UNIVERSIDADE ESTADUAL DE MONTES CLAROS – UNIMONTES

CCET – DEPARTAMENTO DE CIÊNCIAS EXATAS

PROBABILIDADE e ESTATÍSTICA
SISTEMAS DE INFORMAÇÃO

PROBABILIDADE e ESTATÍSTICA

APOSTILA 2: PROBABILIDADE

CURSO DE SISTEMAS DE INFORMAÇÃO

2º PERÍODO/DIURNO – 2022-2

Prof. Jorge Santana

Montes Claros
Setembro/2022
 PROBABILIDADE

1. Definições

- Espaço amostral (S): é o conjunto de todos os resultados possíveis do experimento.

- Evento: é qualquer subconjunto do espaço amostral. Designam-se os eventos por: A, B, C, D, etc.

Exemplos

E: lançamento de um dado (cubo)

S = {1, 2, 3, 4, 5, 6}
Eventos:
A: Sair nº par A = {2, 4, 6}
B: Sair nº ímpar B = {1, 3, 5}
C: Sair nº maior que 2 C = {3, 4, 5, 6}
D: Sair nº maior que 6 D= “Evento impossível”
E: Sair nº de 1 a 6 E = {1, 2, 3, 4, 5, 6} “Evento certo”

2. Cálculo de probabilidade

Seja A um evento de um espaço amostral S. Define-se a probabilidade de ocorrência deste evento como:

n A 
P  A 
nS 
Onde: n(A) é o número de casos favoráveis ao evento A e n(S) o número total de casos.

Exemplo: no lançamento de um dado (cubo), calcular a probabilidade de sair nº par.

S = {1, 2, 3, 4, 5, 6} A = {2, 4, 6}

P  A 
3 1
  0,5 ou 50%
6 2

3. Regras básicas e axiomas de probabilidade

Considere A e B dois eventos de um espaço amostral S.

i) 0 ≤ P(A) ≤ 1
ii) P(S) = 1
iii) P A  B  P A  PB  P A  B
iv) P A  B  P A  PB , quando A e B são mutuamente excludentes.

v) P A  1  P A

4. Probabilidade condicional

Dados dois eventos A e B de um espaço amostral S, entende-se como probabilidade condicional a probabilidade
de ocorrência de um evento uma vez que outro já ocorreu. Assim, a ocorrência do segundo evento fica restrita a
um novo espaço amostral que corresponde ao evento já ocorrido. Denota-se a probabilidade condicional por:
 P A  B 
P A | B  
P B 

Onde P(A|B) se lê como: “probabilidade condicional de A, dado B”. Ou seja, uma vez que ocorreu o evento B,
qual é a probabilidade de ocorrência também de A?

Exemplo 1 – cálculo de probabilidade condicional

(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)

S=
(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)

E: Lançamento de dois dados (cubos)

A: Soma dos dados dar 6
B: Os dois dados apresentam um resultado par

A = [(1,5) (2,4) (3,3) (4,2) (5,1)] n(A) = 5 P(A) = 5/36

B = [(2,2) (2,4) (2,6) (4,2) (4,4) (4,6) (6,2) (6,4) (6,6)] n(B) = 9 P(B) = 9/36

Pergunta: se no lançamento de dois dados ocorreu o evento B, isto é, os dois dados apresentaram resultado par;
qual a probabilidade que a soma seja seis?

A  B  [(2,4) (4,2)] n( A  B)  2 P( A  B)  2 / 36

2
P A  B  36 2
P A | B    
P B  9 9
36

Exemplo 2 – cálculo de probabilidade e probabilidade condicional

Uma pesquisadora está estudando os rendimentos de pessoas que trabalham formal e informalmente. A tabela
abaixo corresponde a uma amostra de 634 pessoas.

Tabela 1. Nº de pessoas de acordo com a renda e tipo de trabalho – Montes Claros- ano 2007
Renda
Trabalho Total
Baixa Média Alta
Formal 36 128 225 389
Informal 94 89 62 245
Total 130 217 287 634
Especificação dos eventos:
F: trabalho formal I: trabalho informal B: renda baixa M: renda média A: renda alta

Calcular a probabilidade de um indivíduo sorteado se encontrar:

a) Com trabalho formal. R: 0,614 ou 61,4% (389/634)
b) Com renda alta. R: 0,453 ou 45,3% (287/634)
c) Com trabalho informal. R: 0,386 ou 38,6% (245/634)
d) Com renda média e trabalho formal. R: 0,202 ou 20,2% (128/634)
e) Com renda alta e trabalho formal. R: 0,355 ou 35,5% (225/634)
f) Com renda alta e trabalho informal. R: 0,098 ou 9,8% (62/634)

Probabilidade condicional
a) Com renda alta, sabendo que é do trabalho formal. R: 0,578 ou 57,8% (225/389)
b) Com renda alta, sabendo que é do trabalho informal. R: 0,253 ou 25,3% (62/245)
c) Desenvolver trabalho formal, sabendo que possui renda baixa. R: 0,277 ou 27,7% (36/130)
d) Desenvolver trabalho informal, sabendo que possui renda alta. R: 0,216 ou 21,6% (62/287)
e) Dado que possui renda média, desenvolver trabalho informal. R: 0,410 ou 41,0% (89/217)
f) Dado que é informal, possuir renda média. R: 0,363 ou 36,3% (89/245)

5. Independência de eventos

Definição: dois eventos A e B são independentes quando a ocorrência de um deles não modifica a probabilidade
de ocorrência do outro. Ou seja:

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

P A  B 
P A | B    P A  B   P( A | B)  P( B) , mas se A e B são independentes, então: P(A|B) = P(A)
P B 

Logo: P( A  B)  P( A)  P( B)

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

a) Supondo que ocorreu o evento A, qual a probabilidade condicional de ocorrer B?

4 2 3 1
P ( A)   e P( B)  
6 3 6 2

P( A  B) 2 1
P( B | A)   
P( A) 4 2

P(B|A) = P(B), ou seja, a ocorrência de A não alterou a probabilidade de ocorrência de B.

b) Agora suponha que tenha ocorrido B. Qual a probabilidade condicional de ocorrência de A?

4 2 P( A  B) 2
P( A)   e veja também que: P( A | B)  
6 3 P( B) 3
P(A|B) = P(A), ou seja, a ocorrência de B não alterou a probabilidade de ocorrência A.

Assim, dizemos A e B são eventos independentes.

6. Partição de um espaço amostral – teorema da probabilidade total

Suponha que o espaço amostral S de um experimento seja dividido em três eventos R 1, R2 e R3 de modo que:

S
R1 R2
B

R3

R1  R2  
R 2  R3  
R1  R3  
R1  R2  R3  S

e considere um evento B qualquer. O evento B pode ser escrito como:

B  BS .
Como S  R1  R2  R3 , então B  B  ( R1  R2  R3 ) ou
B  ( B  R1 )  ( B  R2 )  ( B  R3 )
Pelo fato de ( B  R1 ), ( B  R2 ), ( B  R3 ) serem eventos mutuamente excludentes, pode-se escrever;

P( B)  P( B  R1 )  P( B  R2 )  P( B  R3 )

As interseções do segundo membro são do tipo: P A  B  P( A | B)  P( B) . Assim:

P( B)  P( B | R1 )  P( R1 )  P( B | R2 )  P( R2 )  P( B | R3 )  P( R3 )

Este resultado é conhecido como teorema da probabilidade total e pode ser escrito na forma geral:

P( B)  P( B | R1 )  P( R1 )  P( B | R2 )  P( R2 )  ...  P( B | Rn )  P( Rn )

Exemplo de aplicação 1

Uma fábrica tem três máquinas – A, B e C – que respondem, respectivamente, por 40%, 35% e 25% de sua
produção. A proporção de peças defeituosas produzidas pela máquina A é 2%; da máquina B é 1% e da máquina
C é 3%. O responsável pelo controle de qualidade que inspeciona a produção retira uma peça ao acaso. Qual a
probabilidade da peça ser defeituosa?

Especificação dos eventos:

A: produção da máquina A
B: produção da máquina B
C: produção da máquina C
D: peças defeituosas

Especificação das probabilidades:

P(A) = 0,40 P(B) = 0,35 P(C) = 0,25
P(D|A) = 0,02 P(D|B) = 0,01 P(D|C) = 0,03

P( D)  P( D  A)  P( D  B)  P( D  C ) Essa expressão pode ser escrita:

P( D)  P( D | A)  P( A)  P( D | B)  P( B)  P( D | C )  P(C )
P( D)  0,02  0,40  0,01 0,35  0,03  0,25  0,019

Portanto, a probabilidade de que a peça seja defeituosa é 0,019 ou 1,9%

7. Teorema de Bayes

Considerando o mesmo contexto explicitado no teorema da probabilidade total, o teorema de Bayes equivale a:

P( B | Ri )  P( Ri )
P( Ri | B) 
P( B | R1 )  P( R1 )  P( B | R2 )  P( R2 )  ...  P( B | Rn )  P( Rn )

Exemplo de aplicação 2

Considerando o exemplo de aplicação 1, suponha que o responsável pelo controle de qualidade retira a peça e
verifica que ela é defeituosa. Qual a probabilidade de ter sido produzida pela máquina B?

P( D | B)  P( B ) P( D | B)  P( B)
P ( B | D)  
P ( D) P( D | A)  P( A)  P( D | B)  P( B)  P( D | C )  P(C )

0,01 0,35 0,0035

P( B | D)    0,184210526  0,184
0,02  0,40  0,01 0,35  0,03  0,25 0,019

Portanto, a peça defeituosa retirada para inspeção tem uma probabilidade de aproximadamente 0,184 ou 18,4%de
ter sido produzida pela máquina B.