Fundamentos de Probabilidade

Fundamentos de Probabilidade
Cálculo das Probabilidades I
Professora: Andréa Rocha
UNIVERSIDADE FEDERAL DA PARAÍBA
Fevereiro, 2019
Modelos Matemáticos
Modelos Matemáticos
I Modelo Determinı́stico: Por esta expressão nos referimos a

um modelo que estipule que as condições sob as quais um
experimento seja executado determinem o resultado do
experimento.
I Modelo Probabilı́stico: Servem para modelar experimentos

em que, mesmo mantendo as mesmas condições, seus
resultados podem ser diferentes, pois existe algum fator casual
que não se consegue controlar.
Conceitos de Probabilidade
Experimento Aleatório
É o processo de observar um fenômeno que mesmo sob certas

condições fixas, há variação em seus resultados. Por exemplo:
I E1 : Jogar um dado e observar um número da face superior;
I E2 : Jogar duas moedas e observar o resultado;
I E3 : Selecionar um habitante da cidade de João Pessoa e

medir a sua altura em metros.
Espaço Amostral
É o conjunto de todos os resultados possı́veis de um experimento.

Denotado por Ω. Exemplo:
I E1 : Ω = {1, 2, 3, 4, 5, 6};
I E2 : Ω = {(c, c), (c, k), (k, c), (k, k)}, onde c =cara e
k =coroa;
I E3 : Ω = (0, ∞), Ω = (0, 3), Ω = [1/10, 3], Ω = R.
Obs.: O importante é que Ω contenha todo o resultado possı́vel.

Evento
Seja Ω o espaço amostral do experimento. Todo subconjunto,

A ⊂ Ω, será chamado evento.
I Ω é o evento certo;
I ∅ é o evento impossı́vel;
I Se ω ∈ Ω, o evento {ω} é dito elementar ou simples.

Eventos
É bom saber traduzir a notação de conjunto para a linguagem de
eventos:
I A ∪ B − é o evento “A ou B”;
I A ∩ B − é o evento “A e B”;
I Ac − é o evento “não A”;
I A ⊂ B − significa que a ocorrência do evento A implica a

ocorrência do evento B;
I A ∩ B = ∅ − significa que A e B são eventos mutuamente
exclusivos, mutuamente excludentes, ou incompatı́veis.
Partição
Dado um espaço amostral Ω, uma partição, P = {Ai , i ∈ I}, de Ω

é uma coleção de eventos, neste caso, indexados por i que toma
valores no conjunto do ı́ndices I e satisfaz:
I ∀i 6= j, Ai ∩ Aj = ∅;
I ∪i∈I Ai = Ω.
Desse modo os eventos de uma partição são mutuamente

excludentes e sua união cobre todo o espaço amostral. Portanto,
cada elemento ω ∈ Ω pertence a um, e somente um, dos eventos
Ai de uma partição.
Partição
Exemplo: Se Ω = {1, 2, 3, 4, 5, 6}, então,
A = {1, 3, 5} e B = {2, 4, 6}
fomam uma partição de Ω. Pois,
A∩B=∅
e
A ∪ B = Ω.
Frequência Relativa
Suponha que repetimos n vezes o experimento E, e sejam A e B
dois eventos associados a E. Sejam, respectivamente, nA e nB o
número de vezes que o evento A e o evento B ocorram nas n
repetições.
Definição: fA = nA /n é denominada a frequência relativa do
evento A nas n repetições de E. A frequência relativa fA
apresenta as seguintes propriedades:
i) 0 6 fA 6 1;
ii) fA = 1 se, e somente se, A ocorrer em todas as n repetições;
iii) fA = 0 se, e somente se, A nunca ocorrer nas n repetições;
iv) Se A e B forem eventos mutualmente excludentes, e se fA∪B
for a frequancia relativa associada ao evento A ∪ B, então,
fA∪B = fA + fB .
Medida de Probabilidade
Definição: Seja E um experimento. Seja Ω um espaço amostral

associado a E. A cada evento A associaremos um número real
representado por P(A) e denomidado probabilidade de A, que
satisfaça as seguintes condições:
i) 0 6 P(A) 6 1;
ii) P(Ω) = 1;
iii) Se A e B forem eventos mutuamente excludentes, então
P(A ∪ B) = P(A) + P(B).
iv) Se Ai , i = 1, 2, . . . forem eventos,
P∞ dois a dois, mutuamente
excludentes, então P(∪∞ A
i=1 i ) = i=1 P(Ai ).
Algumas conseguências da definição de P(A) serão relacionadas a

seguir:
I Teorema 1: Seja ∅ o conjunto vazio, então P(∅) = 0.
I Teorema 2: Seja Ac o evento complementar de A, então

P(A) = 1 − P(Ac ).
I Teorema 3: Sejam A ⊂ B, então P(A) 6 P(B).
I Teorema 4: Sejam A e B dois eventos quaisquer, então

P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
I Teorema 5: Sejam A, B e C três eventos quaisquer, então
P(A ∪ B ∪ C) = P(A) + P(B) + P(C) − P(A ∩ B) − P(A ∩ C)
−P(B ∩ C) + P(A ∩ B ∩ C).
I Teorema 6 (Princı́pio da Inclusão e Exclusão): Sejam
A1 , . . . , An quaisquer n eventos.
Pn Então, P
P(A1 ∪ A2 ∪ · · · ∪ An ) = i=1 P(Ai ) − i<j P(Ai ∩ Aj ) +
P n−1 P(A ∩A ∩· · ·∩A ).
i<j<k P(Ai ∩Aj ∩Ak )+· · ·+(−1) 1 2 n
Espaços Amostrais Finitos
Seja Ω um espaço amostral associado a um experimento E com

um número finito de resultados possı́veis. Então Ω pode ser
escrito na seguinte forma:
Ω = {ω1 , . . . , ωn }.
A cada evento simples {ωi }, i = 1, . . . , n, associaremos um

número pi , i = 1, . . . , n, denominado probabilidade de {ωi }, que
satisfaça as seguintes condições:
I pi > 0, i = 1, . . . , n.
I p1 + p2 + · · · + pn = 1
Suponha que um evento A seja constituı́do por k resultados,

1 6 k 6 n, a saber
A = {ωj1 , ωj2 , . . . , ωjk },
onde j1 , j2 , . . . , jk representam os k ı́ndices, de 1 até n.

Conseguentemente, conclui-se que
P(A) = pj1 + pj2 + · · · + pjk .

Exemplo: Suponha que somente três resultados sejam possı́veis

em um experimento, a saber, a1 , a2 e a3 . Além disso, suponha
que a1 seja duas vezes mais provável de ocorrer do que a2 , o qual,
por sua vez, é duas vezes mais provável de ocorrer do que a3 .
Portanto, p1 = 2p2 e p2 = 2p3 , logo p1 = 4p3 . Já que

p1 + p2 + p3 = 1, teremos 4p3 + 2p3 + p3 = 1, o que dá
1 2 4
p3 = , p2 = e p1 = .
7 7 7
Se todos os resultados forem igualmente prováveis, condição

p1 + p2 + · · · + pn = 1 torna-se
npi = 1, ∀i = 1, . . . , n.
Assim, cada probabilidade será

1
pi = .
n
Neste caso, para qualquer evento A formado por k resultados,

teremos
k
P(A) = .
n
Este método de avaliar P(A) é frequentemente enunciado da
seguinte maneira:
número de casos favoráveis a A #A
P(A) = = .
número de casos possı́veis #Ω
Exemplo: Um dado é lançado e todos os resultados são

igualmente prováveis. O evento A ocorrerá se, e somente se,
um número maior do que 4 aparecer, isto é,
A = {5, 6}.
Daı́,
#A 2 1
P(A) = = = .
#Ω 6 3
Exercı́cios
Exercı́cio 1: Sejam A, B e C três eventos em um espaço de

probabilidade. Expresse os eventos apenas A ocorre e pelo menos
um dos três ocorre, em termos de A, B e C.
Exercı́cios
Exercı́cio 1: Sejam A, B e C três eventos em um espaço de

probabilidade. Expresse os eventos apenas A ocorre e pelo menos
um dos três ocorre, em termos de A, B e C.
Se apenas A ocorre, teremos
A ∩ Bc ∩ Cc
Se pelo menos um dos três ocorre, teremos
A∪B∪C
Exercı́cios
Exercı́cio 2: Quatro números são sorteados ao acaso, sem

reposição, do conjunto {0, 1, 2, . . . , 9}. Calcule a probabilidade de
que pelo menos um número seja maior do que 7.
Exercı́cios
Exercı́cio 2: Quatro números são sorteados ao acaso, sem

reposição, do conjunto {0, 1, 2, . . . , 9}. Calcule a probabilidade de
que pelo menos um número seja maior do que 7.
Seja o evento A = { pelo menos um número seja maior do que 7}.

Neste caso é mais fácil calcular a probabilidade do evento
complementar, ou seja, nenhum dos 4 números sorteados seja
maior do que 7. Assim teremos 8 possibilidades de números
menores ou iguais a 7. Observe também que teremos 10
possibilidades no nosso espaço amostral para selecionar 4. E assim,
8·7·6·5 1
P(Ac ) = = .
10 · 9 · 8 · 7 3
Logo, a nossa probabilidade de interesse será
1 2
P(A) = 1 − P(Ac ) = 1 − =
3 3
Exercı́cios
Exercı́cio 3: Sejam A e B dois eventos associados a um

experimento. Suponha que P(A) = 0, 4 e P(A ∪ B) = 0, 7. Seja
P(B) = p. Para que valor de p, A e B serão mutuamente
excludentes?
Exercı́cios
Exercı́cio 3: Sejam A e B dois eventos associados a um

experimento. Suponha que P(A) = 0, 4 e P(A ∪ B) = 0, 7. Seja
P(B) = p. Para que valor de p, A e B serão mutuamente
excludentes?
Para A e B serem mutuamente excludentes deve ocorrer

P(A ∩ B) = P(∅) = 0. Daı́ teremos
P(A ∪ B) = P(A) + P(B)

0, 7 = 0, 4 + p.
Assim,
p = 0, 7 − 0, 4 = 0, 3.
Exercı́cios
Exercı́cio 4: Cada uma de duas pessoas joga duas moedas

equilibradas. Qual é a probabilidade de que elas obtenham o
mesmo número de caras?
Exercı́cios
Exercı́cio 4: Cada uma de duas pessoas joga duas moedas

equilibradas. Qual é a probabilidade de que elas obtenham o
mesmo número de caras?
Sejam c1 e k1 , representando, respectivamente, cara e coroa para a

pessoa 1, e c2 , k2 , cara e coroa para a pessoa 2. Dessa forma
Ω = {(c1 c1 , c2 c2 ), (c1 c1 , c2 k2 ), (c1 c1 , k2 c2 ), (c1 c1 , k2 k2 ),
(c1 k1 , c2 c2 ), . . . , (k1 k1 , k2 k2 )}
Teremos #Ω = 16. Nosso evento de interesse será
A = {(c1 c1 , c2 c2 ), (c1 k1 , c2 k2 ), (c1 k1 , k2 c2 ),
(k1 c1 , c2 k2 ), (k1 c1 , k2 c2 ), (k1 k1 , k2 k2 )},
com #A = 6. Assim,
#A 6
P(A) = = = 0, 375.
#Ω 16
Exercı́cios
FIM

Fundamentos de Probabilidade

Enviado por

Direitos autorais:

Formatos disponíveis

Fundamentos de Probabilidade

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Fundamentos de Probabilidade

Enviado por

Direitos autorais:

Formatos disponíveis

Fundamentos de Probabilidade

Cálculo das Probabilidades I

Professora: Andréa Rocha

UNIVERSIDADE FEDERAL DA PARAÍBA

I Modelo Determinı́stico: Por esta expressão nos referimos a

I Modelo Probabilı́stico: Servem para modelar experimentos

É o processo de observar um fenômeno que mesmo sob certas

I E1 : Jogar um dado e observar um número da face superior;

I E2 : Jogar duas moedas e observar o resultado;

I E3 : Selecionar um habitante da cidade de João Pessoa e

É o conjunto de todos os resultados possı́veis de um experimento.

Obs.: O importante é que Ω contenha todo o resultado possı́vel.

Seja Ω o espaço amostral do experimento. Todo subconjunto,

I Se ω ∈ Ω, o evento {ω} é dito elementar ou simples.

I Ac − é o evento “não A”;

I A ⊂ B − significa que a ocorrência do evento A implica a

Dado um espaço amostral Ω, uma partição, P = {Ai , i ∈ I}, de Ω

Desse modo os eventos de uma partição são mutuamente

Exemplo: Se Ω = {1, 2, 3, 4, 5, 6}, então,

fomam uma partição de Ω. Pois,

Definição: Seja E um experimento. Seja Ω um espaço amostral

Algumas conseguências da definição de P(A) serão relacionadas a

I Teorema 1: Seja ∅ o conjunto vazio, então P(∅) = 0.

I Teorema 2: Seja Ac o evento complementar de A, então

I Teorema 4: Sejam A e B dois eventos quaisquer, então

Espaços Amostrais Finitos

Seja Ω um espaço amostral associado a um experimento E com

A cada evento simples {ωi }, i = 1, . . . , n, associaremos um

Espaços Amostrais Finitos

Suponha que um evento A seja constituı́do por k resultados,

A = {ωj1 , ωj2 , . . . , ωjk },

onde j1 , j2 , . . . , jk representam os k ı́ndices, de 1 até n.

P(A) = pj1 + pj2 + · · · + pjk .

Espaços Amostrais Finitos

Exemplo: Suponha que somente três resultados sejam possı́veis

Portanto, p1 = 2p2 e p2 = 2p3 , logo p1 = 4p3 . Já que

Se todos os resultados forem igualmente prováveis, condição

Assim, cada probabilidade será

Neste caso, para qualquer evento A formado por k resultados,

Exemplo: Um dado é lançado e todos os resultados são

Exercı́cio 1: Sejam A, B e C três eventos em um espaço de

Exercı́cio 1: Sejam A, B e C três eventos em um espaço de

Se apenas A ocorre, teremos

Se pelo menos um dos três ocorre, teremos

Exercı́cio 2: Quatro números são sorteados ao acaso, sem

Exercı́cio 2: Quatro números são sorteados ao acaso, sem

Seja o evento A = { pelo menos um número seja maior do que 7}.

Exercı́cio 3: Sejam A e B dois eventos associados a um

Exercı́cio 3: Sejam A e B dois eventos associados a um

Para A e B serem mutuamente excludentes deve ocorrer

P(A ∪ B) = P(A) + P(B)

Exercı́cio 4: Cada uma de duas pessoas joga duas moedas

Exercı́cio 4: Cada uma de duas pessoas joga duas moedas

Sejam c1 e k1 , representando, respectivamente, cara e coroa para a

Você também pode gostar