Aula 1 – Introdução à Probabilidade

1.1 Processo ou Experimento Aleatório

Qualquer fenômeno que gere resultado incerto ou casual é chamado de processo ou

experimento aleatório.

Exemplo 20. Os quatro itens a seguir ilustram experimentos aleatórios, pois não sabemos,
com certeza, o possível resultado que ocorrerá em cada um.

a. Jogar uma moeda duas vezes e observar a seqüência obtida de caras e coroas.

b. Jogar um dado e observar o número mostrado na face superior.

c. Observar o peso de animais.

d. Observar o número de filhos de um casal.

1.2 Espaço Amostral e Evento

Espaço amostral ( ) é o conjunto de todos os resultados possíveis de um experimento

aleatório.

Todo experimento aleatório tem associado um espaço amostral. O Exemplo 21 ilustra esse
fato.

45
Exemplo 21. Experimentos aleatórios e seus respectivos espaços amostrais.

Experimento aleatório Espaço amostral

a. Jogar um dado e observar o resultado = {1, 2, 3, 4, 5, 6}
b. Lançar uma moeda duas vezes e observar as faces = {CC,CK,KC,KK}, com C = Cara
obtidas e K = Coroa
c. Dois dados são lançados simultaneamente e = { 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
estamos interessados na soma das faces observadas

Evento é qualquer subconjunto do espaço amostral. Usualmente denotamos os eventos com as

letras iniciais do alfabeto na forma maiúscula.

Exemplo 22. Considere o experimento de jogar um dado e observar o resultado. Alguns

possíveis eventos desse experimento são: A = {ocorrer a face 5} = {5} ou B = {ocorrer face
par} = {2, 4, 6} etc.

Existem dois eventos especiais: espaço todo ( ) e o conjunto vazio ( ). Esses eventos não
têm aplicações práticas, mas serão úteis para provarmos propriedades das probabilidades.

Operações com eventos

Utilizando o diagrama de Venn, que foi introduzido em 1881 pelo filósofo e matemático
britânico John Venn, podemos ilustrar as três operações básicas com eventos, a saber,
interseção, união e complementar. Assim, sejam A e B dois eventos de um mesmo espaço
amostral .

46
• O evento interseção de A e B, denotado por A B, é o evento
A B
em que A e B ocorrem simultaneamente.
• O evento união de A e B, denotado por A B, é o evento em
A B
que A ocorre ou B ocorre (ou ambos).
• O evento complementar de A, denotado por Ac, é o evento
A B
em que A não ocorre.

Exemplo 23. Operações com eventos. Seja = {1, 2, 3, 4, 5, 6}. Considere os seguintes
eventos: A = {2, 4, 6}, B = {4, 5, 6} e C = {1, 3, 5}. Os eventos a seguir ficam assim:
A B = {4, 6} A C=
A B = {2, 4, 5, 6} A Bc = {1, 2, 3, 4, 6}

Eventos disjuntos
Dois eventos A e B são mutuamente exclusivos ou disjuntos se eles não podem ocorrer
simultaneamente (A B= ).

A B

Exemplo 24. Considere os seguintes eventos: A = {o resultado do dado foi 4} e B = {o

resultado do dado foi 5}. O evento A B= , pois é impossível existir o evento A B=
{ocorrer 4 e 5, simultaneamente, em um único lançamento do dado}.

Após essas quatro definições, acreditamos que o leitor esteja preparado para aprender a
calcular probabilidades. Sugerimos assim, que faça os dois primeiros exercícios da seção 1.4
antes de prosseguir.

47
1.3 Definições de Probabilidade

A área de probabilidade começou a ser desenvolvida no século XVII antes ainda da

formalização da área da Estatística, em questões propostas em jogos de azar. Em 1654, Pierre
de Fermat (1601-1665) e Blaise Pascal (1623-1662), na França, estabelecem os Princípios do
Cálculo das Probabilidades. Em 1656, Huygens (1629-1695) publica o primeiro Tratado de
Probabilidade.

Fermat Pascal Huygens

No entanto, é fácil perceber que o termo probabilidade já está enraizado no senso comum,
pois as pessoas vivem o cotidiano calculando implicitamente algumas probabilidades, tais
como situações de sua vida pessoal; organizando-se em relação a horários a cumprir, levando
em conta as circunstâncias do tráfego; agasalhando-se ao sair de casa se a previsão do tempo
indicar uma frente fria. Em resumo, prevenindo-se em situações de risco.

A pergunta que surge então é “Como podemos definir Probabilidade?”.

Probabilidade é uma medida que quantifica a sua incerteza frente a um possível

acontecimento futuro.

Há várias maneiras de se medir a incerteza e é costume se pensar na seguinte divisão:

1) Método Clássico 3) Método Subjetivo
2) Método Freqüentista 4) Método Moderno ou Axiomático

48
O primeiro é devido a Laplace e é o mais conhecido, pois relaciona eventos favoráveis com
eventos possíveis. O segundo consiste em repetir um experimento várias vezes. O terceiro é
baseado na opinião pessoal, e o último é devido a Kolmogorov e baseia-se no princípio de que
qualquer experimento pode ser modelado.

Método Clássico
Consideremos o caso em que se joga um dado repetidas vezes. O dado tem seis faces: 1, 2, 3,
4, 5, 6. Se o dado é homogêneo, equilibrado, jogando-o uma vez não há razão para dizermos
que determinada face tenha preferência sobre as outras. Todos os seis resultados são
igualmente possíveis. Então a probabilidade de aparecer a face 3, por exemplo, é de 1/6. O
evento que nos interessa consiste em um elemento, e o espaço amostral tem seis elementos.

Definição 5.1. Se A é o evento de interesse, a probabilidade de A, representada por P(A), é

dada por
Número de casos favoráveis ao evento A
P(A ) (5.1)
Número de casos possíveis
Essa definição se aplica quando os pontos do espaço amostral são equiprováveis.

Exemplo 25. No lançamento de uma moeda equilibrada, qual a probabilidade de aparecer uma
Cara? O espaço amostral associado é = {Cara, Coroa}. Pela definição clássica, a
probabilidade de ocorrência do evento A = {Cara} é P(A) = 1/2. Note que o número de
elementos em é 2 e o número de elementos em A é 1.

Método Freqüentista
A definição clássica de probabilidade só se aplica a espaços amostrais em que os eventos
simples são igualmente possíveis. Esse é o caso da maioria das aplicações de probabilidades
aos jogos de azar, área que, precisamente, suscitou os primeiros problemas práticos resolvidos
pela teoria das probabilidades. Esses mesmos jogos, entretanto, repetidos inúmeras vezes,
levaram a considerar a probabilidade de um evento como a freqüência relativa, ou seja, como a
proporção de vezes que um evento ocorre em uma série suficientemente grande de realizações

49
de um experimento, em condições idênticas. Surgiu então uma nova definição de
probabilidade, a definição freqüentista.

Definição 5.2. Se A é o evento de interesse, a probabilidade de A é dada por

Número de vezes que A ocorreu
P(A ) (5.2)
Número total de repetições do exp erimento
em que o número de repetições deve ser grande.

Método Subjetivo
Definição 5.3. Cada indivíduo, baseado em informações anteriores e em sua opinião a respeito
de um evento em questão, pode ter uma resposta para a probabilidade deste evento.

Exemplo 26. Um médico experiente consegue calcular uma probabilidade de o indivíduo ter
uma determinada doença a partir dos sintomas que o indivíduo apresenta. Note que outro
médico pode calcular uma probabilidade diferente para o mesmo indivíduo. Daí o caráter
subjetivo.

Método Moderno
A definição clássica, freqüentista e subjetiva de probabilidade, embora sejam bastante
intuitivas e devendo, por isso, ser sempre lembradas, não são definições matematicamente
aceitáveis de probabilidade. Por exemplo, no caso da definição freqüentista, como saber se, à
medida que o número de repetições de um experimento cresce, a freqüência relativa converge
para um número. Além das dificuldades com o limite, existem muitas situações em que é
necessário o uso de probabilidades, e, no entanto, não é nem possível nem intuitivo pensar em
repetições.

A solução moderna consiste em axiomatizar algumas relações intuitivas e construir, a partir

delas, toda a teoria de probabilidades, a exemplo do que se faz no estudo da geometria
euclidiana.

50
Definição 5.4. Probabilidade é uma função P( ) , que associa a cada evento do espaço amostral
, um número real, pertencente ao intervalo [0, 1], satisfazendo os seguintes axiomas:
Axioma 1. 0 P(A) 1.
Axioma 2. P( ) = 1.
Axioma 3. Se A e B são eventos mutuamente exclusivos: P(A B) = P(A) + P(B).
A partir desses axiomas, podemos demonstrar as seguintes propriedades:
P1: P( ) = 0, onde é o conjunto vazio.
P2: Seja Ac o evento complementar de A, então P(Ac) = 1 – P(A).
P3: Se A e B forem dois eventos quaisquer, então P(A B) = P(A) + P(B) – P(A B).
P4: Se A B, então P(A) P(B).

Exemplo 27. Seguem alguns exemplos de funções já descobertas na literatura para calcular
probabilidades, que serão discutidas em detalhes nas próximas seções.

Distribuição Função de probabilidades

1 x
Bernoulli P( X x) px 1 p , x = 0, 1

n x n x
Binomial P( X x) p 1 p , x = 0, 1, ..., n
x

r N r N
Hipergeométrica P(X x) ,0 x mínimo(r, n).
x n x n
x
e
Poisson P( X x) , x = 0, 1, ...
x!
1
Uniforme f (x ) , <x<

1
1 2
x 2

Normal f (x ) e 2
,- < x< +
2

51
1.4 Exercícios

1. Determine o espaço amostral dos seguintes experimentos:

a. Lançar 2 dados e observar as faces superiores;
b. Lançar 2 dados e observar a soma das faces superiores;
c. Uma urna contém 10 bolas azuis e 10 brancas. 3 bolas são retiradas ao acaso e as cores são
anotadas;
d. Uma moeda é lançada consecutivamente até o aparecimento da 1ª cara;
e. Uma máquina produz 20 peças por hora. Ao final da primeira hora de produção, observa-se
o nº de defeituosas;
f. Medição do “tempo de vida” de uma lâmpada antes de se queimar:

2. Considere o seguinte espaço amostral: = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}. Defina os eventos:

A = número par: B = número ímpar:
C = múltiplo de 3: D = maior ou igual a 6:
E = maior que 8: F = menor que 5:
G = menor ou igual a 3:

Obtenha os seguintes eventos:

a. A B= e. C D=
b. A B= f. E F=
c. (A B)c = g. (A G)c =
d. (A B)c = h. (Ec B)c =

3. Atividade Prática do lançamento da moeda.

Passo 1 – Arrume um parceiro e tomem uma moeda – chamem o valor numérico da moeda de
COROA (K ) e a outra face de CARA (C). Suponham que haja interesse em saber se a sua
moeda é “honesta” (isto significa saber se a probabilidade de CARA de sua moeda é 1/2 ou,
em termos percentuais, se a chance de sair Cara é 50%).

52
Passo 2 – Um membro do grupo vai lançar a moeda e o outro vai marcar os resultados na
planilha anexa, seguindo as seguintes instruções:
a) Jogar a moeda uma vez e anotar C ou K no espaço adequado (linha 2) da planilha.
b) Repetir este procedimento 30 vezes, preenchendo um a um todos os espaços da linha 2.

Passo 3 – Continuando com a planilha, trocar de lugar com o parceiro, voltar para os itens a) e
b) das instruções e continuar mais 30 jogadas – até perfazer 60.

Passo 4 – Voltar ao primeiro da dupla e, ainda com a planilha, seguir as instruções:

c) Depois do registro na linha 2 de todos os resultados como C ou K, passar para a linha 3:
chamar CARA de 1 e COROA de 0 e colocar estes valores na planilha, abaixo de cada
resultado já obtido na linha 2. Cada membro do grupo deve fazer metade – um faz a linha de
cima e o outro a linha de baixo.

d) Agora a linha 4 da planilha deve ser preenchida – em cada posição deve ser colocado o
número acumulado de CARAS, até aquela jogada (verifique que a jogada está explicitada na
linha 1- que é a linha n). Discutir com outro membro do grupo para ver se está claro – se não,
pergunte! A linha de baixo é continuação do acumulado da linha de cima.

e) Finalmente chegamos à última linha – linha 5: colocar a freqüência relativa (m/n) de

CARAS em cada momento – o que é isso? Discuta com o outro membro do grupo (desprezar
as entradas assinaladas com X).
1) Jogada(n) 1 2 3 4 5 6 7 8 9 10 12 14 17 20 25 30
2) C ou K
3) 1 ou 0
4) Caras Acumuladas (m)
5) Frequência Relativa (m/n) X X X X X X X X X X X X X X X X X X

1) Jogada(n) 31 32 33 40 47 50 55 60
2) C ou K
3) 1 ou 0
4) Caras Acumuladas (m)
5) Frequência Relativa (m/n) X X X X X X X X X X X X X X X X X X X X X X X X X X X

53
Passo 5 – Depois de completar a 1a parte da planilha, construir a seguinte tabela, usando as
linhas 4 e 5 da planilha:
n 1 2 3 4 5 6 7 8 9 10 20 30 40 50 60
m/n

Passo 6 – Completar o gráfico, usando os valores da tabela recém-construída, do seguinte

modo:
Eixo Y – valores m/n Eixo X – valores da linha 1: (n)

Passo 7 – Comparar os resultados com os colegas e interpretar o resultado comentando sobre a

“honestidade” da sua moeda.
Gráfico da Atividade Prática

m/n
1,0

0,9

0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1
1 2 3 4 5 6 7 8 9 10 …… 20 30 40 50 60
n

Conclusão: com isso chegamos a uma possível “definição freqüentista” de probabilidade, ou

seja, probabilidade é o valor em que a freqüência relativa se estabiliza após um número muito
grande de ensaios.

54
Aula 2 – Fundamentos de Probabilidades

2.1 Probabilidade Condicional

A probabilidade condicional surge, por exemplo, quando se deseja calcular a probabilidade de

um evento A ocorrer sabendo que um evento B já ocorreu.

Sejam A e B dois eventos associados a um mesmo espaço amostral . Denota-se por P(A|B) a
probabilidade condicionada do evento A, quando o evento B tiver ocorrido.

Sempre que calculamos P(A|B), estamos essencialmente calculando P(A) em relação ao

espaço amostral reduzido devido a B ter ocorrido, em lugar de fazê-lo em relação ao espaço
amostral original . Assim, uma definição mais formal de probabilidade condicional é dada
pela definição 6.1.

Definição 6.1. Dados dois eventos A e B, a probabilidade condicional de A dado que ocorreu
B é representada por P(A | B) e definida por
P( A B)
P (A | B) , P(B) 0 (6.1)
P( B)
Da expressão (6.1), obtemos a regra do produto de probabilidades dada por
P(A B) P(B) P(A | B) (6.2)

Exemplo 28. Um grupo de pessoas foi classificado quanto a peso e pressão arterial, de acordo
com as proporções do quadro a seguir:
Peso
Pressão Excesso Normal Deficiente Total
Alta 0,10 0,08 0,02 0,20
Normal 0,15 0,45 0,20 0,80
Total 0,25 0,53 0,22 1,00

55
a. Qual a probabilidade de uma pessoa escolhida ao acaso nesse grupo ter pressão alta?
b. Se se verifica que a pessoa escolhida tem excesso de peso, qual a probabilidade de ela ter
também pressão alta?

Solução:
a. Como a pessoa é escolhida ao acaso em um grupo em que 20% tem pressão alta, chamando
A o evento “ter pressão alta”, P(A) = 0,20 é a probabilidade pedida.

b. Chamemos B o evento “ter excesso de peso”. Nosso interesse passa a ser

P(A B) 0,10
P( A | B) 0,40
P(B) 0,25
O que fizemos foi precisamente estabelecer a probabilidade condicional de A dado B, P(A|B),
a partir de P( A B) 0,10 e P(B) = 0,25.

2.2 Independência de Eventos

Dois eventos A e B são independentes se a ocorrência de um não altera a probabilidade de

ocorrência do outro, isto é, P(A|B) = P(A) ou P(B|A) = P(B), ou ainda, a seguinte forma
equivalente:
P(A B) = P(A) P(B) (6.3)

Exemplo 29. Joaninha tem probabilidade de 0,8 de passar no vestibular, enquanto que
Joãozinho tem probabilidade 0,6. Qual a probabilidade de ambos passarem no vestibular?
Qual a suposição a ser feita nesse caso para calcular a probabilidade?

Solução: Sejam os eventos A: Joaninha passa no vestibular e B: Joãozinho passa no

vestibular. Supondo independência entre os eventos A e B, temos que a probabilidade de
ambos passarem no vestibular é P(A B) = 0,8 x 0,6 = 0,48.

56
2.3 Regra da Probabilidade Total

Considere a seqüência {B1, B2, ..., Bn} como sendo uma partição do espaço amostral , isto é,
Bi Bj = sempre que i j e B1 B2 ... Bn = . O diagrama da Figura 8 exibe uma
partição de .

B2

B1 B3
A

B5
B4

Figura 8. Partição do e um evento qualquer A.

Vamos supor que o evento A possa ocorrer juntamente com um e só um dos n eventos
mutuamente exclusivos B1, B2,..., Bn. Em outras palavras vamos assumir que
A = (A B1) (A B2) ... (A Bn), (6.4)
onde os eventos A Bi e A Bj (com subscritos distintos i e j) são mutuamente exclusivos.

Aplicando a função probabilidade em ambos os lados de (6.4) temos que

P(A) = P[(A B1) (A B 2) ... (A Bn)]. (6.5)

Utilizando a regra de adição em (6.5) obtemos que

P(A) = P(A B1) + P(A B2) + ... + P(A Bn) (6.6)

Através de (6.2), a expressão (6.6) fica

P(A) = P(A | B1 ) P(B1 ) + P(A | B 2 ) P(B 2 ) + ... + P(A | B n ) P(B n )
n (6.7)
= P(A | Bi ) P(Bi )
i 1

57
A expressão (6.7) é denominada Regra da Probabilidade Total.

Exemplo 30. Uma mineradora explora três minas denominadas B1, B2 e B3. A partir de
pesquisas anteriores, sabe-se que a probabilidade de encontrar ouro na mina B1 é 0,1, na mina
B2 é 0,05 e na mina B3 é 0,2. Além disso, essa mineradora tem explorado as minas B1, B2 e B3
nas proporções 0,3, 0,2 e 0,5, respectivamente. Qual a probabilidade de a mineradora
encontrar ouro?

Solução: Seja A = {encontrar ouro} e Bj = {explorando a j-ésima mina j}. Pela regra da
probabilidade total temos
P(A) = P(A | B1 ) P(B1 ) + P(A | B 2 ) P(B 2 ) + P(A | B 3 ) P(B 3 )
0,1x0,3 0,05x0,2 0,2x0,5 0,14

2.4 Teorema de Bayes

Finalmente, uma das relações mais importantes envolvendo probabilidades condicionais é

dada pelo teorema de Bayes. Thomas Bayes (1702-1761) afirmou que as probabilidades
devem ser revistas quando conhecemos algo mais sobre os dados. A forma geral do teorema
de Bayes pode ser introduzida através do Teorema 6.1.

Teorema 6.1. A probabilidade de ocorrência do evento Bi, supondo a ocorrência do evento A,

é dado por
P(A | B i ) P(B i )
P( B i | A) n
P( A | B i ) P( B i )
i 1

O teorema de Bayes é uma generalização da probabilidade condicional no caso de mais de

dois eventos.

Exemplo 31. Considere novamente o Exemplo 30. Sabendo-se que a mineradora encontrou
ouro, qual a probabilidade de que tenha sido na mina B3?

58
Solução: Precisamos calcular a seguinte probabilidade:
P( A | B 3 )P( B 3 ) 0,2 x 0,5 0,10
P( B 3 | A ) n
0,7143
0,14 0,14
P( A | B i )P (B i )
i 1

2.5 Exercícios

1. O campo da Engenharia da confiabilidade se desenvolveu rapidamente a partir do início da

década de 1960. Um tipo de problema encontrado é o de se estimar a confiabilidade de um
sistema a partir das confiabilidades dos subsistemas. A confiabilidade é definida aqui como a
probabilidade do funcionamento apropriado durante um certo período de tempo. Considere a
estrutura de um sistema em série simples, como o da figura a seguir:

Subsistema 1 Subsistema 2

O sistema funciona se, e somente se, o subsistema 1 e o subsistema 2 funcionarem. Se os

subsistemas sobrevivem independentemente, a confiabilidade do subsistema 1 é de 0,90 e do
subsistema 2 é de 0,80, qual é a confiabilidade do sistema?

2. Em um centro de máquinas, há quatro máquinas automáticas de parafusos. Uma análise dos

registros de inspeção passados fornece os seguintes dados:
Máquina Percentual de Produção Percentual de Defeituosos Produzidos
1 15 4
2 30 3
3 20 5
4 35 2
As máquinas 2 e 4 são mais novas e, assim, a maior parte da produção foi atribuída a
elas. Suponha que o estoque atual reflita as porcentagens de produção indicadas.
a. Se um parafuso é selecionado aleatoriamente do estoque, qual é a probabilidade de que seja
defeituoso?
b. Se um parafuso é selecionado aleatoriamente do estoque e ele é defeituoso, qual é a
probabilidade de que seja da máquina 2?

59