Tema #1 Conceitos Basicos de Probabilidades

TEMA #I - CONCEITOS BÁSICOS EM PROBABILIDADES
O conceito de probabilidade está associado a experiência aleatória e, de certa forma, à frequência

da sua ocorrência no sentido de que ”é tanto mais provável um acontecimento quanto mais
frequente é a sua ocorrência”.
Assim, existem dois tipos de experiências:
 Experiência Determinística – é aquela que produz sempre o mesmo resultado, ou seja,
resultado conhecido à priori cumpridas certas condições;
 Experiência aleatória: processo de observação que conduz a pelo menos dois resultados
possíveis, associados a uma incerteza com a qual ocorrerá;
Exemplos de uma experiência aleatória:
 Lançamento de uma moeda e observação do lado que fica para cima;
 Lançamento de um dado e observação do número de pontos obtidos;
 Extracção de uma carta de um baralho e anotação do Rei;
 Etc.
Características de uma experiência aleatória:
 Não se pode dizer à partida qual o resultado (fenómeno aleatório) da experiência a realizar,
mas pode descrever-se o conjunto de todos os resultados possíveis;
 A existência da regularidade quando a experiência é repetida muitas vezes;
 A possibilidade de repetição da experiência em condições similares;
Espaço de resultados: é o conjunto Ω (não vazio) formado por todos os resultados que
hipoteticamente é possível obter de uma determinada experiência aleatória.
Exemplo : No lançamento de um dado, os resultados básicos são os números 1, 2, 3, 4, 5, 6.
Assim, o espaço de resultados é: Ω = [1, 2, 3, 4, 5, 6].
Acontecimento ou evento: é um subconjunto do espaço de resultados. É o que a experiência

aleatória pode produzir mas não se realiza necessariamente;
Exemplo : Consideremos a possibilidade de saída de um número par no lançamento de um
dado:
Experimento ou Experiência aleatória: Lançamento de um dado
Espaço de resultados: Ω=(1, 2, 3, 4, 5 e 6)
Acontecimento: (2, 4, 6)
No que diz respeito à realização, podemos ter acontecimentos:

 Elementar – se só acontecer um resultado específico;
 Composto – se ocorrer um resultado de vários possíveis;
Quanto à probabilidade de ocorrência:

 Certo – quando ocorre sempre: P(A) = 1
 Possível – quando pode ocorrer ou não: 0<P(A)<1
 Impossível – quando não ocorre: P(A) = 0
1
Quanto à ocorrência de resultados
 Mutuamente Exclusivos – quando não podem ocorrer em simultâneo. Isto é, a ocorrência de
um exclui a ocorrência dos demais;
 Equiprováveis/Igualmente possíveis – os acontecimentos Ai, i = 1,...,n são Equiprováveis
ou igualmente possíveis quando P(A1) = P(A2) = ... = P(An) = p. Por conseguinte, a
probabilidade de cada um dos n pontos amostrais (acontecimentos) é p = 1/ n
Medidas de probabilidade
A abordagem clássica de probabilidade: descreve a probabilidade em termos da proporção de vezes
em que um acontecimento pode teoricamente esperar-se que ocorra.
Se um acontecimento A pode ocorrer de m maneira diferentes de um total de n possíveis,
mutuamente exclusivos, então a probabilidade de ocorrência do acontecimento A – P(A) é dada por:
m Numero resultados possiveis favoráveis ao acontecimento
P  P ( A)  
n
Número total de resultados possiveis
Abordagem frequencista de probabilidade: expressa a proporção de vezes que a ocorrência de um
acontecimento é observada num grande número de provas.
A probabilidade do acontecimento A é o número para que tende a frequência relativa quando se
aumenta o número de provas, isto é:
n A Numero provas nas quais acontecimento ocorre
P ( A)  Lim 
N  n
Número total de provas
A abordagem subjectiva de probabilidade: representa o grau em que alguém acredita que o
acontecimento ocorra. Tais probabilidades podem ser também descritas como palpites ou
suposições.
Propriedades da Medida de probabilidade
1. 0  P ( A)  1
2. P ( A)  1  P ( A)
Regras de probabilidades
Regra de multiplicação de probabilidades
Descreve a probabilidade conjunta de ocorrência de dois ou mais acontecimentos, por

exemplo, P(A ᴖ B) e determinam a probabilidade de ocorrência simultânea de ambos
acontecimentos, sejam eles, dois, três ou mais.
Esta regra envolve vários termos importantes:
Acontecimentos dependentes: dois ou mais acontecimentos diz-se ser dependentes se a ocorrência
de um afecta a ocorrência dos demais. Caso contrário, os acontecimentos são independentes;
Probabilidade Marginal: a probabilidade de ocorrência de um dado acontecimento. Nenhuns outros
acontecimentos são tomados em consideração. Uma expressão típica é P(A).
2
Probabilidade Conjunta: a probabilidade de ocorrência de dois ou mais acontecimentos. Uma
expressão típica é P(A ᴖ B)
Probabilidade Condicionada: suponha que se pretende calcular a probabilidade de um
acontecimento A, dado que um outro acontecimento B já ocorreu ou teve lugar. Uma expressão
típica é P(A/B) - com a descrição verbal de “probabilidade de A dado B” ou "probabilidade de A
condicionada por B", é dada por:
P( A e B)
P( A | B)  (para toda P(B)>0)
P( B)
Existem duas regras de multiplicação e a aplicação de cada uma delas depende de se os

acontecimentos são dependentes ou independentes.
Assim,
 Se os acontecimentos são independentes a probabilidade de ocorrência simultânea é igual ao
produto das suas probabilidades marginais individuais.
P(AeB)=P(A)*P(B)
 Se os acontecimentos são dependentes a probabilidade de ocorrência simultânea é igual ao
produto da ocorrência do primeiro vezes o segundo calculado na suposição de que o primeiro
ocorreu.
P(AeB)=P(A)*P(B|A)
Exemplo 1: Uma caixa contém 3 bolas brancas e 2 pretas. Seja A1 o acontecimento “primeira bola
extraída ‘e preta” e A2 o acontecimento “a segunda bola extraída é preta”. Qual é a probabilidade de
saírem duas bolas pretas em duas extrapolações?
Se considerarmos uma extração com reposição, os acontecimentos A1 e A2 são independentes e
então P(A1) = 2/(3+2) = 2/5 e P(A2) = 2/(3+2) = 2/5. E, por conseguinte, a probabilidade de as duas
bolas serem pretas nas duas extracções é dada por:
P ( A1 e A2 )  P ( A1 ) P ( A2 )  2 / 5 * 2 / 5  4 / 25
Se considerarmos uma extracção sem reposição, os acontecimentos A1 e A2 são dependentes e então
P(A1) = 2/(3+2) = 2/5 e P(A2|A1) = 1/(3+1).=1/4. E, por conseguinte, a probabilidade de as duas
bolas serem pretas nas duas extracções é dada por:
P ( A1 e A2 )  P ( A1 ) P ( A2 | A1 )  2 / 5 *1 / 4  1 / 10
Regra de Adição de Probabilidade

Descreve a probabilidade de ocorrência de pelo menos um acontecimento, por exemplo, P(A ᴗ B).
 Se os acontecimentos são mutuamente exclusivos, esta probabilidade será a soma das suas
probabilidades individuais:
P ( A1 ou A2 )  P ( A1 )  P ( A2 )
3
Exemplo 2: Se definirmos A1 como sendo o acontecimento “saída de um 6 no lançamento de um
dado” e A2 o acontecimento “saída de um número ímpar”, então P(A1) = 1/6 e P(A2) = 3/6 = ½. A
probabilidade de sair um 6 ou um número ímpar num único lançamento é:
P ( A1 ou A2 )  P ( A1 )  P ( A2 )  1 / 6  1 / 2  2 / 3
 Quando os acontecimentos não são mutuamente exclusivos, aplica-se a regra geral de adição de
probabilidades. Esta regra toma em conta que dois ou mais acontecimentos poderão ocorrer
simultaneamente.
P ( A1 ou A2 )  P ( A1 )  P ( A2 )  P ( A1  A2 )
Exemplo 3: Se A1 é o acontecimento que consiste na extracção de um “As” de um baralho de

cartas” e A2 a extração de um “Espada”, então P(A1) = 4/52 = 1/13 e P(A2) = 13/52 = 1/4. A
probabilidade de se extrair um “As” ou um “Espada” em uma única extracção é:
P ( A1  A2 )  4 / 52  13 / 52  1 / 52  16 / 52
Exemplo 4: Um escritório possui 100 máquinas de calcular. Algumas dessas máquinas são
eléctricas, enquanto outras são manuais; e algumas são novas, enquanto outras são muito usadas. A
tabela dá o número de máquinas de cada categoria. Seja N = a máquina é nova; U = a máquina é
usada; E = a máquina é eléctrica; e M = a máquina é manual.
Eléctrica Manual Total
Nova 40 30 70
Usada 20 10 30
Total 60 40 100
Os valores da Tabela acima devem entender-se do seguinte modo:
 Probabilidade de obter uma máquina nova: P(N) = 70/100;
 Probabilidade de obter uma máquina usada: P(U) = 30/100
 Probabilidade de obter uma máquina eléctrica: P(E) = 60/100
 Probabilidade de obter uma máquina manual: P(M) = 40/100
 Probabilidade de obter uma máquina eléctrica e nova: P(EeN) = (40/100)
PROBABILIDADE TOTAL E FORMULA DE BAYES
A probabilidade condicional é de grande utilidade se conhecermos a partição do espaço de

resultados.
Diz-se que os acontecimentos A1 A2, ...An definem uma partição S, quando se verificam
simultaneamente as seguintes condições:
a) Formam grupo completo, isto é, a união de todos os acontecimentos é o próprio espaço de
resultados;
b) Os acontecimentos são mutuamente exclusivos dois a dois;
c) Todos os acontecimentos têm probabilidade não nula, isto é, P(Aj)>0
4
Probabilidade Total
Se os acontecimentos A1, A2, ..., An definem uma petição sobre Ω, então para qualquer eventos B
definido em Ω tem-se:
n
P ( A)   P ( A | Ai ).P ( Ai )
i 1
 P ( A | A1 ) xP ( A1 )  P ( A | A2 ) xP ( A2 )  ...  P ( A | An ) xP ( An )
Exemplo 5: Num escritório existem três impressoras A, B, e C, que imprimem a velocidades

diferentes. Os ficheiros são enviados para a primeira impressora que estiver disponível. A
probabilidade de um ficheiro ser enviado para as impressoras A, B ou C é respectivamente 0.5, 0.3 e
0.2. Ocasionalmente a impressora avaria e destrói a impressão. As impressoras A, B e C avariam
com probabilidades 0.01, 0.06 e 0.08.
a. Um ficheiro é enviado para impressão. Qual é a probabilidade de avaria da impressora e
destruição da impressão?
Vamos considerar a seguinte anotação:
A: “enviar para impressora A”; P(A)=0.5; B : “enviar para impressora B’; P(B)=0.3 C :
“enviar para impressora C”; P(B)=0.2; D : “impressão destruída’; P(D|A)=0.01,
P(D|B)=0.06, P(D|C)=0.08;
P(D)=P(D|A)·P(A)+P(D|B)·P(B)+P(D|C)·P(C) =0.01×0.5+0.06×0.3+0.08×0.2=0.039
Fórmula de Bayes
É uma extensão do conceito de probabilidade condicional e emprega-se para reavaliar as
probabilidade dos acontecimentos Aj de uma partição [A1, A2, …, Am] quando se obtém a
informação adicional de que um dado acontecimento B se realizou e se conhece P(B/Aj).
Se A1, A2, ..., An definem uma partição sobre Ω, então, para B definido em Ω com P(A)>0:
P ( A j ).P ( A | A j )
P ( A j | A)  n
j  1,2,..., n
 P( A .xP( A | A )
i 1
i i
Exemplo 6: Do exemplo anterior sabe-se que a impressão do ficheiro foi destruída. Qual a
probabilidade de ter sido enviada para impressora A?
P(A|D)= P(D|A)·P(A) / P(D) = 0.01×0.5/ 0.039 = 0.005 / 0.039 =0.1282 „
5
Elementos da Análise Combinatória
 Arranjos de n elementos em grupos de k elementos ( Akn ): Considera-se um conjunto com n

elementos distintos e suponha-se que a partir dele se formam grupos com um número fixo de
k elementos (k=1, 2, …, n), não repetidos, mas onde os grupos diferem pela ordem em que
os elementos são seleccionados.
n!
Akn  n(n  1)(n  2)...( n  k  1) 
(n  k )!
Os arranjos de k elementos formados a partir de um conjunto com n elementos podem ser
considerados amostras ordenadas sem reposição.
 Permutações (Pn): As permutações de um conjunto de n elementos distintos são arranjos de
n elementos em grupos de k elementos, isto é, as permutações são grupos formados por
todos os elementos do conjunto.
Pn  Akn  n(n  1)(n  2)...2 * 1  n!
 Combinações ( C kn ): Calcula-se contando os arranjos de n elementos em grupos de k

elementos, e eliminando as permutações que traduzem as diferentes ordens.
An n!
C kn   nk   k 
Pk k!(n  k )!
Exemplo 7: Com um conjunto de 10 pessoas quantas comissões de 3 pessoas podem formar-se?
evidentemente, as comissões devem diferir apenas pelas pessoas que as compõem. A comissão com
(José, João, Paulo) não é diferente da comissão com (João, José, Paulo)
Aplicação da análise combinatória:
Considere-se uma população com N elementos, dos quais m possuem determinado atributo.
Escolhida uma amostra com n elementos (n>=0), qual a probabilidade de nela se encontrarem k
elementos com o referido atributo (k = 0, 1, 2, ..., n)
Como os números de elementos da população e da amostra são, respectivamente, N e n, o numero

de casos possíveis é dado pelas combinações de N elementos em grupos de n, ou seja, CnN .
Para calcular o numero de casos favoráveis, devem ter-se em conta as seguintes composições da
população e da amostra:
 a população possui m elementos com o atributo em estudo e, portanto, N-m sem este
atributo;
 a amostra tem k elementos com o referido atributo e, portanto, n-k sem ele.
Então, o número de casos favoráveis é dada por: C km .C nNkm
6
Assim, se a escolha for feita sem reposição, a probabilidade de se encontrarem k elementos com o
referido atributo é dado por:
Ckm .CnNkm
Pk 
CnN
Se a escolha for feita com reposição, utiliza-se o chamado esquema binomial dada por:
m k ( N  m) n  k Ckn k
n m ( N  m)
nk
Pk  n
 Ck k nk
 Ckn P k (1  P ) n  k
N N N
Onde P = m/N
Exemplo 8: Considere-se uma população de 100 computadores dos quais 10 sofreram determinada
avaria. Escolhida aleatoriamente, sem reposição, uma amostra de 5 computadores, qual a
probabilidade de nenhum deles estar avariado?
C010 .C5100
0
10
C590
P( o )   100  0,584
C5100 C5
Caso a tiragem fosse com reposição, tem-se o esquema binomial, e vem:
P( o )  C05 .0,10.0,95  0,95  0,59049

Tema #1 Conceitos Basicos de Probabilidades

Enviado por

Direitos autorais:

Formatos disponíveis

Tema #1 Conceitos Basicos de Probabilidades

Enviado por

Dados do documento

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

Tema #1 Conceitos Basicos de Probabilidades

Enviado por

Direitos autorais:

Formatos disponíveis

TEMA #I - CONCEITOS BÁSICOS EM PROBABILIDADES

O conceito de probabilidade está associado a experiência aleatória e, de certa forma, à frequência

Acontecimento ou evento: é um subconjunto do espaço de resultados. É o que a experiência

No que diz respeito à realização, podemos ter acontecimentos:

Quanto à probabilidade de ocorrência:

Regra de multiplicação de probabilidades

Descreve a probabilidade conjunta de ocorrência de dois ou mais acontecimentos, por

Existem duas regras de multiplicação e a aplicação de cada uma delas depende de se os

Regra de Adição de Probabilidade

Exemplo 3: Se A1 é o acontecimento que consiste na extracção de um “As” de um baralho de

PROBABILIDADE TOTAL E FORMULA DE BAYES

A probabilidade condicional é de grande utilidade se conhecermos a partição do espaço de

Exemplo 5: Num escritório existem três impressoras A, B, e C, que imprimem a velocidades

P(A|D)= P(D|A)·P(A) / P(D) = 0.01×0.5/ 0.039 = 0.005 / 0.039 =0.1282 „

 Arranjos de n elementos em grupos de k elementos ( Akn ): Considera-se um conjunto com n

 Combinações ( C kn ): Calcula-se contando os arranjos de n elementos em grupos de k

Aplicação da análise combinatória:

Como os números de elementos da população e da amostra são, respectivamente, N e n, o numero

Então, o número de casos favoráveis é dada por: C km .C nNkm

Caso a tiragem fosse com reposição, tem-se o esquema binomial, e vem:

P( o )  C05 .0,10.0,95  0,95  0,59049

Você também pode gostar