1

Teoria de Probabilidade

Um dos propósitos da Estatı́stica é o de estudar as caracterı́sticas de determinada

população a partir da observação de uma amostra.Tratando-se de uma inferência
indutiva, não é possı́vel extrair conclusões sem que a estas esteja associado um de-
terminado grau de incerteza.

O objecto da teoria de probabilidades é o estudo de certos fenómenos observáveis,

influenciados pelo acaso, ou seja, o estudo dos fenómenos aleatórios.

Definição: Diz-se que uma experiência é aleatória se apresentar as seguintes

caracterı́sticas:
 2

1. O conjunto dos resultados possı́veis é conhecido antecipadamente;

2. O resultado da experiência nunca pode ser previsto de forma exacta, mesmo
que se desenvolvam todos os esforços para manter sob controlo as circunstâncias
relevantes para o resultado.

• Lançamento de uma moeda e observação do lado que fica para cima;

• Lançamento de um dado e registo do número de pontos obtido;
• Tiragem de uma carta de um baralho e anotação do naipe;
• Observação da duração de componentes electrónicas de determinado tipo;
• Observação da taxa de inflação em anos sucessivos;
• Número de clientes a um balcão num determinado instante.
 3

A partir da noção de experiência aleatória apresenta-se o conceito de espaço de

resultados.

Definição: Denomina-se espaço de resultados, e representa-se por Ω, o con-

junto formado por todos os resultados que é possı́vel obter quando se efectua
determinada experiência aleatória. Os resultados individuais, pontos ou ele-
mentos de Ω, são representados por ω.

Tendo em conta a natureza do conjunto Ω, os espaços de resultados podem classificar-

se do seguinte modo: 1) discretos (finito ou infinitos numeráveis); 2) contı́nuos
(infinito não numerável).
 4

Definição: Chama-se acontecimento a um subconjunto do espaço Ω.

Ao efectuar a experiência aleatória associada com Ω, diz-se que o acontecimento

A ⊂ Ω se realiza, se o resultado da experiência é um ponto que pertence a
A : ω ∈ A.

Definição: Se A for um acontecimento, Ac = Ω\A é o seu complementar.

Definição: Um acontecimento impossı́vel representa-se por ∅. Por exem-

plo A ∩ Ac = ∅.

Definição: Chama-se acontecimentos mutuamente exclusivos aos aconteci-

mentos cuja intersecção é ∅.
 5

Interpretações do conceito de probabilidade

1. Interpretação clássica: número finito de resultados possı́veis mutuamente exclu-

sivos, obedecendo ao princı́pio de simetria (todos os resultados são igualmente
possı́veis).
](A)
P (A) = .
](Ω)
2. Interpretação frequencista: a probabilidade de um acontecimento pode ser ava-
liada ou estimada observando a frequência relativa do mesmo acontecimento
numa sucessão numerosa de provas ou experiências idênticas e independentes.
3. Interpretação subjectiva.
 6

Axiomática da probabilidade

1. P (Ω) = 1;
2. P (A) ≥ 0, ∀A ⊂ Ω;
3. Se A1 ∩ A2 = ∅ (Acontecimentos mutuamente exclusivos)
P (A1 ∪ A2) = P (A1) + P (A2).
Mais genericamente, se A1, A2, . . . , An, . . . ... forem acontecimentos mutuamente
exclusivos
X ∞
P (∪∞i=1 Ai ) = P (Ai).
i=1

Propriedades:

1. P (A) ∈ [0, 1];

2. P (Ac) = 1 − P (A);
 7

3. P (∅) = 0;
4. Se A ⊂ B então P (A) ≤ P (B);
5. P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
 8

Exemplo

Em determinada população, 9.8% das pessoas adquirem a revista Caras, 22.9% a

revista Lux, e 5.1% ambas as revistas. Admite-se que a medida de probabilidade
é a proporção dos indivı́duos da população que adquirem as revistas. Deste modo,
definem-se os acontecimentos A= adquirir a revista Caras e B= adquirir a revista
Lux.

1. Qual a probabilidade de adquirir somente a revista Caras?

P (A ∩ B c) = P (A) − P (A ∩ B) = 0.098 − 0.051

= 0.047.

2. Qual a probabilidade de uma pessoa escolhida ao acaso adquirir pelo menos

 9

uma das revistas?

P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
= 0.098 + 0.229 − 0.051
= 0.276.

3. Qual a probabilidade de uma pessoa escolhida ao acaso não adquirir nem a

revista Caras nem a revista Lux?

P (Ac ∩ B c) = 1 − P (A ∪ B) = 1 − 0.276 = 0.724.

 10

Probabilidade Condicionada

Num inquérito sociológico respeitante à importância atribuı́da à lingua portuguesa

dada pelos alunos, pais, professores e trabalhadores, os resultados foram os seguin-
tes:

MPI PI I MI
AL 57 269 1253 1278
PA 6 38 254 297
PR 3 33 214 330
TR 4 7 204 268

A = a pessoa seleccionada é um aluno; B = a pessoa seleccionada deu a resposta

I.
57 + 269 + 1253 + 1278
P (A) =
4515
 11

1253 + 254 + 214 + 204

P (B) =
4515
 12

1253
P (A ∩ B) =
4515

Admitamos que só estamos interessados em analisar as respostas dos alunos. Dis-
pondo desta informação, qual é a probabilidade de que a resposta de um aluno,
escolhido ao acaso, seja I?
1253
P (B|A) =
2857
1253/4515
=
2857/4515
P (A ∩ B)
=
P (A)
 13

A probabilidade de um acontecimento A condicionado à ocorrência de um acon-

tecimento B é definida por
P (A ∩ B) P (AB)
P (A|B) = = .
P (B) P (B)
Relações úteis:

1.
P (AB) = P (A|B)P (B) = P (B|A)P (A);

2.
P (B|A)P (A)
P (A|B) = ;
P (B)
3.
P (A|B) + P (Ac|B) = 1.
 14

Teorema da Probabilidade Total

Um aluno tem um despertador que toca na hora pretendida com probabilidade 0.7.
Se tocar, a probabilidade de o aluno acordar é 0.8, se não tocar, a probabilidade de
o aluno acordar a tempo de ir às aulas é 0.3. Qual a probabilidade do aluno chegar
a horas à aula?

A = o aluno chega a horas à aula; B = o aluno acorda a tempo; C = o des-

pertador toca na hora pretendida.
P (C) = 0.7, P (B|C) = 0.8, P (B|C̄) = 0.3

P (A) = P (CB ∪ C̄B)

= P (CB) + P (C̄B)
= P (B|C)P (C) + P (B|C̄)P (C̄)
= 0.8 ∗ 0.7 + 0.3 ∗ 0.3
 15

Seja A um acontecimento de um espaço amostral Ω e B1, . . . , Bn uma partição

desse espaço, ou seja
[n
Bi = Ω,
i=1
e Bi ∩ Bj = ∅, ∀i 6= j. Então
X
n X
n
P (A) = P (A ∩ Bi) = P (A|Bi)P (Bi).
i=1 i=1
 16

Teorema de Bayes

Um teste de laboratório detecta uma certa doença em 99% dos casos em que ela
existe e pode dar um resultado falso positivo em 1% dos casos. Se 0.5% da po-
pulação esta infectada, qual a probabilidade de uma pessoa ao acaso estar infectada,
sabendo que o teste deu resultado positivo?

A = resultado positivo no teste, B = encontrar uma pessoa infectada.

P (A|B) = 0.99, P (A|B̄) = 0.01, P (B) = 0.005.

P (A ∩ B)
P (B|A) =
P (A)
P (A|B)P (B)
=
P (A|B)P (B) + P (A|B̄)P (B̄)
0.99 ∗ 0.005
=
0.99 ∗ 0.005 + 0.01 ∗ 0.995
 17

Sejam A e B dois acontecimentos de um espaço amostral Ω.

P (A|B)P (B)
P (B|A) = c c
.
P (A|B)P (B) + P (A|B )P (B )
Genericamente, seja A um acontecimento de um espaço amostral Ω e B1, . . . , Bn
uma partição desse espaço, ou seja
[
n
Bi = Ω,
i=1

e Bi ∩ Bj = ∅, ∀i 6= j. Para qualquer k ∈ {1, . . . , n}

P (A|Bk )P (Bk )
P
P (Bk |A) = n .
i=1 P (A|B i )P (B i )
 18

Independência de acontecimentos

Dois acontecimentos são independentes se e só se

P (A ∩ B) = P (A)P (B) ⇔
⇔ P (A|B) = P (A)
⇔ P (B|A) = P (B)

Duma forma geral, os acontecimentos A1, A2, . . . , An são independentes se e só se

Y
n
P (∩ni=1Ai) = P (Ai).
i=1
 19

Consideremos a experiência aleatória que consiste em tirar ao acaso uma carta de

um baralho de 52 cartas. C = saı́da de copa, F = saı́da de figura.
13 12
P (C) = , P (F ) = .
52 52
São C e F acontecimentos independentes?

P (C ∩ F ) = P (F |C)P (C)
3 13
= ×
13 52
3
=
52
3
P (C)P (F ) =
52
Os acontecimentos C e F são independentes.