Inferencia

Inferência Estatística I
Cálculo das Probabilidades
José Clelto
[email protected]
José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 1 / 85

Conteúdo
1 Introdução
2 Caracterização de um experimento Aleatório
3 Espaço amostral e evento
4 Definição de probabilidade
5 Principais teoremas
6 Espaços amostrais finitos equiprováveis
7 Probabilidade Condicional
8 Eventos Independentes
9 Teorema da Probabilidade Total
10 Teorema de Bayes
11 Técnicas de Contagem
12 Referências
Introdução
Conteúdo
1 Introdução
10 Teorema de Bayes
12 Referências
Introdução
Introdução
A teoria da probabilidade se aplica ao estudo de fenômenos ou

experimentos cujos resultados ocorrem de forma não determinística,
ou seja, estão associados a incertezas.

Caracterização de um experimento Aleatório
Conteúdo
1 Introdução
10 Teorema de Bayes
12 Referências
Experimentos ou Fenômenos Aleatórios

São aqueles que mesmo repetidos várias vezes sob condições
semelhantes apresentam resultados imprevisíveis.

Exemplos
(a) lançamento de uma moeda honesta

(b) lançamento de um dado
(c) lançamento de duas moedas
(d) retirada de uma carta de um baralho completo de 52 cartas
(e) determinação da vida útil de um componente eletrônico

Espaço amostral e evento
Conteúdo
1 Introdução
10 Teorema de Bayes
12 Referências
Espaço Amostral
Denotado por Ω, o espaço amostral é o conjunto dos resultados
possíveis de um experimento.
Ω = {ω1 , ω2 , . . . , ωn , . . .}
Os elementos denotados por ω são os pontos amostrais. Exemplos:

(a) Ω = {c, r }
(b) Ω = {1, 2, 3, 4, 5, 6}
(c) Ω = {(c, r ), (c, c), (r , c), (r , r )}
(d) Ω = {AO , . . . , KO , AP , . . . , KP , AE , . . . , KE , AC , . . . , KC }
(e) Ω = {t ∈ R|t ≥ 0}

Evento
Qualquer subconjunto do espaço de resultados chama-se evento.
Um evento aleatório pode ser um único ponto amostral, ou uma

reunião deles como:
Exemplos: Lançam-se dois dados:
A. saída de faces iguais
B. saída de faces cuja soma seja igual a 10
C. saída de faces cuja soma seja menos que 2
D. saída de faces cuja soma seja menos que 15

Os eventos são:
A = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}
B = {(4, 6), (5, 5), (6, 4)}
C = {∅} evento impossível
D = {Ω} evento certo
Classe dos Eventos Aleatórios

É o conjunto formado de todos os eventos (subconjuntos) do espaço
amostral.
Por exemplo, considere Ω = {e1 , e2 , e3 , e4 }

A classe dos eventos aleatórios é dada por,



 ∅

{e1 }, {e2 }, {e3 }, {e4 }



F(Ω) = {e1 , e2 }, {e1 , e3 }, {e1 , e4 }, {e2 , e3 }, {e2 , e4 }, {e3 , e4 }

{e1 , e2 , e3 }, {e1 , e2 , e4 }, {e1 , e3 , e4 }, {e2 , e3 , e4 }




{e1 , e2 , e3 , e4 }

Assim, para determinarmos o número de elementos (eventos) de

F(Ω), observamos que ∅ corresponde a 40

{e1 }, . . . , {e4 } corresponde a 41

{e1 , e2 }, . . . , {e3 , e4 } corresponde a 42

{e1 , e2 , e3 }, . . . , {e2 , e3 , e4 } corresponde a 43

{e1 , e2 , e3 , e4 } corresponde a 44


Portanto, n(F) = 40 + 41 + 42 + 43 + 44 = 16.

Em geral, se o número de pontos amostrais de espaço amostral finito

é n, então o número de eventos de F é 2n , pois

n n n n
n(F) = + + + ··· + = 2n .
0 1 2 n

Operações com Eventos
Evento reunião A ∪ B: reúne os elementos de ambos os

conjuntos. Pelo menos um dos eventos ocorre
Figura 1: Diagrama de Venn: evento reunião

Interseção A ∩ B: formado somente pelos elementos que estão

em A e B. Se A ∩ B = ∅, A e B são ditos mutuamente exclusivos
(ou eventos disjuntos).
Figura 2: Diagrama de Venn: lado esquerdo A ∩ B. lado direito: eventos

mutuamentes exclusivos

(c) Evento complementar A = Ω − A : formado pelos elementos que

não estão em A.
Figura 3: Diagrama de Venn: evento complementar

Propriedades das Operações
Sejam A, B e C eventos de Ω.
Idempotentes
A∩A=A
A∪A=A
Comutativas
A∪B =B∪A
A∩B =B∩A
Associativas
A ∩ (B ∩ C) = (A ∩ B) ∩ C
A ∪ (B ∪ C) = (A ∪ B) ∪ C

Propriedades das Operações (cont.)
Distributivas
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
Absorções
A ∪ (A ∩ B) = A
A ∩ (A ∪ B) = A
Identidades
A∩Ω=A
A∪Ω=Ω
A∩∅=∅
A∪∅=A

Propriedades das Operações (cont.)
Complementares
Ω=∅
∅=Ω
A∩A=∅
A∪A=Ω
A=A
Leis de Morgan
A∩B =A∪B
A∪B =A∩B

Exemplo
Lançam-se duas moedas. Sejam os eventos

A : Saída de faces iguais
B : Saída de cara na 1a moeda
Determinar:
A ∪ B, A ∩ B, A, B, A ∪ B, A ∩ B, A ∩ B, A ∪ B, B − A, A − B, A ∪ B e B ∩ A.

Partição do Espaço Amostral

Formam uma partição de Ω, A1 , A2 , . . . , An se
(a) Ai 6= ∅, i = 1, . . . n
(b) Ai ∩ Aj = ∅ ∀ i 6= j, e
Sn
(c) se Ai = Ω
i=1
Figura 4: Partição do espaço amostral

Definição de probabilidade
Conteúdo
1 Introdução
10 Teorema de Bayes
12 Referências
Definição de probabilidade
Probabilidade de um evento
Definição
Probabilidade é uma função P que associa a cada evento de F um
número real em [0, 1], e satisfaz:
(i) P(Ω) = 1
(ii) P(A ∪ B) = P(A) + P(B), se A e B forem mutuamente exclusivos.
n n
S P
(iii) P Ai = P(Ai ), se A1 , A2 , . . . , An forem, dois a dois,
i=1 i=1
eventos mutuamente exclusivos.
Assim, pela definição, 0 ≤ P(A) ≤ 1, ∀ A, A ⊂ Ω.

Principais teoremas
Conteúdo
1 Introdução
10 Teorema de Bayes
12 Referências
Principais teoremas
Principais teoremas
Teorema 1. Se os eventos A1 , A2 , . . . , An formam uma partição do

espaço amostral, então
X n
P(Ai ) = 1.
i=1
Demonstração: Pela definição de partição, os eventos A1 , A2 , . . . , An

são mutuamente exclusivos e
n n
!
[ [
Ai = Ω → P Ai = P(Ω)
i=1 i=1
Pn
usando I e II da definição, i=1 P(Ai ) =1

Principais teoremas
Teorema 2. Se ∅ é o conjunto impossível, então P(∅) = 0.
Demonstração: ∅ ∩ Ω = ∅ e ∅ ∪ Ω = Ω,
P(∅ ∪ Ω) = P(Ω)
P(∅) + P(Ω) = P(Ω)

P(∅) = 0

Principais teoremas
Teorema 3. Para todo evento A ⊂ Ω, P(A) + P(A) = 1. Então

P(A) = 1 − P(A).
Demonstração: Como A ∩ A = ∅ e A ∪ A = Ω temos que,
P(A) + P(A) = P(Ω)
P(A) + P(A) = 1
P(A) = 1 − P(A)

Principais teoremas
Teorema 4. P(A ∩ B) = P(B) − P(A ∩ B).

Principais teoremas
Teorema 5. (Teorema da Soma.) Sejam A ⊂ Ω e B ⊂ Ω. Então,
P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
Demonstração: escreve-se A ∪ B e A como reuniões de eventos

mutuamente exclusivos.

A ∪ B = (A − B) ∪· B
A = (A − B) ∪· (A ∩ B)
Usando (ii) da definição de prob., temos:
P(A ∪ B) = P(A − B) + P(B) (1)
e
P(A) = P(A − B) + P(A ∩ B). (2)
De (2), P(A − B) = P(A) − P(A ∩ B). Substituindo-se em (1), temos
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

Principais teoremas
Teorema 6. Dado Ω e os eventos A1 , A2 , . . . , An , então

n n n n
!
[ X X X
P Ai = P(Ai ) − P(Ai ∩ Aj ) + P(Ai ∩ Aj ∩ Ak ) − . . . +
i=1 i=1 i6=j i6=j6=k
(−1)n−1 P(A1 ∩ . . . ∩ An ).
Demonstração: Por indução infinita.

Principais teoremas
Teorema 7. Para A ⊂ Ω e B ⊂ Ω, temos que
P(A ∪ B) ≤ P(A) + P(B).
Demonstração:
P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
Como P(A ∩ B) ≥ 0, logo
P(A ∪ B) ≤ P(A) + P(B)

Principais teoremas
Teorema 8. Se A ⊂ B, então P(A) ≤ P(B).
Demonstração:
Pode-se escrever B = A ∪· (A ∩ B).
Ora, A e (A ∩ B) são mutuamente exclusivos.
Logo, P(B) = P(A) + P(A ∩ B).
P(A ∩ B) = P(B) − P(A)
P(B) − P(A) ≥ 0
Portanto, P(A) ≤ P(B)

Espaços amostrais finitos equiprováveis
Conteúdo
1 Introdução
10 Teorema de Bayes
12 Referências
Eventos Equiprováveis
Considere Ω = {e1 , e2 , . . . , en } associado a um experimento aleatório.

Se P(ei ) = pi , i = 1, 2, . . . , n. Temos
n
X n
X
P(ei ) = pi = 1.
i=1 i=1
Definição. Os eventos ei , i = 1, 2, . . . , n são equiprováveis quando

P(e1 ) = P(e2 ) = · · · = P(en ) = p, ou seja, todos tem a mesma
probabilidade de ocorrer.

Eventos Equiprováveis (cont.)
Logo, se os n pontos amostrais (eventos) são equiprováveis, a

probabilidade de cada um dos pontos amostrais é 1/n. Considere um
evento A ⊂ Ω. Suponhamos que A tenha k pontos amostrais
A = {e1 , e2 , . . . , ek }, 1 ≤ k ≤ n
Portanto,
k k
X X 1
P(A) = P(ei ) = p = kp = k
n
i=1 i=1

Exercícios
Dados Ω = {1, 2, 3}, A = {1}, B = {3} e C = {2}.

P(A) = 1/3, P(B) = 1/3. Ache
(a) P(C)
(b) P(A ∪ B)
(c) P(A)
(d) P(A ∩ B)
(e) P(A ∪ B)
(f) P(B ∪ C)

Exercício
Lança-se um dado honesto e escreve-se o número obtido na face que

saiu para cima. A palavra “honesto” dá informação sobre os pesos
que associamos a cada elemento de Ω = {1, 2, 3, 4, 5, 6}. Sejam A : o
evento de obter par e B : o evento de obter número menor ou igual a
3. Calcule P(A) e P(B) e P(A ∪ B).

Probabilidade Condicional
Conteúdo
1 Introdução
10 Teorema de Bayes
12 Referências
Definição. Sejam A ⊂ Ω e B ⊂ Ω. Definimos probabilidade condicional

de A, dado que B ocorre por,
P(A ∩ B)
P(A|B) = , P(B) > 0.
P(B)
Caso P(B) = 0, teremos que P(A|B) = P(A).

Exemplo
Dois dados são lançados. Consideremos os eventos
A = {(x , x )|x + x = }
e
B = {(x , x )|x > x },
em que x é o resultado do dado 1 e x é o resultado do dado 2.
Encontre as seguintes probabilidades: P(A), P(B), P(A|B) e P(B|A).

Exemplo (cont.) Resposta:
Ω= {(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

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

P(A) = 3/36 = 1/12

P(B) = 15/36 = 5/12
P(A ∩ B) = 1/36
P(A∩B) 1/36
P(A|B) = P(B) = 15/36 = 1/15
P(A∩B) 1/36
P(B|A) = P(A) = 3/36 = 1/3.

Exemplo
Sendo P(A) = 1/3, P(B) = 3/4 e P(A ∪ B) = 11/12, obtenha P(A|B).
P(A∩B)
Temos que, P(A|B) = P(B)
Resolvendo
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
11/12 = 1/3 + 3/4 − P(A ∩ B)
P(A ∩ B) = −11/12 + 1/3 + 3/4 = 2/12 = 1/6

1/6
Assim, P(A|B) = 3/4 = 2/9.

Exercício
Consideremos 250 alunos que cursam o 1o período de uma faculdade.

Destes alunos, 100 são homens (H) e 150 são mulheres (M); 110
cursam Física (F) e 140 cursam Química (Q).
Sexo | Disciplina F Q Total

H 40 60 100
M 70 80 150
Total 110 140 250
Um aluno é sorteado ao acaso. Qual a probabilidade de que esteja

cursando Química, dado que é mulher?

P(Q|M) =? probabilidade de que o aluno curse Química,

condicionado ao fato de ser mulher.
P(M ∩ Q) = 80/250; P(M) = 150/250.
Temos:
80/250
P(Q|M) = = 80/150.
150/250

Exercício
Dados do censo Demográfico de 91, publicado pelo IBGE, relativos

aos habitantes de Sergipe, na faixa etária entre 20 a 24 anos com
relação às variáveis Sexo e Leitura
Sexo Lê (L) Não Lê (L) Total

M 39.577 8.672 48.249
F 46.304 7.297 53.601
Total 85.881 15969 101.850
Um jovem é sorteado ao acaso em Sergipe: calcule

(a) P(L) (b) P(M) (c) P(M)
(d) P(M ∩ L) (e) P(M ∪ L) (f) P(L|M)

(a) P(L) = 85.881/101.850 = 0, 843

(b) P(M) = 48.245/101.850 = 0, 473
(c) P(M) = 1 − P(M) = 1 − 0, 473 = 0, 527
(d) P(M ∩ L) = 39.577/101.850 = 0, 388
(e) Temos:
P(M ∪ L) = P(M) + P(L) − P(M ∩ L)
= 0, 473 + 0, 843 − 0, 388 = 0, 928
(f) Temos:
P(L|M) = P(L∩M)
P(M)
= 39.577/101.850
48.249/101.850
= 39.577/48.249 = 0, 820

Teorema do Produto. Sejam A ⊂ Ω e B ⊂ Ω. Então

P(A ∩ B) = P(A)P(B|A) ou P(A ∩ B) = P(B)P(A|B).
Exemplo: Duas bolas são retiradas de uma urna que contém 2 bolas
brancas, 3 pretas e 4 verdes. Qual a probabilidade de que ambas:
(a) Sejam verdes?
(b) Sejam da mesma cor?

Exemplo (cont.)
Resposta:
(a) P(1a V ∩ 2a V ) = P(1a V )P(2a V |1a V ) = 49 . 38 = 16 .
P(mesma cor) = P(1a B ∩ 2a B) + P(1a P ∩ 2a P) + P(1a V ∩ 2a V )
(b)
= 29 . 81 + 39 . 28 + 49 . 38 = 20 5
72 = 18 .
Genericamente,
n

T
P Ai = P(A1 )P(A2 |A1 )P(A3 |A1 ∩ A2 ) . . . P(An |A1 ∩ . . . ∩ An−1 )
i=1

Eventos Independentes
Conteúdo
1 Introdução
10 Teorema de Bayes
12 Referências
"A ocorrência de um evento não interfere na ocorrência do outro

evento"
Definição. Sejam A ⊂ Ω e B ⊂ Ω. Se A e B são independentes então,
P(A ∩ B) = P(A)P(B).
Consequentemente,
P(A|B) = P(A) e P(B|A) = P(B).

Exemplo
Lançam-se 3 moedas. Verificar se são independentes os eventos

A = saída de cara na 1a moeda
B = saída de coroa na 2a e 3a moeda
Ω = {(ccc), (ccr ), (crc), (crr ), (rcc), (rcr ), (rrc), (rrr )}
A = {(ccc), (ccr ), (crc), (crr )}
B = {(crr ), (rrr )}
P(A) = 4/8 = 1/2, P(B) = 2/8 = 1/4
P(A)P(B) = (1/2).(1/4) = 1/8.
Como A ∩ B = {(crr )} então P(A ∩ B) = 1/8.
Portanto, A e B são eventos independentes.
1/8 = P(A ∩ B) = P(A)P(B) = 1/8.

Os eventos A, B e C são independentes se as condições forem

satisfeitas:
1 P(A ∩ B ∩ C) = P(A)P(B)P(C)
2 P(A ∩ B) = P(A)P(B)
3 P(A ∩ C) = P(A)P(C)
4 P(B ∩ C) = P(B)P(C)
Definição. Caso geral, Se os eventos A1 , A2 , . . . , An são

independentes, então:
n n
!
\ Y
P Ai = P(Ai ) = P(A1 )P(A2 ) . . . P(An )
i=1 i=1

Exercício
A probabilidade de que um homem esteja vivo daqui a 30 anos é 2/5;

a de sua mulher é de 2/3. Determinar a probabilidade de que daqui a
30 anos:
(a) ambos estejam vivos;
(b) somente o homem esteja vivo;
(c) somente a mulher esteja viva;
(d) nenhum esteja vivo;
(e) pelo menos um esteja vivo.

cont. ex.
Denote os eventos por:

H : o homem estará vivo daqui a 30 anos;
M : a mulher estará viva daqui a 30 anos
P(H) = 25 ; P(H) = 35 ; P(M) = 23 ; P(M) = 31
2 2 4
(a) P(H ∩ M) = P(H)P(M) = 5 3 = 15
2 1 2
(b) P(H ∩ M) = P(H)P(M) = 5 3 = 15
3 2 6
(c) P(H ∩ M) = P(H)P(M) = 5 3 = 15
3 1 3
(d) P(H ∩ M) = P(H)P(M) = 5 3 = 15
2 2 4 12 4
(e) P(H ∪ M) = P(H) + P(M) − P(H ∩ M) = 5 + 3 − 15 = 15 = 5
ou, seja X : pelo menos um vivo,
P(X ) = 1 − P(X ) = 1 − 15 = 54 .

Exercício
Mostre que, se A e B são independentes então A e B também o são.

Exercício
As probabilidades de 3 jogadores A, B e C, marcarem um gol quando

cobram um pênalti são 2/3, 4/5 e 7/10, respectivamente. Se cada um
cobrar uma única vez, qual a probabilidade de que pelo menos um
marque um gol?
Resposta: P(A) = 23 ; P(B) = 45 ; P(C) = 10
7
P(A ∪ B ∪ C) = 1 − P(A ∪ B ∪ C)
= 1 − P(A ∩ B ∩ C)
= 1 − P(A)P(B)P(C) (por ind.)
= 1 − 31 15 10
3 1
= 1 − 50 = 49
50 .

Teorema da Probabilidade Total
Conteúdo
1 Introdução
10 Teorema de Bayes
12 Referências
Teorema. Sejam A1 , A2 , . . . , An eventos que formam uma partição de

Ω. Seja B um evento desse espaço. Então
n
X
P(B) = P(Ai )P(B|Ai )
i=1

Exemplo
Uma urna contém 3 bolas brancas e 2 amarelas. Uma segunda urna
contém 4 bolas brancas e 2 amarelas; Escolhe-se, ao acaso, uma
urna e dela retira-se, também ao acaso, uma bola. Qual a
probabilidade de que seja branca?
Resposta:
U1 : seleciona a urna 1
U2 : seleciona a urna 2
B : a bola selecionada é branca
B = (B ∩ U1 ) ∪ (B ∩ U2 )
P(B) = P(B ∩ U1 ) + P(B ∩ U2 )
= P(U1 )P(B|U1 ) + P(U2 )P(B|U2 )
1 3 1 2
= . + .
2 5 2 3
3 1 9 + 10 19
= + = = .
10 3 30 30
Diagrama de árvore

Teorema de Bayes
Conteúdo
1 Introdução
10 Teorema de Bayes
12 Referências
Teorema de Bayes
Teorema de Bayes
Sejam A1 , A2 , . . . , An eventos que formam uma partição de Ω. Seja B

um evento desse espaço. Sejam conhecidos P(Ai ) e P(B|Ai ),
i = 1, 2, . . . , n. Então
P(Aj )P(B|Aj )
P(Aj |B) = n
, j = 1, 2, . . . , n.
P
P(Ai )P(B|Ai )
i=1

Teorema de Bayes
Exemplo
Do exemplo anterior, suponha agora que ao selecionar uma bola, a
bola é branca. Qual é a probabilidade de que esta bola tenha vindo da
primeira urna?
Resposta:
P(U1 ∩ B) P(U1 ∩ B)
P(U1 |B) = =
P(B) P(U1 ∩ B) + P(U2 ∩ B)
P(U1 )P(B|U1 )
=
P(U1 )P(B|U1 ) + P(U2 )P(B|U2 )
1 3 3
2.5 10
= 1 3 1 2
= 3 1
2.5 + 2 · 3 10 + 3
3/10
= = 0, 19
19/30

Teorema de Bayes
Exemplo
Uma urna A contém 3 fichas vermelhas e 2 azuis, e a urna B contém 2

vermelhas e 8 azuis. Joga-se uma moeda “honesta”. Se a moeda der
cara, extrai-se uma ficha da urna A; se der coroa, extrai-se uma ficha
da urna B. Uma ficha vermelha é extraída. Qual a probabilidade de ter
saído cara no lançamento?
Resposta: P(C|V ) =?
P(C) = 12 ; P(V |C) = 35 ; P(r ) = 12 ; P(V |r ) = 10
2
Como P(V ) = P(C ∩ V ) + P(r ∩ V ), temos:
13 1 2 3 1 4
P(V ) = P(C)P(V |C) + P(r )P(V |r ) = + = + = .
2 5 2 10 10 10 10
Portanto,
P(V ∩ C) 3/10 3
P(C|V ) = = = .
P(V ) 4/10 4

Teorema de Bayes
Diagrama de Árvore

Teorema de Bayes
Exercício
A caixa A tem 9 cartas numeradas de 1 a 9. A caixa B tem 5 cartas

numeradas de 1 a 5. Uma caixa é escolhida ao acaso e uma carta é
retirada. Se o número é par, qual a probabilidade de que a carta
sorteada tenha vindo de A?

Teorema de Bayes
Resposta:
A : seleciona a caixa A
B : seleciona a caixa B
Par : a carta selecionada é par.
P(A) = 12 ; P(Par |A) = 49 ; P(B) = 12 ; P(Par |B) = 2

5
14
P(A ∩ Par ) = P(A)P(Par |A) = 29 = 2/9
P(Par ) = P(A ∩ Par ) + P(B ∩ Par )

= P(A)P(Par |A) + P(B)P(Par |B)
= 12 94 + 12 25 = 45
19
P(A∩Par ) 2/9 10
P(A|Par ) = P(Par ) = 19/45 = 19 .

Teorema de Bayes
Exercício
Em um certo colégio, 4% dos homens e 1% das mulheres têm mais de

1,75 de altura. 60% dos estudantes são mulheres. Um estudante é
escolhido ao acaso e tem mais de 1,75m. Qual a probabilidade de que
seja homem?

Teorema de Bayes
Exercício
Dividi meu e-mail em três categorias: A1 = Spam, A2 = baixa

prioridade, A3 = alta prioridade. Encontrei que P(A1 ) = 0, 7,
P(A2 ) = 0, 2, P(A3 ) = 0, 1. Seja B o evento “o e-mail contém a palavra
grátis”. Das observações temos P(B|A1 ) = 0, 9, P(B|A2 ) = 0, 01,
P(B|A3 ) = 0, 01. Recebi um e-mail com a palavra grátis. Qual a
probabilidade que seja spam?

Técnicas de Contagem
Conteúdo
1 Introdução
10 Teorema de Bayes
12 Referências
Regra da Multiplicação
Se uma operação pode ser realizada de n1 maneiras, e se para cada
uma dessas maneiras uma segunda operação pode ser realizada de
n2 maneiras, então as duas operações podem ser realizadas em
conjunto de n1 n2 maneiras.
Exemplo: Quantos pontos amostrais existem no espaço amostral

quando um par de dados é jogado uma vez?
6 × 6 = 36

Regra da Multiplicação Generalizada

Se uma operação pode ser realizada de n1 maneiras, e se para cada
uma delas uma segunda operação pode ser realizada de n2 maneiras,
e se para cada uma das duas primeiras, uma terceira operação pode
ser realizada de n3 maneiras, e assim por diante, então a sequência
de k operações pode ser realizada de n1 n2 . . . nk maneiras.
Exemplo: Sam vai montar um computador sozinho. Ele tem a opção

de pedir chips de duas marcas diferentes, o disco rígido de quatro, a
memória de três e o grupo de acessórios de cinco lojas diferentes, de
quantas maneiras diferentes Sam pode pedir os equipamentos?
2 × 4 × 3 × 5 = 120 maneiras

Permutação
É uma disposição de todo ou parte de um conjunto de objetos. O
número de permutações de n objetos é n! De modo geral,
P = n! = n(n − 1)(n − 2) . . . (1)
Exemplo: Considere as três letras a, b e c. Quais as permutações

possíveis?
P = 3! = 3 × 2 × 1 = 6.
Exemplo: Considere o número de permutações possíveis retirando
duas letras por vez, das quatro:
ab, ac, ad, ba, bc, bd, ca, cb, cd, da, db, dc

Temos um par, sendo n1 = 4 escolhas para a primeira e n2 = 3

escolhas para a segunda, em um total de
n1 n2 = 4 × 3 = 12
De modo geral, n objetos distintos, retirados r de uma vez podem ser

dispostos em
n(n − 1)(n − 2) . . . (n − r + 1)
maneiras.
Teorema
O número de permutações de n objetos distintos retirados r de uma
vez é
n!
An,r = .
(n − r )!

Exemplo:
(1) 15 carros entram em uma corrida. Supondo que todos tenham a

mesma chance de ganhar, de quantas maneiras diferentes poderiam
ser compostos o 1o , 2o e 3o . lugar?
Resposta:
n = 15
r =3
15! 15 × 14 × 13 × 12!
A15,3 = = = 2730.
(15 − 3)! 12!
(2) quantas dessas 3-uplas terias o carro número 15 em 1o lugar?
14! 14 × 13 × 12!
A14,2 = = = 182.
(14 − 2)! 12!

Permutação
O número de maneiras de dividir um conjunto de n objetos em r
células, com n1 elementos na primeira célula e n2 elementos na
segunda, e assim por diante, é

n n n!
(PR)n1 ,n2 ,...,nr = =
n1 , n2 , . . . , nr n1 !n2 ! . . . nr !
em que n1 + n2 + . . . + nr = n
Exemplo: De quantas maneiras sete estudantes da graduação podem

ser designados para um dormitório triplo e dois duplos em um hotel
durante uma conferência?

7 7! 7 × 6 × 5 × 4 × 3! 7×6×5×4
= = = = 210
3, 2, 2 3!2!2! 3!2!2! (2 × 1)(2 × 1)

Combinação
Teorema: O número de combinações de n objetos distintos retirados r
por vez é
n n!
Cn,r = =
r r !(n − r )!
Exemplo: Um componente pode ser colocado em oito localizações

diferentes em uma placa de circuito impresso. Se cinco componentes
idênticos forem colocados na placa, quantos projetos diferentes serão
possíveis?

n 8! 8! 8×7×6
Cn,r = = = = = 56
r 5!(8 − 5)! 5!3! 3×2×1

Exemplo: Em um congresso científico existem 15 administradores e

12 economistas. Qual a probabilidade de se formar uma comissão
com 5 membros, na qual figurem 3 administradores 2 economistas.
Resposta:
A: comissão de 3 administradores e 2 economistas
27

n = 5 : comissões
k = 15
12
3 . 2 : comissões com 3 administradores e 2 economistas
15
12
3 . 2
P(A) = 27
.
5

Exemplo:
Calcular a probabilidade de se obter exatamente 3 caras e 2 coroas

em 5 lances de uma moeda.
Resposta:
A: saída de 3 caras e 2 coroas
n = 25= 32 : número de quíntuplas
k = 53 = 10 : número de quíntuplas com 3 caras e 2 coroas
10 5
P(A) = = .
32 16

Exercício
(1) Uma urna contém as letras A, A, A, R, R, S. Retira-se letra por

letra. Qual a probabilidade de sair a palavra araras?
Resposta:
A : Saída da palavra araras
6!
n = (PR)63,2,1 = 3!2!1! = 60
k =1
P(A) = 1/60.

Exercício
(2) Uma urna contém 5 bolas brancas, 4 vermelhas e 3 azuis.

Extraem-se simultaneamete 3 bolas. Qual a probabilidade de que
(a) nenhuma seja vermelha
(b) exatamente uma seja vermelha
(c) todas sejam da mesma cor.

Exercício
(3) A e B jogam 120 partidas de xadrez, das quais A ganha 60, B

ganha 40 e 20 terminam empatadas. A e B concordam em jogar 3
partidas. Determinar a probabilidade de
(a) A ganhar todas as três;
(b) Duas partidas terminarem empatadas;
(c) A e B ganharem alternadamente.

Referências
Conteúdo
1 Introdução
10 Teorema de Bayes
12 Referências
Referências
Referências
Autor

Inferencia

Enviado por

Direitos autorais:

Formatos disponíveis

Inferencia

Enviado por

Dados do documento

Descrição original:

Título 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

Inferencia

Enviado por

Direitos autorais:

Formatos disponíveis

Inferência Estatística I

Cálculo das Probabilidades

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 1 / 85

A teoria da probabilidade se aplica ao estudo de fenômenos ou

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 4 / 85

Caracterização de um experimento Aleatório

Experimentos ou Fenômenos Aleatórios

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 6 / 85

(a) lançamento de uma moeda honesta

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 7 / 85

Espaço amostral e evento

Os elementos denotados por ω são os pontos amostrais. Exemplos:

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 9 / 85

Um evento aleatório pode ser um único ponto amostral, ou uma

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 10 / 85

Classe dos Eventos Aleatórios

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 11 / 85

A classe dos eventos aleatórios é dada por,

Assim, para determinarmos o número de elementos (eventos) de

{e1 }, . . . , {e4 } corresponde a 41

{e1 , e2 }, . . . , {e3 , e4 } corresponde a 42

{e1 , e2 , e3 }, . . . , {e2 , e3 , e4 } corresponde a 43

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 12 / 85

Portanto, n(F) = 40 + 41 + 42 + 43 + 44 = 16.

Em geral, se o número de pontos amostrais de espaço amostral finito

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 13 / 85

Operações com Eventos

Evento reunião A ∪ B: reúne os elementos de ambos os

Figura 1: Diagrama de Venn: evento reunião

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 14 / 85

Interseção A ∩ B: formado somente pelos elementos que estão

Figura 2: Diagrama de Venn: lado esquerdo A ∩ B. lado direito: eventos

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 15 / 85

(c) Evento complementar A = Ω − A : formado pelos elementos que

Figura 3: Diagrama de Venn: evento complementar

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 16 / 85

Propriedades das Operações

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 17 / 85

Propriedades das Operações (cont.)

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 18 / 85

Propriedades das Operações (cont.)

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 19 / 85

Lançam-se duas moedas. Sejam os eventos

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 20 / 85

Partição do Espaço Amostral

Figura 4: Partição do espaço amostral

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 21 / 85

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 23 / 85

Teorema 1. Se os eventos A1 , A2 , . . . , An formam uma partição do

Demonstração: Pela definição de partição, os eventos A1 , A2 , . . . , An

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 25 / 85

Teorema 2. Se ∅ é o conjunto impossível, então P(∅) = 0.

P(∅) + P(Ω) = P(Ω)

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 26 / 85

Teorema 3. Para todo evento A ⊂ Ω, P(A) + P(A) = 1. Então

Demonstração: Como A ∩ A = ∅ e A ∪ A = Ω temos que,

P(A) + P(A) = P(Ω)

José Clelto II. Cálculo das Probabilidades Semestre: 2019/2 27 / 85