C3/1

CAPÍTULO 3
Teoria Elementar
da Probabilidade

• Introdução
• Experiências aleatórias, espaços amostrais
e acontecimentos
• Probabilidade
• Probabilidade condicional
• Acontecimentos independentes
• Teorema de Bayes
• Apêndice: Análise combinatória
• Problemas
 C3/2

O OBJECTO GERAL DA TEORIA DA PROBABILIDADE É O DE MODELIZAR

OS FENÓMENOS OU OS PROCESSOS NOS QUAIS INTERFERE O ACASO,
CONSTITUINDO O ALICERCE FUNDAMENTAL SOBRE O QUAL ASSENTA A
INFERÊNCIA ESTATÍSTICA

UM FENÓMENO OU PROCESSO DIZ-SE ALEATÓRIO QUANDO O ACASO

INTERFERE NA OCORRÊNCIA DE UM OU MAIS DOS RESULTADOS NOS QUAIS
ELE SE PODE TRADUZIR

UMA SITUAÇÃO À QUAL ESTEJAM ASSOCIADOS, DE FORMA NÃO

CONTROLADA, DOIS OU MAIS RESULTADOS POSSÍVEIS DESIGNA-SE POR
EXPERIÊNCIA ALEATÓRIA

ESPAÇO AMOSTRAL (OU ESPAÇO DE RESULTADOS) É O CONJUNTO DE

TODOS OS RESULTADOS POSSÍVEIS DE UMA EXPERIÊNCIA ALEATÓRIA,
PODENDO SER DISCRETO (FINITO OU INFINITO) OU CONTÍNUO

À MESMA EXPERIÊNCIA ALEATÓRIA PODEM ESTAR ASSOCIADOS ESPAÇOS

AMOSTRAIS DIVERSOS, DEPENDENDO DA FORMA COMO ESSA EXPERIÊNCIA
É AVALIADA
 C3/3

EXEMPLOS

• EXPERIÊNCIA: LANÇAMENTO DE UMA MOEDA E-C (ESCUDO-CARAVELA) AO

AR UMA VEZ
ESP. AMOSTRAL: {E,C} − DISCRETO FINITO

• EXPERIÊNCIA: LANÇAMENTO DE UMA MOEDA E-C AO AR AS VEZES

NECESSÁRIAS ATÉ SAIR E
ESP. AMOSTRAL: {1,2,3,...} − DISCRETO INFINITO

• EXPERIÊNCIA: ATRASO DE UM COMBOIO

ESP. AMOSTRAL: {0,+∞ } − CONTÍNUO

• EXPERIÊNCIA: LANÇAMENTO DE UMA MOEDA E-C AO AR TRÊS VEZES

ESP. AMOSTRAL: {0,1,2,3} - AVALIADO PELO N.º DE E’s OBTIDOS
OU
{EEE,EEC,ECE,ECC,CEE,CEC,CCE,CCC} − AVALIADO PELA
SEQUÊNCIA DE E’s E C’s
 C3/4

A REPRESENTAÇÃO DE UM ESPAÇO AMOSTRAL PODE RECORRER A UMA

ÁRVORE DE RESULTADOS OU A UM DIAGRAMA DE VENN

EXEMPLO (SEQUÊNCIA DE E’s E C’s NO LANÇAMENTO DE UMA MOEDA E-C AO

AR TRÊS VEZES)
 C3/5

DESIGNA-SE POR ACONTECIMENTO UM CONJUNTO DE RESULTADOS POSSÍVEIS

ASSOCIADOS À REALIZAÇÃO DE UMA EXPERIÊNCIA ALEATÓRIA, CONSTITUINDO
UM SUBCONJUNTO DO ESPAÇO AMOSTRAL

UM ACONTECIMENTO SIMPLES CONTÉM APENAS UM RESULTADO, ENQUANTO

UM ACONTECIMENTO COMPOSTO CONTÉM MAIS DO QUE UM RESULTADO

EXEMPLO (CONT.)
ACONT. SIMPLES - SAÍDA DE TRÊS C’s
ACONT. COMPOSTO - SAÍDA DE DOIS E SÓ DOIS E’s

O CONJUNTO CONSTITUÍDO POR TODOS OS ELEMENTOS DO ESPAÇO AMOSTRAL

DESIGNA-SE POR ACONTECIMENTO CERTO, DESIGNANDO-SE O CONJUNTO
VAZIO (φ) POR ACONTECIMENTO IMPOSSÍVEL
 C3/6

AOS ACONTECIMENTOS
PODEM SER APLICADAS AS
OPERAÇÕES DE:

REUNIÃO,
INTERSECÇÃO E
COMPLEMENTARIDADE
 C3/7

O CONCEITO DE PROBABILIDADE PODE SER DEFINIDO DE DIFERENTES MODOS

• DEFINIÇÃO CLÁSSICA

SE UMA EXPERIÊNCIA ALEATÓRIA TIVER N RESULTADOS MUTUAMENTE

EXCLUSIVOS E IGUALMENTE PROVÁVEIS E SE UM ACONTECIMENTO A CONTIVER
NA DESSES RESULTADOS (NA ≤ N), A PROBABILIDADE DO ACONTECIMENTO A
É DADA POR

P ( A) =
NA
N

EXEMPLO
A PROBABILIDADE DE OBTER UM RESULTADO NÃO INFERIOR A TRÊS NO
LANÇAMENTO DE UM DADO É 4/6=0.667 (O N.º DE CASOS FAVORÁVEIS É 4,
SENDO 6 O N.º DE CASOS POSSÍVEIS)
 C3/8

• DEFINIÇÃO GEOMÉTRICA

ESTENDE A DEFINIÇÃO ANTERIOR AO CASO EM QUE OS RESULTADOS

POSSÍVEIS CONSTITUEM CONJUNTOS CONTÍNUOS

DESIGNANDO-SE POR med UMA MEDIDA DA DIMENSÃO DE UMA REGIÃO

QUALQUER INCLUÍDA NUM ESPAÇO AMOSTRAL CONTÍNUO (S), A
PROBABILIDADE DE QUE UM PONTO SELECCIONADO AO ACASO A
PARTIR DE S SE LOCALIZE NA REGIÃO A, INCLUÍDA EM S, É DADA POR

P ( A) =
med A
med S

EXEMPLO
A PROBABILIDADE DE QUE UM PONTO
SELECCIONADO AO ACASO A PARTIR DE UM
QUADRADO SE LOCALIZE NO CÍRCULO NELE
INSCRITO É π.r2/(2.r)2= π /4
 C3/9

• DEFINIÇÃO FREQUENCISTA

ESTENDE AS DEFINIÇÕES ANTERIORES AO CASO EM QUE A SIMETRIA E A

EQUIPROBABILIDADE DOS RESULTADOS NÃO SE APLICAM

SE NO DECURSO DE N REALIZAÇÕES DE UMA EXPERIÊNCIA UM

ACONTECIMENTO A OCORRER NA VEZES (0 ≤ NA ≤ N), A PROBABILIDADE DO
ACONTECIMENTO A É DADA POR

P( A) = lim
NA
N →∞ N

EXEMPLO
NO LANÇAMENTO AO AR DE UMA MOEDA E-C QUE, POR TER SIDO
DEFORMADA, SE SABE QUE SE ENCONTRA DESIQUILIBRADA, QUAL A
PROBABILIDADE DE SAIR E?

QUAL A PROBABILIDADE DE UM PORTUGUÊS COM 18 ANOS VIVER

PELO MENOS ATÉ AOS 70 ANOS?
 C3/10

• DEFINIÇÃO SUBJECTIVA

NO CASO DE EXPERIÊNCIAS QUE NÃO SE REPETEM DE FORMA ESTÁVEL UM

N.º SIGNIFICATIVO DE VEZES, A VIA FREQUENCISTA NÃO POSSIBILITA
ESTIMAR PROBABILIDADES

NESTAS SITUAÇÕES, AS PROBABILIDADES PODEM SER INTERPRETADAS

COMO EXPRESSÕES DO GRAU DE CREDIBILIDADE QUE CADA PESSOA
ATRIBUI À OCORRÊNCIA DOS ACONTECIMENTOS EM CAUSA

EXEMPLO
QUAL A PROBABILIDADE DE O ACTUAL GOVERNO SE MANTER INALTERADO
NOS PRÓXIMOS SEIS MESES?
 C3/11

• DEFINIÇÃO AXIOMÁTICA

AS DEFINIÇÕES ANTERIORES DE PROBABILIDADE APRESENTAM DEBILIDADES

RESULTANTES DO FACTO DE INCLUIREM O DEFINIDO NAS PRÓPRIAS DEFINIÇÕES

O MODO DE EVITAR ESSA SITUAÇÃO PASSA POR DEFINIR AS PROBABILIDADES

APENAS COM BASE NUM CONJUNTO DE REGRAS A SATISFAZER, OS AXIOMAS

UMA ABORDAGEM SIMPLIFICADA CONSIDERA COMO AXIOMAS TRÊS

PROPRIEDADES QUE RESULTAM DE QUALQUER UMA DAS DEFINIÇÕES DE
PROBABILIDADE ANTERIORMENTE APRESENTADAS

AXIOMA 1 0 ≤ P( A) ≤ 1
AXIOMA 2 P (S ) = 1

AXIOMA 3 P ( A ∪ B ) = P ( A) + P ( B )

(SE A E B FOREM MUTUAMENTE EXCLUSIVOS)

 C3/12

OS AXIOMAS SÃO CONSISTENTES, NÃO ORIGINANDO RESULTADOS

CONTRADITÓRIOS, E PRAGMÁTICOS, PERMITINDO REPRESENTAR DE FORMA
ÚTIL FENÓMENOS OU PROCESSOS REAIS

COM BASE NOS AXIOMAS APRESENTADOS, PODEM DEDUZIR-SE PROPRIEDADES

ASSOCIADAS ÀS PROBABILIDADES, COMO POR EXEMPLO

P ( A) + P ( A ) = 1

P(φ ) = 0

P ( A ∪ B ) = P ( A) + P ( B ) − P ( A ∩ B )

POR VEZES PRETENDE-SE CONHECER A PROBABILIDADE DE OCORRÊNCIA DE

UM ACONTECIMENTO A QUANDO SE ADMITE COMO CERTA A OCORRÊNCIA DE
UM OUTRO ACONTECIMENTO B

ESSA PROBABILIDADE, REPRESENTADA COMO P(AB), DESIGNA-SE POR

PROBABILIDADE CONDICIONAL (OU PROBABILIDADE CONDICIONADA)
DE A DADO B
 C3/13

EXEMPLO
DE UM LOTE CONSTITUÍDO POR 1 PEÇA BOA (b) E 3 PEÇAS DEFEITUOSAS
(d1, d2 E d3), RETIRARAM-SE DUAS PEÇAS AO ACASO, EM SEQUÊNCIA E SEM
REPOSIÇÃO

ADMITINDO QUE A PRIMEIRA PEÇA RETIRADA É DEFEITUOSA

(ACONTECIMENTO B), QUAL A PROBABILIDADE DE A SEGUNDA SER TAMBÉM
DEFEITUOSA (ACONTECIMENTO A)?

P ( A) =
#A 9
=
# S 12
# (A ∩ B) 6
P( A B ) = =
#B 9
# (A ∩ B)
#S P( A ∩ B )
= =
#B P(B )
#S
 C3/14

LOGO
P( A ∩ B )
P( A B ) = (com P ( B ) > 0)
P(B )

OU, DE UMA OUTRA FORMA,

P( A ∩ B ) = P( A B )⋅ P(B )

EXEMPLO:
TRÊS LÂMPADAS DEFEITUOSAS FORAM MISTURADAS COM SEIS LÂMPADAS
BOAS. CALCULE A PROBABILIDADE DE DUAS LÂMPADAS SELECCIONADAS AO
ACASO SEREM BOAS.

A1: A PRIMEIRA LÂMPADA É BOA

A2: A SEGUNDA LÂMPADA É BOA

A PROBABILIDADE DE AMBAS AS LÂMPADAS SEREM BOAS É DADA POR

6 5 30 5
P( A1 ∩ A2 ) = P( A1 ) ⋅ P( A2 | A1 ) = ⋅ = =
9 8 72 12
 C3/15

DOIS ACONTECIMENTOS DIZEM-SE INDEPENDENTES QUANDO A

OCORRÊNCIA DE UM NÃO AFECTA A OCORRÊNCIA DO OUTRO

P ( A B ) = P ( A) (com P( B) > 0)

OU

P(B A) = P(B ) (com P( A) > 0)

OU

P ( A ∩ B ) = P ( A) ⋅ P ( B ) (com P( A) > 0 e P( B) > 0)

 C3/16

EXEMPLO

NO LANÇAMENTO SUCESSIVO DE DOIS DADOS CONSIDEREM-SE OS

SEGUINTES ACONTECIMENTOS

A: A PONTUAÇÃO TOTAL É ÍMPAR

B: O RESULTADO DO PRIMEIRO DADO É 6
C: A PONTUAÇÃO TOTAL É 7

18 1 6 1
P( A=
) = P( B=
) =
36 2 36 6
3 1
P( A ∩ B) = = = P( A) ⋅ P( B)
36 12

18 1 6 1
P ( A=
) = P(C=
) =
36 2 36 6
6 1
P ( A ∩ C ) = = ≠ P ( A) ⋅ P (C )
36 6
 C3/17

OS ACONTECIMENTOS A1, A2, ..., AN DIZEM-SE INDEPENDENTES

SE E SÓ SE SE VERIFICAREM AS SEGUINTES RELAÇÕES

P (Ai ∩ A j ) = P( Ai ) ⋅ P (A j ) para i ≠ j

P (Ai ∩ A j ∩ Ak ) = P( Ai ) ⋅ P (A j )⋅ P( Ak ) para i ≠ j , i ≠ k , j ≠ k

()
N  N
P  An  = ∏ P( An )
 n =1  n =1
 C3/18
TEOREMA DE BAYES

P( An ∩ B ) P(B ∩ An )
P ( An B ) = =
P(B ) P[(B ∩ A1 ) ∪ (B ∩ A2 ) ∪  ∪ (B ∩ AN )]

P (B An )⋅ P( An )
=
P(B ∩ A1 ) + P(B ∩ A2 ) +  + P(B ∩ AN )

P (B An )⋅ P( An )
=
P (B A1 )⋅ P( A1 ) +  + P (B AN )⋅ P( AN )
 C3/19

EXEMPLO

NUM DADO PAÍS, 1% DA POPULAÇÃO TEM TUBERCULOSE, SABENDO-SE QUE

UMA MICRORRADIOGRAFIA ACUSA A DOENÇA EM 95% DAS PESSOAS
TUBERCULOSAS E EM 0.5% DAS PESSOAS SAUDÁVEIS

QUAL A PROBABILIDADE DE UMA PESSOA COM RESULTADO POSITIVO ESTAR

DE FACTO TUBERCULOSA? E A DE NÃO ESTAR INFECTADA?

P(T ) = 1% P( NT ) = 99%

P (⊕ T ) = 95% P (⊕ NT ) = 0.5%

P (⊕ T )⋅ P(T ) 0.95 ⋅ 0.01

P (T ⊕ ) = =
P (⊕ T )⋅ P(T ) + P (⊕ NT )⋅ P( NT ) 0.95 ⋅ 0.01 + 0.005 ⋅ 0.99
= 65.7%
P ( ⊕ NT ) ⋅ P ( NT ) 0.005 ⋅ 0.99
=P ( NT ⊕ ) =
P ( ⊕ T ) ⋅ P (T ) + P ( ⊕ NT ) ⋅ P ( NT ) 0.95 ⋅ 0.01 + 0.005 ⋅ 0.99
= 34.3%
(P(T) - PROB. A PRIORI; P(T⊕) - PROB. A POSTERIORI)
 C3/20

ANÁLISE COMBINATÓRIA

• PERMUTAÇÕES DE n ELEMENTOS DISTINTOS SÃO OS AGRUPAMENTOS

FORMADOS POR ESSES ELEMENTOS QUE APENAS DIFEREM UNS DOS OUTROS
PELA ORDEM PELA QUAL TAIS ELEMENTOS ESTÃO DISPOSTOS

EXEMPLO: Considerem-se as permutações dos

Pn = n! números 1, 2 e 3.

1-2-3 1-3-2 2-1-3 2-3-1 3-1-2 3-2-1

• ARRANJOS DE n ELEMENTOS DISTINTOS TOMADOS k A k SÃO OS

AGRUPAMENTOS FORMADOS POR k DESSES ELEMENTOS QUE DIFEREM UNS
DOS OUTROS TANTO PELOS ELEMENTOS QUE NELES FIGURAM COMO PELA
ORDEM PELA QUAL ESTES ELEMENTOS ESTÃO DISPOSTOS

n! EXEMPLO: Considerem-se os arranjos dos

Akn = números 1, 2 e 3, tomados dois a dois.
(n − k )! 1-2 2-1 1-3 3-1 2-3 3-2
 C3/21
• ARRANJOS (COM REPETIÇÃO) DE n ELEMENTOS TOMADOS k A k SÃO OS
AGRUPAMENTOS FORMADOS POR k DESSES ELEMENTOS QUE DIFEREM UNS
DOS OUTROS TANTO PELOS ELEMENTOS QUE NELES FIGURAM COMO PELA
ORDEM PELA QUAL ESTES ELEMENTOS ESTÃO DISPOSTOS E AINDA POR SE
PODEREM REPETIR
A′ = n
k
n k

EXEMPLO: Considerem-se todos os números que se podem formar

usando os algarismos 1, 2 e 3, tomados dois a dois.

11 12 13 21 22 23 31 32 33

• COMBINAÇÕES DE n ELEMENTOS DISTINTOS TOMADOS k A k SÃO OS

AGRUPAMENTOS FORMADOS POR k DESSES ELEMENTOS QUE APENAS
DIFEREM UNS DOS OUTROS PELOS ELEMENTOS QUE NELES FIGURAM,
INDEPENDENTEMENTE DA ORDEM PELA QUAL ESTES ELEMENTOS ESTÃO
DISPOSTOS
n n!
=
C =
n

k
 
k ( n − k )!k !
EXEMPLO: Considerem-se as combinações dos números 1, 2 e 3,
tomados dois a dois.

1-2 1-3 2-3

 C3/22

1. Uma fábrica de enlatados tem três linhas de produção de latas de pêssego

em calda nas quais passam respectivamente 50%, 30% e 20% das latas
produzidas. Sabe-se que 2% das latas produzidas na linha III são seladas
deficientemente e que as percentagens correspondentes para as linhas II e I
são de 1.5% e 1% respectivamente. Calcule a probabilidade de uma lata que
foi encontrada com defeito ter sido produzida na linha I.

Resolução:
Produção I = 0.5 e P(D | I) = 0.01
Produção II = 0.3 e P(D | II) = 0.015
Produção III = 0.2 e P(D | III) = 0.02

Recorrendo ao Teorema de Bayes vem

P( I ) ⋅ P( D | I )
P( I | D ) = =
P( I ) ⋅ P( D | I ) + P( II ) ⋅ P ( D | II ) + P ( III ) ⋅ P ( D | III )
0.5 ⋅ 0.01
= = 37%
0.5 ⋅ 0.01 + 0.3 ⋅ 0.015 + 0.2 ⋅ 0.02
 C3/23
2. Para o exame da disciplina de estatística, o professor resolveu preparar
exames de quatro tipos, nas quantidades seguintes:

Muito Fácil:10 Fácil:10 Difícil:10 Muito Difícil:10

Os exames foram cuidadosamente misturados e colocados num monte com

a frente voltada para baixo.
i) Num grupo de 10 alunos em que cada aluno recolhe um exame, qual a
probabilidade de serem recolhidos 3 exames fáceis e 3 difíceis?
ii) No mesmo grupo de alunos, qual a probabilidade de serem recolhidos 4
exames de um tipo e 6 de outro tipo?

Resolução:

10  10   20  10  10 

  ⋅   ⋅    ⋅ 
ii )     ⋅ A24 =
4 6
i)  3   3   4  = 8.2% 0.06%
 40   40 
   
 10   10 
 C3/24
3. Suponha que o professor de Estatística resolveu testar um novo método de
distribuição dos exames. Para tal, foram preparados exames de dois tipos, os
exames do tipo fácil e os exames do tipo difícil, sendo os exames distribuídos
por duas caixas iguais da seguinte forma:
caixa A: 5 exames fáceis e 5 difíceis
caixa B: 7 exames fáceis e 3 difíceis.
i) Calcule a probabilidade de o primeiro aluno retirar um exame do tipo fácil.
ii) Sabendo que o primeiro aluno retirou um exame fácil calcule a probabilidade
de o segundo aluno também retirar um exame do mesmo tipo.
iii) Se antes de ser retirado qualquer exame o professor retirar ao acaso dois
exames da caixa A e os colocar na caixa B, calcule a probabilidade de o
primeiro aluno retirar um exame fácil da caixa B.

i ) P( F ) = P( A) ⋅ P( F | A) + P( B) ⋅ P( F | B)
1 1 1 7
= ⋅ + ⋅ = 0.6
2 2 2 10
 C3/25

3. (cont.)
ii)
P(2º F ) = P( A) ⋅ P(2º F | A) + P( B) ⋅ P(2º F | B)

P(2º F | A) = P(2º F ∩ 1º FA | A) + P(2º F ∩ 1º FB | A)

= P (1º FA) ⋅ P (2º FA |1º FA) + P(1º FB) ⋅ P(2º FA |1º FB)

P(2º F | B) = P(2º F ∩ 1º FA | B) + P(2º F ∩ 1º FB | B)

= P(1º FA) ⋅ P(2º FB |1º FA) + P(1º FB) ⋅ P(2º FB |1º FB)

P ( A) ⋅ P( F | A)
P=
(1º FA) P=
(A | F) = 0.417
P( F )

P( B) ⋅ P( F | B)
P=
(1º FB) P=
(B | F ) = 0.583
P( F )
4 5
=
P(2º FA |1º FA) = P(2º FA |1º FB)
9 10
7 6
P(2º F ) = 0.5787
=
P(2º FB |1º FA) = P(2º FB |1º FB)
10 9
 C3/26

3. (cont.)

iii) Y: n.º exames fáceis retirados de A

5 4 20
P(Y = 0) = ⋅ =
10 9 90

5 5 5 5 50
P (Y = 1) = ⋅ + ⋅ =
10 9 10 9 90

5 4 20
P(Y = 2) = ⋅ =
10 9 90

P( F ) ==P(Y 0) ⋅ P( F | Y =
0) + P(Y =
1) ⋅ P( F | Y =
1) + P(Y =
2) ⋅ P( F | Y =
2) =
20 7 50 8 20 9
= ⋅ + ⋅ + ⋅ = 0.6667
90 12 90 12 90 12