You are on page 1of 28

INTRODUÇÃO À

PROBABILIDADE
Aula ministrada por
Prof. Antono Galves
Prof. Pablo Ferrari
Prof. Serguei Popov

Texto da aula
Prof. Carlos Alberto (Caio) Dantas FORMATAÇÃO & DESIGN:
Líndon de Souza Guimarães
Prof. Luiz Renato G. Fontes lindon@email.com.br
Thiago Rodrigo Alves Carneiro
thiagorodrigo@ime.usp.br
`
Experimento

Designaremos por Experimento todo


processo que nos fornece dados:
•Pode ser a observação de um
fenômeno natural:
4observação astronômica

4meteorológica

4sísmica

`
Continuação dos exemplos

• observação de um experimento
controlado para testar a fadiga de
materiais
• verificar o resultado de um exame de
sangue etc.
• pesquisa de opinião para saber quantos
estudantes fumam na Universidade
• quantos eleitores tem intenção de votar
`num candidato A em uma eleição
Experimento aleatório

Os resultados são imprevisíveis mas


podemos descrever quais são os
possíveis resultados.
É possível associar uma “chance” a
cada possível resultado.

`
Exemplo 1

Escolho ao acaso um dos 100


funcionários de uma empresa:
{Funcionário 1, Funcionário 2, … , Funcionário 100 }

Qual a probabilidade do
Funcionário 10 ser escolhido?
Se há 40 mulheres dentre os 100
funcionários, qual é a probabilidade
`
de uma delas ser escolhida?
Exemplo 2

Lançamento de um dado “honesto”


Conjunto de possibilidades = {1, 2, 3, 4, 5, 6}
Evento é um subconjunto do Espaço Amostral
Exemplo: Você ganha se sair uma face par
Conjunto de possibilidades favoráveis = {2, 4, 6}
Qual é a probabilidade de vitória ?
Supondo que o dado é equilibrado, temos:
(3/6)
` (nº de possibilidades favoráveis / nº total de possibilidades )
Modelos matemáticos para
experimentos aleatórios

Modelo de Probabilidade
1) Ω = Conjunto de resultados possíveis do
experimento, denominado Espaço Amostral.
2) Atribuição de Probabilidades a cada
Evento = Subconjunto do Espaço Amostral.

`
Eventos particulares do experimento

Em geral, temos interesse em eventos


particulares do experimento.

Exemplo 1
•Evento A: é escolhida uma mulher
A = {ser escolhida uma mulher} ⊂ Ω1

`
Outros eventos

Exemplo 2 Ω2 = {1, 2, 3, 4, 5, 6}
•Evento B: sair face par
B = {2, 4, 6} ⊂ Ω2
•Evento C: sair uma face ímpar
C = {1, 3, 5} ⊂ Ω2
•Evento D: sair uma face maior que 3
D = {4, 5, 6} ⊂ Ω2
•Evento E: sair face 1
` E = {1} ⊂ Ω2
Em resumo

• A um experimento aleatório está associado


um espaço amostral Ω.
• Um evento A ocorre se o resultado do
experimento pertence a A.
•Os conjuntos Ω e ∅ também são eventos:
Ω é o evento certo
∅ é o evento impossível
`
Operações com eventos

Sejam A e B dois eventos de um mesmo


espaço amostral:
•O evento interseção de A e B, denotado
A∩∩B, é o evento em que A e B ocorrem
simultaneamente
•O evento reunião de A e B, denotado A∪
∪B,
é o evento em que A ocorre ou B ocorre (ou
ambos)
•O evento complementar de A, denotado Ac,
é `o evento em que A não ocorre
Exemplos: interseção e reunião de eventos

Ω2 = {1,2,3,4,5,6}
Eventos A = {2, 4, 6}, B = {4, 5, 6} e C = {1, 3, 5}
A ∩ B = {2, 4, 6} ∩ {4, 5, 6} = {4, 6}
sair uma face par e maior que 3
A ∩ C = {2, 4, 6} ∩ {1, 3, 5} = ∅
sair uma face par e ímpar
(A e C são disjuntos); C = Ac; A = Cc
A ∪ B = {2, 4, 6} ∪ {4, 5, 6} = {2, 4, 5, 6}
sair uma face par ou maior que 3
A ∪ C = {2, 4, 6} ∪ {1, 3, 5} = {1, 2, 3, 4, 5, 6}
` sair uma face par ou ímpar
Probabilidade

É uma função que atribui aos eventos de Ω um


número P(A) (se A é um evento de Ω , P(A) é a
probabilidade de A) satisfazendo as condições:
1) 0 <= P(A) <= 1
2) P(∅
∅) = 0, P(Ω
Ω)=1
3) Regra da soma para dois eventos, A e B,
mutuamente exclusivos: P(A ∪ B) = P(A) + P(B)

`
Propriedades

1) Regra da soma para eventos quaisquer:


P(A∪
∪B) = P(A) + P(B) - P(A ∩ B)

2) P(AC) = 1 - P(A) para todo evento A

`
Dados do censo demográfico de 1991

Relativos aos habitantes de Sergipe,


na faixa etária entre 20 a 24 anos
com relação às variáveis Sexo e Leitura

Sexo Lê Não Lê Total


Masc. 39.577 8.672 48.249
Fem. 46.304 7.297 53.601
85.881 15.969 101.850
`Fonte: IBGE
Exemplo

Um jovem entre 20 e 24 anos é escolhido ao


acaso em Sergipe.
Ω = conjunto de 101.850 jovens de Sergipe,
com idade entre 20 e 24 anos.
Eventos de interesse:
M = jovem sorteado é do sexo masculino
F = jovem sorteado é do sexo feminino
L = jovem sorteado sabe ler
M ∩ L = jovem sorteado é do sexo masculino e sabe ler
M ∪` L = jovem sorteado é do sexo masculino ou sabe ler
Cálculo das probabilidades

Sexo Lê Não Lê Total


Masc. 39.577 8.672 48.249
Fem. 46.304 7.297 53.601
85.881 15.969 101.850

P(M) = nº de jovens do sexo masculino de Ω 48.245


= = 0,473
nº de jovens de Ω 101850

P(L) = nº de jovens que sabem ler de Ω 85881


= = 0 ,843
nº total de jovens de Ω 101850

F = Mc ⇒ P(F) = P(Mc) = 1- P(M) = 1 - 0, 473 = 0,527


`
Cálculo das probabilidades

Sexo Lê Não Lê Total


Masc. 39.577 8.672 48.249
Fem. 46.304 7.297 53.601
85.881 15.969 101.850

P(M ∩L) = nº de jovens do sexo masc. e que sabem ler 39577


= = 0,388
nº total de jovens de Ω 101850

P(M∪L) = P(M) + P(L) - P(M ∩L) = 0,473 + 0,843 - 0,388 = 0,928

`
Interpretação da probabilidade

•A: Evento de um experimento aleatório.


•P(A): É uma crença (subjetiva) que se
deposita na ocorrência de A.
•Interpretação freqüentista (objetiva):
fn (A) = nº de repetições em que A ocorre
n
Quando n cresce: fn(A) ≈ P(A)

`
Probabilidade condicional
e independência

No exemplo anterior, se soubermos que o


jovem sorteado é do sexo masculino, qual é a
probabilidade de que saiba ler?
Informação parcial: o jovem é do sexo masculino

Notação: P(L | M)
Probabilidade condicional de L dado M
`
Cálculo da probabilidade condicional

Sexo Lê Não Lê Total


Masc. 39.577 8.672 48.249
Fem. 46.304 7.297 53.601
85.881 15.969 101.850

P (L | M)
= (nº de jovens que sabem ler entre os do sexo masc) = 39577 = 0,820
(nº total de jovens do sexo masculino) 48249

nº jovens do sexo masculino e que sabem ler


nº total de jovens
P (L | M ) = = P(L ∩ M)
nº jovens do sexo masculino P(M)
`
nº total de jovens
Definição de probabilidade condicional

Se A e B são eventos de um experimento


aleatório, a prob. condicional de A dado B é:

Exemplo: Prob. de um jovem sorteado ser do


sexo masculino dado que sabe ler:
P(M | L) = P(M ∩ L) = 0,388 = 0,460
P(L) 0,843
Regra
`
do Produto: P(A ∩ B) = P(B).P(A | B)
Regra da probabilidade total

Se A e B são eventos, temos duas maneiras de A ocorrer:


A e B ocorrem ⇒ (A ∩ B) disjuntos

ou A = (A ∩ B) ∪ (A ∩ Bc)
A e Bc ocorrem ⇒ (A ∩ Bc)

A ∩ Bc
Pela Regra da Soma: A∩B
P(A) = P(A ∩ B) + P(A ∩ Bc) Bc B

Pela Regra do Produto:


P(A) = P(B).P(A | B) + P(Bc).P(A | Bc)
REGRA DA PROBABILIDADE TOTAL
`
Exemplo

Em uma urna, há 10 bolas: 4 brancas e 6


verdes. Duas bolas são sorteadas
sucessivamente, sem reposição. Qual é a
probabilidade da 2ª bola ser verde?
A = 2ª bola sorteada é verde
B = 1ª bola sorteada é verde
P(A) = ???
6
P( B) =
10
C 6 4
`
P( B ) = 1 − P( B) = 1 − =
10 10
Continuação do exemplo

P(A | B) = Prob (sortear 1 bola verde


dentre 5 verdes e 4 brancas) = 5 / 9

P(A | BC ) = Prob (sortear 1 bola verde


dentre 6 verdes e 3 brancas) = 6 / 9

P(A) = P(B) P(A | B) + P(BC) P(A | BC) =


5 x 6 + 4 x 6 6 5 4 6
`
= =  + =
10  9 9  10
9 10 10 9
Árvore de probabilidades

6 5
5 → 10 * 9
6 9
10 6 4
4 → *
10 9
9
6 4 6
4 9
→ *
10 9
10 3
4 3
6 5 4 6 6
9 → *
10 9
P(A) = * + * =
` 10 9 10 9 10
Independência

Sejam A e B eventos
Se P(A | B) = P(A) ⇒ A e B são Independentes
5 6
No exemplo anterior: P(A | B) = ≠ = P(A)
9 10
A e B não são independentes

Se o sorteio da 2ª bola for com reposição:


P(A | B) = Prob (Sortear 1 bola verde dentre 6
verdes e 4 brancas) = (6 / 10) = P(A)
Portanto
`
A e B são independentes neste caso
Regra do produto para eventos
independentes

Sejam A e B eventos independentes


P(A ∩ B) = P(B).P(A | B) = P(B).P(A)

Ex: Qual a probabilidade de sortear duas


bolas verdes no sorteio com reposição?
P(A ∩ B) = P(A).P(B) = 6 x 6 = 0,36
` 10 10

You might also like