PROBABILIDADE

Prof. Guilherme Neves

@profguilhermeneves
@[Link]
“A teoria do azar consiste em reduzir todos os acontecimentos
do mesmo gênero a um certo número de casos igualmente
possíveis, ou seja, tais que estejamos igualmente inseguros
sobre sua existência, e em determinar o número de casos
favoráveis ao acontecimento cuja probabilidade é buscada. A
razão deste número para o de todos os casos possíveis é a
medida desta probabilidade, a qual é portanto uma fração
cujo numerador é o número de casos favoráveis e cujo
denominador é o número de todos os casos possíveis”.
Pierre Simon Laplace, Ensaio filosófico sobre as Probabilidades
A Teoria das Probabilidades é o ramo da Matemática que cria
modelos que são utilizados para estudar experimentos aleatórios.
• Um experimento é dito aleatório quando ele pode ser repetido
sob as mesmas condições inúmeras vezes e os resultados não
podem ser previstos com absoluta certeza.
• Embora não possamos afirmar qual é o resultado do
experimento aleatório, em geral podemos descrever o conjunto
que “abriga” todos os resultados possíveis.
Espaço Amostral

Para cada experimento do tipo que estamos considerando

(aleatório), definiremos o espaço amostral como o conjunto de
todos os resultados possíveis do experimento. Denotaremos
este conjunto pela letra U.
Evento
Chamaremos de evento todo subconjunto do espaço amostral.
• Quando o evento é igual ao espaço amostral, dizemos que o
evento é certo.
• Quando o evento é igual ao conjunto vazio, dizemos que o
evento é impossível.
Definição Clássica de Probabilidade

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟á𝑣𝑒𝑖𝑠

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑠í𝑣𝑒𝑖𝑠
Esta definição não é válida do ponto de vista lógico porque ao se
exigir que os elementos do espaço amostral sejam “igualmente
prováveis”, utiliza-se o próprio conceito que se pretende definir.

Ademais, um dos defeitos dessa definição é o de não abordar

casos em que os eventos não são equiprováveis.
Probabilidade como Frequência Relativa

Considere um experimento aleatório. Na prática, não podemos

obter infinitas realizações. Entretanto, imagine que o experimento
será realizado N vezes.

Definimos frequência relativa de um evento como sendo o número

𝑓 tal que
𝑛
𝑓=
𝑁
em que n é o número de ocorrências do evento.
Assim, por exemplo, se lançamos um determinado dado de 6
faces 200 vezes e observamos o número 3 em 54 vezes, então a
frequência relativa deste evento será:
54
𝑓= = 0,27 = 27%
200
Experimentalmente, verificamos que a frequência relativa se
estabiliza em torno de um valor definido, quando o número N de
realizações tende a infinito.

Assim, como o dado tem 6 faces, o esperado é que se N for

=
suficientemente grande, cada face sairá em ≅ 16,67% das vezes.
>
Número Frequência Frequência
da face absoluta relativa
1 9.917 16,528%
2 9.958 16,597%
3 10.126 16,877%
4 10.090 16,817%
5 10.003 16,671%
6 9.906 16,510%
 Número Frequência Frequência
da face absoluta relativa
1 9.917 16,528%
2 9.958 16,597%
3 10.126 16,877%
4 10.090 16,817%
5 10.003 16,671%
6 9.906 16,510%

Se o número de realizações N aumentar significativamente, as frequências relativas

tendem a se estabilizar em torno de 1/6.
Assim, considerando N realizações de um experimento aleatório, definimos a
probabilidade de um evento E como
𝑛(𝐸)
𝑃 𝐸 = lim
F→H 𝑁
Combinações de Eventos
Propriedades sobre Probabilidades

èA probabilidade do evento impossível é 0 e a probabilidade

do evento certo é igual a 1.
Se A é um evento qualquer, então 0 ≤ 𝑃(𝐴) ≤ 1.
èSe A é um evento qualquer, então 𝑃 𝐴 + 𝑃 𝐴̅ = 1.
èProbabilidade do evento união
Definição Axiomática de Probabilidade
Vamos agora definir probabilidade de acordo com a teoria
axiomática de Kolmogorov.
Este é o conceito moderno de probabilidade. Para tanto, vamos
utilizar os conceitos de espaço amostral, evento e experimento
aleatório.
Por definição, a probabilidade de ocorrer o evento A é uma função
P que atribui um número P(A), denominado probabilidade de A,
para o evento A do espaço amostral U tal que:
i) 𝑃 𝐴 ≥ 0
ii) 𝑃 𝑈 = 1
iii) Se A e B são eventos mutuamente excludentes (𝐴 ∩ 𝐵 = 𝜙),
então 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃(𝐵).
Assim, adotamos as três sentenças acima como axiomas, ou seja,
verdades absolutas que não carecem de demonstração.
Teorema 1: Se A é um evento qualquer de um espaço amostral U
e 𝐴V é o seu evento complementar, então 𝑃 𝐴 + 𝑃 𝐴 = 1.
i) 𝑃 𝐴 ≥ 0
ii) 𝑃 𝑈 = 1
iii) Se A e B são eventos mutuamente excludentes ( 𝐴 ∩ 𝐵 = 𝜙) , então
𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃(𝐵).
Teorema 2: A probabilidade do evento impossível é zero.

i) 𝑃 𝐴 ≥ 0
ii) 𝑃 𝑈 = 1
iii) Se A e B são eventos mutuamente excludentes (𝐴 ∩ 𝐵 = 𝜙), então 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃(𝐵).
Probabilidade Condicional
 Não usam
Usam óculos Total
óculos
Mulheres 80 220 300
Homens 20 180 200
Total 100 400 500
Teorema da Multiplicação

𝑃(𝐴 ∩ 𝐵)
𝑃 𝐵 |𝐴 =
𝑃(𝐴)
Teorema da Multiplicação

𝑃(𝐴 ∩ 𝐵)
𝑃 𝐵 |𝐴 =
𝑃(𝐴)

𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 X 𝑃(𝐵|𝐴)
Se a ocorrência do evento A não influir no cálculo da
probabilidade do evento B, os eventos são ditos
independentes e neste caso, tem-se

𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐴) X 𝑃(𝐵)
Isto quer dizer que se A e B são independentes, então:
𝑃 𝐵|𝐴 = 𝑃(𝐵)
𝑃 𝐴|𝐵 = 𝑃(𝐴)
Independência de Três Eventos
Os eventos A, B e C são independentes se e somente se
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 X 𝑃(𝐵)
𝑃 𝐴 ∩ 𝐶 = 𝑃 𝐴 X 𝑃(𝐶)
𝑃 𝐵 ∩ 𝐶 = 𝑃 𝐵 X 𝑃(𝐶)
𝑃 𝐴 ∩ 𝐵 ∩ 𝐶 = 𝑃 𝐴 X 𝑃(𝐵) X 𝑃(𝐶)
Isto quer dizer que se A, B e C são independentes, então as 4
condições acima ocorrem e se as 4 condições acima ocorrem,
então os eventos A, B e C são independentes.
Independência de Três Eventos
Suponha que uma moeda honesta é lançada duas vezes. Defina os seguintes eventos:
A: O resultado do primeiro lançamento é “cara”.
B: O resultado do segundo lançamento é “cara”.
C: Os resultados dos dois lançamentos são iguais.

Os eventos A, B e C são mutuamente independentes?

Independência de Três Eventos
Um dado honesto é lançado duas vezes. Para esse experimento, o espaço amostral
é S = {(1,1);(1,2);...;(6,6)}, ou seja, S consiste de 36 pares ordenados formados por
números de 1 a 6. Defina os seguintes eventos:
A: Os dois resultados são iguais.
B: A soma é 7, 8, 9 ou 10.
C: A soma é 2, 7 ou 8.
Os eventos são mutuamente independentes?
Independência de Três Eventos
Uma moeda honesta é lançada três vezes. Sendo C a representação de uma
cara e K a representação de uma coroa, o espaço amostral é:
S = {CCC, CCK, CKC, KCC, KKC, KCK, CKK, KKK}
Seja Ci o evento em que o i-ésimo lançamento é cara. Por exemplo,
C1 = {CCC, CCK, CKC, CKK}
C1, C2 e C3 são mutuamente independentes?
Independência dos Eventos Complementares
Se A e B são eventos independentes, então também serão independentes:
• A e BC
• AC e B
• AC e BC
Teorema da Probabilidade Total
Teorema da Probabilidade Total

Vamos selecionar uma dessas urnas ao acaso e retirar

uma bola. Queremos calcular a probabilidade de a
bola retirada ser vermelha.
3 2 1 18 + 20 + 15 53
+ + = =
15 9 6 90 90
Durante o mês de março, a probabilidade de chover em um
determinado dia é de 7/10. Os voos da companhia aérea Rosa
são cancelados em um dia de chuva com probabilidade 4/5 e em
um dia sem chuva com probabilidade 1/20. Qual a probabilidade
de, em um dia qualquer do mês de março, um determinado voo
da companhia Rosa não ser cancelado?
Teorema de Bayes
Durante o mês de março, a probabilidade de chover em um
determinado dia é de 7/10. Os voos da companhia aérea Rosa são
cancelados em um dia de chuva com probabilidade 4/5 e em um
dia sem chuva com probabilidade 1/20. Um determinado voo da
companhia Rosa foi cancelado em um dia do mês de março.
Calcule a probabilidade de ter chovido nesse dia.
Experimento de Bernoulli
A distribuição de Bernoulli se caracteriza pela existência de apenas dois
eventos, mutuamente exclusivos, que denominaremos de sucesso e fracasso,
em um experimento que é realizado uma única vez.
São experimentos que os resultados apresentados
apresentam ou não uma determinada característica.
Vejamos alguns exemplos:
i) Lançamos uma moeda. O resultado ou é “cara” ou não é.
ii) Uma pessoa escolhida, ao acaso, dentre 500 pessoas, é
ou não do sexo feminino.
iii) Em uma urna temos 500 bilhetes numerados de 1 a 500.
Retiramos um bilhete ao acaso. O bilhete sorteado é
múltiplo de 11 ou não é.
Em todos esses casos, estamos interessados na ocorrência de um
sucesso (ocorrência de cara, sexo feminino, múltiplo de 11) ou
fracasso (ocorrência de coroa, sexo masculino, número que não
múltiplo de 11). Usaremos, a partir de agora, constantemente esta
terminologia (sucesso/fracasso).
Normalmente usamos as seguintes notações:
• A probabilidade de ocorrer um sucesso é 𝑝.
• A probabilidade de ocorrer um fracasso é 𝑞 = 1 − 𝑝.
• Adotamos o valor 0 para o fracasso e 1 para o sucesso.
Lançamos um dado honesto e observamos a face que fica
para cima. Se a face voltada para cima for o número 5,
teremos um sucesso. Se a face voltada para cima for um
número diferente de 5, teremos um fracasso.
Teorema Binomial
A diferença da distribuição binomial para a distribuição de Bernoulli é que no
caso anterior o experimento seria realizado apenas uma vez. Aqui na
distribuição binomial realizaremos o experimento n vezes.
Então imagine que repetimos um ensaio de Bernoulli n
vezes, ou, como se diz também, obtemos uma amostra
de tamanho n de uma distribuição de Bernoulli.
Suponha ainda que as repetições sejam independentes,
isto é, o resultado de um ensaio não tem influência
alguma no resultado de qualquer outro ensaio.

Uma amostra particular será constituída de uma

sequência de sucessos e fracassos, ou, se quisermos, de
zeros e uns (zero = fracasso e um = sucesso).
Lançamos um dado honesto e observamos a face que
fica para cima. Se a face voltada para cima for o número
5, teremos um sucesso. Se a face voltada para cima for
um número diferente de 5, teremos um fracasso.
Quando estávamos estudando a distribuição de
Bernoulli, nós tínhamos lançado este dado apenas uma
vez. Agora lançaremos este dado n vezes. Vamos supor
que n = 3, ou seja, vamos lançar o dado 3 vezes.
• Consideremos um experimento constituído por 𝑛 ensaios
INDEPENDENTES de Bernoulli. Cada ensaio pode resultar em um de dois
eventos mutuamente excludentes.
• A probabilidade de ocorrer o resultado favorável (sucesso) em cada ensaio
é 𝑝 e a probabilidade de ocorrer o resultado desfavorável (fracasso) em
cada ensaio é 𝑞 = 1 − 𝑝.
• 𝑋 é o número de sucessos em 𝑛 ensaios. Assim, X é no mínimo 0 e no
máximo n.
• 𝑋 tem distribuição binomial com parâmetros 𝑛 e 𝑝.
𝑛 a bca
• A probabilidade de ocorrerem 𝑘 sucessos em 𝑛 ensaios é 𝑝 X𝑞 .
𝑘
Um estudo indica que, nas comunidades que vivem em clima muito frio e com
uma dieta de baixa ingestão de gordura animal, a probabilidade de os casais
terem filhos do sexo masculino é igual a 1/4. Desse modo, a probabilidade de
um casal ter dois meninos e três meninas é igual a:
a) 37/64
b) 45/216
c) 1/64
d) 135/512
e) 9/16
Uma urna contém bolas vermelhas, azuis, amarelas e pretas. O número de bolas
pretas é duas vezes o número de bolas azuis, o número de bolas amarelas é
cinco vezes o número de bolas vermelhas, e o número de bolas azuis é duas
vezes o número de bolas amarelas. Se as bolas diferem apenas na cor, ao se
retirar ao acaso três bolas da urna, com reposição, qual a probabilidade de
exatamente duas bolas serem pretas?
a) 100/729.
b) 100/243.
c) 10/27.
d) 115/243.
e) 25/81.
O mau funcionamento de uma das máquinas de uma indústria fez com que 10%
das peças produzidas em um determinado lote apresentassem defeito.
Escolhendo-se aleatoriamente cinco peças desse lote, a probabilidade
aproximada de que menos de três delas apresentem esse defeito, se cada peça
retirada é reposta antes de se retirar a próxima, é de
(A) 90%.
(B) 91%.
(C) 93%.
(D) 96%.
(E) 99%.
Ao se jogar um dado honesto três vezes, qual o valor mais próximo da
probabilidade de o número 1 sair exatamente uma vez?
a) 35%
b) 17%
c) 7%
d) 42%
e) 58%
Em um experimento binomial com três provas, a probabilidade de ocorrerem
dois sucessos é doze vezes a probabilidade de ocorrerem três sucessos. Desse
modo, as probabilidades de sucesso e fracasso são, em percentuais,
respectivamente, iguais a:
a) 80 % e 20 %
b) 30 % e 70 %
c) 60 % e 40 %
d) 20 % e 80 %
e) 25 % e 75 %
OBRIGADO

Prof. Guilherme Neves