C ap´ıtulo 2

Teoria das P robabilidades

2. 1 Introdução
No cap´ıtulo anterior, foram mostrados alguns conceitos relacionados à estat´ıstica
descritiva. Neste cap´ıtulo apresentamos a base teórica para o desenvolvimento de t´e cnicas
estat´ısticas a serem utilizadas nos cap´ıtulos posteriores.
Vamos considerar as seguintes questões: C omo saber se um determinado produto
está sendo produzido dentro dos padrões de qualidade? C omo avaliar a capacidade de
um determinado exame acertar o verdadeiro diagnóstico? Q uestões como estas envolvem
algum tipo de variabilidade ou incerteza, e as decisões podem ser tomadas por meio da
teoria de probabilidades que permite a quantificação da incerteza.
A seguir, veremos alguns conceitos básicos de probabilidade.

2. 2 C onceitos B´a sicos de P robabilidade

• Fenômeno Aleatório: É um processo de coleta de dados em que os resultados poss´ıveis
são conhecidos mas não se sabe qual deles ocorrerá. Assim, um fenômeno aleatório
pode ser a contagem de ausências de um funcionário em um determinado mês, o
resultado do lançamento de uma moeda, verificar o resultado de um exame de sangue,
entre outros.

• Espaço Amostral: O conjunto de todos os resultados poss´ıveis do fenômeno aleatório

´e chamado de espaço amostral. Vamos representá-lo por Ω.

Exemplo 2 . 1 . Lançamento de uma moeda. Ω = { cara, coroa} .

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

Exemplo 2 . 3. Número de chips defeituosos em uma linha de produção durante 2 4 horas.

Ω = { 0, 1 , 2 , 3, . . . , n} , sendo n o número máximo de itens defeituosos.

Exemplo 2 . 4. Tempo de reação de uma pomada anest´e sica aplicada em queimados. Ω

= { t ∈ � | t≥ 0 } .

31
32 Teroria das Prob ab ilidades Winter, L. M. W. & Sganzerla, N. M. Z.

• Evento: Q ualquer subconjunto do espaço amostral Ω ´e chamado de evento. S erão

representados por letras maiúsculas A, B, . . . . Dentre os eventos podemos considerar
o evento união de A e B, denotado por A ∪ B, que, equivale à ocorrência de A, ou de
B, ou de ambos. A ocorrência simultânea dos eventos A e B, denotada por A ∩ B ´e
chamada de evento interseção. Dois eventos A e B dizem-se mutuamente exclusivos
ou disjuntos, quando a ocorrência de um deles impossibilita a ocorrência do outro.
O s dois eventos não têm nenhum elemento em comum, isto ´e , A ∩ B = ∅ ( conjunto
vazio) .

Exemplo 2 . 5 . S uponha um fenômeno aleatório conduzido com a finalidade de se conhecer

a eficiência de uma terapia na cura de uma s´ındrome. Para tanto, dois pacientes foram
tratados com a referida terapia. Vamos representar C e C, como curado e não curado,
respectivamente. O espaço amostral nesse caso ´e dado por:

Ω = { CC, CC, CC, CC} .

C onsidere os seguintes eventos: A “ obter uma cura” e B “ obter quatro curas”: S endo
assim, temos:
A = { CC, CC}

e
B = ∅.

2. 2. 1 D efinição cl´a ssica de probabilidade

Em fenômenos aleatórios tais como lançamento de uma moeda, de um dado, extra-

ção de uma carta de um baralho entre outros, temos que todos os resultados poss´ıveis tem
a mesma chance de ocorrer. Assim, por exemplo no lançamento de uma moeda a probabi-
lidade do evento cara ou coroa ocorrer são igualmente prováveis, ou seja, a probabilidade
atribu´ıda a cada um ´e 1 / 2 .
A probabilidade de um evento A qualquer ocorrer pode ser definida por:

número de casos favoráveis ao evento A

P( A) = .
número de casos poss´ıveis

Exemplo 2 . 6. C onsidere o fenômeno aleatório lançamento de um dado e o evento A “ sair

número par”. Q ual a probabilidade deste evento ocorrer?

3
P( A) = = 0, 5 0.
6
Na maioria das situações práticas, os resultados não têm a mesma chance de ocorrer,
deste modo, a probabilidade dos eventos deve ser calculada pela frequência relativa.
2. 2. Conceitos Básicos de Prob ab ilidade 33

2. 2. 2 Aproximação da P robabilidade p ela frequência relativa

Q uando não se tem conhecimento sobre as probabilidades dos eventos, estas podem
ser atribu´ıdas após repetidas observações do fenômeno aleatório, ou seja, a proporção de
vezes que um evento A qualquer ocorre pode ser estimada como segue:

número de ocorrências do evento A

P( A) = .
número de observações
Exemplo 2 . 7. Uma escola particular pretende oferecer um treinamento esportista aos
seus alunos. Dos 300 alunos entrevistados, 1 42 optaram pelo voleibol, 1 2 5 indicaram o
basquete e 35 indicaram o futebol. S elecionado aleatoriamente um desses alunos, qual a
probabilidade de obter algu´e m que prefere o voleibol?

1 42
P( V) = = 0, 47333.
300

À medida que o número de observações aumenta, as aproximações tendem a ficar

cada vez mais próximas da probabilidade efetiva.

2. 2. 3 P ropriedades de probabilidades

É uma função P( . ) que associa números reais aos elementos do espaço amostral e
satisfaz as condições:

1 . 0 ≤ P( A) ≤ 1 , para qualquer evento A;

2 . P( Ω) = 1 ;

3. P( ∅) = 0;

�
n
4. P( ∪ nj= 1 A j ) = P( A j ) .
j= 1

S e A for o evento complementar de A, então P( A) = 1 - P( A) .

2. 2. 4 Teorema da soma

Dado dois eventos A e B, a probabilidade de pelo menos um deles ocorrer ´e igual a

soma das probabilidades de cada um menos a probabilidade de ambos ocorrerem simulta-
neamente, ou seja:
P( A ∪ B) = P( A) + P( B) − P( A ∩ B) .

S e A e B forem mutuamente exclusivos, teremos P( A∩ B) = 0. Assim,

P( A ∪ B) = P( A) + P( B) .
34 Teroria das Prob ab ilidades Winter, L. M. W. & Sganzerla, N. M. Z.

Exemplo 2 . 8. C onsidere o experimento lançamento de um dado e os seguintes eventos:

A = { sair número 5 } ,
B = { sair número par} e
C = { sair número ´ımpar} .
Determinar: Ω, P( A) , P( B) , P( C ) , P( A∪ B) , P( A∪ C ) e P( A) .

Ω = { 1 , 2 , 3, 4, 5 , 6} .
1
P( A) = .
6
3
P( B) = .
6
3
P( C) = .
6
1 3 4
P( A ∪ B) = + = .
6 6 6
1 3 1 3
P( A ∪ C) = + − = .
6 6 6 6
1 5
P( A) = 1− = .
6 6

Exemplo 2 . 9. Um estudo realizado por uma empresa de recursos humanos mostrou que
45 % dos funcionários de uma multinacional sa´ıram da empresa porque estavam insatisfeitos
com seus salários, 2 8% porque consideraram que a empresa não possibilitava o crescimento
profissional e 8% indicaram insatisfação tanto com o salário como com sua impossibilidade
de crescimento profissional. C onsidere o evento S : “ o funcionário sai da empresa em razão
do salário” e o evento I: “ o funcionário sai da empresa em razão da impossibilidade de
crescimento profissional”. Q ual ´e a probabilidade de um funcionário sair desta empresa
devido a insatisfação com o salário ou insatisfação com sua impossibilidade de crescimento
profissional?

P( S ∪ I) = P( S) + P( I) − P( S ∩ I)
P( S ∪ I) = 0, 45 + 0, 2 8 − 0, 08 = 0, 65 .

2. 2. 5 P robabilidade condicional

Existem situações em que a chance de um particular evento acontecer depende do

resultado de outro evento. A probabilidade condicional de A dado que ocorreu B pode ser
determinada dividindo-se a probabilidade de ocorrência de ambos os eventos A e B pela
probabilidade do evento B; como se mostra a seguir:

P( A ∩ B)
P( A | B) = , P( B) > 0.
P( B)
2. 2. Conceitos Básicos de Prob ab ilidade 35

Exemplo 2 . 1 0. Em uma universidade foi selecionada uma amostra de 5 00 alunos que

cursaram a disciplina de Estat´ıstica. Entre as questões levantadas estava: Você gostou da
disciplina de Estat´ıstica? De 2 40 homens, 1 40 responderam que sim. De 2 60 mulheres, 2 00
responderam que sim. Para avaliar as probabilidades podemos organizar as informações
em uma tabela. maneira:

Tabela 2 . 1 : G osto pela disciplina de estat´ıstica segundo sexo.

G ostou
S exo S im Não Total
Homem 1 40 1 00 2 40
Mulher 2 00 60 2 60
Total 340 1 60 5 00

Q ual ´e a probabilidade de que um aluno escolhido aleatoriamente:

( a) H = S eja um homem?

2 40
P( H) = = 0, 48.
5 00
( b) G = G ostou da disciplina de Estat´ıstica?
360
P( G) = = 0, 72 .
5 00
( c) M = S eja uma mulher?
2 60
P( M) = = 0, 5 2 .
5 00
( d) NG = Não gostou da disciplina de Estat´ıstica?
1 60
P( NG) = = 0, 32 .
5 00
( e) S eja uma mulher ou gostou da disciplina de Estat´ıstica.
2 60 340 2 00
P( M ∪ G) = + − = 0, 80.
5 00 5 00 5 00
( f) S eja uma mulher e gostou da disciplina de Estat´ıstica.
2 00
P( M ∩ G) = = 0, 40.
5 00
( g) Dado que o aluno escolhido gostou da disciplina de Estat´ıstica. Q ual a probabilidade
de que o aluno seja um homem?
P( H ∩ G) 1 40
P( H | G) = = = 0, 41 1 76.
P( G) 340
( h) Dado que o aluno escolhido ´e uma mulher. Q ual a probabilidade de que ela não gostou
da disciplina de Estat´ıstica?

P( NG ∩ M) 60
P( NG | M) = = = 0, 2 3077.
P( M) 2 60
36 Teroria das Prob ab ilidades Winter, L. M. W. & Sganzerla, N. M. Z.

2. 2. 6 Teorema do produto
Da definição de probabilidade condicional P( A| B) = P(P(A∩BB) ) podemos obter o teo-
rema do produto, que nos permite calcular a probabilidade da ocorrência simultânea de
dois eventos. S ejam A e B eventos de Ω, a probabilidade de A e B ocorrerem juntos ´e
dada por:

P( A ∩ B) = P( A) P( B| A) , com P( A) > 0

ou

P( A ∩ B) = P( B) P( A| B) , com P( B) > 0.

Dois eventos A e B são independentes quando a ocorrência de um não altera a

probabilidade de ocorrência do outro. Desse modo,

P( A ∩ B) = P( A) P( B) .

Exemplo 2 . 1 1 . Uma empresária sabe por experiência, que 65 % das mulheres que com-
pram em sua lo ja preferem sandálias plataformas. Q ual ´e a probabilidade de as duas
próximas clientes comprarem cada uma delas, uma sandália plataforma? Vamos admi-
tir que o evento A “ a primeira cliente compra uma sandália plataforma” e o evento B “ a
segunda cliente compra uma sandália plataforma”. Então,

P( A ∩ B) = ( 0, 65 ) ( 0, 65 ) = 0, 42 2 5 .

2. 2. 7 Teorema da probabilidade total

S uponha que os eventos C1 , C2 , . . . , Cn formam uma partição do espaço amostral.
O s eventos não têm interseções entre si e a união destes ´e igual ao espaço amostral. S eja
A um evento qualquer desse espaço, então a probabilidade de ocorrência desse evento será
dada por:
P( A) = P( A ∩ C1 ) + P( A ∩ C2 ) + · · · + P( A ∩ Cn )

e usando a definição de probabilidade condicional,

P( A) = P( C1 ) P( A| C1 ) + P( C2 ) P( A| C2 ) + · · · + P( Cn ) P( A| Cn ) .

Exemplo 2 . 1 2 . Uma caixa I cont´e m 2 fichas verdes e 3 vermelhas. Uma segunda caixa
II cont´e m 4 fichas verdes e 3 vermelhas. Escolhe-se, ao acaso, uma caixa e dela retira-se,
tamb´e m ao acaso uma ficha. Q ual a probabilidade de que a ficha retirada seja verde? S e
denotarmos por I e II o evento caixa I e caixa II, respectivamente e V o evento a ficha ´e
verde, temos: P( I) = 12 , P( V| I) = 25 , P( II) = 12 e P( V| II) = 47 .
Desta forma, o evento V (“ ficha verde”) pode ser escrito em termos de interseções
do evento V com os eventos I e II,
2. 2. Conceitos Básicos de Prob ab ilidade 37

V = ( V ∩ I) ∪ ( V ∩ II)

P( V) = ( P( V ∩ I) ) + ( P( V ∩ II)
= P( I) ( P( V| I) ) + ( P( II) P( V| II)
1 2 1 4
= + = 0, 485 71 .
2 5 2 7
Exemplo 2 . 1 3. Um estabilizador pode provir de três fabricantes I, II e III com probabili-
dades de 0, 2 5 , 0, 35 e 0, 40, respectivamente. As probabilidades de que durante determinado
per´ıodo de tempo, o estabilizador não funcione bem são, respectivamente, 0, 1 0; 0, 05 e 0, 08
para cada um dos fabricantes. Q ual ´e a probabilidade de que um estabilizador escolhido ao
acaso não funcione bem durante o per´ıodo de tempo especificado. S e denotarmos por A o
evento “ um estabilizador não funcione bem” e por C1 , C2 e C3 os eventos “ um estabilizador
vem do fabricante I, II e III”, respectivamente. A probabilidade de que um estabilizador
escolhido ao acaso não funcione bem durante o per´ıodo de tempo especificado ´e :

P( A) = P( C1 ) P( A| C1 ) + P( C2 ) P( A| C2 ) + P( C3 ) P( A| C3 )
= ( 0, 2 5 ) ( 0, 1 0) + ( 0, 35 ) ( 0, 05 ) + ( 0, 40) ( 0, 08) = 0, 0745 0.

2. 2. 8 Teorema de B ayes
C onsidere C1 , C2 , . . . , Cn eventos que formam uma partição do espaço amostral Ω,
cujas probabilidades são conhecidas. C onsidere que para um evento A se conheçam as
probabilidades condicionais, desta forma:

P( Cj ) P( A| Cj )
P( Cj | A) = , j = 1 , 2 , . . . , n.
P( C1 ) P( A| C1 ) + P( C2 ) P( A| C2 ) + · · · + P( Cn ) . P( A| Cn )

Exemplo 2 . 1 4. C onsidere o exemplo anterior para o desenvolvimento do Teorema de

Bayes. Dado que o estabilizador escolhido ao acaso não funciona bem durante o per´ıodo
de tempo especificado, qual a probabilidade de que tenha sido produzido pelo fabricante
I, isto ´e , P( C1 | A) .

P( A) P( A| C1 )
P( C1 | A) =
P( C1 ) P( A| C1 ) + P( C2 ) P( A| C2 ) + P( C3 ) P( A| C3 )
( 0, 2 5 ) ( 0, 1 0)
= = 0, 335 5 7.
0, 0745 0