UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Probabilidade e Estatstica
Prof. Dr. Narciso Gonalves da Silva
http://paginapessoal.utfpr.edu.br/ngsilva

Probabilidade
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Probabilidade

Experimento Aleatrio
Um experimento dito aleatrio quando satisfaz as seguintes
condies:
Pode ser repetido indefinidamente
possvel descrever todos os resultados do experimento,
sem predizer com certeza qual ocorrer
Obedece regularidade estatstica, ou seja, quando o
experimento for repetido um grande nmero de vezes,
surgir uma configurao definida

2
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Probabilidade

Experimento Aleatrio

Exemplos:
Lanar um dado e observar a face superior
Lanar duas moedas e verificar as faces que ocorrem
Verificar o tempo de vida de uma lmpada

3
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Probabilidade
Espao Amostral
o conjunto de todos os resultados possveis de um
experimento aleatrio
Exemplo:
Considere o experimento aleatrio sendo o lanamento de duas
moedas no viciadas.
E = duas moedas no viciadas so lanadas
Seja cara = k e coroa = c
= {(k,k), (k,c), (c,k), (c,c)}

4
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Probabilidade

Tipos de Espao Amostral

1) Finito: tem um nmero finito de elementos
Exemplo: Lanamento de um dado
= {1, 2, 3, 4, 5, 6}

2) Infinito enumervel ou contvel: tem um nmero infinito

de elementos enumerveis
Exemplo: Uma moeda lanada sucessivas vezes at que ocorra
uma coroa (c)
= {c, kc, kkc, kkkc, kkkkc, ... }

3) Infinito no enumervel ou no contvel: tem um

nmero infinito de elementos no enumerveis
Exemplo: Observar o tempo de vida de uma lmpada
= {x / x R, x 0}
5
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Probabilidade

Evento
qualquer subconjunto de um espao amostral
Sempre deve ser considerado o evento impossvel (aquele que
nunca ocorre) e o evento certo (que prprio espao amostral )
Exemplo:
No lanamento de um dado no viciado, considere o evento A
quando ocorre um nmero par:
E = uma dado no viciado lanado
A = face par ocorre
= {1, 2, 3, 4, 5, 6}
A = {2, 4, 6} 6
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Operaes com Eventos

Sejam A e B dois eventos de um espao amostral

a) Unio

7
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Operaes com Eventos

b) Interseco

8
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Operaes com Eventos

c) Diferena

9
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Operaes com Eventos

d) Complementar

10
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Operaes com Eventos

e) Mutuamente Excludentes

11
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Operaes com Eventos

Exemplos:
1) Sendo os eventos A = {1, 3, 4, 7, 8}, B = {1, 2, 5, 6, 7, 9}
e = N, determinar:
a) A U B
b) A B
c) A B
d) B A
e) Ac B

12
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Operaes com Eventos

Exemplos:
2) Numa pesquisa, das pessoas entrevistadas, 120 assistem a emissora A, 150
assistem a emissora B, 40 assistem as duas emissoras e 120 no assistem
nenhuma das emissoras. Quantas pessoas foram entrevistadas?
Resposta: 350 pessoas

3) Sejam A, B e C eventos de um espao amostral . Exprimir os eventos abaixo

utilizando as operaes de unio, interseco e complementar.
a) Somente o evento B ocorre.
Resposta: Ac B Cc
b) Pelo menos um evento ocorre.
Resposta: A U B U C
c) Os trs eventos ocorrem.
Resposta: A B C
d) Exatamente dois eventos ocorrem.
Resposta: (A B Cc) U (A Bc C) U (Ac B C)
13
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Operaes com Eventos
Exemplos:
4) Exprimir os eventos hachurados nos diagramas abaixo
utilizando as operaes de unio, interseco e complementar.

Ocorre o evento A Ocorre o evento A B Ocorre o evento B U C

Ocorre o evento (A B) U (A C) Ocorre o evento (A Bc Cc)

14
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Propriedades das operaes com evento

15
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Propriedades das operaes com evento

16
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Partio de um Espao Amostral

17
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN Definies de Probabilidade

1) Definio Frequentista (Richard von Mises, 1883-1953)

Se em N realizaes de um experimento aleatrio, o evento A
ocorre nA vezes, ento a frequncia relativa de A nas N
realizaes :
nA
fr =
N

E a probabilidade de ocorrncia do evento A :

nA
P( A )=lim
N
N

18
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN Definies de Probabilidade

2) Definio Clssica (Atribuda Laplace)

Seja um espao amostral finito , formado por
eventos equiprovveis. Sendo A um evento de
, ento a probabilidade de ocorrncia de A
dada por: Pierre-Simon Laplace
(1749-1827)

n( A )
P( A ) = , com 0 P(A) 1,
n()

Onde:
n(A) o nmero de elementos do evento A
n() o nmero de elementos do espao amostral
19
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN Definies de Probabilidade

Exemplo:
Qual a probabilidade de sair pelo menos uma cara em dois
lanamentos consecutivos de uma moeda no viciada?
Soluo:
cara = k e coroa = c
= {k1k2, k1c2, c1k2, c1c2}

A = sair pelo menos uma cara

A = {k1k2, k1c2, c1k2}

n( A ) 3
P( A ) = = = 75%
n() 4
20
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN Definies de Probabilidade

3) Definio Axiomtica da Probabilidade

Considere os eventos A e B associados ao espao

amostral .
1) 0 P(A) 1
2) P() = 1
3) Se A e B so eventos mutuamente excludentes,
ento P(A U B) = P(A) + P(B)

21
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Teoremas da Probabilidade

1) Se um conjunto vazio, ento P() = 0.

Demonstrao:
Tem-se: U =
Como = , ento e so mutuamente excludentes.
Aplicando o 3 axioma:
P( U ) = P() + P() = P()
P() = 0
Exemplo:
A probabilidade de ocorrer face 2 e 3 no lanamento de um dado
no viciado P() = 0, enquanto que a probabilidade de ocorrer
face 2 ou 3 1/6 + 1/6 = 1/3.
22
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Teoremas da Probabilidade

2) Se Ac o evento complementar do evento A, ento

P(Ac) = 1 P(A).

Demonstrao:
Ac U A =
P(Ac U A) = P()
Ac A = , ento Ac e A so mutuamente excludentes.
Aplicando o 3 axioma:
P(Ac) + P(A) = P()
P(Ac) = P() P(A)
P(Ac) = 1 P(A)

23
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Teoremas da Probabilidade
Exemplo:
Uma urna contm 4 bolas verdes, 3 bolas brancas e 8 bolas amarelas.
Uma bola retirada aleatoriamente. Determinar a probabilidade de que
a bola retirada:
a) No ser amarela
b) No ser verde e nem amarela

Soluo: V = a bola retirada verde P(V) = 4/15 = 26,67%

B = a bola retirada branca P(B) = 3/15 = 20,00%
A = a bola retirada amarela P(A) = 8/15 = 53,33%
a) Ac = a bola retirada no amarela
P(Ac) = 1 P(A) = 1 8/15 = 7/15 = 46,67% = P(V U B)
b) Vc Ac = a bola retirada no verde e nem amarela
Da lei de Morgan: Vc Ac = (V U A)c
P[(V U A)c] = 1 P(V U A). Como V e A so mutuamente excludente:
P[(V U A)c] = 1 [P(V) + P(A)] = 1 4/15 8/15 = 3/15 = 20,00% = P(B)
24
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Teoremas da Probabilidade

3) Teorema da Soma
Se A e B so dois eventos quaisquer, ou seja, podem ser
mutuamente excludentes ou no, ento:
P(A U B) = P(A) + P(B) - P(A B)

Demonstrao:
Se A B , ento A e (Ac B) so mutuamente excludentes e
A U (Ac B) = A U B, logo:
P[(A U (Ac B)] = P(A U B) = P(A) + P(Ac B) (1)
Considerando que B a unio dos eventos mutuamente excludentes
(B A) e (B Ac), ento:
P(B) = P(B A) + P(B Ac)
P(B Ac) = P(B) - P(B A) (2)
Substituindo (2) em (1), tem-se:
P(A U B) = P(A) + P(B) - P(A B)
25
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Teoremas da Probabilidade
Exemplo:
Dois dados no viciados foram lanados simultaneamente. Determine a
probabilidade de ocorrer pelo menos uma face 5.
Soluo: A = ocorrer face 5 no dado 1
B = ocorrer face 5 no dado 2
A U B = ocorrer pelo menos uma face 5

Dado 2
Dado 1
1 2 3 4 5 6 n() = 36
1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) n(A) = 6
2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6) n(B) = 6
3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) n(A B) = 1
4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

P(A U B) = P(A) + P(B) P(A B) = 6/36 + 6/36 1/36 = 11/36 = 30,56% 26

 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Teoremas da Probabilidade

4) Se A, B e C so eventos quaisquer, ou seja, podem ser

mutuamente excludentes ou no, ento:
P(A U B U C) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P(A B C)

5) Se A - B a diferena entre os eventos quaisquer A e B,

ento, P(A - B) = P(A) - P(A B).

Demonstrao:
A = (A B) U (A B)
Como (A B) e (A B) so mutuamente excludentes,
ento aplicando o 3 axioma:
P(A) = P[(A B) U (A B)] = P(A B) + P(A B). Logo:
P(A - B) = P(A) - P(A B)
27
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Teoremas da Probabilidade
Exemplo:
Prove que P[(A Bc) U (Ac B)] = P(A) + P(B) 2.P(A B)
Soluo:
A Bc = A B e Ac B = B A
Como A Bc e Ac B so mutuamente excludentes:
P[(A Bc) U (Ac B)] = P(A Bc) + P(Ac B)
Sabe-se que: P(A Bc) = P(A B) = P(A) P(A B) e
P(Ac B) = P(B A) = P(B) P(B A)
sendo A B = B A
Ento: P[(A Bc) U (Ac B)] = P(A) + P(B) 2.P(A B)

28
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Probabilidade Condicional e Independncia

Considere o experimento aleatrio E = um dado honesto lanado e a face

observada e os eventos A = ocorre face 3 e B = ocorre face mpar
= {1, 2, 3, 4, 5, 6}
A = {3}
B = {1, 3, 5}

Qual a probabilidade do evento A ocorreu?

n( A ) 1
P( A ) = =
n() 6

Qual a probabilidade do evento B ocorreu?

n(B) 3 1
P(B) = = =
n() 6 2
Qual a probabilidade do evento A ocorrer sabendo que o evento B j
ocorreu?
n( A ) 1
P( A / B) = =
n(B) 3
29
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Probabilidade Condicional e Independncia

Probabilidade Condicional
Definio:
Sejam A e B dois eventos quaisquer de uma espao amostral , com
P(B) > 0. A probabilidade de A ocorrer, na hiptese de B j ter
ocorrido, denotado por P(A/B), dada por:
P( A B)
P( A / B) =
P(B)

No exemplo anterior:
E = um dado honesto lanado e a face observada
= {1, 2, 3, 4, 5, 6}
A = ocorre face 3 = {3}
B = ocorre face mpar = {1, 3, 5}
A B = {3}
P( A B) 1 6 1
P( A / B) = = =
P(B) 36 3 30
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Probabilidade Condicional e Independncia

Regra do Produto
Da probabilidade condicional tem-se:
P(A B) = P(A/B).P(B)

Dois eventos A e B so ditos independentes se a probabilidade de

ocorrncia de um evento no interfere na probabilidade de ocorrncia
do outro evento, ou seja:
P(A/B) = P(A)
P(B/A) = P(B)

Logo: P(A B) = P(B A) = P(A).P(B)

31
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Probabilidade Condicional e Independncia

Exemplos:
1) Num lote de 12 peas, 4 so defeituosas. Duas peas so retiradas, uma
a uma sem reposio. Qual a probabilidade de que ambas sejam no
defeituosas?
Soluo:
A = primeira pea no defeituosa => P(A) = 8/12
B = segunda pea no defeituosa => P(B/A) = 7/11

P(A B) = P(A).P(B/A) = 8/12.7/11 = 14/33 = 42,42%

Ou, utilizando a definio clssica de probabilidade:

N = duas peas retiradas so no defeituosas
12! 8!
n() = C12
2
= = 66 n(N) = C82 = = 28
(12 - 2)!2! (8 - 2)!2!
C82 28
P( A B) = 2 = = 42,42%
C12 66 32
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Probabilidade Condicional e Independncia

Exemplos:
2) Considere no exemplo anterior que os eventos A e B so independentes,
ou seja, existe reposio da primeira pea aps verificar se ou no
defeituosa.
Soluo:
A = primeira pea no defeituosa => P(A) = 8/12
B = segunda pea no defeituosa => P(B) = 8/12

P(A B) = P(A).P(B/A) = 8/12.8/12 = 4/9 = 44,44%

Ou, utilizando a definio clssica de probabilidade:

N = duas peas retiradas com reposio so no defeituosas

n() = 12.12 = 144 n(N) = 8.8 = 64

n(N) 64
P( A B) = = = 44,44%
n() 144
33
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Teorema da Probabilidade Total
Definio:
Considere A1, A2, A3 ... An uma partio do
espao amostral e B um evento qualquer de
. A probabilidade do evento B ocorrer dada
por: n
P(B) = P( A i ).P(B / A i )
i=1

Tem-se: B = (A1 B) U (A2 B) U U (An B)

P(B) = P[(A1 B) U (A2 B) U U (An B)]
Aplicando o 3 axioma para eventos mutuamente excludentes:
P(B) = P(A1 B) + P(A2 B) + + P(An B)
Aplicando a regra do produto:
P(B) = P(A1).P(B/A1) + P(A2).P(B/A2) + + P(An).P(B/An)
Em aplicaes prtica, as probabilidades dos eventos da partio de so
conhecidas ou podem ser calculadas, por isso, P(Ai) so chamadas de
probabilidades priori dos eventos Ai. 34
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Teorema da Probabilidade Total
Exemplo: (MAGALHES e LIMA, 2010, pag. 58)
Um fabricante de sorvete recebe 20% do todo o leite que utiliza de uma fazenda F1,
30% de uma fazenda F2 e 50% de uma fazenda F3. Um rgo de fiscalizao
inspecionou as fazendas e observou que 20% do leite produzido na fazenda F1 estava
adulterado por adio de gua, enquanto que para F2 e F3, essa proporo era de 5% e
2%, respectivamente. Na fbrica de sorvete os leites so armazenados dentro de um
refrigerador sem identificao das fazendas. Qual a probabilidade de que uma amostra
de leite retirada do refrigerador esteja adulterada?
Soluo:
Denotando por B = o leite est adulterado, deseja-se ento P(B).
A probabilidade de que o leite (adulterado ou no) procedente da fazenda:
F1: P(F1) = 0,20
F2: P(F2) = 0,30
F3: P(F3) = 0,50
A probabilidade de que o leite est adulterado e que procedente da fazenda:
F1: P(B/F1) = 0,20
F2: P(B/F2) = 0,05
F3: P(B/F3) = 0,02
Logo: P(B) = P(F1).P(B/F1) + P(F2).P(B/F2) + P(F3).P(B/F3)
35
P(B) = 0,20.0,20 + 0,30.0,05 + 0,50.0,02 = 0,065 = 6,5%
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Teorema de Bayes
Definio:
Considere A1, A2, A3 ... An uma partio do espao amostral e B
um evento qualquer de . n
Do teorema da probabilidade total tem-se: P(B) = P( A i ).P(B / A i )
i=1
Onde P(Ai) so as probabilidade priori dos eventos Ai.
Vamos supor agora que o evento B tenha ocorrido e desejamos
determinar a probabilidade posteriori do evento Ai, ou seja,
P(Ai/B).
P( Ai B)
Por definio, tem-se: P( A i / B) =
P(B)
Aplicando a regra do produto e o teorema da probabilidade total:
P( A i ).P(B / A i )
P( A i / B) = n
P( Ai ).P(B / Ai ) 36
i=1
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Teorema de Bayes

Exemplo 1:
Considerando o exemplo anterior do fabricante de sorvete,
sabendo que a amostra est adulterada, determinar a
probabilidade de que o leite tenha sido fornecido pela fazenda F2.

Soluo:
Deseja-se ento P(F2/B).
P(F2 B) P(F2 ).P(B / F2 )
Por definio: P(F2 / B) = = 3
P(B)
P(Fi ).P(B / Fi )
i=1

0,30.0,05
P(F2 / B) = = 0,2308 = 23,08%
0,065
37
 UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN
Teorema de Bayes
Exemplo 2:
Determinadas peas so produzidas em trs fbricas F1, F2, e F3, sendo que a fbrica 1
e 2 produzem a mesma proporo de peas e a fbrica 3 produz o dobro das peas que
cada uma das outras duas fbricas produzem. Sabe-se tambm, que 2% das peas
produzidas pela fbrica 1 so defeituosas e que a proporo para as fbricas 2 e 3 so
3% e 4%, respectivamente. Qual a probabilidade de que uma pea defeituosa tenha
origem da fbrica 2?

Soluo:
Sendo x a proporo de peas produzidas pelas fbricas 1 e 2, tem-se: x + x + 2x = 1.
Logo x = 25%. Denotando por A = a pea defeituosa, deseja-se ento P(F2/A).
A probabilidade de que a pea (defeituosa ou no) de procedncia da fbrica:
F1: P(F1) = 0,25; F2: P(F2) = 0,25; F3: P(F3) = 0,50
A probabilidade de que a pea defeituosa e de procedncia da fbrica:
F1: P(A/F1) = 0,02; F2: P(A/F2) = 0,03; F3: P(A/F3) = 0,04
Logo: P(A) = P(F1).P(A/F1) + P(F2).P(A/F2) + P(F3).P(A/F3) = 0,0325 = 3,25%

P(F2 A ) P(F2 ).P( A / F2 ) 0,25.0,03

Portanto: P(F2 / A ) = = 3 = = 23,08%
P( A ) 0,0325
P( Ai ).P( A / Fi ) 38
i=1