1

2.
PROBABILIDADE:
CONCEITOS E LEIS
FUNDAMENTAIS
Os 3 conceitos fundamentais da teoria
da probabilidade so os seguintes:
1 - Experimento Aleatrio
2 - Espao Amostral
3 - Evento.
Cada um deles apresentado
e exemplificado a seguir.
Um experimento aleatrio uma ao
cujo resultado no pode ser previsto.
Exemplos:
2.1 - Lanar um dado e observar a face
que fica voltada para cima.
2.2 - Selecionar uma pessoa ao acaso e
observar o seu tipo sanguneo.
Experimento Aleatrio
Embora o resultado de um experimento
aleatrio no possa ser pr-determinado,
possvel descrever o conjunto dos
resultados que podem ocorrer.
Este conjunto chamado espao amostral.
O espao amostral associado a um
experimento aleatrio o conjunto
de todos os seus possveis resultados.
Notao: S.
No exemplo 2.1 S = {1,2,3,4,5,6}.
No exemplo 2.2 S = {A,B,AB,O}.
Espao Amostral
Um evento um
subconjunto do espao amostral.
No exemplo 2.1, alguns possveis eventos so:
A = face par` = {2,4,6};
B = face>3` = {4,5,6};
C = face=2` = {2}.
Evento
2
Unio e Interseo de Eventos
Prosseguindo com o exemplo do dado,
e considerando os eventos:
A: Face par` = {2,4,6};
B: Face > 3` = {4,5,6}.
O evento A ou B ocorre` dado pela
unio do evento A com o evento B.
AB = {2,4,5,6}.
O evento A e B ocorrem` dado pela
interseo do evento A com o evento B.
AB = {4,6}.
Considere um evento A definido em um
espao amostral S. A probabilidade de A
uma funo P(A) que satisfaz aos 3
Axiomas apresentados a seguir.
Probabilidade Definio
Propriedades da Probabilidade:
1) 0 P(A) 1, p/ todo A definido em S.
2) P(S) = 1.
3) P(AB) = P(A) + P(B), se AB = .
Axiomas da Probabilidade
quanto mais perto de 1, maior a probabilidade de que A ocorra.
evento certo
O Axioma 3 pode ser generalizado para mais de 2 eventos. Por exemplo,
P(ABC) = P(A)+P(B)+P(C), se os 3 pares possveis tm intersees vazias.
Algumas Propriedades da Probabilidade
1. O conjunto (vazio) chamado evento
impossvel, e tem probabilidade:
P( ) = 0.
2. O evento: A no ocorre`, composto dos
pontos que no so favorveis a A,
chamado evento complementar de A,
denotado por A
c
, e sua probabilidade :
P(A
c
) = 1 P(A).
3
3. Leis de DeMorgan:
A
c
B
c
= (A B)
c
A
c
B
c
=(A B)
c
fcil conferir as relaes acima
utilizando o Diagrama de Venn.
A probabilidade de um evento A, definido
em um espao amostral com resultados
equiprovveis, pode ser calculada como:
S #
A #
) A ( P =
casos favorveis
ao evento A.
casos possveis.
O exemplo a seguir ilustra o uso desta frmula.
Atribuio de Probabilidades
Exemplo 2.3 - Experimento: lanar 3 moedas
e observar as faces voltadas para cima.
Seja: S = Cara e F = Coroa.
O espao amostral associado a
este experimento aleatrio :
S = {SSS, SFF, FSF, FFS, SSF, SFS, FSS, FFF},
totalizando #S = 8 casos possveis.
Seja o evento: A = 2 caras`.
Obtenha a probabilidade de A.
Soluo:
#A = 3 casos favorveis.
A = {SSF, SFS, FSS}
.
8
3
S #
A #
) A ( P = =
Combinaes de n unidades, x a x,
so as diferentes formas de alocar
x unidades em n posies,
no importando sua ordem.
Combinaes
.
)! x n ( ! x
! n
x
n

Nmero de possveis
combinaes
Exemplo 2.4 - No lanamento de 5 moedas:
a) De quantas formas podemos obter 3 caras?
Soluo: Sejam S = cara e F = coroa, e o
evento: A = 3 caras`.
Temos os seguintes casos favorveis:
A = {SSSFF, SSFSF, SSFFS, SFSSF, SFSFS,
SFFSS, FSSSF, FSSFS, FSFSS, FFSSS}.
4
Utilizando a frmula do nmero de
combinaes de 5, 3 a 3, obtemos:
. 10
2
4 * 5
) 1 * 2 ( * ) 1 * 2 * 3 (
1 * 2 * 3 * 4 * 5
! 2 !* 3
! 5
3
5
A #
= =
= =

=
b) Calcule a probabilidade de obter 3 caras.
Soluo: O nmero de casos possveis,
todos com mesma probabilidade :
#S = 2*2*2*2*2 = 2
5
= 32.
Logo:
.
16
5
32
10
) A ( P = =
Exemplo 2.5 - Qual a probabilidade de
um apostador acertar na Mega Sena, com
uma aposta simples?
Soluo: O nmero de casos favorveis 1
(combinao de dezenas apostadas). O
nmero de possibilidades a combinao
de 60, 6 a 6, que igual a 50.063.860.
A probabilidade solicitada 1/50.063.860.
Sejam A e B dois eventos, com interseo
AB. Qual a probabilidade de AB?
(ou seja, de que A ou B ocorram)
P(A B) = P(A) + P(B) - P(A B).
Lei da
Adio
(p/ 2
eventos)
Lei da Adio
(Probabilidade do OU`)
A soluo deste problema dada pela
frmula a seguir:
Lei da Adio
Exemplo 2.6 - Um aluno estuda para um
exame por 2 livros. O primeiro aborda
30% do programa. O segundo, 28%. 24%
do programa abordado pelos dois livros.
Qual a probabilidade de que determinado
tpico do programa esteja em pelo menos
um dos dois livros utilizados pelo aluno?
Soluo: Seja A = tpico estar no
primeiro livro` e B = tpico estar no
segundo livro`. Pede-se P(AB).
So dados no enunciado:
P(A) = 0,30, P(B) = 0,28
e P(AB) = 0,24.
Aplicando a Lei da Adio:
P(AB) = 0,30 + 0,28 0,24 = 0,34.
5
Prova Formal da Lei da Adio:
A idia escrever AB e B como unio
de 2 eventos com interseo vazia:
(I) AB = A(BA
c
).
Note que: A(BA
c
) = .
(II) B = (AB)(BA
c
).
Note que: (AB)(BA
c
) = .
Em seguida, s aplicar o Axioma 3 em
ambas as equaes, e isolar P(BA
c
).
Exerccio 2.1 - No exemplo 2.6, qual a
probabilidade de que um tpico do programa
no esteja em nenhum dos dois livros?
Dica: aplique uma das Leis de DeMorgan!
2 eventos A e B so mutuamente
exclusivos (ou disjuntos) se a ocorrncia
de um impede a ocorrncia do outro. Se B
ocorre, ento A no ocorre, e vice-versa.
Em outras palavras, so aqueles que
no possuem pontos em comum, ou
seja: A B = , ou ainda, P(A B) = 0.
Eventos Mutuamente Exclusivos
Exemplo 2.7 - Considere o
lanamento simultneo de 2 dados.
Verifique se os pares de eventos
a seguir so mutuamente exclusivos:
a) A = soma das faces igual a 7` e
B = soma das faces igual a 11`.
b) A = soma das faces maior
que 8` e B = faces iguais`.
Soluo:
a) A = (3,4),(4,3),(2,5),(5,2),(1,6),(6,1)} e
B = {(5,6),(6,5)} e AB = . Portanto:
A e B so mutuamente exclusivos.
b) A ={(3,6),(6,3),(4,5),(5,4),(4,6),(6,4),
(5,6),(6,5),(5,5),(6,6)}, B =
{(1,1),(2,2),(3,3),(4,4),(5,5),(6,6)}
e AB = {(5,5),(6,6)}. Portanto:
A e B no so mutuamente exclusivos.
Exemplo 2.8 - Distribuio por sexo dos
funcionrios promovidos em uma empresa:
Promovidos No-Promovidos Total
Masc. 46 184 230
Fem. 8 72 80
Total 54 256 310
Qual a probabilidade de que um indivduo seja
do sexo masculino e tenha sido promovido?
6
Soluo: sejam os eventos: A = ter sido
promovido` e B = ser do sexo masculino`.
Diretamente da tabela, temos que 46
indivduos satisfazem ambas as condies.
Assim: P(AB) = 46/310 = 0,2.
Probabilidade Condicional
Chegamos a um dos conceitos mais
importantes da teoria da probabilidade:
o de probabilidade condicional.
O que est sendo pedido a
probabilidade (condicional) de A
dado B, denotada por P(A|B).
Exemplo 2.8 (cont.) - Qual a
probabilidade de que um funcionrio
do sexo masculino tenha sido promovido?
Promovidos No-Promovidos Total
Masc. 46 184 230
Fem. 8 72 80
Total 54 256 310
A idia que somente os casos favorveis
ao evento condicionante (B = ser do sexo
masculino`) passam a ser os casos possveis.
Observao Importante:
Perceba a diferena entre P(A|B) e
P(AB). Esta uma confuso comum.
A probabilidade de A dado B :
P(A|B) = #(A B)/#B.
#B = 230 e #(AB) = 46, ento:
P(A|B) = 46/230 = 0,2.
usual expressar P(A|B) em
termos de P(AB) e P(B).
7
Sejam 2 eventos A e B,
tais que P(B)>0.
A probabilidade de A dado B :
P(A|B) = P(A B)/P(B).
Probabilidade Condicional
Exemplo 2.9 - Considere novamente o
exemplo 2.1, e sejam os eventos:
A: Face par` e B: Face > 3`.
a) Calcule P(A|B).
R: 2/3.
2 eventos so independentes se a
ocorrncia de um no interfere na
probabilidade de ocorrncia do outro.
Ou seja, se:
P(A|B) = P(A).
Eventos Independentes Exemplo 2.9 (cont.) - b) A: face par` e
B: face > 3` so eventos independentes?
R: no, pois P(A|B) P(A).
Exemplo 2.10 - Em uma classe, os percentuais
de aprovados em lgebra e literatura so,
respectivamente, 75 e 84%. 63% so
aprovados em ambas as disciplinas.
a) Qual a probabilidade de um aluno ter
passado em lgebra ou em literatura?
b) Se um aluno passou em literatura, qual a
probabilidade de ter passado em lgebra?
c) Ter passado em lgebra e em
literatura so eventos independentes?
Soluo:
Seja A = ter passado em lgebra`
e B = ter passado em literatura`.
a) P(AB) = P(A) + P(B) - P(AB)
= 0,75 + 0,84 0,63 = 0,96.
b) P(A|B) = P(AB)/P(B) = 0,75.
c) Sim, pois P(A|B) = P(A) = 0,75.
Item extra: obtenha P(A
c
|B).
8
Lei da Multiplicao
Exemplo 2.11 - Seja uma urna com 8
bolinhas azuis e 4 vermelhas. 2 bolinhas
so selecionadas ao acaso desta urna.
a) Qual a probabilidade de que a primeira
bolinha retirada da urna seja vermelha
e que a segunda seja azul?
Seja A = segunda bolinha azul e
B = primeira bolinha vermelha.
Queremos P(AB).
Para revolver o problema, basta inverter a
frmula da probabilidade condicional para
obter P(A B) como funo de P(A|B) e
P(B).
P(A|B) = P(A B)/P(B).

P(A B) = P(A|B)P(B).
Sejam A e B dois eventos, tais que P(B)>0.
Ento:
P(A B) = P(A|B)P(B).
Lei da Multiplicao (para 2 eventos)
Lei da Multiplicao
(Probabilidade do E`)
Soluo do exemplo 2.11, item a:
A = segunda bolinha azul e B = primeira
bolinha vermelha. Do enunciado, temos
que: P(A|B) = 8/11 e P(B) = 4/12.
Assim:
P(AB) = 8/33.
Lei da Probabilidade Total
Exemplo 2.11 (cont.)
b) Qual a probabilidade de que a segunda
bolinha selecionada seja azul?
Considere novamente:
A = segunda bolinha azul e
B = primeira bolinha vermelha.
Pede-se P(A).
Para resolver este problema, til
construir um diagrama de rvore.
9
Diagrama de rvore:
B
B
c
A
A
A
c
A
c
P(B)
P(B
c
)
P(A|B)
P(A
c
|B)
P(A|B
c
)
P(A
c
|B
c
)
Evento A no Diagrama de rvore:
B
B
c
A
A
A
c
A
c
P(B)
P(B
c
)
P(A|B)
P(A
c
|B)
P(A|B
c
)
P(A
c
|B
c
)
Formalmente:
P(A) = P(AB) + P(AB
c
).
P(A) = P(A|B)P(B) + P(A|B
c
)P(B
c
),
Aplicando a Lei da Multiplicao em cada
uma das probabilidades do membro direito:
que a Lei da Probabilidade Total.
Sejam A e B dois eventos, tais
que P(B)>0 e P(B
c
)>0 . Ento:
P(A) = P(A|B)P(B) + P(A|B
c
)P(B
c
)
Lei da Probabilidade Total (para 2 eventos).
Lei da Probabilidade Total
Soluo do exemplo 2.11, item b:
Do enunciado, temos que:
P(A|B) = 8/11, P(B) = 4/12,
P(A|B
c
) = 7/11 e P(B
c
) = 8/12.
Assim:
P(A) = 2/3.
Exerccio 2.2 - Sejam 2 eventos A e B tais
que: P(B) = 3/4, P(A|B) = 1/2 e P(A|B
c
) = 2/3.
Calcule as seguintes probabilidades:
a) P(AB)
b) P(A)
c) P(AB)
d) P(A
c
B
c
)
10
Respostas:
a) P(AB) = 3/8.
b) P(A) = 13/24.
c) P(AB) = 11/12.
d) P(A
c
B
c
) = 5/8.
Exemplo 2.12 - A empresa X lana um
servio indito de envio de mensagens
pelo celular. Ela calcula que este novo
servio gera lucro no primeiro ano com
probabilidade 0,6, caso o concorrente
no introduza um servio semelhante.
Caso contrrio, a probabilidade de lucro
0,3. Suponha ainda que exista 50% de
chances de que o concorrente introduza
um servio semelhante naquele ano.
a) Qual a probabilidade de que o
concorrente introduza o servio e que,
mesmo assim, ele seja lucrativo para a
empresa X?
b) Qual a probabilidade de que o servio
seja lucrativo para a empresa X?
c) Qual a probabilidade de que o servio
seja lucrativo para a empresa X ou o
concorrente introduza o servio?
Soluo:
Considere os eventos:
A: servio lucrativo p/ a empresa X`;
B: concorrente introduz servio semelhante`.
So dados no enunciado:
P(A|B) = 0,3; P(A|B
c
) = 0,6; P(B) = 0,5.
Da: P(A
c
|B) = 0,7; P(A
c
|B
c
) = 0,4 e P(B
c
) = 0,5.
a) Pela Lei da Multiplicao, temos que:
P(AB) = P(A|B)P(B) = 0,3*0,5 = 0,15.
b) Pela Lei da Probabilidade Total:
P(A) = P(A|B)P(B) + P(A|B
c
)P(B
c
) =
0,3*0,5 + 0,6*0,5 = 0,45.
c) Pela Lei da Adio:
P(AB) = P(A) + P(B) P(AB) =
0,45 + 0,5 0,15 = 0,8.
Forma-Produto para Independncia
Vimos que, pela Lei da Multiplicao:
P(A B) = P(A|B)P(B).
Por outro lado, vimos que 2 eventos A e B
so independentes se: P(A|B) = P(A).
Pode-se concluir que A e B so
independentes se: P(A B) = P(A)P(B).
11
Teorema de Bayes
Exemplo 2.13 - 2 mquinas (M
1
e M
2
) so
usadas para fabricar o mesmo tipo de item.
Suponha que:
60% dos itens tenham sido fabricados por M
1
,
40% dos itens tenham sido fabricados por M
2
,
e que:
1% dos itens fabricados por M
1
tm defeito,
2% dos itens fabricados por M
2
tm defeito.
Sejam A = ser defeituoso` e
B = ter sido produzido por M
1
`.
Perceba que so dados no enunciado:
P(B) = 0,6, P(B
c
) = 0,4,
P(A|B) = 0,01 e P(A|B
c
) = 0,02.
Um item selecionado aleatoriamente.
a) Qual a probabilidade de
que ele seja defeituoso?
b) Dado que ele defeituoso, qual a
probabilidade de ter sido produzido por M
1
?
Soluo:
a) Para calcular P(A), utilizamos a
Lei da Probabilidade Total:
P(A) = P(A|B)P(B) + P(A|B
c
)P(B
c
) =
0,01*0,6 + 0,02*0,4 = 0,014.
b) Para calcular P(B|A), basta aplicar a
definio de probabilidade condicional:
P(B|A) = P(A B)/P(A)
= P(A|B)P(B)/P(A)
= 0,01*0,6/0,014 = 0,429.
A frmula acima, que permite obter P(B|A) a
partir de P(A|B) chamada Teorema de Bayes.
Sejam A e B eventos definidos em S, sendo
A dependente de B, na sequncia: B A.
O Teorema de Bayes (p/ 2 eventos) se ocupa
da sequncia reversa: A B, fornecendo:
Teorema de Bayes
.
) A ( P
) B ( P ) B | A ( P
) A | B ( P =
obtida
pela Lei da
Probabilidade
Total
12
Exemplo 2.14 - Um fundo, se
administrado por um profissional que
cursou engenharia na UERJ, tem
probabilidade 0,9 de apresentar
performance superior ao mercado. Caso
contrrio, esta probabilidade de apenas
0,3. A probabilidade de um gestor de
fundo ser engenheiro pela UERJ 0,7.
Sejam:
A = fundo tem performance superior`
B = gestor engenheiro pela UERJ`.
So dados no enunciado:
P(B) = 0,7, P(B
c
) = 0,3,
P(A|B) = 0,9 e P(A|B
c
) = 0,3
a) Calcule a probabilidade de que um fundo
selecionado ao acaso tenha performance
superior ao mercado.
Soluo do Item a:
Pede-se P(A).
Usando a Lei da Probabilidade Total:
P(A) = P(A|B)P(B) + P(A|B
c
)P(B
c
) =
0,9*0,7 + 0,3*0,3 = 0,72.
b) Dado que um fundo teve performance
superior ao mercado, qual a probabilidade
de que ele tenha sido administrado por um
engenheiro formado pela UERJ?
Soluo do Item b:
P(B|A)
calculada no item a.
= P(A|B)P(B)/P(A)
= 0,9*0,7/0,72 = 0,875.
Exerccio 2.3 - Um aluno sabe 3 de cada 4
questes de uma prova de V ou F. Se ele
acerta uma determinada questo, qual a
probabilidade de que ele tenha chutado?
R: 1/7.
13
Lei da Adio para 3 Eventos
P(A B C) = P(A) + P(B) + P(C) -
P(A B) - P(A C) - P(B C) +
P(A B C).
Prova: defina D = (BC), escreva
(ABC) como AD, e aplique a Lei da
Adio para 2 eventos para obter P(AD).
Lei da Multiplicao para 3 Eventos
P(A B C) = P(A|B C)P(B|C)P(C).
Concluso - se 3 eventos so independentes:
P(A B C) = P(A)P(B)P(C),
e assim por diante, para 4 eventos, etc.
LPT e Teorema de Bayes para 3 Eventos
Exemplo 2.15 - Os funcionrios de uma
empresa dividem-se em 3 grupos: economistas,
engenheiros e analistas de sistemas. Estes
funcionrios podem ocupar cargos tcnicos ou
gerenciais. Sabemos que 20% dos funcionrios
so analistas de sistemas, 30% so engenheiros
e 50% so economistas. 1% dos analistas de
sistemas, 2% dos engenheiros e 3% dos
economistas fazem parte da direo da empresa.
Um funcionrio selecionado aleatoriamente.
a) Qual a probabilidade de que ele seja um dos
diretores da empresa?
b) Dado que ele um dos diretores, qual a
probabilidade de que seja engenheiro?
Soluo - Defina os eventos:
A = ser diretor da empresa
B
1
= ser analista
B
2
= ser engenheiro
B
3
= ser economista.
So dados:
P(B
1
) = 0,2, P(B
2
) = 0,3, P(B
3
) = 0,5,
P(A|B
1
) = 0,01, P(A|B
2
) = 0,02, P(A|B
3
) = 0,03.
Soluo do Item a - Ampliando a Lei
da Probabilidade Total para 3 eventos:
P(A) = P(A|B
1
)P(B
1
) + P(A|B
2
)P(B
2
) +
P(A| B
3
)P(B
3
) = 0,01*0,2 + 0,02*0,3 +
0,03*0,5 = 0,002 + 0,006 + 0,015 = 0,023.
Soluo do Item b:
P(B
2
|A) = P(A|B
2
)P(B
2
)/P(A)
= 0,02*0,3/0,023 = 0,2609.