INTRODUÇÃO AO CÁLCULO DE PROBABILIDADES

1. INTRODUÇÃO

No século XVII os matemáticos franceses Blaise Pascal e Pierre de Fermat

iniciaram o estudo de probabilidades visando resolver alguns problemas de apostas nos jogos
de dados.
O conceito de probabilidade que Pascal e Fermat usaram implicitamente, foi formulado em
1816, por Laplace:

“Probabilidade é o quociente do número de casos favoráveis sobre o número de

casos igualmente possíveis”.

Esta definição é denominada CLÁSSICA ou A PRIORI.

2. EXPERIMENTOS

2.1. Experimentos Determinísticos

São aqueles que produzem o mesmo resultado quando realizados de maneira
semelhante.
Ex: Elevando um recipiente que contém água pura a uma temperatura de 100 graus
centígrados, sob pressão de 760 mm Hg, a água ferverá.

2.2. Experimentos Aleatórios

São aqueles cujos resultados não podem ser previstos, ainda que os experimentos
sejam repetidos sob condições semelhantes.
Ex: 1- Lançamento de um dado;
2- Lançamento de uma moeda;
3- Retirar uma peça de um lote e observar se é perfeita ou defeituosa.

3. ESPAÇO AMOSTRAL OU ESPAÇO AMOSTRA

É o conjunto de todos os resultados possíveis de um experimento aleatório. Cada
um desses resultados é chamado de ponto amostral. Normalmente o espaço amostral é
representado pela letra grega Ω.
Ex: lançamento de um dado Ω = 1,2,3,4,5,6 
lançamento de uma moeda Ω = C,K

4. EVENTO
É qualquer subconjunto do espaço amostral. Representamos os eventos por letras
latinas maiúsculas : A, B, C, etc. Um espaço amostral constituído de n pontos terá 2 n eventos.
O conjunto de todos esses eventos é chamado de espaço ou classe de eventos.

4.1 EVENTOS MUTUAMENTE EXCLUDENTES OU MUTUAMENTE EXCLUSIVOS

Dois eventos são mutuamente excludentes se e somente se a ocorrência de um

impede a ocorrência do outro.
Ex: lançamento de um dado Ω = 1,2,3,4,5,6
os eventos A = 1,2,3 e B = = 5,6 são mutuamente excludentes.
4.2 EVENTO COMPLEMENTAR
 Evento complementar de um evento qualquer A é aquele constituído pelos
elementos de Ω que não pertencem ao evento A . É representado pelo símbolo A .
Ex: Ω = 1,2,3,4,5,6 , A = 1,2,3 , A = 4,5,6 .

5. DEFINIÇÕES DE PROBABILIDADE

A definição clássica de probabilidade é aquela formulada por Laplace (introdução).

Matematicamente podemos escrever da seguinte forma:
n( A )
P(A) = , onde: n(A) é o número de elementos do evento A .
n( Ω )
n(Ω) é o nº de elementos do espaço amostral.

Usando esse conceito, calcular:

a) a probabilidade dos seguintes eventos relativos ao experimento jogada de um dado:
A = face 6 , B = face 1 , C = face 3 , D = face par , E = face maior que 6

b) a probabilidade dos eventos complementares dos eventos acima.

c) A probabilidade de tirarmos um ás de ouros de um baralho de 52 cartas.

Observando os exemplos acima, constatamos que existe uma condição de

equiprobabilidade (uma face do dado tem a mesma chance de ocorrer que qualquer outra).
Porém, em inúmeras situações essa condição não acontece. Se escolhermos aleatoriamente um
trabalhador de uma fábrica na qual trabalhem 40 homens e 60 mulheres, é intuitivo pensar que
existe uma chance maior de escolhermos uma pessoa do sexo feminino.
Para resolvermos questões como essa é que foi formulada outra definição de
probabilidade, baseada na freqüência relativa:
“A probabilidade de um evento A qualquer é a razão entre o número de vezes
que A ocorreu e o número total de repetições do experimento.” Em outras palavras,
probabilidade é o limite da freqüência relativa.
A probabilidade de encontrarmos uma mulher da fábrica acima é, portanto igual a
60/100 = 0,6 = 60% ; e a probabilidade de homem é 40/100 = 40% .
Para aplicarmos essa definição, o número de repetições do experimento deve ser
bastante grande. Porém, quanto é suficientemente grande?
Visando responder essa questão, bem como formular outras questões que
aparecerão mais à frente no texto, realizaremos um experimento que consiste de jogar uma
moeda 60 vezes. Para cada jogada anotaremos a freqüência acumulada de caras e a freqüência
relativa de caras.
Nº Fac. fr. Nº Fac. fr. Nº Fac. fr.
1 21 41
2 22 42
3 23 43
4 24 44
5 25 45
6 26 46
7 27 47
8 28 48
9 29 49
10 30 50
11 31 51
12 32 52
13 33 53
14 34 54
15 35 55
16 36 56
17 37 57
18 38 58
19 39 59
20 40 60

Qual o número de caras que poderíamos esperar em 60 jogadas da moeda? Este

número, teórico, é conhecido por VALOR ESPERADO DE UMA VARIÁVEL. Neste caso é
igual a 30 (n = 60 experimentos, multiplicado pela probabilidade de par, que é igual a 0,5).
Com base em sua experiência reflita sobre as questões abaixo:
• Qual o número de caras encontradas no seu experimento? Esse número é igual ao valor
esperado? É possível, então, que um experimento apresente resultado diferente do valor
esperado? É possível que experimentos realizados em condições semelhantes produzam
resultados diferentes?

6. Regras básicas (axiomas ) da probabilidade

Se A e B são dois eventos do espaço amostral Ω, então valem as seguintes regras

básicas:
a) 0 ≤ P(A) ≤ 1;
b) P (Ω) = 1;
c) Se A e B são mutuamente excludentes, então P (A ∪ B) = P(A) + P(B);
d) Se A e B não são mutuamente excludente, então P (A ∪ B) = P(A) + P(B) - P(A ∩ B);
e) Se A é o complementar de A, então P(A) = 1- P( A ).

7. Probabilidade condicionada e independência de eventos

Nós sabemos que a probabilidade de sair face par na jogada de um dado é ½ =0,5.
Imaginemos que tenhamos a informação de que na jogada de um dado saiu face menor do que
4. Agora, qual a probabilidade de ser par ?
 A probabilidade de um evento com base no conhecimento de uma realização
anterior é chamada de PROBABILIDADE CONDICIONADA (ou condicional). Esta
probabilidade é representada por P(A/B), que é a probabilidade de ocorrência do evento A
dado que conhecemos a ocorrência do evento B.
A ocorrência do evento B representa o mesmo que uma redução do espaço amostral.
O “novo” espaço amostral terá o número de elementos de B. Para o nosso exemplo, B =
1,2,3 , e n(B) = 3. Fica fácil de ver que temos apenas um elemento par, e sua chance de
ocorrência será, portanto de 1/3.
A probabilidade condicional de A dado o evento B pode ser calculada da seguinte
maneira:

P( A I B )
P ( A/B ) =
P( B )

Voltando ao nosso exemplo:

A é o evento face par, logo P(A) = ½.
B é o evento face menor do que 4, logo P(B) = ½.
O evento A∩B =  2, e sua probabilidade é 1/6.
P(A/B) = 1/6 ÷ ½ = 1/3.

Vimos pelo exemplo acima que a probabilidade de ocorrência do evento A ficou

alterada em função do conhecimento da ocorrência de B. Quando isso ocorre dizemos que A e
B são EVENTOS DEPENDENTES. Se a ocorrência ou não do evento B não alterar a
probabilidade de A, então A e B são EVENTOS INDEPENDENTES.
Outra maneira de representar essas relações é através das expressões:
P(A∩B) = P(A).P(B/A) ou P(A∩B) = P(B).P(A/B) (I)
Se P(A∩B) ≠ P(A).P(B), logo A e B são DEPENDENTES.
Se P(A∩B) = P(A).P(B), logo A e B são INDEPENDENTES.
A expressão (I) acima é conhecida como regra da multiplicação.

8. Teorema de Bayes

P( E k I A ) P( E k I A )

∑ P( Ei I A )
P( E k /A) = =
P( A )

P( E k ). P( A / E k )

∑ P( Ei ). P( A / Ei )
P( E k /A) =