Probabilidade
Prof. Fábio Veríssimo Jaques da Silveira
Experimento Aleatório
Um experimento aleatório é um processo ou procedimento que,
ao ser realizado, produz um resultado que não pode ser previsto
com certeza, ainda que seja possível listar todos os resultados
possíveis.
Espaço Amostral
O conjunto de todos os possíveis resultados de um experimento
aleatório é chamado de espaço amostral e é denotado pela
letra grega Ω. Eis alguns exemplos:
(a) Lançar um dado e observar a face voltada para cima:
Ω = {1, 2, 3, 4, 5, 6}.
(b) Retirar uma carta de um baralho comum e observar o naipe:
Ω = {copas, espadas, ouros, paus}.
(c) Número de mensagens que são transmitidas corretamente
por dia em uma rede de computadores: Ω = {1, 2, 3, . . .}.
(d) Observar o diâmetro (em mm) de um eixo produzido em
uma metalúrgica: Ω = {d ∈ R|d > 0}.
O espaço amostral pode ser:
1. Finito: como em (a) e (b).
2. In nito enumerável: formado por um número in nito de
resultados que podem ser listados, como em (c).
3. In nito: formado por intervalos de números reais, como (d).
Espaços Amostrais e Eventos
Um espaço amostral é dito discreto quando for nito ou
in nito enumerável. E é dito contínuo quando for in nito,
formado por intervalos de números reais.
Chamamos de evento qualquer subconjunto do espaço
amostral. Isto é, A é um evento, se e somente se, A ⊂ Ω.
Exemplo. Seja o experimento de lançar um dado. Temos:
Ω = {1, 2, 3, 4, 5, 6}. São exemplos de eventos:
A = número par do dado = {2, 4, 6}.
B = número maior que dois do dado = {3, 4, 5, 6}.
C = número seis = {6}.
Espaços Amostrais e Eventos
Espaços Amostrais e Eventos
Exemplo. Voltemos ao experimento de lançar um dado. Temos:
Ω = {1, 2, 3, 4, 5, 6}. E os eventos:
A = número par do dado = {2, 4, 6}.
B = número maior que dois do dado = {3, 4, 5, 6}.
C = número seis = {6}.
Escreva:
A, B , C , A ∪ B , A ∪ C , A ∪ A, A ∩ B , A ∩ C e A ∩ A.
Eventos são ditos mutuamente exclusivos ou disjuntos se, e
somente se, eles não puderem ocorrer simultaneamente. Dois
eventos D e E são mutuamente exclusivos se e só se D ∩ E = ∅.
Exemplo. Apresente os espaços amostrais:
(a) Lançar uma moeda e observar a face voltada para cima.
(b) Observar a qualidade de peças produzidas, registrando o
número de peças defeituosas.
(c) Medir a velocidade do vento, em km/h, na pista de um
aeroporto.
De nições de Probabilidade
Intuitivamente, as pessoas sabem como calcular algumas
probabilidades para tomar decisões.
(a) Suponha que você fez uma aposta com um amigo. O
vencedor será aquele que acertar a face que car para cima, no
lançamento de uma moeda honesta. Qual é a probabilidade de
você ganhar?
(b) Você continua apostando com o mesmo amigo. O vencedor
será aquele que acertar o naipe de uma carta que será retirada,
ao acaso, de um baralho comum de 52 cartas. Qual a
probabilidade de você ganhar?
De nições de Probabilidade
De nição clássica de probabilidade. Considere um
experimento aleatório no qual todos os resultados são
igualmente prováveis e Ω é seu espaço amostral. A
probabilidade de um certo evento A acontecer é de nida como:
#A
P (A) = ,
#Ω
onde #Ω representa o número de elementos de Ω (ou seja, o
número total de casos) e #A representa o número de casos
favoráveis ao evento A.
(a) No caso da moeda, temos Ω = {cara, coroa}. Digamos que
A = {coroa}. Vem que:
#A 1
P (A) = = .
#Ω 2
De nições de Probabilidade
(b) No caso das cartas do baralho, digamos que o evento B seja
retirar uma carta de ouros. Temos que #B = 13, pois há 13
cartas de ouros num baralho comum. Vem que:
#Ω = 52 = 4 .
P (B) = #B 13 1
De nição frequentista de probabilidade. Seja um
experimento aleatório com espaço amostral Ω e um evento A de
interesse. Suponha que esse experimento seja repetido n vezes e
o evento A ocorreu nA vezes. A frequência relativa do evento A
é dada por:
nA
fA =
n
À medida que o experimento é repetido mais e mais vezes, a
frequência relativa de A tenderá a car cada vez mais próxima
da probabilidade de ocorrência de A. Mais especi camente:
nA
P (A) = lim fA = lim .
n→∞ n→∞ n
Axiomas da probabilidade
Seja Ω um espaço amostral associado a um experimento
aleatório. A cada evento Ei de Ω, com i = 1, 2, 3, . . .,
associaremos um número real denominado probabilidade da
ocorrência de Ei , a saber, P (Ei ). Os seguintes axiomas devem
ser satisfeitos:
(a) 0 ≤ P (Ei ) ≤ 1.
(b) P (Ω) = 1.
(c) Se E1 , E2 , . . . , En é uma coleção de eventos mutuamente
exclusivos, então
P (E1 ∪ E2 ∪ . . . ∪ En ) = P (E1 ) + P (E2 ) + . . . + P (En ) .
Ou equivalentemente:
n n
!
[ X
P Ei = P (Ei ) .
i=1 i=1
Algumas propriedades da probabilidade
Propriedade 1. O evento representado por ∅ é chamado de
evento impossível e P (∅) = 0.
Propriedade 2. Sejam A ⊂ Ω e A o evento complementar de A.
Então P (A) = 1 − P (A). De igual modo, P (A) = 1 − P (A).
Propriedade 3. Regra da soma. Sejam A e B eventos quaisquer,
então:
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) .