideia intuitiva sobre “chance” e passa a
ser uma teoria matemática formal.

Axiomas da Em 1933, Andrey Kolmogorov organizou a

Probabilidade como um sistema axiomático. Isso

Probabilidade significa que toda a teoria pode ser construída a partir

de três princípios fundamentais.

(Kolmogorov) Esses princípios não são fórmulas isoladas. Eles definem

o que significa, matematicamente, uma função ser uma
probabilidade.
Estrutura Matemática 1º Axioma: Não Negatividade
Temos três elementos fundamentais: 𝑃(𝐴) ≥ 0
• Um espaço amostral S A probabilidade de qualquer evento nunca pode ser
• Uma coleção de eventos (subconjuntos de S) negativa. Mas por que isso precisa ser um axioma?
• Uma função PPP, que associa a cada evento um número
real Porque matematicamente estamos definindo uma
A pergunta central é: Quais propriedades essa função P função P. Sem impor essa condição, nada impediria que
precisa satisfazer para ser considerada uma alguém definisse uma função que atribuísse
probabilidade? − 2 ou −0,5 a um evento.
A resposta está nos três axiomas. Esse axioma garante coerência com a ideia de
probabilidade como medida de possibilidade.

Probabilidade mede “quanto algo pode acontecer”. Não

existe possibilidade negativa.
2º Axioma: Normalização 3º Axioma: Aditividade (para eventos mutuamente
exclusivos)
𝑃(𝑆) = 1 Se dois eventos não podem ocorrer ao mesmo tempo:

O espaço amostral representa todos os resultados 𝐴∩𝐵 =∅

possíveis. Se algo acontece, obrigatoriamente ocorre algum então:
resultado dentro de S. Portanto, a probabilidade total deve 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
ser 1.
Isso estabelece a escala da probabilidade. Este axioma formaliza a ideia de soma de probabilidades.
A partir daqui: Se A e B não têm interseção, então a ocorrência de “A ou
B” corresponde simplesmente à soma das duas
• 1 significa certeza absoluta. probabilidades.
• Todos os outros valores serão frações dessa totalidade.
Exemplo simples:
Sem esse axioma, não teríamos referência para medir No lançamento de um dado:
probabilidades relativas • A = sair 1
• B = sair 2

Como não é possível sair 1 e 2 ao mesmo tempo:

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

Por Que Esses Três Axiomas São Suficientes? O Momento em Que a Disciplina Ganha Rigor

O ponto mais importante é este: Toda a teoria da Antes dos axiomas, a probabilidade pode parecer apenas
probabilidade decorre desses três princípios. contagem ou frequência. Depois dos axiomas, ela se torna
A partir deles, podemos demonstrar: uma teoria matemática estruturada.

• 𝑃(∅) = 0 Não estamos mais falando de “chance” em sentido

• 0 ≤ 𝑃(𝐴) ≤ 1 informal. Estamos falando de uma função definida sobre
• 𝑃(𝐴𝑐) = 1 − 𝑃(𝐴) conjuntos, obedecendo propriedades precisas.
• 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
• Fórmula da probabilidade condicional É aqui que a Probabilidade se aproxima do mesmo nível de
• Teorema de Bayes formalização da Álgebra ou da Análise Matemática.

Nada disso é assumido. Tudo é consequência lógica

desses três axiomas.