Probabilidade

Qual a probabilidade de tirar um s de um baralho de

cartas?

n = 4, N = 52
P(A) = 4/52 0.077 (7.7 %)

A probabilidade de um evento (acontecimento ou

resultado) a proporo de vezes que eventos da
mesma espcie ocorrero no longo prazo.

C.P. Leo > 1 > Matemtica Aplicada | MI_EEIC 17_18 1

Probabilidade

Experincia qualquer processo de observao ou medida

Resultados contagens, respostas sim ou no, valores
Espao amostral, S conjunto de todos os resultados
possveis de uma experincia (ou fenmeno probabilstico)
Elemento ou ponto amostral cada resultado do espao
amostral

C.P. Leo > 2 > Matemtica Aplicada | MI_EEIC 17_18 2

1
Probabilidade
Espao amostral, S
Discreto contm um nmero finito de elementos, ou um
nmero infinito de elementos aos quais possvel fazer
corresponder nmeros inteiros.
Contnuo contm um nmero infinito de pontos amostrais,
constituindo um espao contnuo.
Evento subconjunto do espao amostral S.
Exemplo: lanamento de um dado
S = {1, 2, 3, 4, 5, 6}
P = ponto par = {2, 4, 6} I = ponto mpar = {1, 3 , 5}
T = ponto maior que trs = {4, 5, 6} S = evento certo
= evento impossvel

Probabilidade
Exemplo 1: Considere um circuito elctrico em operao durante um
perodo de tempo fixo T.
O circuito durante esse perodo pode estar em funcionamento ou em
falha.

Exemplo 2: O circuito elctrico estar em operao, durante um perodo

de tempo aleatrio t T.

Para cada exemplo, qual o espao amostral?

2
Probabilidade
Exemplo 1: Considere um circuito elctrico em operao durante um
perodo de tempo fixo T.
Se o circuito est em funcionamento durante o perodo inteiro T,
representamos o resultado da experincia por 1; se o circuito falha numa
altura em que t T, representamos este resultado por 0:
o espao amostral S={0 , 1}.
um espao discreto, i.e. um espao em que o conjunto de valores
possveis para a varivel finito e numervel.

Probabilidade

Exemplo 2: O circuito elctrico estar em operao, durante um perodo

de tempo aleatrio t T.
O espao da amostra desta experincia contm agora, um nmero
infinito de valores possveis, i.e. S = {ti : 0 ti T}.
T ser o valor mximo que a varivel poder tomar.
Espao contnuo.

3
Probabilidade
Lista dos resultados de uma experincia aleatria:
todos os possveis resultados devem estar includos: lista exaustiva.
lanamento de dado:
{1,2,3,4,5} {1,2,3,4,5,6}
os resultados so mutuamente exclusivos, i.e. dois resultados no
podem ocorrer em simultneo.
lanamento de dado {n mpar e n par}
lanamento de dado {n < 4 ou n par}

Probabilidade
Dada o espao amostral S = {O1, O2, , Ok}, as probabilidades
associadas aos resultados devem satisfazer as seguintes propriedades:
A probabilidade de qualquer resultado entre 0 e 1, i.e., 0 p ( Oi) 1, para cada i, e
A soma das probabilidades de todos os resultados igual a 1, i.e., p ( O1) ++ p ( Ok) = 1
k

p (O ) = 1
i =1
i

Num espao amostral contnuo, definimos acontecimento como sendo a

ocorrncia de um resultado dentro de um certo in tervalo de interesse, r
xi s.
200
Exemplo: p ( 0 t 200 ) = f (t ) dt
0

necessrio conhecer a distribuio de probabilidade f( t) que

descreve o processo.
8

4
Probabilidade
Existem vrios tipos de combinaes e relacionamentos entre
acontecimentos:
Complementar de um evento
O complemento do evento A, o evento em S
que contm todos os elementos de S que no
esto em A.

Interseco entre dois eventos

A interseco de dois eventos A e B, o
evento em S que contm todos os elementos
que esto em A e B.

Reunio de dois eventos

A reunio de dois eventos A e B, o evento
em S que contm todos os elementos que
esto em A, em B ou em ambos.

Eventos mutuamente exclusivos, no

ocorrem ao mesmo tempo.
9

Probabilidade
Postulados de Boole:
1. Para cada par de eventos A e B no espao amostr al S, h um nico evento A B
e um nico evento A B em S.
2. A B = BA A B = B A
3. ( A B) C = A( BC) ( A B) C = A( BC)
4. A( B C) = ( A B)(AC)
A( B C) = ( A B)(AC)
5. A S=A, para cada evento A no espao amostral S; existe um nico evento tal
que A =A para cada evento A em S.
6. Para cada evento A em S existe um nico evento A em S tal que A A= e
A A=S.

10

5
Probabilidade

Numa determinada universidade, verificou-se que, de entre os 115 alunos

do 1ano de certa licenciatura, temos a seguinte distribuio para o
nmero de alunos aprovados, relativamente a trs disciplinas:

Pretende-se representar
os acontecimentos num
diagrama de Venn.

11

Probabilidade

diagrama de Venn:

12

6
Probabilidade
Lei aditiva da probabilidade:
( ) ( ) ( ) ( )
p A + B = p A + p B p A.B
ou
( ) ( ) ( ) (
p A B = p A + p B p A B )

Para acontecimentos mutuamente exclusivos (nunca podem ocorrer

simultaneamente):

( )
p A+ B = p A + p B( ) ( )
se A B =

13

Probabilidade
Para acontecimentos independentes (acontecimento A no afecta a
ocorrncia de B):

( ) ( ) ( ) ( )
p A.B = p A . p B ou p A B = p A . p B( ) ( )
Probabilidade de ocorrncia do acontecimento B, dado que o
acontecimento A ocorreu (A ir afectar de alguma maneira a
ocorrncia de B),
A e B so dependentes:

p ( A.B) = p ( A). p ( B | A)
probabilidade
condicional de B
dado A
14

7
Probabilidade

A probabilidade condicionada permite-nos inferir sobre a

probabilidade dum evento quando nos fornecida informao
adicional que relaciona a possibilidade de ocorrncia desse
evento com a possibilidade de ocorrncia de outros eventos.

Constri-se uma Nova Lei de probabilidade que atende ao fato

de existir informao adicional.

15

Probabilidade

Probabilidade condicional do acontecimento B, sabendo-se que

ocorreu o acontecimento A :

p( A.B )
p(B | A) = , p( A) 0
p( A)

Exemplo: A chuva, B previso de chuva

p(A|B ) probabilidade de chuva dado que
houve previso de chuva

16

8
Probabilidade
Exemplo: Seja o lanamento de dois dados: um preto e outro
branco.
Qual a probabilidade de se obter ponto no dado preto menor que
no dado branco?

A obter ponto no dado

preto < branco

P (A) = 15 / 36

17

Probabilidade
Exemplo: Seja o lanamento de dois dados, com
A: dar ponto 1, 2 ou 3 no primeiro dado e
B: dar soma 6.
Calcular P (A| B) e P (B| A).

18

9
Probabilidade
A: dar ponto 1, 2 ou 3 no primeiro dado,
B: dar soma 6. Calcular P(A|B) e P(B|A).

P(A) = 18 / 36
P(B) = 15 / 36
P(AB) = 12/36

19

Probabilidade
A: dar ponto 1, 2 ou 3 no primeiro dado,
B: dar soma 6. Calcular P(A|B) e P(B|A).

P(A) = 18 / 36 1
P(B) = 15 / 36 (
P A B
3 =4 )=
(
P A| B =) 5 5
P(AB) = 12/36
P B ( )
12
1
(
P A B
=3=
2 )
(
P B|A = ) 1 3
P A ( )
2

20

10
Probabilidade
Exemplo: Uma caixa contm 5 artigos, numerados de 1 a 5, dos
quais 2 so defeituosos. Extraem-se individualmente 2 artigos ao
acaso,
i) Com reposio; ii) sem reposio.
Calcule em cada caso a probabilidade dos seguintes acontecimentos:
a) A = sair um artigo defeituoso na 1 tiragem
b) B = sair um artigo defeituoso na 2 tiragem
c) C = sarem dois artigos defeituosos
d) D = sair pelo menos um artigo defeituoso

21

Probabilidade
i) Com reposio
Definio do espao de resultados (52 = 25 pares possveis)
D1, e D2, os dois artigos defeituosos; N 3, N 4, N 5, os restantes artigos
no defeituosos
S={(D1, D1), (D1, D2), (D2, D2), (D2, D1), (N3, N3), (N3, N4), (N3, N5), (N4,
N3), (N4, N4), (N4, N5), (N5, N3), (N5, N4), (N5, N5), (D1, N3), (D1, N4), (D1,
N5), (D2, N3), (D2, N4), (D2, N5), (N3, D1), (N4, D1), (N5, D1), (N3, D2), (N4,
D2), (N5, D2)}
Acontecimentos todos equiprovveis.

22

11
Probabilidade
i) Com reposio
a) A = sair um artigo defeituoso na 1 tiragem = {(D1, D1), (D1,
D2), (D2, D2), (D 2, D1 ), (D1, N 3), (D1, N 4), (D1, N 5), (D 2, N 3), (D2,
N 4), (D2, N 5)}
P(A) = 10 / 25 = 0.40
b) B = sair um artigo defeituoso na 2 tiragem = {(D1, D 1), (D1,
D2), (D2, D 2), (D2, D1), (N 3, D1 ), (N 4, D 1), (N 5, D1), (N 3, D2 ), (N 4,
D2), (N 5, D2)}
P(B) = 10 / 25 = 0.40

23

Probabilidade
i) Com reposio
c) C = sarem dois artigos defeituosos = {(D1, D1), (D1, D2 ), (D 2,
D2), (D2, D1)} = A B
P(C) = 4 / 25 = 0.16
d) D = sa ir pelo menos um artigo defeituoso = {(D1, D 1), (D1, D2 ),
(D2, D 2), (D2, D1 ), (D1, N 3 ), (D1, N 4), (D1, N 5), (D2, N 3 ), (D2, N 4),
(D2, N 5), (N 3, D1), (N 4, D1), (N 5, D1), (N 3, D2), (N 4, D2), (N 5, D2)}
P(D) = 16 / 25 = 0.64
D =A B
P(D) = P(A B) = P(A) + P(B) P(A B)
24

12
Probabilidade
ii) Sem reposio
Definio do espao de resultados (5 4 = 20 pares possveis,
arranjos de 5 elementos 2 a dois)
D1, e D2, os dois artigos defeituosos; N 3, N 4, N 5, os restantes artigos
no defeituosos
S={ (D1, D2), (D2, D1), (N 3, N 4), (N 3, N 5), (N 4, N 3), (N 4, N 5), (N 5, N 3),
(N 5, N 4), (D1, N 3), (D1, N 4), (D1, N 5), (D2, N 3), (D2 , N 4), (D2, N 5), (N 3,
D1), (N 4, D1), (N 5, D1), (N 3, D2), (N 4, D2), (N 5, D2)}
Acontecimentos equiprovveis.

25

Probabilidade
ii) Sem reposio
a) A = sair um artigo defeituoso na 1 tiragem = {(D1, D2 ), (D2,
D1), (D1, N 3), (D1, N 4), (D1, N 5), (D2, N 3), (D2, N 4), (D2, N 5)}
P(A) = 8 / 20 = 0.40
b) B = sair um artigo defeituoso na 2 tiragem = {(D1, D2 ), (D 2,
D1), (N 3, D1), (N 4, D1), (N 5, D1), (N 3, D2), (N 4, D2), (N 5, D2)}
P(B) = 8 / 20 = 0.40

26

13
Probabilidade
ii) Sem reposio
c) C = sarem dois artigos defeituosos = {(D1, D 2), (D 2, D1)} = A
B
P(C) = 2 / 20 = 0.10
d) D = sair pelo menos um artigo defeituoso = {(D1, D2 ), (D 2, D1 ),
(D1, N 3), (D1, N 4), (D1, N 5), (D2, N 3 ), (D2, N 4), (D2, N 5 ), (N 3, D1),
(N 4, D1), (N 5, D1), (N 3, D2), (N 4, D2), (N 5, D2)}
P(D) = 14 / 20 = 0.70
D =A B
P(D) = P(A B) = P(A) + P(B) P(A B)
27

Exemplo:
Uma determinada pea manufaturada por trs fbricas (1, 2 e 3). Sabe-se
que 1 produz o dobro de peas que 2 e, que 2 e 3 produzem o mesmo
nmero de peas. Sabe-se que 2% das peas produzidas por 1 e por 2 so
defeituosas, enquanto que 4% daquelas produzidas por 3 so defeituosas.
Todas as peas produzidas so misturadas num depsito e uma delas
extrada ao acaso.
a. Qual a probabilidade de que a pea seja defeituosa?
b. Suponha que uma pea retirada do depsito seja identificada como
defeituosa. Qual a probabilidade de que tenha sido produzida pela fbrica 1?

28

14
Teorema de Bayes

Partio: os acontecimentos A1, A2, ..., Ak, constituem uma partio do

espao amostral S, se e s para quaisquer dois acontecimentos i j
Ai Aj =, isto , so mutuamente exclusivos, com
k

UA =S
i =1
i Ai A j = , i j , j = 1, 2, ..., k
Os eventos so mutuamente exclusivos dois a dois;
P( Ai ) > 0, i = 1, 2, ..., k
Todos os eventos tm probabilidade no nula.
29

Teorema de Bayes
Teorema de Bayes: suponha que uma
experincia aleatria tem k re sultado s
possveis mut uamente exclusivo s A1, A2,
..., Ak, e que existe um aconte cimento B,
para o qual p(B)0.

Ento a pro babilidade condicional da o corrncia de A, dado que o

acontecimento B ocorreu, dado por:

p(B | Ai ) p( Ai )
p( Ai | B ) = k

p(B | A )p(A )
j =1
j j

15
Teorema de Bayes
A1 P(B|A1) B
P(A1)P(B|A1)
P(A1)
A2 P(B|A2) B
P(A2) P(A2)P(B|A2)

P(Ak)

Ak P(B|Ak) B
P(Ak)P(B|Ak)

p(B | Ai ) p( Ai )
p( Ai | B ) = k

p(B | A )p(A )
j =1
j j

Teorema de Bayes

k
p (B ) = p (B | A j )p (A j )
j =1

p (A j ) 0

16
 Exemplo:
Uma determinada pea produzida por trs fbricas (1, 2 e 3). Sabe-se
que 1 produz o dobro de peas que 2 e, que 2 e 3 produzem o mesmo
nmero de peas. Sabe-se que 2% das peas produzidas por 1 e por 2
so defeituosas, enquanto que 4% daquelas produzidas por 3 so
defeituosas. Todas as peas produzidas so misturadas num depsito e
depois, uma delas extrada ao acaso.
a. Qual a probabilidade de que seja defeituosa?

33

Teorema de Bayes

Soluo:
Sejam os eventos
A={a pea defeituosa} e Bi={a pea provm de i}
Como os eventos Bi so mutuamente exclusivos, pelo teorema da
probabilidade total, podemos escrever:
P(A)=P(A|B1)P(B1)+ P(A|B2)P(B2)+ P(A|B3)P(B3)
que resulta,
P(A)=0.02 1/2+ 0.02 1/4+ 0.04 1/4=0.025

34

17
Teorema de Bayes

Exemplo:
b. Suponha que uma pea retirada do depsito seja identificada
como defeituosa. Qual a probabilidade de que tenha sido
produzida pela fbrica 1?

Soluo:
Utilizando a notao anteriormente definida, o que se pede
P(B1|A), uma aplicao do Teorema de Bayes, que nos
permite obter as probabilidades condicionais P(Bi|A) em
termos das probabilidades j conhecidas P(A|Bi).

35

Teorema de Bayes

Assim temos:

P( A | B1 ) P(B1 )
P(B1 | A) =
P( A | B1 ) P(B1 ) + P( A | B2 ) P(B2 ) + P( A | B3 ) P(B3 )

0.02 1 / 2
P(B1 | A) =
0.02 1 / 2 + 0.02 1 / 4 + 0.04 1 / 4

P(B1 | A) = 0.40

36

18
Teorema de Bayes
Exerccio .
Um conhecido fabricante de computadores pessoais inspecciona os chip s de
memria antes de eles serem usados na montagem dos computadores. Da
experincia passada sabe-se que:
-- a probabilidade de um chip ser defeituoso 20%;
-- a probabilidade de um chip defeituoso ser aprovado na inspeco 10%;
-- a probabilidade de um chip no defeituoso ser aprovado na in speco
98%.
Determine:
a. A probabilidade de um chip ser defeituoso e no ser aprovado na
inspeco;
b. A probabilidade de um chip ser aprovado na inspeco;
c. A probabilidade de um chip ser defeituoso, sabendo que foi recusado pela
inspeco.

37

Teorema de Bayes

Exerccio. Soluo:
Definir os seguintes acontecimentos:
A = chip aprovado na inspeco
D = chip ser defeituoso
Pelos dados do problema:
P(D)=0.20;
P(A|D)=0.10, P(A|D)=0.98.

D A 0.10
0.2 A 0.90
chip
D A 0.98
0.8 A 0.02

38

19
Teorema de Bayes

Exerccio. Soluo: D A 0.10

0.2 A 0.90
chip
D A 0.98
0.8 A 0.02

a. A probabilidade de um chip ser defeituoso e no ser aprovado na

inspeco;
P(AD) = 0.200.90 = 0.18
b. A probabilidade de um chip ser aprovado na inspeco
P(A) = 0.100.20 + 0.980.80 = 0.804
c. A probabilidade de um chip ser defeituoso, sabendo que foi recusado
pela inspeco.
P(D|A) = P(AD) / P(A) = 0.18 / (1 0.804) = 0.918

39

Teorema de Bayes
Exerccio.
Uma fbrica de televisore s compra dos transstores de que ne cessita a um
fornecedo r que garante uma fiabilidade de 0.8 ao seu material durante um
certo pero do. A aquisio do restante material igualmente dividida por duas
outras firmas que gara ntem, respe ctiva mente, uma fiabilidade de 0. 9 e 0.7
durante o mesmo perodo.
a. Qual a fiabilidade de um transstor sele ccio nado ao aca so do stock da
fbrica?
b. Qual a origem mais pro vvel de um tra nsstor que, esco lhido ao aca so, se
verifico u ter funcio nado mal, durante o mesmo perodo de tempo conside rado
pelas entidades vendedoras?

40

20
Teorema de Bayes

Exerccio. Soluo:
Definir os seguintes acontecimentos:
Ai = o transistor foi fornecido pelo fabricante i (i= 1, 2, 3)
B = o transistor funciona bem
Pelos dados do problema:
P(A1)=1/4; P(A2)+P(A3)=3/4, logo P(A2)=P(A3)=3/8
P(B|A1)=0.8, P(B|A2)=0.9, P(B|A3)=0.7.
a. Qual a fiabilidade de um transstor seleccionado ao acaso do stock da
fbrica?
P(B)= P(B|Ai ) P(Ai )=0.81/4+0.93/8+0.73/8=0.8

41

Teorema de Bayes
Exerccio. Soluo:
b. Qual a origem mais provvel de um transstor que, escolhido ao aca so, se
verifico u ter funcio nado mal, durante o mesmo perodo de tempo conside rado
pelas entidades vendedoras?
P(A1|B)=P(A1B)/P(B)=P(A1)P(B|A1) /(1-P(B))

P(A1|B)= (1-0.8) / 0.2 = 0.25

P(A2|B)= 3/8 (1-0.9) / 0.2 = 0.1875
P(A3|B)= 3/8 (1-0.7) / 0.2 = 0.5625

mais provvel que o transistor tenha sido adquirido ao fornecedor 3.

42

21
 Probabilidade Condicionada
O que saber:
Definir Probabilidades e suas propriedades
acontecimentos mutuamente exclusivos e
acontecimentos independentes

Aplicao do Teorema de Bayes.

43

22