You are on page 1of 9

Ref:PROBmecanica15.

doc

NOÇÕES DE PROBABILIDADE

Nos tópicos estudados, nas aulas anteriores, foi visto que a distribuição das freqüências das
observações de um fenômeno é recurso poderoso para entender a variabilidade do mesmo.
Entretanto, com suposições adequadas e sem observar diretamente o fenômeno, pode-se criar um
modelo teórico que reproduza muito bem a distribuição das freqüências quando o fenômeno é
observado diretamente. Tais modelos são os chamados modelos probabilísticos ou distribuições
de probabilidades.
Exemplo 1. Deseja-se estudar as proporções de ocorrência das faces de um dado. O procedimento
prático seria lançar um dado certo número n de vezes e contar o número ni de vezes que ocorre a
face i, i=1, 2,..., 6. As proporções ni/n determinam a distribuição de freqüências do fenômeno.
Outra maneira de construir a distribuição de freqüências é através das suposições teóricas. A
primeira suposição é que só podem ocorrer 6 faces; a segunda suposição é admitir que o dado é
perfeitamente equilibrado. Nestas condições, com as suposições feitas, têm-se o seguinte modelo
teórico de freqüências para as faces dos dados:
Face
Freqüência teórica

1
1/6

2
1/6

3
1/6

4
1/6

5
1/6

6
1/6

Total
6/6=1

Exemplo 2. Existem duas rodovias entre as cidades A e B e três rodovias entre B e C. deseja -se
estudar as probabilidades de todas as possíveis rotas para ir de A até C. Observe que:
a) existem um certo número de possibilidades de ir de A para C
1
A

1
B

2

2

C

3

alguém pode ir de A para B de duas maneiras, pela via 1 ou 2 e de B para C de três maneiras, pela
via 1 ou 2 ou 3. Então, as vias podem ser rotuladas como: 11, 12, 13, 21, 22 e 23. Observe que o
número total de possibilidades é produto do número de maneiras de ir de A para B pelo número de
maneiras de ir de B para C (2.3 = 6);
b) suponha que qualquer uma das vias têm igual chance de ser sorteada.
O modelo de probabilidades ou a distribuição de probabilidades das possibilidades é dada
por:
Via
11
12
13
21
22
23
Total
Freqüência teórica 1/6
1/6
1/6
1/6
1/6
1/6 6/6=1
Assim, pode-se definir:
Experimentos probabilísticos: São os experimentos cujos resultados podem não ser os mesmos,
ainda que repetidos sob condições idênticas.

1

os métodos apresentados para modelar e analisar resultados experimentais são valiosos. Com medidas suficientes. estaremos conduzindo um experimento. Para um mesmo experimento pode-se ter vários espaços amostrais. pode-se verificar que todo experimento ou fenômeno que envolve um elemento casual terá um modelo probabilístico especificado quando se estabelece: i) um espaço amostral . Entretanto. as variações aleatórias que experimentamos. tal como amplificadores. portanto. . P(w). De todos os exemplos acima. A lei de Ohm pode ser uma aproximação adequada. podemos necessitar estender o modelo para incluir a variação.}. w2. Exemplo 5: Na medição de corrente em um fio de cobre. b) Contar o número de peças defeituosas produzidas num período de 24 horas em uma linha de produção de peças automotivas. Consequentemente. c) Peças são produzidas até que 10 peças perfeitas sejam fabricadas. . dependendo do objetivo do problema que se quer estudar. 2 . o modelo deve ser a lei de Ohm. quantificar e modelar o tipo de variações que encontramos com frequência. relativas ao uso pretendido do equipamento sob estudo. são tão pequenas que podem ser ignoradas. d) Jogar duas moedas e observar o resultado. Obs. ii) um evento definido como qualquer subconjunto de resultados possíveis. Não importa quão cuidadosamente o nosso experimento tenha sido projetado e conduzido. Exemplo 4: Se medirmos a corrente em um fio fino de cobre. Contar o número de peças fabricadas. para qualquer ponto amostral. são esperadas variações nas medidas das correntes. incluindo variações nas temperaturas ambientes. Os elementos wi são os pontos amostrais. em repetições diárias de medidas. iii) uma probabilidade. a variação está quase sempre presente e sua magnitude pode ser tanta que as conclusões importantes de nosso experimento podem não ser óbvias. e) Retirar uma lâmpada de um lote e medir seu tempo de vida antes que se queime. se as variações forem grandes. definida como um valor entre 0 e 1 de modo que a soma das probabilidades de todos os resultados possíveis do experimento deve ser igual a 1. Esse é um experimento aleatório com muitos resultados. Nosso objetivo é compreender. É frequentemente difícil especular a magnitude das variações sem medidas empíricas. diz-se que esse experimento (assim como muitos que conduzimos) tem um componente aleatório. Exemplo 6: A energia consumida em uma reação química pode variar à medida que o experimento for repetido em diferentes vezes ou em diferentes laboratórios. Em alguns casos. nos circuitos.Exemplo 3: a) Jogar uma moeda 8 vezes e observar o número de caras obtidos. em relação aos nossos objetivos experimentais. Quando incorporamos a variação em nosso pensamento e análises. variações ocorrem frequentemente. consiste de todos os resultados possíveis de um experimento:  = {w1. os resultados poderão diferir levemente. por causa de pequenas variações em variáveis que não estejam controladas em nosso experimento. No entanto. Entretanto. podemos fazer julgamentos baseados em nossos resultados que sejam válidos pela variação. se diferentes localizações forem selecionadas e se houver impulsos na fonte de corrente. leves variações nos medidores e pequenas impurezas na composição química do fio.. P(A).. É possível encontrar a probabilidade. podemos aproximar a magnitude da variação e considerar seu efeito no desempenho de outros equipamentos. Por causa das alimentações não controláveis. de qualquer subconjunto ou evento A  . Nesses casos.

contrastando com os anteriores. P(A) = P(wj) onde a soma é estendida a todos os wjA. Considere o lançamento de um dado. ou seja. w3 = {RC} e w4= {RR}. ou seja A={2. Exemplo 10. w3. média. Exemplo 8. (b) Extrai-se uma bola de uma urna contendo bolas azuis e vermelhas e observa sua cor. lançamento de um dado. De modo geral. então o espaço amostral pode ser simplificado no conjunto de dois resultados  = {sim. (c) Considere um experimento em que você seleciona um conector e mede sua espessura. ={azul. Entretanto. pode ser conveniente definir o espaço amostral como simplesmente a linha real . nos seguintes eventos: A : ocorrência de um número par. é dada por: 3 . Se C indica cara e R indica coroa. um espaço amostral será:  = {w1. por sua vez. D : ocorrer um ponto maior que 6. w4) = 1/4 + 1/4 = 1/2. alta}. neste caso. 6}. por exemplo.Exemplo 7. equilibrado. pois uma das suposições era de que o dado é homogêneo. coroa}. B : ocorrência de um número menor que 3. w2. t ≥ 0}. se A e um evento então. não havia razão para se dizer que uma das faces tinha preferência sobre as outras. 1 ≤ t < 10} e B=={ t . 3< t < 118} dois eventos desse espaço amostral. então. ou seja B={1. média ou alta. Este é um exemplo de espaço amostral contínuo. Se o objetivo for considerar apenas o fato de uma peça particular obedecer ou não às especificações de fabricação. w2={CR). Assim se A é o evento ocorrer face 3. (a) Lançar uma moeda e observar a face voltada para cima. 2}. Os valores possíveis da espessura dependem da resolução do instrumento de medição. então. então o espaço amostral pode ser o conjunto de três resultados  = {baixa. w4} onde w1 ={CC}. muito embora um valor negativo para a espessura não possa ocorrer. se a moeda é simétrica e homogênea. a probabilidade de A. C={6}. Se o objetivo da análise for considerar apenas o fato de uma peça particular ter espessura baixa. Tem-se. D={ }. dois resultados possíveis: cara e coroa. P(A) = P(w1. que dependem. Tem-se. então. Exemplo 9. Faça A={ t . que são discretos. vermelha}. Considere o experimento que consiste em medidas do tempo necessário para completar uma reação química podendo ser modeladas com o espaço amostral  = { t. não}. PROBABILIDADE 1) Definição clássica No exemplo 1. Se A é o evento que consiste na obtenção de faces iguais nos dois lançamentos. o espaço amostral é o conjunto  = {cara. É razoável supor que cada ponto w tem probabilidade 1/4. Logo A  B  {={ t . pode-se ter interesse. dos limites superior e inferior da espessura. Uma moeda é lançada duas vezes. 4. C : ocorrer o ponto 6. 1 ≤ t <118}. Então.

foram observados 350 caras. sendo.P(A) v) P(AB) = P(A) + P(B) . ii) AB ocorre quando A e B ocorrem. precisamente. a definição freqüencial. qual a probabilidade de aparecer face 3 ou 5? 2) Probabilidade e freqüência relativa Observou-se que a definição clássica de probabilidade só se aplicava a espaços amostrais onde os pontos amostrais eram igualmente possíveis. onde A={aparece coroa}.seja completamente rigorosa. entretanto. a probabilidade de obter-se coroa num lançamento desta moeda. em condições idênticas. OBS: AB = . elas servem para que se avance bastante no conhecimento das principais idéias da Teoria das Probabilidades. PROPRIEDADES Seja  um espaço amostral qualquer e sejam A e B subconjuntos ou eventos de . A e B são ditos eventos mutuamente exclusivos. P(AB) = P(A) + P(B). usando a freqüência relativa como estimativa. ou seja. portanto. área que. iii) A é o complementar do evento A. Se A é um evento de interesse. a probabilidade de A é dada por P(A)= Numero de vezes que A ocorreu . Assim. ou seja A A = .Numero de casos favoraveis .P(AB). Embora nenhuma destas definições . então. suscitou os primeiros problemas práticos pela teoria das probabilidades. 2) Propriedades relacionadas às probabilidades i) 0 P(A)  1 (observe que P(A)  0) ii) P() = 1 iii) P() = 0 iv) P( A ) = 1 .clássica e frequêncial . Numero de casos possiveis Esta é a definição clássica de probabilidade. como a proporção de vezes que um evento ocorre em uma série suficientemente grande de realizações de um experimento. Surgiu então uma nova definição de probabilidade. será P(A)=310/660=0. 4 . levaram a considerar a probabilidade de um evento como a freqüência relativa. 1) Propriedades dos eventos: i) AB ocorre quando pelo menos um dos eventos ocorre. iv) AB =  se A e B não têm elementos em comum. repetidos inúmeras vezes. ambas insatisfatórias do ponto de vista teórico. Estes mesmos jogos. Este é o caso da maioria das aplicações das probabilidades aos jogos de azar.47 . Se AB = . É o evento que ocorre se A não ocorre. P(A) = Exercício 1 : No lançamento de um dado. Numero total de repeticoes do experimento Obs. Exemplo 11: Em 660 lançamentos de uma moeda.

Dado que uma pastilha. constatou-se que 10 meninos e 12 meninas têm olhos castanho-claro. Tabela 1. P(A)=358/940 P(B)= 314/940 P(AB)=246/940 P(A  B) = P(A)+P(B) . P( A ) P( A  B) e P(A  B ) PROBABILIDADE CONDICIONAL Voltando ao exemplo 13. AB: a pastilha é proveniente do centro da ferramenta de produzir faísca ou contém altos níveis de contaminação. esteja no centro da ferramenta de produzir faísca. AB={o elemento escolhido é menina com olhos castanho-claro }.78 Note que. a probabilidade de conter altos níveis de contaminação é 246/314. Daí. Distribuição das pastilhas na fabricação de semicondutores Centro de Ferramenta de Produzir Faísca Alta contaminação Não Sim Não 514 68 Sim 112 246 Total 626 314 Total 582 358 940 Portanto. AB: a pastilha é proveniente do centro da ferramenta de produzir faísca e contém altos níveis de contaminação. segue que: P(AB)=P(A)+P(B)-P(AB)=(18/36)+(22/36)-(12/36)=7/9 = 0.Exemplo 12: Numa sala de aula com 18 meninas e 18 meninos. Suponha que uma pastilha seja selecionada. como sendo: P(A / B) = P(A  B) / P(B) 5 . A tabela a seguir lista a história de 940 pastilhas em um processo de fabricação de semicondutores. Considere o exemplo anterior e calcule P( B ). Sejam os eventos: A: a pastilha contém altos níveis de contaminação. Para dois eventos quaisquer A e B.78. Exemplo 13. P(A / B). B: a pastilha está no centro de uma ferramenta de produzir faísca.P(A  B)= (358/940)+( 314/940)-(246/940)=426/940 P( A )=514/940 Exercício 14. 246 contêm altos níveis de contaminação. sendo P(B) > 0. A : a pastilha não contém altos níveis de contaminação. Escreve-se: P(A / B) = (246/314)=0. Isto porque do total de 314 pastilhas. ao acaso. qual a probabilidade desse elemento ser menina ou ter olhos castanho-claro? Caracterizando os eventos do problema temos: A={o elemento escolhido é menina} B={o elemento escolhido tem olhos castanho-claro} AB={o elemento escolhido é menina ou tem olhos castanho-claro) Assim. como A e B não são mutuamente excludentes. da tabela. Escolhendo-se ao acaso um aluno da turma. escolhida ao acaso. definimos a probabilidade condicional de A dado B.

mas faz-se três retiradas sem reposição. como havia sido obtido.78.P(B / A). Exemplo 11. Os resultados possíveis são : {0.P(A / B) ou P(A  B) = P(A). (3/5)= 6/25 B = BP  {X=1} D = PP  {X=2} P(B) = (3/5).a extração 2. Desta relação obtém-se a regra do produto das probabilidades ou da multiplicação: P(A  B) = P(B). 1. Suponha que a extração seja sem reposição. Considere a mesma urna. (3/5) = 9/25 P(C) = (2/5).a extração 1/3 2/4 3/5 B B B 2/3 P 2/4 P X P(X) P 3 6/60 B 2 36/60 P 1 18/60 1/3 2/3 Distribuição de X 3/4 2/5 P B 1/3 1/4 P 2/3 3/3 B B 6 .a extração 3/5 3/5 B B X P(X) 2/5 P 2 9/25 1 12/25 0 4/25 3/5 2/5 Distribuição de X B P 2/5 P Considere os eventos: A = BB  {X=0} C = PB  {X=1} então. Obtenha a distribuição da variável X = número de bolas brancas na amostra.Para o exemplo. (2/5)= 6/25 P(D) = (2/5).a extração 2. sendo uma após a outra. 1. 2 } 1.a extração 3. Exemplo 10. P(A  B) = 246/940 P(B) = 314/940 P(A / B) = (246/940)/( 314/940) = 246/314)=0. Obs. tal que a primeira bola é reposta antes de se extrair a segunda. (2/5)= 4/25. Extrair casualmente duas bolas.a extração Distribuição de X 2/4 3/5 B B X P(X) 2/4 P 2 6/20 1 12/20 0 2/20 3/4 2/5 B P 1/4 P Exemplo 12. P(A) = (3/5). Considere uma urna com três bolas brancas e duas bolas pretas.a extração 2. Obtém-se a seguinte distribuição: 1.

dados 3 eventos M.04)(0.+ P(A/Bn)P(Bn) P( B i / A )  P( A / B i ) P( B i ) n  P( A / B j ) P( B j ) J 1 Exemplo 14: Três máquinas A. tem-se que : P(MNR) = P(M). 75% dos fregueses são homens. Uma peça é selecionada aleatoriamente e é defeituosa... 20% dos fregueses do sexo masculino preferem salada.P(B).03)(0. Considere os seguintes eventos: H: freguês é homem A: freguês prefere salada M: freguês é mulher B: freguês prefere carne Calcular: a)P(H). 30% e 10% do total de peças de uma fábrica.P(N/M). consideremos os seguintes eventos: A={ a peça é defeituosa} B1={ a peça é da máquina A} B2={ a peça é da máquina B} B3={ a peça é da máquina C} Assim.P(R/MN) INDEPENDÊNCIA ESTATÍSTICA Dois eventos A e B dizem-se independentes se. Exemplo 13. 3% e 4%. Qual a probabilidade de ambas darem cara? É razoável admitir que os resultados das duas moedas sejam independentes um do outro. Encontre a probabilidade da peça ter sido produzida pela máquina C.04)(0.P(P/BB) = 3/5. P(B/M).. P(A/H). Jogam-se duas moedas equilibradas. Para a solução de tal questão. 30% das mulheres escolhem carne.. 60%. respectivamente. P( A / B 3 ) P( B 3 ) P( B 3 / A )  P(A / B1 )P(B1 )  P(A / B2 )P(B2 )  P(A / B3 )P(B3 ) (0.02)(0.6)  (0.P(C) =  = 2 2 4 TEOREMA DE BAYES: Seja Ω um espaço amostral e B1. Logo.P(B/B).1) =4/25 Exercício 3: Um restaurante popular apresenta apenas dois tipos de refeições: salada completa ou um prato à base de carne. N e R. As percentagens de produção defeituosa destas máquinas são.3)  (0. De modo geral. P(AB) = P(A). b) P(A  H). Se A é um evento de Ω. B e C produzem respectivamente. Além disso..Bn uma de suas partições possíveis tal que Bi  B j   e n i 1 Bi   . 2/4.Observe que : P(B/B) = 2/4 P(B/PP) = 1 P(BBP) = P(B). a probabilidade de sucesso é: 1 1 1 P(sucesso) = P(CC) = P(C).. 2%. para moedas equilibradas. P(C) = 1/2. B2. 2/3 = 1/5. então: P(A)=P(A/B1)P(B1)+. P(A  H).. e só se.1)  (0. c) P(M/A) 7 .

considerando que o sorteio tenha sido restrito às famílias usuárias de programas de alimentação popular. g) tal que o chefe da casa tenha o segundo grau. 30% dos eleitores pretendem votar no candidato A. em uma única jogada de um dado: 5. 3) Calcule a probabilidade de tirar pelo menos um dos seguintes pontos. e) usuária de programas de alimentação popular e o chefe da casa não tenha o segundo grau. as quais se distribuem conforme a seguinte tabela. num conjunto de 120 famílias. a) Apresente um modelo probabilístico. 4) Numa sala com 10 homens e 20 mulheres. Sorteia-se um eleitor na cidade e verifica-se o candidato de sua preferência. 6 ou 7. d) usuária de programas de alimentação popular e o chefe da casa tenha o segundo grau. b) tal que o chefe da casa tenha o segundo grau. sorteia-se um indivíduo. b) Qual a probabilidade do eleitor sorteado votar num dos dois candidatos? 6)Seja uma família sorteada de uma população de 120 famílias. 7) Discos de policarbonato plástico. Tabela . encontre a probabilidade de obter um total de 4 ou menos. Os resultados de 100 discos estão resumidos a seguir: Resistência a Resistência a choque arranhão Alta Baixa Alta 80 9 Baixa 6 5 Seja A o evento em que um disco tenha alta resistência a choque e B o evento em que um disco tenha alta resistência a arranhão. 50% no candidato B e 20% em branco ou nulo. f) usuária de programas de alimentação popular. Os eventos A e B são independentes? 8 . observando o sexo (feminino ou masculino). considerando que o sorteio tenha sido restrito às famílias cujo chefe da casa tenha o segundo grau. Construa o modelo probabilístico. 2) Em uma única jogada de um par de dados. 5)Numa eleição para a presidência da Associação dos engenheiros de alimentos de Maringá. provenientes de um fornecedor. USO DE GRAU DE INSTRUÇÃO DO CHEFE DA CASA PROGRAMAS Nenhum Primeiro grau Segundo grau Total Sim 31 22 25 78 Não 7 16 19 42 Total 38 38 44 120 Calcule a probabilidade da família sorteada ser: a) usuária de programas de alimentação popular.LISTA DE EXERCÍCIOS 1) Determine a probabilidade de obter um total (soma) de 6 ou 7 em uma jogada de dois dados. c) tal que o chefe da casa não tenha o segundo grau.Distribuição conjunta de freqüência do grau de instrução do chefe da casa e o uso de programas de alimentação popular. são analisados com relação à resistência a arranhões e choque.

qual é a probabilidade a) de uma lata saída desta fábrica ser fechada defeituosamente? b) De uma lata fechada impropriamente (descoberta ao final da inspeção do produto acabado) provir da linha de produção I? 13) O alinhamento entre a fita magnética e o cabeçote em um sistema de armazenagem com fita magnética afeta o desempenho do sistema. dado que apresenta qualidade marginal? 11) A probabilidade de um homem estar vivo daqui 25 anos é 3/5. respectivamente. II e III respondem por 50. Suponha que 10% das operações de leitura estejam danificadas pelos alinhamentos distorcidos.7. Se 0.8) Amostras de espuma de três fornecedores são classificadas com relação a satisfazer ou não as especificações. E a de sua mulher também o estar na mesma ocasião é de 2/3. Determinar a probabilidade de : a) ambos estarem vivos. dado que provém do fabricante C? c) de provir do fabricante B. 12) Em uma fábrica de enlatados. d) pelo menos um estar vivo. Os resultados de 126 amostras são resumidos a seguir: Obedece Fornecedor Sim Não 1 80 4 2 40 2 Sejam A e B os eventos em que uma amostra seja proveniente do fornecedor 1 e atende às especificações. 5% pelos alinhamentos descentralizados e as operações restantes de leitura estejam apropriadamente alinhadas. qual será a probabilidade de que seja devido a um alinhamento distorcido? 9 . e as porcentagens correspondentes às linhas II e III são 0.4 e P(A  B) = 0.4% das latas da linha I são fechadas inadequadamente. 0. c)somente a mulher estar viva. b) somente o homem estar vivo. a) qual a probabilidade de um erro de leitura? b) Se um erro de leitura ocorrer.02 devido ao alinhamento descentralizado e 0. Quanto é P(B) se: a) A e B são independentes? b) A e B são mutuamente exclusivos? 10) Um relatório de controle de qualidade de vinagre acusa os seguintes resultados por fabricante e por qualidade: FABRICANTE QUALIDADE TOTAL aceitável Marginal inaceitável A 128 10 2 140 B 97 5 3 105 C 110 5 5 120 TOTAL 335 20 10 365 Escolhido um vinagre ao acaso.2%.001 devido ao alinhamento adequado. qual a probabilidade: a) de provir do fabricante A e ser de qualidade aceitável? b) de ser aceitável. A probabilidade de um erro de leitura é 0. 30 e 20% da produção total.01 devido ao alinhamento distorcido. respectivamente. Os eventos A e B são independentes? 9) Sejam P(A) = 0. as linhas de produção I.6% e 1.