Resumo - Teoria Das Probabilidades

Instituto Superior de Engenharia de Lisboa
rea Departamental de Matemtica

Resumos sobre Probabilidades e Estatstica

Teoria das probabilidades

2.1
1
1.1
Conjuntos
Cardinal de um conjunto
Ao nmero de elementos de um conjunto chama-se cardinal do conjunto e

representa-se por 7. Este smbolo l-se cardinal.
1.2
Conjunto vazio
pA Bq px P A x P Bq .
Subconjunto de um conjunto
A Y S S.
Exemplo 2.1. t0, 1, 3u Y t3, 4, 5u t0, 1, 3, 4, 5u.
Interseco de conjuntos
A interseco de A com B escreve-se A X B e l-se A interseco com B

ou A e B. A interseco de A com B constituda por todos os elementos
comuns a A e B:
A X B tw P S : w P A ^ w P Bu .
Propriedades:
A X A A;
Conjunto universo
O conjunto universo o conjunto que constitudo por todos os elementos

do universo que estamos a considerar em cada caso em concreto. O conjunto
universo representa-se por U ou S. Qualquer subconjunto A est contido no
universo:
A S.
A Y B B Y A;
2.2
Sejam A e B dois conjuntos. Diz-se que A subconjunto de B ou que A est

contido em B, e escreve-se A B, se e s se todo o elemento de A tambm
elemento de B:
pA Bq px P A x P Bq .
1.5
Propriedades:
A Y H A;
Igualdade entre conjuntos
Sejam A e B dois conjuntos. Diz-se que A igual a B, e escreve-se A B,

se e s se A e B tm os mesmos elementos:
1.4
A Y B tw P S : w P A _ w P Bu .
A Y A A;
Um conjunto diz-se vazio se no tem elementos. Representa-se por tu ou H.
1.3
Reunio de conjuntos
A reunio de A e de B, ou unio de A com B, escreve-se A Y B e l-se A

reunio com B ou A ou B. A reunio de A com B constituda por todos
os elementos que pertencem a A ou B:
A X B B X A;
A X H H;
A X S A.
Exemplo 2.2. t0, 1, 3u X t3, 4, 5u t3u.
So tambm importantes as seguintes propriedades:
Operaes com conjuntos
Propriedade distributiva: A Y pB X Cq pA Y Bq X pA Y Cq;
Considere um conjunto universo S no qual esto contidos dois conjuntos

quaisquer A e B, diferentes do vazio.
Propriedade distributiva: A X pB Y Cq pA X Bq Y pA X Cq;

Lei da absoro: A X pA Y Bq A;
Lei da absoro: A Y pA X Bq A.

C. Fernandes & P. Ramos
1/29
2/29

2.3

Complementar de um conjunto
2.6
O complementar de A em relao ao conjunto universo S indicado pelo smbolo A. O conjunto A formado por todos os elementos que no pertencem
ao conjunto A. Assim:
A tx : x R Au .
Propriedades:
A Y A S;
Definio 2.1. Sejam A1 , A2 , . . . , An , n conjuntos. Denominaremos produto

cartesiano de A1 , A2 , . . . , An , denotando-o por A1 A2 An , o conjunto
tpa1 , a2 , . . . , an q : ai P Ai , i 1, . . . , nu. Note que em geral o produto cartesiano no comutativo pois os elementos do novo conjunto so vectores tais
que, a componente j desse vector um elemento do conjunto j no produto
cartesiano, e no de outro qualquer.
A X A H;
H S;
S H.
2.4
Diferena ou complementar de um conjunto relativamente a outro
Os elementos da diferena so aqueles que pertencem ao primeiro conjunto

mas no pertencem ao segundo. Assim:
AzB A B tw P S : w P A ^ w R Bu .
Propriedades:
AzA H;
AzB BzA, a diferena de conjuntos no uma operao comutativa;
AzH A;
HzA H.
Exemplo 2.3. t0, 5, 7u z t0, 3, 7u t5u e t0, 3, 7u z t0, 5, 7u t3u.
2.5
Nmero de elementos da reunio de dois conjuntos
Sejam A e B dois conjuntos, tais que o nmero de elementos de A, cardinal

de A, seja n pAq e o nmero de elementos de B, cardinal de B, seja n pBq.
Representando o nmero de elementos da interseco A X B por n pA X Bq e
o nmero de elementos da reunio AYB por n pA Y Bq, tem-se: n pA Y Bq
n pAq ` n pBq n pA X Bq.
Existe ainda uma importante operao entre os conjuntos, que tem interesse considerar num contexto de acontecimentos aleatrios.
Propriedades das operaes com conjuntos

Propriedades
Comutativa
Associativa
Distributiva
Idempotncia
Lei do
complemento
Lei de
De Morgan
Elemento
neutro
Elemento
absorvente
Reunio
AYB BYA
A Y pB Y Cq pA Y Bq Y C
A Y pB X Cq pA Y Bq X pA Y Cq
AYAA
AYAS
AYB AXB
AYHA
AYS S
Conjuntos disjuntos
Se dois conjuntos A e B no tm elementos em comum, isto , se A X B H

ento A e B so chamados conjuntos disjuntos.

3/29

4/29

Propriedades
Comutativa
Associativa
Distributiva
Idempotncia
Lei do
complemento
Lei de
De Morgan
Elemento
neutro
Elemento
absorvente

4.1
Interseco
AXB BXA
A X pB X Cq pA X Bq X C
A X pB Y Cq pA X Bq Y pA X Cq
AXAA
Definio 4.1. Uma experincia aleatria um procedimento que se pode

repetir um grande nmero de vezes em condies uniformes, sobre o qual
no se conhece partida o resultado (fenmeno aleatrio), conhecendo-se no
entanto o conjunto de todos os resultados possveis.
AXAH
Definio 4.2. O espao de resultados o conjunto de todos os resultados

possveis de uma experincia aleatria. Representa-se por S, U ou .
AXB AYB
AXS A
4.2
AXHH
Todos ns temos uma noo intuitiva de probabilidade. Por exemplo, se

perguntarmos a algum se chove ou no amanh, muitos respondero que
provavelmente ir chover ou que provavelmente no ir chover, em raras
circunstncias tm a certeza absoluta de que no chove ou de que chove.
Se pedirmos a previso de outros fenmenos em que intervm o acaso, tais
como se vai ganhar o totoloto desta semana, as respostas sero idnticas.
Chover ou ganhar o totoloto so exemplos de fenmenos (ou experincias)
ditos aleatrios. Aos fenmenos naturais em que se supe intervir o acaso,
mas para os quais se podem encontrar taxas de realizao constante que
podero permitir certas previses de ndole global, d-se o nome de fenmenos
(ou experincias) aleatrios.
A teoria das probabilidades um conjunto de estruturas matemticas que
servem para formular modelos de fenmenos aleatrios, ditos modelos aleatrios, que nos permitem calcular as probabilidades de certos acontecimentos.
Associados ao conceito de fenmeno (ou experincia) aleatrio surgem outros
conceitos fundamentais que iremos definir a seguir.
Acontecimentos e lgebra dos acontecimentos
Definio 4.3. Um acontecimento um subconjunto do espao de resultados.
Definies bsicas sobre teoria das probabilidades
Experincia aleatria e espao de resultados ou espao amostral
5/29
Acontecimento Elementar - um acontecimento que contm exactamente um dos resultados possveis de uma experincia aleatria;
Acontecimento Composto - um acontecimento que contm mais do
que um dos resultados possveis de uma experincia aleatria;
Acontecimento Certo - um acontecimento que contm todos os resultados possveis de uma experincia aleatria, denotado por S;
Acontecimento Impossvel - um acontecimento sem resultados, denotado por H, conjunto vazio.
Vamos agora introduzir o conceito de partes de um conjunto. Seja W
um conjunto no vazio e finito com n elementos. As partes do conjunto
W, P pWq, o conjunto cujos elementos so todos os subconjuntos de W,
incluindo o conjunto vazio e o prprio conjunto W. Este conjunto contm
2n elementos. Se W o conjunto W ta, bu ento os subconjuntos de W
so H, tau, tbu e ta, bu. Assim P pWq tH, tau , tbu , ta, buu. No caso do
conjunto ser o espao de resultados S associado a uma determinada experincia aleatria, as partes de S contm todos os acontecimentos associados
experincia em causa.
Considere-se um espao de resultados S. possvel definir sobre os acontecimentos as mesmas operaes que vimos para os conjuntos, uma vez que
definimos acontecimento como um conjunto de elementos do conjunto de
resultados S.

6/29


Diagrama de Venn:
Acontecimento contrrio a A, A, o acontecimento constitudo por

todos os elementos de S que no pertencem a A. Observe-se que A A;
O rectngulo representa o espao resultados, ou seja, todos os acontecimentos elementares. As elipses representam os acontecimentos A e B.
Existe um paralelismo entre as operaes com conjuntos e as operaes
com acontecimentos. No entanto, utiliza-se uma linguagem prpria para os
acontecimentos. Em seguida apresentam-se algumas operaes com acontecimentos.
Acontecimento reunio de A e B, A Y B, o acontecimento que se

realiza se e s se A ou B se realizam;
S
A subacontecimento de B, A B, se e s se a realizao de A implica

a realizao de B;
S
B
AB
Acontecimento interseco de A e B, A X B, o acontecimento que se

realiza se e s se A e B se realizam simultaneamente;
A e B so idnticos se e s se a ocorrncia de um implica a ocorrncia
do outro, isto , A B e B A. Escreve-se A B;
S
A
A=B
AB

7/29

8/29


Acontecimento diferena de A e B, AzB ou A B, o acontecimento

que se realiza se e s se A se realiza sem que B se realize;
S
Generalizando, os acontecimentos A1 , A2 , . . . , An dizem-se mutuamente

exclusivos se e s se Ai X Aj H, para i j:
Ai X Aj H, para i j e ni1 Ai S;
S
A1
A3
A2
A4
-B
A e B dizem-se incompatveis, disjuntos ou mutuamente exclusivos se

e s se a ocorrncia de um deles implica a no ocorrncia do outro:
Ai X Aj H, para i j e
S
A X B H e A Y B S;
...
i1
A1
An
Ai S;
A3
A2
A4
A
An
A X B H e A Y B S (acontecimentos incompatveis e contrrios);

S
...
Exemplo 4.1. Considere-se a experincia aleatria que consiste no lanamento de dois dados e registo da soma dos pontos obtidos nas duas faces que
ficaram voltadas para cima. Espao de resultados: S t2, 3, 4, . . . , 10, 11, 12u.
Definam-se os seguintes acontecimentos:
A - A soma das faces um nmero par;
B - A soma das faces menor que 5.
Tem-se ento:
A t2, 4, 6, 8, 10, 12u e B t2, 3, 4u;
A Y B t2, 3, 4, 6, 8, 10, 12u e A X B t2, 4u;
AzB t6, 8, 10, 12u e A t3, 5, 7, 9, 11u.

9/29

10/29


Exemplo 4.2. Considere-se uma urna com m bolas, fisicamente idnticas,

numeradas de 1 a m. A experincia aleatria que consiste em retirar ao
acaso da urna N bolas, uma a uma sem reposio, 0 N m, tem espao
de resultados com
61 , bastando ter em ateno que temos 6 faces. No ser igualmente difcil

concluir que a probabilidade do acontecimento A: sair face par 21 , isto
, P rAs 12 . Basta pensarmos que temos trs possibilidades em seis. Do
mesmo modo a probabilidade do acontecimento B: sair face mpar 12 .
A ideia de probabilidade subjacente ao nosso raciocnio foi a mesma de
Laplace, um dos primeiros matemticos que procuraram estabelecer uma
teoria rigorosa das probabilidades. Na sua teoria, dita Teoria Clssica de
Laplace, a probabilidade de um acontecimento a razo entre o nmero de
casos favorveis a esse acontecimento e o nmero total de casos possveis,
desde que os resultados sejam igualmente provveis. Esta teoria foi grandemente criticada na medida em que supe existir uma probabilidade igual
para os acontecimentos, o que nem sempre possvel.
Outras teorias se seguiram cada uma delas com a sua definio de probabilidade. Kolmogoro, Cramer, Neyman e Frechet associaram o conceito
de probabilidade ideia de frequncia com que ocorre um acontecimento
e criaram a Teoria Frequencista da Probabilidade, qual tambm se d o
nome de Teoria Clssica Moderna. A ideia bsica que as probabilidades so
objectos matemticos que satisfazem um certo nmero de axiomas. Como regra de interpretao dos axiomas, devemos entender a frequncia como uma
medio fsica de uma grandeza aleatria - a probabilidade - associada a um
acontecimento.
Temos ainda o conceito subjectivo de probabilidade, em que a probabilidade de um acontecimento entendida como uma medida pessoal (entre 0 e
1) do grau de crena sobre a ocorrncia do acontecimento.
A perspectiva em que nos colocamos ser a de termos por um lado a
teoria abstracta das probabilidades e por outro as suas aplicaes prticas.
Em resumo temos que,
AN m pm 1q pm 2q pm N ` 1q
elementos, nmero de arranjos simples de m objectos tomados N a N. No

caso particular em que N m, o espao de resultados tem
Pm m! m pm 1q pm 2q 1
elementos, nmero de permutaes de m objectos. Se as N bolas so retiradas
uma a uma com reposio o espao de resultados tem
m 1
AN
mN
elementos, nmero de arranjos completos (com repetio) de m objectos tomados N a N. Se as N bolas so retiradas simultaneamente (no faz sentido
falar em reposio ou no reposio e tem-se naturalmente 0 N m) o
espao de resultados tem
m
CN
m!
N! pm Nq!
elementos, nmero de combinaes de m objectos tomados N a N.
5
5.1
Probabilidades
Conceito de probabilidade
Definio 5.1. A probabilidade uma medida da possibilidade de ocorrncia

de determinado acontecimento.
A teoria das probabilidades diz respeito maneira como se deve associar

nmeros aos acontecimentos de um espao amostral S. Cada um desses nmeros a probabilidade do acontecimento a que ele est associado. Tal como
dissemos no incio, todos ns temos uma noo intuitiva de probabilidade.
Com efeito, se considerarmos um lanamento de uma moeda, a possibilidade
de sair face ou coroa a mesma, desde que a moeda esteja equilibrada. A probabilidade associada a cada um desses acontecimentos 12 . Podemos ento
escrever:
1
P rF s P rCs .
2
Se pensarmos no lanamento de um dado perfeito, isto , um dado em
que todas as faces so igualmente possveis, a probabilidade de qualquer face
onde N o nmero de resultados possveis e NA o nmero de resultados

favorveis a A.
11/29
5.1.1
Conceito clssico de probabilidade
Se associada a uma experincia aleatria tivermos um espao de resultados

com N elementos, igualmente provveis, e A for um acontecimento que contm NA elementos do espao de resultados, ento
P rAs
NA
,
N
12/29


Exemplo 5.1. De um saco com trs bolas azuis e duas verdes retira-se, sem
ver, uma bola. Qual a probabilidade da bola ser azul?
Como cada uma das 5 bolas um caso possvel e cada uma das 3 bolas
azuis um caso favorvel, tem-se,
no de casos favorveis
3
p o
.
n de casos possveis
5
Logo,
5.1.2
3
5
Conceito frequencista de probabilidade
Exemplo 5.2. O telefone toca. Qual a probabilidade de ser engano?

Para responder pergunta tem de se recorrer experincia. Portanto,
teramos de atender o telefone muitas vezes e registar se foi engano ou no.
6
Supondo que em 1000 chamadas, 6 foram engano, podemos afirmar que 1000
ou 0, 6% um valor aproximado para a probabilidade de ser engano.
(iii) Com A e B acontecimentos mutuamente exclusivos definidos em S, ou

seja, A X B H, tem-se:
Pode generalizar-se para n acontecimentos mutuamente exclusivos, ficandose com:
n
n
P
Ai
P rAi s .
i1
5.2.1
Consequncias dos axiomas
Dado um acontecimento A com probabilidade P rAs 0, a probabilidade do seu complementar obtm-se por

P A 1 P rAs ;
A probabilidade do acontecimento impossvel zero, isto ,
P rHs 0;
Exemplo 5.3. Um gelogo afirma que numa dada regio h 60% de hiptese
de haver petrleo, baseando-se quer nas caractersticas do terreno, quer na
sua semelhana com outras regies com conhecida presena ou ausncia de
petrleo nos ltimos anos.
Axiomas da teoria das probabilidades
Suponha-se uma funo P rs que associa a qualquer acontecimento definido

em S um nmero compreendido no intervalo r0, 1s, satisfazendo os seguintes
axiomas:
i1
De acordo com a teoria frequencista, P rAs a frequncia limite com

que o acontecimento A ocorre quando o nmero de experincias aleatrias
correspondentes tende para infinito. O facto dos axiomas (i), (ii) e (iii) se
verificarem para as frequncias relativas, legitima a sua interpretao como
uma probabilidade.
Conceito subjectivo de probabilidade
A probabilidade de um acontecimento A baseia-se na intuio e conhecimento

pessoal sobre a ocorrncia de A.
5.2
(ii) P rSs 1;
P rA Y Bs P rAs ` P rBs .
0, 6 a probabilidade de retirar uma bola azul do saco.
Este conceito de probabilidade atende ao facto de na realidade nem todos os

acontecimentos serem equiprovveis. Assim, a probabilidade de um acontecimento avaliada atravs da informao j existente, sendo igual razo
entre o nmero de vezes em que se verificou uma realizao favorvel ao
acontecimento A pNA q e o nmero de vezes em que se efectuou a experincia
aleatria pNq, isto ,
NA
.
P rAs lim
N 8 N
Assim a probabilidade vista como uma frequncia relativa.
5.1.3
(i) P rAs 0, @A S;
13/29
Se A B ento
P rAs P rBs .
Podemos ainda escrever que se A B ento
P rBs P rAs ` P rB As ;
0 P rAs 1, @A S;
Dados dois acontecimentos quaisquer A e B, a probabilidade do acontecimento diferena A B obtm-se pela diferena entre a probabilidade
de A e a probabilidade da interseco de A com B, ou seja,
P rA Bs P A X B P rAs P rA X Bs ;

14/29


A probabilidade da unio de dois acontecimentos quaisquer A e B,

obtm-se somando as suas probabilidades e deduzindo a probabilidade
da sua interseco, isto ,
Considerando os acontecimentos:
Q - A empresa tem departamento de controlo da qualidade;
R - A empresa tem departamento de recursos humanos.
P rA Y Bs P rAs ` P rBs P rA X Bs .
Podemos calcular a probabilidade da empresa seleccionada se encontrar nas

seguintes condies:
Sendo A e B quaisquer dois acontecimentos,

P rA Y Bs P rAs ` P rBs .
(a) Ter departamento de controlo da qualidade ou departamento de recursos

humanos.
A probabilidades da unio de trs acontecimentos dada por:

P rA Y B Y Cs P rAs ` P rBs ` P rCs P rA X Bs P rA X Cs `
P rB X Cs ` P rA X B X Cs .
A probabilidade da unio de quatro acontecimentos dada por:
Pelos dados do problema sabemos que P rQs 0, 6, P rRs 0, 4 e

P rQ X Rs 0, 2. Logo
P rQ Y Rs P rQs ` P rRs P rQ X Rs 0, 6 ` 0, 4 0, 2 0, 8.
(b) Ter apenas um dos departamentos.
P rA Y B Y C Y Ds P rAs ` P rBs ` P rCs ` P rDs P rA X Bs `

P rA X Cs P rA X Ds P rB X Cs `
P rB X Ds P rC X Ds ` P rA X B X Cs `
`P rA X B X Ds ` P rA X C X Ds `
`P rB X C X Ds P rA X B X C X Ds .
Estas frmulas podem ser generalizadas para n acontecimentos. Sejam
A1 , A2 , . . . , An acontecimentos quaisquer definidos em S. Ento:
P rA1 Y A2 Y . . . Y An s P
Ai
QXR Y QXR
P QXR `P RXQ
P rQs P rQ X Rs ` P rRs P rQ X Rs
0, 6.
Ou poderemos tambm fazer

`
`
P Q X R Y Q X R P rQ Y Rs P rQ X Rs 0, 8 0, 2 0, 6.
(c) No ter qualquer um destes departamentos.
i1
P rAi s
i1
n2
n1
n1
P Q X R P Q Y R 1 P rQ Y Rs 1 0, 8 0, 2.
P rAi X Aj s `
i1 ji`1
P rAi X Aj X Ak s ` . . . `
(d) No ter departamento de controlo da qualidade e ter departamento de

recursos humanos.
i1 ji`1 kj`1
` . . . ` p1qn`1 P rA1 X A2 X . . . X An s .
Exemplo 5.4. Do conjunto das grandes empresas que actuam num dado
sector industrial, sabe-se que 60% dessas empresas tm departamento de controlo de qualidade, 40% tm departamento de recursos humanos e 20% tm
ambos os departamentos. Escolhe-se ao acaso uma empresa do ficheiro das
empresas do referido sector.
15/29
P rRzQs P Q X R P rRs P rQ X Rs 0, 4 0, 2 0, 2.
(e) Ter departamento de controlo da qualidade mas no ter departamento

de recursos humanos.
P Q X R P rQs P rQ X Rs 0, 6 0, 2 0, 4.

16/29

5.3
5.3.1

Espaos de probabilidade finitos
5.4.1
Axiomtica das probabilidades condicionadas
P rA|Bs 0;
Espaos de probabilidade finitos
Suponhamos que o espao de resultados S finito, S tw1 , w2 , . . . , wn u. Se

fizermos corresponder a cada acontecimento elementar wi , com wi P S, um
nmero real pi e se satisfizer as seguintes condies:
P rS|Bs 1;
Se A1 e A2 so mutuamente exclusivos, A1 X A2 H, ento:
P rpA1 Y A2 q |Bs P rA1 |Bs ` P rA2 |Bs .
pi 0;
Pode generalizar-se para n acontecimentos mutuamente exclusivos, ficandose com:

n
n
P
Ai |B
P rAi |Bs .
p1 ` p2 ` ` pn 1.
Ento estamos na presena de um espao de probabilidade finito.
5.3.2
i1
Espaos de probabilidade finitos equiprovveis
Se o espao de resultados S for constitudo por um nmero finito, n, de acontecimentos elementares e se todos os acontecimentos elementares estiverem
nas mesmas condies de ocorrncia, ento todos os pi sero iguais e tero o
valor n1 .
Por exemplo, se tiver um acontecimento A constitudo pelos acontecimentos elementares w1 , w3 , wx1 , wx temos que:
1 1 1 1
4
P rAs ` ` ` .
n n n n
n
5.4
C: Chover; P rCs 0, 3;
V : Fazer vento; P rV s 0, 6;
C X V : Chover e fazer vento; P rC X V s 0, 25.
(a) Calcule a probabilidade de chover se estiver vento;
A probabilidade de chover se estiver vento
Probabilidades condicionadas
Desde que se conhea a probabilidade do acontecimento B, possvel calcular

a probabilidade de qualquer outro acontecimento A se realizar, dado que o
acontecimento B j se realizou:
P rA|Bs
P rA X Bs
,
P rBs
P rC|V s
que, na verdade, significa que em 41, 2% dos dias em que est vento
tambm chove.
A probabilidade de se verificar um dia de vento se estiver a chover
Observao 5.1. A probabilidade condicionada tambm se pode representar

por P rA{Bs.
O facto de se saber que B ocorreu, faz com que B se torne o novo espao
amostral. A funo P rA|Bs, para cada B fixo, uma nova forma de definir
probabilidade no espao amostral e, como tal, verifica os axiomas (i), (ii) e
(iii) da teoria das probabilidades apresentados na subseco 5.2.
P rC X V s
0, 25
0, 412,
P rV s
0, 6
(b) Calcule a probabilidade de se verificar um dia de vento se estiver a

chover.
se P rBs 0.
i1
Exemplo 5.5. Considerem-se os seguintes acontecimentos e as respectivas

probabilidades:
17/29
P rV |Cs
0, 25
P rV X Cs
0, 833,
P rCs
0, 3
que, na verdade, significa que em 83, 3% dos dias em que chove tambm
h vento.
Observao 5.2. O acontecimento contrrio de A|B A|B, pelo que,
P A|B 1 P rA|Bs .

18/29


Podemos sempre condicionar o acontecimento A por mais do que um

acontecimento. Por exemplo, P rA| pB X Cqs ou simplesmente P rA|B X Cs,
tendo-se:
P rA X B X Cs
P rA|B X Cs
P rB X Cs
De facto, temos:
P rA X B|Cs
P rA X B X Cs
P rCs
se P rB X Cs 0.
P rB X Cs P rA|B X Cs
P rCs
5.5
P rCs P rB|Cs P rA|B X Cs
P rCs
Probabilidade da interseco de acontecimentos
Da frmula da probabilidade condicionada podemos escrever as igualdades:

P rB|Cs P rA|B X Cs .
P rA X Bs P rBs P rA|Bs
5.6
e
P rA X Bs P rAs P rB|As .
Esta frmula conhecida por regra fundamental para o clculo de probabilidades e pode ser usada no clculo da probabilidade da interseco de dois
acontecimentos.
A probabilidade da interseco de trs acontecimentos dada por:
Acontecimentos independentes
Suponhamos dois acontecimentos A e B contidos no espao S. Quando a

ocorrncia ou no de um deles no afecta a probabilidade do outro ocorrer,
os acontecimentos dizem-se independentes, e nesse caso tem-se:
P rA|Bs P rAs
e
P rA1 X A2 X A3 s P rpA1 X A2 q X A3 s
P rB|As P rBs .
O que equivalente a escrever-se:
P rA1 X A2 s P rA3 |A1 X A2 s
P rA X Bs P rAs P rBs .
P rA3 |A1 X A2 s P rA1 s P rA2 |A1 s
5.6.1
Estas frmulas podem ser generalizadas para n acontecimentos. Sejam

A1 , A2 , . . . , An acontecimentos quaisquer definidos em S. Ento:
n
n1
P
Ai P rA1 s P rA2 |A1 s P rA3 |A1 X A2 s P An |
Ai .
i1
i1
Podemos ainda definir a regra fundamental condicionada:

P rA X B|Cs P rB|Cs P rA|B X Cs .
Propriedades dos acontecimentos independentes
Se A e B so acontecimentos independentes ento:
P rA1 s P rA2 |A1 s P rA3 |A1 X A2 s .
(1)
A e B tambm o so;
A e B tambm o so;
A e B tambm o so.
Os acontecimentos A, B e C so mutuamente independentes se as condies:
P rA X Bs P rAs P rBs;
P rA X Cs P rAs P rCs;
P rB X Cs P rBs P rCs;

19/29

20/29


P rA X B X Cs P rAs P rBs P rCs;

se verificarem todas. Os acontecimentos A, B e C dir-se-o independentes
dois a dois se verificarem apenas as trs primeiras condies. Observe-se que
a ltima condio necessria mas no suficiente para garantir que os trs
acontecimentos so mutuamente independentes.
Vejamos os exemplos seguintes.
Exemplo 5.6. Considere-se a experincia aleatria que consiste no lanamento de uma moeda regular trs vezes e na observao da face obtida. O
espao de resultados associado a esta experincia
S tpF, F, F q , pF, F, Cq , pF, C, F q , pF, C, Cq , pC, F, F q , pC, F, Cq ,
pC, C, F q , pC, C, Cqu .
P rBs 12 ;
P rCs 21 ;
1
8
1
4
P rAs P rCs;
P rB X Cs
1
8
3
8
P rBs P rCs;
P rA X B X Cs
1
8
P rAs P rBs P rCs.
B t1, 3u;
P rCs 21 ;
P rAs 21 ;
P rA X Cs
A t1, 2u;
P rBs 12 ;
Facilmente se verifica que:
P rAs P rBs;
Facilmente se verifica que:
P rAs 21 ;
C - tpF, F, F q , pF, C, F q , pC, F, Cq , pC, C, F qu.
1
4
C - sair a face 1 ou a face 4.
e que:
B - tpF, F, F q , pF, F, Cq , pC, F, Cq , pC, C, F qu;
B - sair a face 1 ou a face 3;
A X B A X C B X C A X B X C t1u;
A - tpF, F, F q , pF, C, Cq , pC, F, F q , pC, C, Cqu;
1
8
A - sair a face 1 ou a face 2;
C t1, 4u;
Considerando os acontecimentos:
P rA X Bs
Exemplo 5.7. Considere-se a experincia aleatria que consiste no lanamento de um tetraedro e na observao da face obtida. O espao de resultados
associado a esta experincia S t1, 2, 3, 4u. Considerando os acontecimentos:
P rA X Bs
1
4
P rAs P rBs;
P rA X Cs
1
4
P rAs P rCs;
P rB X Cs
1
4
P rBs P rCs.
No entanto P rA X B X Cs 41 18 P rAs P rBs P rCs, pelo que

podemos concluir que os acontecimentos A, B e C so independentes dois a
dois mas no so mutuamente independentes.
Embora a ltima condio se verifique, os acontecimentos A, B e C so no

so mutuamente independentes porque no so independentes dois a dois.
A definio de acontecimentos mutuamente independentes pode ser generalizada para quatro ou mais acontecimentos. Por exemplo, com quatro
acontecimentos, dever ter-se a independncia dois a dois, trs a trs e
P rA X B X C X Ds P rAs P rBs P rCs P rDs .
Em modelos probabilsticos de sistemas complexos envolvendo vrios componentes, muitas vezes conveniente assumir que o comportamento das componentes independente. Isto tipicamente simplifica os clculos e a anlise,
como se ilustra no exemplo seguinte.

21/29

22/29


Exemplo 5.8. Uma rede de computadores liga dois mdulos, A e B, atravs

de mdulos intermdios, C, D, E e F , como se representa na figura seguinte.
Para cada par de mdulos ligados directamente, digamos i e j, a probabilidade
da ligao de i para j se verificar a indicada nesta figura.
frmula usada no clculo da probabilidade de sucesso ser muito extensa, pelo

que se poder tornar mais fcil fazer este clculo usando a probabilidade de
insucesso dada pelo produto das probabilidades de insucesso das componentes
correspondentes, isto ,
fi
fi
sucesso num
insucesso num
fl
subsistema
subsistema fl
P
1P
em paralelo
em paralelo
0,8
X2
C
0,9
X4
X1
A
0,75
0,9 X3
0,95
X5
0,85
1 p1 p1 q p1 p2 q p1 pm q .
0,95
X6
X7
Suponhamos que as falhas das ligaes so independentes umas das outras. Qual a probabilidade da ligao entre A e B estar em funcionamento?
Este um problema usual sobre avaliao da fiabilidade dum sistema composto por componentes que podem falhar independentemente. Tal sistema
pode ser dividido em subsistemas, em que cada subsistema consiste em considerar vrios componentes que esto ligados quer em srie quer em paralelo,
como se apresenta nas figuras seguintes.
Pensando agora no nosso caso, representado na primeira figura, queremos calcular a probabilidade de sucesso (a ligao entre A e B estar em
funcionamento). Para representar a ligao entre o mdulo A e o mdulo B,
usaremos a notao A B. Consideremos que Xi representa a existncia
da ligao i, com i 1, . . . , 7. A ligao entre A e B est em funcionamento
se pelo menos um dos caminhos est em funcionamento. Ento:
P rA Bs P rpX1 X X2 X X3 q Y pX1 X X4 X X5 q Y pX6 X X7 qs
P rX1 X X2 X X3 s ` P rX1 X X4 X X5 s ` P rX6 X X7 s `
P rX1 X X2 X X3 X X4 X X5 s `
`P rX1 X X2 X X3 X X4 X X5 X X6 X X7 s
2
Ligao em srie
Consideremos que um subsistema um conjunto de componentes, 1, 2,

. . . , m, e que pi a probabilidade da componente i funcionar (sucesso).
Assim, dizemos que um subsistema em srie est em funcionamento se todas
as suas componentes funcionarem, sendo a sua probabilidade de sucesso dada
pelo produto das probabilidades de sucesso das componentes correspondentes,
isto ,
fi
sucesso num
subsistema fl p1 p2 pm .
P
em srie
Um subsistema em paralelo est em funcionamento se pelo menos uma
das suas componentes funcionar. Se o nmero de componentes for elevado, a
0, 9 0, 8 0, 9 ` 0, 9 0, 95 0, 85 ` 0, 75 0, 95 `
0, 9 0, 8 0, 9 0, 95 0, 85 `
0, 9 0, 8 0, 9 0, 75 0, 95 `
0, 9 0, 95 0, 85 0, 75 0, 95 `
`0, 9 0, 8 0, 9 0, 95 0, 85 0, 75 0, 95 0, 957.
3
Ligao em paralelo
23/29
5.6.2
Independncia condicional
Se a informao que detemos sobre um acontecimento B no se altera o

que ns sabemos sobre um acontecimento A, quando j se conhece o acontecimento C, dizemos que A e B so dois acontecimentos condicionalmente
independentes dado a um acontecimento C. Assim os acontecimentos A e B
so condicionalmente independentes dado um acontecimento C se:
P rA|B X Cs P rA|Cs .
24/29


Esta noo de independncia condicional simtrica, isto , se A condicionalmente independente de B dado um acontecimento C, ento B condicionalmente independente de A dado um acontecimento C e tem-se:
Podemos assim concluir que dois acontecimentos com probabilidades no

nulas, no podem ser simultaneamente, mutuamente exclusivos e independentes.
P rB|A X Cs P rB|Cs .
5.7
De facto, se A condicionalmente independente de B dado um acontecimento C, ou seja, P rA|B X Cs P rA|Cs, ento:
Partio
Os acontecimentos A1 , A2 , . . . , An constituem uma partio do espao amostral S, quando se verificam simultaneamente as seguintes condies:
P rA X B X Cs
P rA X Cs
A unio de todos os acontecimentos o prprio espao de resultados;
P rCs P rA X B|Cs
P rCs P rA|Cs
Todos os acontecimentos tm probabilidade no nula.
P rB|Cs P rA|B X Cs
P rA|Cs
P rB|A X Cs
Os acontecimentos so mutuamente exclusivos, dois a dois;
S
A1
P rB|Cs P rA|Cs
P rA|Cs
A2
A3
A4
P rB|Cs .
...
An
Se dois acontecimentos A e B so condicionalmente independentes dado

um acontecimento C ento:
P rA X B|Cs P rA|Cs P rB|Cs .
5.6.3
5.8
Acontecimentos incompatveis ou mutuamente exclusivos e

acontecimentos independentes
Teorema da probabilidade total
Se os acontecimentos A1 , A2 , . . . , An constituem uma partio do espao

amostral S, ento para qualquer acontecimento B definido em S, tem-se:
Considerem-se os acontecimentos A e B aos quais esto associadas probabilidades positivas:
S
A2
A1
Se A e B so mutuamente exclusivos ou incompatveis tem-se A X B

H e consequentemente P rA X Bs 0, pelo que neste caso nunca podero ser independentes, pois para isso, teramos que ter P rA X Bs
P rAs P rBs 0, pois ambos os acontecimentos tm probabilidades
no nulas;
B
An
A3
A4
...
Se A e B so independentes tem-se P rA X Bs P rAs P rBs 0,

pois ambos os acontecimentos tm probabilidades no nulas, pelo que
neste caso nunca podero ser mutuamente exclusivos, pois teramos
A X B H e consequentemente P rA X Bs 0.
25/29

26/29


Assim a probabilidade
pedida decorre de imediato dos dados do problema

e igual a P R|D 0, 02.
P rBs P rpA1 X Bq Y pA2 X Bq Y Y pAn X Bqs

P rA1 X Bs ` P rA2 X Bs ` ` P rAn X Bs
P rA1 s P rB|A1 s ` P rA2 s P rB|A2 s ` ` P rAn s P rB|An s
P rR|D
s0,98
D
#
##
###
P rR|D s0,02
###
#
#
P rAi s P rB|Ai s .
i1
5.9
Teorema de Bayes
Se os acontecimentos A1 , A2 , . . . , An constituem uma partio do espao

amostral S, ento para qualquer acontecimento B com probabilidade no
nula, tem-se:
P rAj |Bs
P rDs0,08
P rD s0,92
###
###
#
#
##
###
P rAj X Bs
P rBs
(a) Qual a probabilidade de uma pea defeituosa passar no sistema de controlo?

Consideremos os seguintes acontecimentos: D - A pea produzida defeituosa e R - A pea produzida rejeitada pelo sistema de controlo.
Sabe-se ento que:
P rDs 0, 08;
P rR|Ds 0, 98 P R|D 0, 02;
P R|D 0, 03 P R|D 0, 97.
(b) Qual a probabilidade de uma pea ser rejeitada por este sistema de
controlo?
j 1, . . . , n.
Exemplo 5.9. A actual linha de produo de uma empresa gera uma incidncia de peas defeituosas na ordem dos 8%. Foi implementado um sistema
de controlo da qualidade cuja probabilidade de rejeitar uma pea defeituosa
de 98%, e a probabilidade de rejeitar uma que de facto no defeituosa de
3%.
P R|D s0,03
P rR|D s0,97
P rAj s P rB|Aj s
P rA1 s P rB|A1 s ` P rA2 s P rB|A2 s ` ` P rAn s P rB|An s
P rAj s P rB|Aj s
n
,
i1 P rAi s P rB|Ai s
A probabilidade de uma pea ser rejeitada pelo sistema de controlo, isto

, ser identificada como pea defeituosa podendo de facto o ser ou no,
obtm-se recorrendo ao teorema da probabilidade total e dada por:
P rRs P rR X Ds ` P R X D

P rDs P rR|Ds ` P D P R|D
0, 08 0, 98 ` 0, 92 0, 03 0, 106.
(c) No conjunto das peas rejeitadas por este sistema de controlo, qual a
probabilidade de uma pea ser de facto defeituosa?
Agora temos apenas de considerar o universo das peas produzidas que
foram rejeitadas pelo sistema de controlo. Como o sistema pode falhar
na identificao da qualidade dessas peas, neste universo para alm
de peas defeituosas podem existir peas no defeituosas, obviamente
27/29

28/29

em percentagem reduzida, caso o sistema de controlo esteja a funcionar
devidamente, isto , apenas com as avarias casuais inerentes a qualquer
sistema. A probabilidade pedida ento P rD|Rs e obtm-se recorrendo
ao teorema de Bayes. Assim temos:
P rD|Rs
P rD X Rs
P rRs
P rDs P rR|Ds

P rDs P rR|Ds ` P D P R|D
0, 08 0, 98
0, 7396.
0, 08 0, 98 ` 0, 92 0, 03
Note-se que o resultado enunciado no teorema de Bayes se obtm aplicando primeiro a definio de probabilidade condicionada, e em seguida
recorrendo ao teorema da probabilidade total. de referir ainda que
na expresso associada ao teorema de Bayes o numerador uma das
parcelas que aparecem no denominador.
5.9.1
Frmula de Bayes condicionada
Tal como na regra fundamental para o clculo de probabilidades tambm

para a regra de Bayes temos a regra de Bayes condicionada:
P rA|B X Cs
P rB|A X Cs P rA|Cs
.
P rB|Cs
De facto, temos:
P rA|B X Cs
pusando (1)q

P rA X B X Cs
P rB X Cs
P rAs P rB X C|As
P rCs P rB|Cs
P rAs P rC|As P rB|C X As
P rCs P rB|Cs
P rAs
P rCXAs
P rAs
P rB|A X Cs
P rCs P rB|Cs
P rCs P rA|Cs P rB|A X Cs
P rCs P rB|Cs
P rA|Cs P rB|A X Cs
.
P rB|Cs
29/29

Resumo - Teoria Das Probabilidades

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Resumo - Teoria Das Probabilidades

Transféré par

Droits d'auteur :

Formats disponibles

Instituto Superior de Engenharia de Lisboa

rea Departamental de Matemtica

Instituto Superior de Engenharia de Lisboa

Teoria das probabilidades

Ao nmero de elementos de um conjunto chama-se cardinal do conjunto e

A interseco de A com B escreve-se A X B e l-se A interseco com B

O conjunto universo o conjunto que constitudo por todos os elementos

Sejam A e B dois conjuntos. Diz-se que A subconjunto de B ou que A est

Igualdade entre conjuntos

Sejam A e B dois conjuntos. Diz-se que A igual a B, e escreve-se A B,

Um conjunto diz-se vazio se no tem elementos. Representa-se por tu ou H.

A reunio de A e de B, ou unio de A com B, escreve-se A Y B e l-se A

Operaes com conjuntos

Propriedade distributiva: A Y pB X Cq pA Y Bq X pA Y Cq;

Considere um conjunto universo S no qual esto contidos dois conjuntos

Propriedade distributiva: A X pB Y Cq pA X Bq Y pA X Cq;

Teoria das probabilidades

Instituto Superior de Engenharia de Lisboa

Instituto Superior de Engenharia de Lisboa

Definio 2.1. Sejam A1 , A2 , . . . , An , n conjuntos. Denominaremos produto

Diferena ou complementar de um conjunto relativamente a outro

Os elementos da diferena so aqueles que pertencem ao primeiro conjunto

Nmero de elementos da reunio de dois conjuntos

Sejam A e B dois conjuntos, tais que o nmero de elementos de A, cardinal

Propriedades das operaes com conjuntos

Se dois conjuntos A e B no tm elementos em comum, isto , se A X B H

Teoria das probabilidades

Teoria das probabilidades

Instituto Superior de Engenharia de Lisboa

Instituto Superior de Engenharia de Lisboa

Definio 4.1. Uma experincia aleatria um procedimento que se pode

Definio 4.2. O espao de resultados o conjunto de todos os resultados

Todos ns temos uma noo intuitiva de probabilidade. Por exemplo, se

C. Fernandes & P. Ramos

Acontecimentos e lgebra dos acontecimentos

Definio 4.3. Um acontecimento um subconjunto do espao de resultados.

Definies bsicas sobre teoria das probabilidades

Teoria das probabilidades

Experincia aleatria e espao de resultados ou espao amostral

Teoria das probabilidades

Instituto Superior de Engenharia de Lisboa

Instituto Superior de Engenharia de Lisboa

Acontecimento contrrio a A, A, o acontecimento constitudo por

Acontecimento reunio de A e B, A Y B, o acontecimento que se

A subacontecimento de B, A B, se e s se a realizao de A implica

Acontecimento interseco de A e B, A X B, o acontecimento que se

Teoria das probabilidades

Teoria das probabilidades

Instituto Superior de Engenharia de Lisboa

Instituto Superior de Engenharia de Lisboa

Acontecimento diferena de A e B, AzB ou A B, o acontecimento

Generalizando, os acontecimentos A1 , A2 , . . . , An dizem-se mutuamente

A e B dizem-se incompatveis, disjuntos ou mutuamente exclusivos se

A X B H e A Y B S (acontecimentos incompatveis e contrrios);

B - A soma das faces menor que 5.

Teoria das probabilidades

Teoria das probabilidades

Instituto Superior de Engenharia de Lisboa

Instituto Superior de Engenharia de Lisboa

Exemplo 4.2. Considere-se uma urna com m bolas, fisicamente idnticas,

61 , bastando ter em ateno que temos 6 faces. No ser igualmente difcil

elementos, nmero de arranjos simples de m objectos tomados N a N. No

elementos, nmero de combinaes de m objectos tomados N a N.