Clculo das Probabilidades e

Estatstica I
Profa . Juliana Freitas Pires
Departamento de Estatstica
Universidade Federal da Paraba - UFPB
juliana@de.ufpb.br
 Introduo a Probabilidade

Existem dois tipos de experimentos:

Determinsticos: Os resultados so sempre os mes-

mos e determinados pelas condies sob as quais o
procedimento seja executado.
Exemplo: Ponto de ebulio da gua, ponto de
congelamento da gua, Leis da Fsica.

No-Determinsticos (Probabilstico ou Alea-

trio): Os resultados podem variar, mesmo quando
so executados sob as mesmas condies.
 Exemplos de um Experimento Aleatrio

E1 : Jogar um dado e observar a face acima.

E2 : Jogar uma moeda quatro vezes e observar o n-
mero de caras obtidas.
E3 : Jogar uma moeda duas vezes e observar a sequn-
cia obtida.
E4 : Em uma linha de produo contar o nmero de
peas defeituosas em um perodo de 8h.
E5 : Durao de vida de uma lmpada (em horas).
 Caracterstica de um Experimento Aleatrio

O experimento pode ser repetido indefinidamente

sob as mesmas condies.
Embora no sejamos capazes de afirmar o resul-
tado que ocorrer, seremos capazes de descrever
o conjunto de todos os possveis resultados.
Quando o experimento for repetido um grande
nmero de vezes, uma configurao definida ou
regularidade surgir.
Obs: Essa regularidade torna possvel construir mo-
delos matemticos que possibilitam analisar cada
tipo de experimento.
 Conceitos Iniciais

Espao Amostral: Para cada experimento E, de-

finimos o espao amostral (S) como o conjunto de
todos os possveis resultados de E.
Exemplo: Considerando o exemplo anterior:
S1 = {1, 2, 3, 4, 5, 6}.
S2 = {0, 1, 2, 3, 4}.
S3 = {kk, cc, kc, ck}, em que k = coroa e c = cara.
S4 = {0, 1, 2, . . . , N }, onde N o nmero mximo
de peas produzidas.
S5 = {t|t 0}, onde t uma quantidade em horas.
 Conceitos Iniciais

Evento: Dado um espao amostral S, associado a

um experimento E qualquer, definimos como evento
qualquer subconjunto desse espao amostral.
Exemplo: Considerando o exemplo anterior:
A1 : um nmero par ocorre, A1 = {2, 4, 6}.
A2 : duas caras ocorrem, A2 = {2}.
A3 : pelo menos uma caras ocorrem, A3 = {cc, kc, ck}.
A4 : todas as peas so perfeitas, A4 = {0}.
A5 : a lmpada queima em menos de, 3h A5 = {t|0
t 3}.
 Operaes Bsicas com Eventos

Sejam A, B e C eventos de um espao amostral S.

Unio: A B o evento que ocorrer se e so-
mente se A ou B ou ambos ocorrerem.
Exemplo:

A = {1, 2, 3}, B = {0}, ento AB = {0, 1, 2, 3}

Interseco: A B o evento que ocorrer se
e somente se A e B ocorrerem simultaneamente.
Exemplo:

A = {2, 3, 4}, B = {2, 4, 6}, ento AB = {2, 4}

 Operaes Bsicas com Eventos

Complementar: Se Ac o evento complementar

de A, ento Ac consiste em todos os resultados do
espao amostral que no estejam includos no evento
A.
Exemplo: E1 : Jogar um dado e observar a face acima.

A = {2, 3, 4}, ento Ac = {1, 5, 6}

Leis de De Morgan: (A B)c = Ac B c

(A B)c = Ac B c

Leis Distributivas: A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
 Tipos de eventos
Eventos Mutuamente Exclusivos (ou disjun-
tos): Dois eventos, A e B, so mutuamente exclu-
sivos se no possuem nenhum elemento em comum,
ou seja, A B = .
Exemplo: A = {2, 4, 6} e B = {1, 3}
 Tipos de eventos
Eventos no mutuamente exclusivos: Se dois
eventos possuem elementos em comum, eles no so
mutuamente exclusivos, ou seja, A B 6= .
Exemplo: A = {2, 4, 6} e B = {5, 6}
 Probabilidade
Probabilidade: uma medida com a qual pode-
mos esperar a chance de ocorrncia de um deter-
minado evento, atribuindo-a um nmero (valor) en-
tre 0 e 1. Assim, se temos a certeza de que um
evento ocorrer, diremos que sua probabilidade 1
(ou 100%), caso contrrio (certeza que no ocorrer)
diremos que sua probabilidade 0 (ou 0%). Se, por
exemplo, a probabilidade 1/4 diremos que existe
uma chance de 25% de ocorrncia de tal evento.

Obs. Para obtermos o resultado em termos de

percentual s multiplicar a probabilidade por
100.
 Probabilidade

Espaos Amostrais Finitos Equiprovveis: quan-

do associamos a cada ponto amostral ( cada ele-
mento do espao amostral) a mesma probabilidade,
o espao amostral chama-se equiprovvel.

S = {a1 , a2 , . . . , an }

p1 p2 pn
1
Obs. p1 = p2 = = pn = n
 Probabilidade

Definio Clssica: Seja um evento A qualquer.

Temos que:

Nmero de elementos no evento A

P (A) =
Nmero total de elementos no espao amostral S

Exemplo: A1 = {sair PAR} = {2, 4, 6}

3 1
P(A1 ) = = = 0, 5 = (50%)
6 2
 Exemplo
Experimento (E): Dois dados so jogados.
Espao Amostral (S):

Detemine a probabilidade de que:

3
A = {a soma seja 4} P(A) = = 0, 083
36
2
B = {a soma seja 11} P(B) = = 0, 056
36
 Probabilidade
Definio axiomtica: Seja S um espao amos-
tral associado a E. A cada evento A associaremos
um nmero real, representado por P (A) e denomi-
nado probabilidade de A, que satisfaa os seguintes
axiomas.
Axiomas:
A1. 0 P(A) 1;
A2. P(S) = 1;
A3. Se A e B forem mutuamente exclusivos, ou
seja, disjuntos (A B = ), ento

P(A B) = P(A) + P(B).

 Probabilidade

Propriedades:
P1. Se o conjunto vazio, ento P() = 0.
P2. Se Ac for o evento complementar de A, ento
P(Ac ) = 1 P(A).
P3. Se A e B so dois eventos quaisquer, ento

P(A B) = P(A) + P(B) P(A B).

P4. Se A B, ento P(A) P(B).

 Exemplo

Uma carta tirada de um baralho. Determine

a probabilidade de ser um rei OU ser de naipe
vermelho.
A = {a carta um rei} B = {a carta vermelha}
4 26 2
P(A) = P(B) = P(A B) =
52 52 52
4 26 2 28
P(A B) = + = = 0, 5385.
52 52 52 52
 Exemplo

Uma carta tirada de um baralho. Determine a

probabilidade de a carta ser um rei OU um 10.
A = {a carta um rei} B = {a carta um 10}
4 4
P(A) = P(B) = P(A B) = 0
52 52
4 4 8
P(A B) = + = = 0, 054.
52 52 52
 Exerccio

Em uma seleo para uma vaga de engenheiro

mecnico de uma grande empresa verificou-se
que dos 100 candidatos 40 tinham experincia
anterior, 30 possuam curso de especializao
e 20 possuam tanto experincia como algum
curso de especializao. Escolhendo um candi-
dato ao acaso, qual a probabilidade de que:
a) Ele tenha experincia anterior ou algum curso
de especializao?
b) Ele no tenha experincia anterior nem curso de
especializao?
 Soluo

A = {O candidato possui experincia anterior}

B = {O candidato possui especializao}

P(A) = 0, 4 P(B) = 0, 3 P(A B) = 0, 2

a) Ele tenha experincia ou algum curso de especializao?

P(AB) = P(A)+P(B)P(AB) = 0, 4+0, 30, 2 = 0, 5.

b) Ele no tenha experincia anterior nem curso de especia-

lizao?

P(Ac B c ) = P [(A B)c ] = 1 P(A B)

= 1 0, 5 = 0, 5
 Tabela de Contingncia

Revela a existncia de eventos combinados, e fa-

cilita o tratamento probabilstico de tais eventos.

uma tabela que disponibiliza informaes dire-

tamente nas linhas e colunas, e que alm dessas
informaes possvel visualizar tambm o n-
mero de casos comuns s intersees de eventos.
 Exemplo
Perguntou-se a uma amostra de adultos em trs ci-
dades se eles gostavam de um novo suco. Os resul-
tados esto a seguir.

Determine a probabilidade de sortear um adulto de

Natal ou que tenha gostado do suco.
P(Natal Sim) = P(Natal) + P(Sim) P(Natal Sim)
250 400 150 500
= + = = 0, 5
1000 1000 1000 1000
 Probabilidade Condicional

Definio: A probabilidade de um evento A ocor-

rer, dado (ou na condio de) que outro evento B
j ocorreu.

P(A B)
P(A|B) =
P(B)
Escrevemos essa situao como P(A|B) e lemos a
probabilidade de A, dado B .
 Exemplo

Dois dados so lanados ao acaso. Qual a probabi-

lidade da soma ser igual a 6, dado que o primeiro
dado saiu nmero menor que 3.
A = {soma igual a 6} = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)}

B= {1o dado com no < 3}

= {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
= (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6)}
A B = {(1, 5), (2, 4)}

Logo
2/36 2 1
P (A|B) = 12/36
= 12
= 6
 Exerccio

Considerando a tabela anterior.

Um adulto selecionada ao acaso. Determine a

probabilidade do adulto:
1 no ter gostado do suco?

2 ser de Natal?

3 ter respondido no, sabendo que ele de natal?

 Soluo

1 no ter gostado do suco?

350
P(No) = 1000
2 ser de Natal?
250
P(Natal) = 1000
3 ter respondido no, sabendo que ele de natal?
P(No Natal)
P(No|Natal) =
P(Natal)
95/1000 95
= = = 0, 38
250/1000 1000
 Teorema do Produto

O teorema do produto (ou regra da multiplica-

o) utilizado quando temos o interesse em
determinar a probabilidade de que dois eventos
ocorram em sequncia.
Sejam A e B dois eventos quaisquer de um mesmo
espao amostral S, ento:

P(A B) = P(B) P(A|B)

P(A B) = P(A) P(B|A)
Esse teorema consequncia direta da definio
de probabilidade condicional.
 Exemplo

Dois carros so selecionados em uma linha de

produo com 12 unidades, 5 delas defeituosas.
Determine a probabilidade de ambos os carros
serem defeituosos.
A = {O 1 carro defeituoso}
B = {O 2 carro defeituoso}
5
P(A) = 12
4
P(B|A) = 11
5 4 5
P (A B) = 12 11 = 33 = 0, 1515
 Teorema do Produto

O teorema da multiplicao de probabilidades

pode ser generalizado para mais de dois eventos.

Sejam A1 , A2 , . . . , An eventos quaisquer de um

mesmo espao amostral S, a probabilidade da
ocorrncia simultnea de A1 , A2 , . . . , An dada
por:
P(A1 A2 An ) =P(A1 ) P(A2 |A1 )
P(An |A1 A2 An1 )
 Exemplo

Considerando o exemplo anterior, trs carros so

selecionados aleatoriamente. Determine a pro-
babilidade de todos os carros serem defeituosos.
A = {O 1 carro defeituoso}
B = {O 2 carro defeituoso}
C = {O 3 carro defeituoso}
5
P(A) = 12
4
P(B|A) = 11
3
P(C|A B) = 10
5 4 3 1
P (A B C) = 12 11 10 = 22 = 0, 0454
 Independncia

Dois eventos A e B so independentes se a pro-

babilidade de ocorrncia do evento B no afe-
tada pela ocorrncia (ou no-ocorrncia) do e-
vento A. Isto ,

P(B|A) = P(B).
Os eventos A e B so independentes se

P(A B) = P(A) P(B).

Dois eventos que no so independentes so de-
pendentes.
 Exemplo

Entre os 12 carros de uma linha de produo, 5 tm

defeito e 2 so selecionados ao acaso.

A = {O 1 carro defeituoso}

B = {O 2 carro defeituoso}
A probabilidade de o segundo carro ser defeituoso
depende de o primeiro ter ou no defeito. Os eventos
so dependentes.
 Exemplo

Exemplo de eventos independentes:

Dois dados so lanados. Determine a probabilidade

de sair 4 em ambos.

A = {sair 4 no primeiro} B = {sair 4 no segundo}

1 1
P(A) = P(B|A) =
4 4
Os eventos so independentes.
 Teorema da Probabilidade Total
Sejam B1 , B2 , . . . , Bk uma partio do espao amos-
tral S, ou seja, eventos mutuamente exclusivos e que
a unio deles formem o espao amostral. Seja A um
evento qualquer associado a S, ento:
P(A) = P(A|B1 )P(B1 ) + P(A|B2 )P(B2 ) + + P(A|Bk )P(Bk )
k
X
= P(A|Bi )P(Bi )
i=1
 Exemplo

Em uma turma 60% dos estudantes so homens e 40% mu-

lheres. Alm disso, sabe-se que 1% dos homens e 4% das
mulheres tem menos de 1, 60m. Dado que um estudante foi
sorteado aleatoriamente, qual a probabilidade dele ter menos
de 1, 60m?

H = {Homem}, M = {Mulher}, A = {menos de 1, 60m}

P(H) = 0, 6 P(A|H) = 0, 01
P(M ) = 0, 4 P(A|M ) = 0, 04

P(A) = P(A|M )P(M ) + P(A|H)P(H)

= 0, 04 0, 4 + 0, 01 0, 6
= 0, 022.
 Teorema de Bayes

Sejam B1 , B2 , . . . , Bk uma partio do espao amos-

tral S e seja A um evento qualquer associado a S,
ento:
P(Bi A) P(A|Bi )P(Bi )
P(Bi |A) = =
P(A) P(A|B1 )P(B1 ) + + P(A|Bk )P(Bk )
 Exemplo

Em uma turma 60% dos estudantes so homens e 40%

mulheres. Alm disso, sabe-se que 1% dos homens e 4% das
mulheres tem menos de 1, 60m. Dado que um estudante
com menos de 1, 60m foi sorteado aleatoriamente, qual a
probabilidade de ser mulher?

H = {Homem}, M = {Mulher}, A = {menos de 1, 60m}

P(M A) P(A|M )P(M )

P(M |A) = =
P(A) P(A|M )P(M ) + P(A|H)P(H)
0, 04 0, 4
= = 0, 727
(0, 04 0, 4) + (0, 01 0, 6)