1/18

Ministrio da Educao Universidade Tecnolgica Federal do Paran/Campus Curitiba Departamento Acadmico de Matemtica Probabilidade e Estatstica Prof: Silvana Heidemann Rocha Aluno(a): ___________________________________ Data: ___/___/____

PROBABILIDADE: O QUE E COMO CALCULAR - Aula 08 1) Definies de probabilidade1 Definio clssica Definio freqentista Definio geomtrica Definio axiomtica Definio subjetiva

2) Espao de probabilidade 3) Propriedades da probabilidade 4) Probabilidade condicional 5) Independncia de eventos o Independncia de dois eventos o Independncia coletiva 6) Teorema da multiplicao (ou regra do produto) 7) Teorema da probabilidade total 8) Teorema de Bayes

A definio clssica, a freqentista, a geomtrica e a subjetiva, embora propostas por muitos autores como definies de probabilidade, no so consideradas definies formais. Elas so consideradas como formas de se calcular probabilidades. Aqui mantida ainda a denominao de definies, pois foi assim que historicamente foram apresentadas.

1) Definies de probabilidade

2/18

1.1) Definio clssica de probabilidade (Dada por Laplace, em 1812, na obra Teoria analtica das probabilidades) Seja um espao amostral finito , formado por eventos simples igualmente possveis. Seja A um evento de com A pertencente a sigma-lgebra dos eventos de . Se o evento A pode ser decomposto em eventos simples de , ento a probabilidade de ocorrncia de A dada por P( A) = n( A) , com 0 P(A) 1, n ( )
onde: n(A) o nmero de pontos amostrais favorveis ao evento A; n() o nmero total de pontos amostrais;

Observaes: Um evento simples um evento formado por um nico ponto amostral. Dois eventos simples so mutuamente excludentes.

A expresso eventos igualmente possveis era usada desde a idade mdia (por Galileu, por exemplo). Na teoria elementar da probabilidade essa idia foi substituda pela definio de eventos equiprovveis. Se o espao amostral finito, qualquer evento de um evento aleatrio, isto , um evento passvel de ser atribudo uma medida de probabilidade (segundo a definio axiomtica, mais adiante).

A definio clssica de probabilidade causou controvrsias entre alguns matemticos, pois ela: Considera apenas espaos amostrais finitos; Define probabilidade baseando-se na idia intuitiva de probabilidade (o espao amostral eqiprovvel, ou seja, eventos com um nico ponto amostral devem ter a mesma chance ou possibilidade ou probabilidade de acontecer). Para se determinar se dois eventos so igualmente possveis, em geral usa-se a idia de simetria3. No entanto, em muitos problemas reais, da Qumica por exemplo, a questo de determinar um modo razovel de isolar os casos igualmente possveis pode ser muito complicada. Exemplo: Qual a probabilidade de se obter nmero par no lanamento de um dado? Soluo:
Cf. GNEDENKO, B. V. The theory of probability. Moscow: Mir Publishers, 1969; DANTAS, Carlos A. B. Probabilidade: um curso introdutrio. 3 ed. So Paulo: EDUSP, 2008; JAMES, Barry. Probabilidade: um curso em nvel intermedirio. Rio de Janeiro: IMPA, 2006; MAGALHES, Marcos Nascimento. Probabilidade e variveis aleatrias. 2 ed. So Paulo: EDUSP, 2006. 3 Ver POPPER, KARL. A lgica da pesquisa cientfica. Disponvel em: http://books.google.com.br/books?id=MbGLmeMU3pMC&pg=PA185&dq=simetria+em+probabilidade#PPA183,M1. p, 185. Acesso em 05/04/2009. Ver PELELLA, Giovanni. Duas acepes do conceito de probabilidade. Universidade Federal do Maranho: Departamento de Filosofia. Disponvel em http://cynthia_m_lima.sites.uol.com.br/duas.htm. Acesso em 05/04/2009.
2

3/18

1 forma de resoluo: Como = {1, 2, 3, 4, 5, 6} n( ) = 6 e A = {2, 4, 6} A() n( A) = 3 .

Pela definio clssica de probabilidade, vem: P( A) = 2 forma de resoluo

= {par , mpar} n() = 2

n( A) 3 1 P( A) = = n ( ) 6 2

e A = {par} A() n( A) = 1 .

Pela definio clssica de probabilidade, vem: P( A) = Observaes: Nesse experimento, admite-se previamente um contexto eqiprovvel (todas as faces tm a mesma probabilidade de acontecer). Admite-se previamente que o dado cair necessariamente em uma das faces. Pelo mtodo clssico, as probabilidades so determinadas teoricamente, independentemente da realizao ou no do experimento. Contra-exemplo para a definio clssica: Qual a probabilidade de uma pessoa ser atingida por um raio, num dia chuvoso? A realidade mostra que no 50%. n( A) 1 P( A) = n ( ) 2

1.2) Definio freqentista de probabilidade (ou definio estatstica de probabilidade)

(Dada por Richard von Mises (1883-1953), em Probability, statistics, and truth.)

Seja

um experimento aleatrio.4 Sob as mesmas condies tericas, so realizados n ensaios

independentes do experimento

, com n suficientemente grande, e em cada ensaio o evento A pode ou no

ocorrer. Seja n(A) o nmero de ocorrncias do evento A. Assim:

Uma das caractersticas de um experimento aleatrio a regularidade estatstica, isto , a propriedade que a freqncia relativa tem de se estabilizar. A essncia desta propriedade que se um experimento aleatrio for executado um grande nmero de vezes, a freqncia relativa da ocorrncia de algum evento A tender variar cada vez menos medida que o nmero de repeties for aumentada. Nesse sentido que a freqncia relativa converge (em probabilidade) para um nmero denominado probabilidade do evento A. Essa propriedade de regularidade dos experimentos aleatrios, motivou a formulao de uma importante lei da Estatstica: a Lei dos Grandes Nmeros. A Lei dos Grandes nmeros trata da convergncia em probabilidade da freqncia relativa de um evento para a probabilidade deste evento (Vide, MEYER, p. 285 a 287).
4

4/18

P(A) =

n +

lim

n( A) , n

com 0 P(A) onde:

1,

n(A) = n de vezes que A ocorreu em n ensaios do experimento n = n total de repeties (ensaios) de

n( A) = fr ( A) a freqncia relativa do evento A, em n

Observaes: A definio freqentista de probabilidade pressupe a realizao de experimentos e a observao dos resultados obtidos; Na definio freqentista de probabilidade, a probabilidade o limite de uma freqncia relativa, isto , a probabilidade de um evento A o valor para o qual a freqncia relativa de A converge. Isso porque, num nmero grande de ensaios de um experimento aleatrio, a freqncia relativa de um evento tende a se estabilizar. Esse valor de estabilidade a probabilidade do evento e independente de quem realiza o experimento. A probabilidade assim determinada denominada probabilidade estatstica. Freqncia relativa e probabilidade no so sinnimos. A freqncia relativa de um evento um valor associado a um fato no passado (o evento foi realizado). Probabilidade um valor relativo a um fato no futuro (o evento ainda no se realizou). Por isso, a relao entre incerteza e probabilidade (medida da incerteza). Com a realizao de novos experimentos (mantido invarivel o conjunto de condies sob as quais o experimento realizado) as probabilidades freqenciais podem mudar. No entanto, as freqncias relativas de certos eventos observados no passado servem como referncia para as estimativas do que se espera no futuro. A definio freqentista de probabilidade no suficiente, pois pressupe que o espao amostral seja enumervel. A expresso suficientemente grande (ou n +) vaga: Quantas vezes deve-se repetir o experimento: 500, 1000, 1000000? Essa quantidade de ensaios fixa de experimento para experimento? Atualmente, a definio freqentista de probabilidade no considerada uma definio formal de probabilidade. Tal qual a definio clssica, ela considerada como uma forma de se calcular probabilidades. Alguns exemplos do uso da definio freqentista de probabilidade: Verificar se uma moeda ou um dado ou no viciado;

5/18 Determinar a probabilidade de roubos, de acidentes, de ser atingido por raios, de uma pessoa morrer antes de completar certa idade; Determinar se a prxima pea a ser fabricada por uma mquina ser ou no defeituosa; Em estudos de fenmenos demogrficos.

1.3) Definio geomtrica de probabilidade

(Proposta por B. V. Gnedenko (1912-1995), em The theory of probability)

Sobre um plano, considere uma regio g contida numa outra regio G. Um ponto lanado dentro de G aleatoriamente. Admitindo que o ponto lanado possa cair em qualquer ponto de G, que a probabilidade de cair numa regio g proporcional rea de g em relao de G, que essa probabilidade independente da posio que g ocupa em G e da forma de g, ento, por definio, a probabilidade do ponto lanado estar em g dada por: P( g ) = rea ( g ) , com 0 P ( g ) 1 rea (G )
G

Essa definio pode ser aplicada para comprimentos, reas e volumes, por exemplo: Suponha que um segmento l seja parte de outro segmento L e que se tenha selecionado ao acaso um ponto de L. Admitindo que a probabilidade deste ponto pertencer a l proporcional ao comprimento de

l e no depende do lugar que l ocupa em L, ento a probabilidade de que o ponto selecionado esteja em l ,
por definio, dada por: P (l ) = comp (l ) , com 0 P (l ) 1 comp ( L)
l L

Analogamente, tem-se: P (v ) = volume(v) , com 0 P (v) 1 , onde v o volume contido no volume maior V. volume(V )

Observaes:
Muitos problemas de engenharia so resolvidos atravs da definio geomtrica de probabilidade. (Vide GNEDENKO, p. 35). Nessa definio, o ponto lanado cair certamente sobre a regio G, isto , a probabilidade do ponto cair em G 1.

6/18 A definio geomtrica de probabilidade muitas vezes foi criticada por arbitrariedade na determinao das probabilidades de eventos, bem como por no determinar objetivamente a probabilidade em muitos casos que apresentavam outros resultados possveis. Um dos crticos da definio geomtrica de probabilidades foi o matemtico francs do sculo XIX Joseph Bertrand. Num problema conhecido como paradoxo de Bertrand, que consiste na determinao da probabilidade do comprimento de uma corda selecionada aleatoriamente numa circunferncia ser maior que o comprimento do lado do tringulo eqiltero inscrito nessa circunferncia, Bertrand apresentou trs solues possveis, cada uma delas tendo resultados diferentes (1/2, 1/3 e 1/4). Gnedenko defendeu que a no unicidade da probabilidade no paradoxo de Bertrand devia-se ao fato de que as condies do problema no definiam explicitamente o que se entendia por aleatoriedade na seleo da corda na circunferncia, isto , as condies de realizao do experimento no estavam claras, podendo no ser nicas. Assim, diferentes definies de seleo aleatria de uma corda, conduziriam a diferentes maneiras de se determinar quais seriam os eventos simples equiprovveis. Conseqentemente, o problema apresentaria concluses diferentes.5 Atualmente, a definio geomtrica de probabilidade no considerada uma definio formal de probabilidade. Tal qual a definio clssica e a freqentista, ela considerada como uma forma de se calcular probabilidades.

1.4) Definio axiomtica6 de probabilidade (Proposta por A. N. Kolmogorov (1903-1987), por volta de 1930)7
Dados um espao amostral e a sigma-lgebra dos eventos aleatrios de , denotada por A, a probabilidade ou medida de probabilidade a funo P definida em A e que satisfaz os seguintes axiomas: A1) P(A) 0, A A. A2) P( ) = 1 A3)

Ai A1, A2, A3, ... A e (i, j ) Ai A j = P i = P( Ai ) (sigma-aditiva ou aditividade infinita) 1 = i =1

Nota:
O axioma A3) implica o corolrio a seguir, isto , se a funo P sigma-aditiva, isto ,

infinitamente aditiva, ento P finitamente aditiva.

De modo mais simples, se a funo P serve para

determinar a probabilidade de ocorrncia de um evento de , tal que este evento pode ser obtido atravs da
Ver GNEDENKO, 1969, p. 35 a 37; MAGALHES, M.N., 2006, p.13 a 16. Na Matemtica moderna, os axiomas de uma teoria so proposies consideradas verdadeiras e em geral no so provados com a estrutura da teoria em questo. Todas as outras proposies da teoria, tem de ser obtidas de modo puramente lgico a partir dos axiomas propostos. Em suma, axiomas so os princpios bsicos sob os quais a teoria ser construda. (Cf. GNEDENKO, 1969, p. 47). Ver tambm SANTANNA, Adonai S. O que um axioma. Barueri, SP: Manole, 2003. 7 Em 1917, o matemtico S. N. Bernstein, j havia proposto uma teoria axiomtica da probabilidade, baseada em comparaes qualitativas de eventos aleatrios na base deles serem mais ou menos probabilsticos. No entanto, a teoria proposta por A. N. Kolmogorov relaciona a teoria da probabilidade com a teoria da medida e tambm com uma teoria de conjuntos. (Cf. GNEDENKO, p. 47). A teoria proposta por Kolmogorov acabou prevalecendo.
6 5

7/18
unio infinita de eventos mutuamente excludentes de , ento P tambm serve para determinar a

probabilidade de ocorrncia de um evento de , tal que este evento pode ser obtido atravs da unio finita de eventos mutuamente excludentes de .
n n Corolrio de A3) A1, A2,... , An A e Ai A j = , (i j ) P Ai = P ( Ai ) (aditividade finita) i =1 i =1 Esse corolrio demonstrado da seguinte forma:

1) induo matemtica, quando ele est satisfeito para n=2, isto , se

A e B A e
A B = P ( A B ) = P ( A) + P ( B )

por induo matemtica

A1, A2,...

An A

n n Ai A j = , (i j ) P Ai = P ( Ai ) i =1 i =1
n n 2) U Ai = A1 A2 ... An = A1 A2 ... An ... = U Ai U = U Ai , i =1 i =1 i = n +1 i =1

n n com Ai = , i = n + 1, n + 2,... P Ai = P Ai = P ( Ai ) = P( Ai ) . A3 i =1 i =1 i =1 i =1

Observaes:
Em notao matemtica, a definio axiomtica da funo P de medida de probabilidade dada por: P : A [0,1] , onde o domnio
A a x = P ( A)

sigma-lgebra dos eventos aleatrios

de , denotada por A. Por uma questo de software, o domnio foi denotado por de A.

em vez

Por definio, um evento aleatrio um evento ao qual possvel atribuir uma medida de probabilidade. Assim, os eventos do espao amostral aos quais no possvel atribuir uma medida de probabilidade no pertencem ao domnio da funo P, uma vez que esse domnio a sigma-lgebra dos eventos aleatrios de e no a sigma-lgebra dos eventos de

.
A natureza da sigma-lgebra dos eventos aleatrios de , depende da natureza de , ou seja, A pode ser uma sigma-lgebra ou uma sigma lgebra de Borel num intervalo da reta ou uma sigma-lgebra de Borel numa regio do plano, por exemplo.

A definio axiomtica de probabilidade no exclui o uso das outras definies (clssica, freqentista ou geomtrica). No contexto da definio axiomtica de probabilidade, para se determinar o comportamento da funo P, as outras definies podem ser utilizadas, obedecidas as condies que as definem.

8/18 A definio axiomtica no indica como calcular a probabilidade de um evento. Ela pressupe a seguinte idia: se a probabilidade de um evento existe (calculada seja l por qual modo) ento essa probabilidade deve atender definio axiomtica de probabilidade. Muitas vezes a probabilidade de um evento deve ser obtida usando consideraes fsicas (simetria, por exemplo) ou resultados empricos (freqncia relativa) ou ainda a subjetividade (experincia do experimentador). (Ver MEYER, p. 21, 22).

Uma vez estabelecida a lei da funo P, a probabilidade de ocorrncia do evento A, pertencente ao domnio de P, deve ser obtida mediante o uso da lei de P. A definio axiomtica de probabilidade permitiu o estabelecimento da teoria da probabilidade como uma cincia matemtica, uma vez que os conceitos anteriores de probabilidade no possuam preciso suficiente e levavam freqentemente a concluses paradoxais.

A necessidade da axiomatizao da teoria da probabilidade foi defendida pelo matemtico alemo David Hilbert, em 1900, quando este apresentou no Congresso Internacional de Matemtica de Paris uma lista de 23 problemas que julgava fundamentais de serem resolvidos e que os matemticos do sculo XX deviam se ocupar. Dentre os problemas, o sexto solicitava prioridade axiomatizao da teoria de probabilidades.8 A definio clssica, a freqentista e a geomtrica, que em essncia no so definies de probabilidade mas formas utilizadas para obter probabilidades de eventos, definio axiomtica de probabilidade. atendem a

1.5) Definio de probabilidade subjetiva:

A probabilidade subjetiva o grau de convico ou crena que cada pessoa atribui ocorrncia ou no de um evento. A probabilidade subjetiva freqentemente empregada naquelas situaes em que a repetio do experimento no pode ser realizada ou que no pode ser realizada em idnticas condies, como por exemplo: a) Um paciente submetido a um novo tipo de cirurgia e deseja-se saber se ele ficar bom; b) Num jogo de futebol entre dois times, deseja-se saber quem vencer; c) Uma pessoa deseja saber se seu relacionamento afetivo ter ou no sucesso; d) Uma pessoa pode acreditar fortemente que ganhar na loteria, ainda que a probabilidade terica indique o contrrio. A probabilidade subjetiva no deve ser confundida com a probabilidade freqentista, uma vez que as condies de realizao do experimento no so as mesmas.
8

Cf. SANTANNA, Adonai S. O que um axioma. Barueri, SP: Manole, 2003, p. 9.

9/18 Conforme DANTAS (2008, p. 26):

[...] a probabilidade freqentista pressupe a existncia de uma realidade fsica e que as probabilidades descrevem aspectos dessa realidade de modo anlogo ao que as leis da mecnica fazem no caso de um modelo determinstico.

Na seqncia do texto, no ser mais abordada a probabilidade subjetiva.

2) Espao de probabilidade: Definio: a terna ordenada (, A , P), onde:

um espao amostral;

A a sigma-lgebra dos eventos aleatrios de e depende da natureza de .

P a funo de probabilidade conforme a definio axiomtica de probabilidade.

Para verificar se a terna ordenada (, A , P(.)) define um espao de probabilidade necessrio que:

A contenha todos os eventos aleatrios de ;

a probabilidade de um evento aleatrio qualquer de , denotada por P(.), satisfaa os trs axiomas da definio axiomtica de probabilidade.

Exemplo: Mostre que para cada B A, a terna (, A, P(.|B)) define um espao de probabilidade, onde
P (. / B ) = P ((.) B ) a probabilidade de um evento aleatrio qualquer (.) de ocorrer sabendo que o P( B)

evento B ocorreu. Soluo: Se (, A , P(.|B)) define um espao de probabilidade, ento:

i) ii)

P(. / B) :

(. / B )

[0,1] A
a x = P (. / B )

A1) P(.|B) =

P ((.) B ) 0 , pois P(.) 0 e P(B) > 0. P( B) P ( B ) P ( B ) = =1 P( B) P( B)

A2) P( | B) =

A3) A1, A2, A3, ... A e (i, j ) Ai A j =

P[( Ai ) B] i =1 P Ai ) / B = (i def .= = 1 dada propr.distrib. P( B) int erseo

em relao unio

P[U ( Ai B )]
i =1

P[ Ai B]
=
Ai so disjuntos i =1

P( B)

P( B)

def .dada

P( Ai / B)
i =1

Portanto, (, A , P(.|B)) um espao de probabilidade.

10/18

3) Propriedades da probabilidade:
As seguintes propriedades so demonstrveis a partir da definio axiomtica da funo P de medida de probabilidade e do uso das operaes com conjuntos. Seja o espao de probabilidade (, A , P). Sejam Ai eventos aleatrios de , isto , Ai A. Ento a funo P goza das seguintes propriedades (conseqncias dos axiomas): P1) P( Ac ) = 1 P( A)
Demonstrao:

A A =

a elementos iguais do domnio, correspondem imagens iguais no contradomnio

P( A Ac ) = P()

Axiomas 2 e 3, pois A A c =

P( A) + P( Ac ) = 1

operaes com nmeros reais

P( A) = 1 P( Ac )

P2) P ( ) = 0
Demonstrao:

P( A) = 1 P( Ac ) P() = 1 P( ) 1 = 1 P( ) P( ) = 0 P3) 0 P( A) 1 P4) Ai A j P( Ai ) P( A j ) e P( A j Ai ) = P( A j ) P( Ai ) P5) P( Ai A j ) = P( Ai ) + P( A j ) P( Ai A j )

Demonstrao:

Ai A j = Ai ( Ai c A j ) P( Ai A j ) = P( Ai ( Ai c A j )) P ( Ai A j ) = P ( Ai ) + P ( Ai c A j ) (1)
Escrevendo A j = ( Ai A j ) ( Ai A j ) , vem: P ( A j ) = P (( Ai A j ) ( Ai A j ))
c

eventos mutuamente excludentes

P ( A j ) = P ( Ai c A j ) + P ( Ai A j ) P ( Ai c A j ) = P ( A j ) P ( Ai A j ) (2)
Substituindo (2) em (1), vem:

P ( Ai A j ) = P ( Ai ) + P ( A j ) ( Ai A j )

P6) P(U Ai ) P( Ai )
i =1 i =1

P7) P(U Ai ) P( Ai )
i =1 n i =1 n

P8) P(I Ai ) 1 P( Aic )

i =1 i =1

P9) P(I Ai ) 1 P( Aic )

i =1 i =1

11/18 P10) (Continuidade em probabilidade): Seja a seqncia ( Ai ) i 1 de eventos aleatrios de . Ento: P10.1) Ai A P ( Ai ) P ( A) P10.2) Ai A P ( Ai ) P ( A)

Observaes a respeito da propriedade P10): ( Ai ) i 1 = (A1, A2, A3, ... ) {A1, A2, A3, ...} P10.2 P10.1
A A2 A2 M A1 A1

M
A

4) Probabilidade condicional: Definio: Sejam A e B eventos em (, A , P). A probabilidade condicional de A dado que B ocorreu,
denotada por P(A/B), definida por P( A / B) = P( A B) , com P(B) > 0. P( B)

Observao:
Se P(B)=0, ento P(A/B) indefinida, podendo ser definida como melhor convier num problema. Assim, alguns autores fazem P(A/B)=0 e outros, ainda, consideram P(A/B)=P(A).

4.1) Decorrncia da definio:

Se P(A) > 0 e P(B) > 0, ento P ( A B ) = P ( B ).P ( A / B ) = P ( A).P ( B / A) , pois P ( A B ) = P ( B A).

Segundo GNEDENKO (1969, p. 55), essa regra da multiplicao tambm aplicvel no caso em que um dos eventos A ou B um evento impossvel. Nesse caso, faz-se P(A)=0, P(A/B)=0 e P(A B)=0.

Exemplo1:
Duas cartas so retiradas aleatoriamente e sem reposio de um baralho comum (52 cartas, sendo 13 de cada naipe: paus, ouros, espada, copas). Encontre a probabilidade de se ter dois s.

Soluo: 1 maneira de resoluo (atravs da definio de probabilidade condicional)

: Retirar aleatoriamente e sem reposio duas cartas de um baralho comum.

12/18
Seja um espao amostral dos resultados possveis em cada retirada:

= { A p , Ao , Ae , Ac ,2 p, 2 o ,2 e ,2 c ,..., K p, K o , K e , K c } n() = 52
Sejam os eventos A = {sair um s na primeira retirada} = { Ap , Ao , Ae , Ac }9 B = {sair um s na segunda retirada} = { Ap , Ao , Ae , Ac } Pela decorrncia da definio de probabilidade condicional, tem-se:

P ( A B ) = P ( A).P ( B / A) P ( A B ) =

n( A) n( B / A) 4 3 12 . P( A B) = . = . n ( ) n ( ) 1 52 51 2652

Observao:
Cf. GNEDENKO (1969, p. 55), o espao de probabilidade para probabilidades condicionais do tipo P((.)/B) especificado pela tripla

( B, A( B ),

P ((.) B ) ) , onde B o espao amostral, A( B ) P( B)

a sigma-lgebra dos eventos aleatrios de B e (.) um evento aleatrio qualquer de B.

2 maneira de resoluo (atravs da idia de arranjo)

: Retirar aleatoriamente e sem reposio duas cartas de um baralho comum.

Seja um espao amostral dos resultados possveis nas duas retiradas, levando-se em conta a ordem em que cada carta foi retirada:

= {(Ap, Ao), (Ap, Ae), (Ap, Ac), (Ap, 2p),..., (Ap, Kc),..., (Ac, Ap), ..., (Ac, Kc), (2p, 2o),..., (2c, Kc),..., (Kc, Ac),..., (Kp,
Kc)} n() = A52,2 =

52! = 52.51 (52 2)!

Seja o evento A={sair dois s} = {(Ap, Ao), (Ap, Ae), (Ap, Ac),...,(Ac ,Ap)} n( A) = A4, 2 = 12 Portanto, P ( A) =

n( A) A4, 2 12 = = n() A52, 2 2652

3 maneira de resoluo (atravs da idia de combinao):

: Retirar aleatoriamente e sem reposio duas cartas de um baralho comum

Seja um espao amostral dos resultados possveis nas duas retiradas, no levando-se em conta a ordem em que cada carta foi retirada:

Observe que os pontos amostrais dos eventos devem ter a mesma natureza dos pontos amostrais do espao amostral. Por exemplo, se os pontos amostrais no espao amostral forem pares ordenados, os eventos sero formados por pares ordenados.

13/18 = {(Ap, Ao), (Ap, Ae), (Ap, Ac), (Ap, 2p),..., (Ap, Kc),..., (Ac, Kc), (2p, 2o),..., (2c, Kc),..., (Kp, Kc)}
n() = C52, 2 =

52! = 26.51 2!(52 2)!

Seja o evento A={sair dois s} = {(Ap, Ao), (Ap, Ae), (Ap, Ac),...,(Ac ,Ap)} n( A) = C 4, 2 = 6

12 n( A) C 4, 2 .C 48,0 Portanto, P ( A) = = = 2652 n ( ) C52, 2

N=52
ses 4

n=2
ses 2 No-ses 0

No-ses 48

Observao: o No exerccio anterior, se fossem retiradas 5 cartas sucessivamente do baralho, pelo 2 e 3

modo de resoluo apresentados, a natureza dos pontos amostrais seria de uma penta-upla ordenada. A definio de probabilidade condicional simplifica a questo de se calcular probabilidades de eventos obtidos por sucessivos ensaios de um experimento.

Exemplo2:
Duas cartas so retiradas aleatoriamente e sem reposio de um baralho comum (52 cartas, sendo 13 de cada naipe: paus, ouros, espada, copas). Encontre a probabilidade da segunda carta ser um s. Soluo:
Este exerccio trata da probabilidade incondicional, isto , a primeira carta qualquer (desconhecida). Mas usaremos neste caso tambm a definio de probabilidade condicional.

: Retirar aleatoriamente e sem reposio duas cartas de um baralho comum.

Seja um espao amostral dos resultados possveis em cada retirada:

= { A p , Ao , Ae , Ac ,2 p, 2 o ,2 e ,2 c ,..., K p, K o , K e , K c } n() = 52
Sejam os eventos A = {sair um s na primeira retirada} = { Ap , Ao , Ae , Ac } B = {sair um s na segunda retirada} = { Ap , Ao , Ae , Ac } Como a primeira carta desconhecida, tem-se a seguinte equao:

B = ( A B ) ( Ac B )
Da, vem:

14/18

P( B) = P(( A B) ( A B)) P( B)

=
eventos muuamente excludentes.

P ( A B) + P( A B)

P ( B ) = P ( A).P ( B / A) + P ( Ac ).P ( B / Ac ) P ( B ) =

4 3 48 4 204 . + . = 52 51 52 51 2652

5) Independncia de eventos: 5.1) Independncia de dois eventos:

Se os eventos A e B so independentes, ento:

o P(A/B)=P(A) e P(B/A)=P(B). o
P ( A B ) = P ( A).( B ) (A e B so mutuamente independentes)

Essa segunda equao decorre da definio da probabilidade condicional e do fato de P(A/B)=P(A) e P(B/A)=P(B).

5.2) Independncia coletiva:

Dada uma coleo de eventos A1 , A2 ,..., An num espao de probabilidades (, A , P), os eventos A1 , A2 ,..., An so denominados coletivamente independentes se: i) Forem mutuamente independentes dois a dois, isto ,

P ( Ai A j ) = P ( Ai ).P ( A j ), i j , i = 1, 2,..., n e j = 1, 2, ..., n. ; ii) Forem mutuamente independentes trs a trs, isto ,

P ( Ai A j Ak ) = P ( Ai ).P ( A j ).P ( Ak ), i j , i k , j k ; iii) iv) Forem mutuamente independentes 4 a 4, 5 a 5, ..., n-1 a n-1; P ( A1 A2 ... An ) = P ( A1 ).P ( A2 ). ... .P ( An ) .

Para n eventos, o nmero de equaes a serem satisfeitas ser 2n n 1, pois n n n n n n 0 + 1 + 2 + 3 + ... + n = 2 , e no precisa avaliar n n 0 e . 1

Exemplo: Para verificar a independncia de 3 eventos A1 , A2 e A3 , deve-se verificar:

i) P( A1 A2 ) = P( A1 ).P( A2 ) ii) P ( A1 A3 ) = P ( A1 ).P ( A3 ) iii) P ( A2 A3 ) = P ( A2 ).P ( A3 ) iv) P ( A1 A2 A3 ) = P ( A1 ).P ( A2 ) .P ( A3 )

15/18 6) Teorema da multiplicao (ou Teorema da probabilidade composta ou Regra do produto de

probabilidades)
Sejam A1, A2, ..., An eventos de um espao de probabilidade. (, A , P). Ento, da definio de

probabilidade condicional, tem-se: i) P( A1 A2 ) = P( A1 ).P( A2 / A1 ) = P( A2 ).P( A1 / A2 ) . ii) P( A 1A 2 A 3 ) = P((A 1 A 2) A 3 ) = P( A 1 A 2 ).P( A 3/A 1 A 2 ) = P( A 1 ).P( A 2/A 1 ).P( A 3/A 1 A 2) Por induo, prova-se que , com P (I Ai ) > 0 P( A 1 A2 ... A n ) = P( A 1).P( A2 / A 1).P( A 3/ A 1A 2 ).....P( An / I A i )
i=1 n1

i =1

Exemplo:
De um lote contendo 60 peas das quais 15 so defeituosas, retira-se ao acaso e sem reposio, uma amostra de 5 peas. Qual a probabilidade de ter 3 peas defeituosas nesta amostra? Soluo: 1 maneira de resoluo (pela regra do produto de probabilidades)

: Retirar aleatoriamente e sem reposio cinco peas de um lote contendo 60 peas das quais 15 so defeituosas.
Seja um espao amostral dos resultados possveis em cada retirada. Assim, n() = 60 .
c c Vamos fixar o resultado D,D,D,D ,D , onde

D = a pea retirada defeituosa e Dc = a pea retirada no defeituosa. Sejam os eventos A1 = {sair uma pea defeituosa na primeira retirada} A2 = {sair uma pea defeituosa na segunda retirada} A3 = {sair uma pea defeituosa na terceira retirada} A4 = {sair uma pea no-defeituosa na quarta retirada} A5 = {sair uma pea no-defeituosa na quinta retirada} Assim, pela regra do produto de probabilidades, vem:

P(D,D,D,Dc,Dc)=P(A1 A2 A3 A4 A5) =

= P( A1 ).P( A2 / A1 ).P( A3 / A1 A2 ).P( A4 / A1 A2 A3 ).P( A5 / A1 A2 A3 A4 ) =

15 14 13 45 44. . . . . 60 59 58 57 56

Como as peas defeituosas podem ocupar qualquer posio no resultado ( _, _, _, _, _), ento

P(3D, 2Dc) = P(3D

2Dc)=

P53, 2 . 15 . 14 . 13 . 45 . 44 = 5! . 15 . 14 . 13 . 45 . 44 ,
60 59 58 57 56 2!3! 60 59 58 57 56

onde

P53, 2

a permutao com repetio de 5 peas tomadas 3 a 3 e 2 a 2.

16/18

2 maneira de resoluo (por combinao):

N=60
D 15 D 3 Dc Dc 45 2

C .C P(3D,2 D ) = 15,3 45, 2 C60,5

c

n=5

7) Teorema da probabilidade total

Considere que os eventos A1, A2, ... , An em (, A , P) formam uma partio do espao amostral , e que so conhecidas as probabilidades P(Ai) e as P ( B / Ai ) , para todo i =1, 2,..., n . Seja B um evento qualquer em (, A , P). Ento:

P ( B ) = P ( Ai ).P ( B / Ai )
i =1

A1 A2 A3 A4

...

An

A1 B

A2 B

An B

Observao: o
P ( Ai ) > 0, pois Ai , conforme definio de partio.

o B um evento aleatrio que pode acontecer sob diversas condies ou hipteses

( A1 , A2 ,..., An ). Demonstrao: B = U ( Ai B ) , onde ( Ai B ) ( A j B ) = , i j . Da, vem:
i =1 n

n n n ( ) P ( B ) = P ( A B ) P ( B ) = P A B P ( B ) = P( Ai ).P( B / Ai ) U i i Corolrio do i =1 i =1 i =1 axioma 3 da funo P

17/18

8) Teorema de Bayes
Considere que os eventos A1, A2, ... , An em (, A , P) formam uma partio do espao amostral , e que so conhecidas as probabilidades P(Ai) e as P( B / Ai ) , para todo i =1, 2,..., n . Seja B um evento qualquer em (, A , P). Ento: P( A j / B) = P( A j ).P( B / A j )
n

P( A ).P( B / A )
i i i =1

, com j = 1,2, ..., n.

Observao: o
P( Ai ) > 0, pois Ai , conforme definio de partio.

o B um evento aleatrio que pode acontecer sob diversas condies ou hipteses

( A1 , A2 ,..., An ). Sabendo que B ocorreu, deseja-se quantificar a incerteza da hiptese Aj ter sido a causa. Demonstrao: P( A j / B) = P( A j B) P( B) P( A j / B) = P ( A j ).P( B / A j )
n

P( A ).P( B / A )
i i i =1

Exemplo:
(MAGALHES, M. N., 2006, p. 46) Uma fbrica tem trs mquinas que produzem o mesmo item. As mquinas A e B so responsveis, cada uma, por 40% da produo. Quanto qualidade, as mquinas A e B produzem 10% de itens defeituosos cada uma, enquanto que a mquina C apenas 2%. Um item selecionado ao acaso da produo dessa fbrica. Pergunta-se a probabilidade do item: a) ser defeituoso; b) em sendo defeituoso, ter sido produzido pela mquina A. Soluo: a) D = ( D A) ( D B) ( D C ) , onde D = {o item selecionado defeituoso}, A = {o item selecionado foi fabricado pela mquina A}, B = {o item selecionado foi fabricado pela mquina B}, C = {o item selecionado foi fabricado pela mquina C}, so eventos aleatrios de um espao de probabilidade adequado.

P( D) = P( ( D A) ( D B) ( D C ) ) ,
mutuamente excludentes dois a dois. Da, vem:

onde

( D A), ( D B), ( D C ) so

eventos

P( D) =

Axioma 3

P ( D A) + P ( D B ) + P ( D C ) P ( D)

Teorema da probabilidade total

18/18 P ( A).P ( D / A) + P ( B ).P ( D / B) + P (C ).P ( D / C )

P( D) = 0,4.0,1 + 0,4.0,1 + 0,2.0,02 = 0,084

b) P( A / D) P( A D) P( A).P( D / A) P ( A / D) = Pr obabilidad e Teorema P ( A).P ( D / A) + P ( B ).P ( D / B ) + P (C ).P ( D / C ) P D ( ) condicional de Bayes = 0,4.0,1 = 0,4761 0,4.0,1 + 0,4.0,1 + 0,2.0,02

P( A / D) =

EXERCCIOS:
01) Sejam A, B e C eventos do espao de probabilidades (, A , P). A partir da propriedade

P( A B) = P( A) + P( B) P( A B) , mostre que
P( A B C ) = P( A) + P( B) + P(C) P( A B) P( A C) P( B C) + P( A B C)

02) Fazer os exerccios das pginas 48 a 56, do livro MAGALHES, M. N; LIMA, A. C. P. Noes de probabilidade e estatstica.

__________________
REFERNCIAS DANTAS, Carlos A. B. Probabilidade: um curso introdutrio. 3 ed. So Paulo: EDUSP, 2008; GNEDENKO, B. V. The theory of probability. Moscow: Mir Publishers, 1969; JAMES, BARRY R. Probabilidade: um curso em nvel intermedirio, 2 ed., Rio de Janeiro: IMPA, 2006. KOLMOGOROV, A. N. Foundations of the theory of probability. 2 english ed. New Yourk: Chelsea publishing company, 1956 MAGALHES, Marcos Nascimento. Probabilidade e variveis aleatrias. 2 ed. So Paulo: EDUSP, 2006. MEYER, P.L. - Probabilidade, aplicaes estatstica. Rio de Janeiro: LTC, 1972 NETO CHAVES, Anselmo. Probabilidade e estatstica matemtica I. Curitiba: UFPR, 2008. (apostila). PELELLA, Giovanni. Duas acepes do conceito de probabilidade. Universidade Federal do Maranho: Departamento de Filosofia. Disponvel em http://cynthia_m_lima.sites.uol.com.br/duas.htm. Acesso em 05/04/2009. POPPER, KARL. A lgica da pesquisa cientfica. Disponvel em: http://books.google.com.br/books?id=MbGLmeMU3pMC&pg=PA185&dq=simetria+em+probabilidade#PPA183,M1. SANTANNA, Adonai S. O que um axioma. Barueri, SP: Manole, 2003, p. 9.