Probabilidades

Ence
3. Modelos Determinsticos e No Determinsticos.

Chama-se modelo determinstico qualquer procedimento, ao, experimento,

etc... , cujas condies de realizao nos permite determinar o resultado.
Exemplo 3.1
Se aplicarmos um capital de R$300,00 a uma taxa de juros simples de 1% ao ms,
durante 3 meses, obteremos um rendimento de R$9,00 ao final do perodo. Claramente
este um modelo determinstico cujo resultado determinado antes do processo, pela
frmula matemtica j = cit
c = capital
i = taxa
t = tempo
j = juros
Exemplo 3.2
O horrio da primeira aula do curso noturno da ENCE.
Horrio: 18 h 25 min
s
20h 5 min
Modelo determinstico estabelecido pela Direo da Ence

Exemplo 3.3
O Departamento de Trnsito estabeleceu o seguinte modelo para definir o ms de
vencimento do IPVA dos veculos.
Ms do vencimento = f(x) = x+1 , onde x = 0,1,2,...,9 o algarismo final da placa do
veculo.
Obs: Se o algarismo final da placa 9, o ms do vencimento correspondente ser 10
(outubro).
Exemplo 3.4 (contra exemplo)
O tempo gasto pelo aluno A no trajeto entre a sua residncia e a ENCE.
tempo gasto = ?
Obs: Este um modelo no determinstico, pois no se pode determinar precisamente
este tempo.

Frederico Cavalcanti

PRBI002

12

Probabilidades
Ence
Define-se modelo no determinstico (ou probabilstico) qualquer procedimento,
ao, experimento, etc..., cujas condies de realizao no nos permite determinar
seu resultado.
Exemplo 3.5
Um carro parte do Rio de Janeiro com destino a So Paulo. A uma velocidade
constante de 60 km por hora e supondo que o trajeto tenha 420 km, o carro chegar ao
seu destino em 7 horas, ou seja, o resultado obtido pela frmula e = vt, onde:
e = espao, v = velocidade e t = tempo.
Este exemplo na realidade um modelo probabilstico, pois dificilmente a velocidade
do veculo se manter constante durante todo o trajeto.
Fixada a varivel espao (420 km) , o veculo percorre o trajeto a uma velocidade
mdia de 60km e atingir seu destino em um tempo mdio de 7 horas.
No exemplo 3.4 o aluno A pode responder mais ou menos tantos minutos ou acho
que gasto 30 minutos, mas jamais poder afirmar um tempo exato gasto no trajeto.
Atravs de um levantamento estatstico ele poder responder por exemplo: eu levo
em mdia 30 minutos.

Experincia Aleatria.
Experincia Aleatria um conceito primitivo do Clculo das Probabilidades. Este
conceito se adquire ao analisarmos exemplos tais como:
a) lanar um dado com o objetivo de se verificar o nmero inscrito na face voltada para
cima.
b) lanar uma moeda 4 vezes e contar o nmero de caras obtido.
c) selecionar ao acaso um aluno do 2o. perodo e registrar a sua altura.
d) lanar uma moeda trs vezes e registrar a seqncia de caras e coroas observada.
e) retirar peas sucessivamente de um lote contendo 10 peas perfeitas e 3 defeituosas,
at que todas as peas defeituosas sejam encontradas e verificar o nmero de peas
retiradas.
f) registrar o nmero de carros que entram no estacionamento de um supermercado
durante o perodo de 10 horas e 10 horas e um minuto, num determinado sbado.
Podemos verificar nos exemplos apresentados que:
i) as aes (experincias) podero ser repetidas indefinidamente sob condies
inalteradas.
ii) embora o resultado de uma particular repetio no seja determinado a priori,
podemos definir o conjunto de resultados possveis S, da experincia E.
iii) aps um nmero suficientemente grande de repeties de E, surgir uma
regularidade estatstica na ocorrncia dos resultados possveis de S.
Frederico Cavalcanti
PRBI002
13

Probabilidades
Ence

Espao Amostra de uma Experincia Aleatria E.

Seja e um resultado possvel de uma experincia aleatria E. Chama-se espao amostra
de E, e se representa por S, ao conjunto de todos os resultados possveis de E.
Nas experincias descritas anteriormente temos:
a) S = 1,2,3,4,5,6
b) S = 0,1,2,3,4
c) S = x R + / n x N , onde n a menor altura e N a maior.
d) S = {HHH, HHT, HTH, THH, TTH, THT, HTT, TTT}
e) S = {3, 4,5,....,12,13}
f) S = {0,1, 2,3,......., } , onde a capacidade do estacionamento.

Exemplo 3.6
Lanamento de uma moeda 4 vezes com o objetivo de se verificar a seqncia de faces:
S = HHHH, HHHT, HHTH, HTHH, THHH, HHTT, HTHT, THHT, TTHH,
THTH, HTTH, TTTH, TTHT, THTT, HTTT, TTTT

Exemplo 3.7
Um lote de 13 peas contm 7 peas defeituosas. As peas so retiradas uma a uma, sem
reposio, at que a ltima pea defeituosa seja encontrada. Ao final contam-se o
nmero de peas retiradas.
S = 7,8,......,12,13

Eventos Aleatrios.
Definio 3.1
Chama-se evento aleatrio associado a uma experincia aleatria E a qualquer
subconjunto do espao amostra S associado a E.
Desta forma, o espao amostra S e o conjunto vazio so ambos eventos aleatrios.
Denominaremos os eventos aleatrios pelas letras maisculas A, B, C,...
Seja e um resultado possvel de E, ou seja, e S. Realizada a experincia E dizemos
que o evento A ocorreu se e somente se o resultado de E um dos elementos de A.
Observemos o ponto e no grfico 12. Se e ocorreu na realizao de um experincia de
espao amostra representado pelo retngulo, ento:

Frederico Cavalcanti

PRBI002

14

Probabilidades
Ence
i)

ocorreram dentre outros, os eventos: C, D, A B , D C .

ii)

no ocorreram os eventos A, B, D C .

Exemplo 3.8
Considere a experincia do dado cujo espao amostra S = 1, 2, 3, 4, 5, 6. Seja o
evento A = ocorrer um nmero par. O evento A = 2, 4, 6, ocorre se o resultado de
E um elemento de A
Exemplo 3.9
Considere a contagem do nmero de caras no lanamento de dez moedas cujo espao
amostra S = 0, 1 ,2 ,....,10. Sejam os eventos:
a) A = ocorrer mais do que 2 caras. O evento A = 3, 4,....,10 ocorre se o resultado
de E um elemento de A
b) B = ocorrer um quadrado perfeito. O evento B = 1,4,9 ocorre se o resultado de
E um dos nmeros 1, 4 ou 9.
c) C = ocorrer mais do que sete coroas. O evento C = 0,1,2 ocorre se o resultado de
E um elemento de C.

Exemplo 3.10
Considerando a experincia do dado sejam os eventos:
A = ocorrer um nmero par
B = ocorrer um nmero mpar
C = x/ x > 3
D = 1, 3
Se o resultado observado no lanamento do dado 5 ento os eventos B e C ocorreram
enquanto que os eventos A e D no ocorreram.
Operaes com eventos.

Frederico Cavalcanti

PRBI002

15

Probabilidades
Ence
Sejam A , B e A i ,i = 1, 2,...n eventos aleatrios associados a E. Sendo estes eventos
aleatrios associados a subconjuntos do conjunto S, as operaes com estes conjuntos
resultam na definio de outros eventos aleatrios tais como:
1. A B o evento que ocorre se e somente se A ou B (ou ambos) ocorrerem, ou
A B o evento que ocorre se pelo menos um dos eventos A ou B ocorrerem.
A unio entre os eventos A e B conforme se observa no Grfico 13-a o subconjunto de
S constitudo pelos pontos que pertencem regio hachurada, que pode ser tambm
apresentada como no grfico 13-b onde a unio eqivale unio dos eventos:
A B, A B e B A .

A unio em (b) ocorre se o resultado de E um elemento da interseo e neste caso

ambos os eventos A e B ocorreram.
A unio tambm ocorre se o resultado de E pertence ao complemento relativo de A em
relao a B, ou ao complemento relativo de B em relao a A, e neste caso apenas um
dos eventos A ou B ocorreu.
2. A B o evento que ocorre se e somente se A e B ocorrerem simultaneamente.
3. A (complementar de A) o evento que ocorrer se A no ocorrer.
4. (vazio) o evento que nunca ocorre.

5. Se A1 , A 2 , A 3 ,....., A n uma coleo finita de eventos, ento:

n

ocorre se pelo menos um dos eventos Ai ocorrer

i =1
n

ocorre se todos os eventos Ai ocorrerem simultaneamente. i = 1,2,3,....,n

i =1

Definio 3.2
Frederico Cavalcanti

PRBI002

16

Probabilidades
Ence
Dois eventos A e B so denominados mutuamente exclusivos (ou excludentes) se
eles nunca ocorrem simultaneamente, ou seja A B = .
O Grfico 14 mostra a situao em que A S e B S e A B = .

Definio 3.3
Dois eventos A e B so equivalentes se e somente se a ocorrncia de A implica na
ocorrncia de B e vice versa.

Freqncia Relativa de um evento A.

Uma importante motivao para o estudo da teoria das probabilidades surge nas
aplicaes da teoria em situaes prticas envolvendo fenmenos aleatrios.
Muitos destes fenmenos so considerados experincias aleatrias. Os resultados
possveis de cada realizao de uma experincia aleatria E so conhecidos embora no
possam ser previstos com certeza. De fato, no nosso cotidiano nos defrontamos com
situaes onde no podemos predizer o futuro.
Uma das principais condies para que uma experincia E seja considerada aleatria
que, a partir de um nmero expressivo de realizaes de E apaream regularidades
envolvendo um determinado resultado possvel e ou mesmo um evento aleatrio A
associado a E.
Se lanarmos uma moeda 10 vezes perfeitamente possvel a ocorrncia de 8 caras e
duas coroas. Se lanarmos a mesma moeda 100 vezes tambm possvel mas pouco
provvel aparecerem 80 caras e 20 coroas.
Na realizao de um nmero muito grande de provas da experincia E, o que se observa
que a freqncia de um certo evento aleatrio E permanece prxima de um constante
e esta constante geralmente denominada probabilidade do evento A associado
experincia aleatria E.
Seja E uma experincia aleatria e sejam A e B dois eventos associados a E. Suponha
que E seja realizada n vezes e denominemos por:
n A - o nmero de ocorrncias de A nas n provas
n B - o nmero de ocorrncias de B nas n provas
Os valores n A e n B so chamados freqncia absoluta dos eventos A e B nas n provas,
respectivamente.
Frederico Cavalcanti
PRBI002
17

Probabilidades
Ence

Definio 3.4
Chama-se freqncia relativa do evento A nas n provas funo f A =

nA

Propriedades da freqncia relativa de A:

a) 0 f A 1

nA n
= =1
n n
0
- se A no ocorre nas n provas f A = = 0
n

- se A ocorre nas n provas f A =

b) Se A e B so dois eventos mutuamente exclusivos, ento;

f AB = f A + f B
f AB =

n A B n A + n B n A n B
=
=
+
= fA + fB
n
n
n
n

c) Sendo f A uma funo de n e se n cresce indefinidamente, a freqncia relativa de A

converge no sentido probabilstico para um valor p, chamado probabilidade do evento
A.

Exemplo 3.8
Suponhamos a seguinte simulao do lanamento de uma moeda 100 vezes. O quadro
que segue um extrato da tabela de freqncias do evento A = ocorrer cara. A coluna
titulada por A (evento) mostra s ou n conforme A tenha ocorrido ou no na prova
correspondente. Segue tambm um esboo (Grfico 15) da freqncia relativa do evento
para cada n = 1,2,3,.....
n
1
2
3
4
5
6
7
8
9
10
11
12
.
.

Frederico Cavalcanti

A
s
n
s
n
s
n
n
s
s
s
s
n
.
.

nA
1
1
2
2
3
3
3
4
5
6
7
7
.
.

PRBI002

fA
1
1/2
2/3
2/4
3/5
3/6
3/7
4/8
5/9
6/10
7/11
7/12
.
.

18

Probabilidades
Ence

A simulao em questo mostra a convergncia da freqncia relativa f ( n ) , do evento

A = ocorrer cara. O aluno interessado est convidado a exercitar tal modelo. Esta
propriedade , a princpio, uma noo intuitiva que no decorrer deste curso se tornar
matematicamente precisa. Esta caracterstica tambm chamada regularidade
estatstica.

4. Axiomas do Clculo das Probabilidades.

Definio 4.1
Seja E uma experincia aleatria com espao amostra S. A cada evento A associado a E
atribuiremos um nmero real, P(A), denominado probabilidade do evento A, que
satisfaa s seguintes propriedades:
Axioma 1:

0 P (A) 1

Axioma 2:

P(S) = 1

Axioma 3:

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

Axioma 3a:

se

AB =

Se A1 , A 2 ,..., A n ,... so eventos mutuamente exclusivos, isto

Ai A j =
i j = 1, 2,3,...., n,....

P A i = P ( A1 ) + P ( A 2 ) + ..... + P ( A n ) + ...
i =1
n
n
Axioma 3b: Se n finito P A i = P ( A i )
i =1 i =1
Os axiomas do clculo da probabilidades so sugeridos, obviamente pelas
correspondentes propriedades da freqncia relativa do evento A.

Teoremas Bsicos do Clculo das Probabilidades.

Frederico Cavalcanti

PRBI002

19

Probabilidades
Ence

Teorema 4.1
Se o conjunto vazio (evento impossvel) P() = 0.
Prova:
Para qualquer evento A, temos que A = A. Como A = , de acordo com o
Axioma 3, escrevemos:
P ( A ) = P ( A ) + P ()

P ( A ) = P ( A ) + P ( ) P ( ) = P ( A ) P ( A ) = 0

Teorema 4.2
Se A o evento complementar de A. Ento P( A ) = 1 - P(A).
Prova:
A A = S e A A=
P(A A)=P ( S ) = 1
Como A A = , segundo o Axioma 3, temos
P (A) + P (A) = 1 P (A) = 1 P (A)

Teorema 4.3
Se A e B so dois eventos quaisquer, ento:
P ( A B) = P ( A ) + P ( B) P ( A B)
Prova:
A unio entre os conjuntos A e B pode ser representada sob a forma de unio entre A e
o complemento de B em relao a A, conforme a figura mostrada no Grfico 16, onde
B A ( ou B - A) aparece hachurada:

Assim, temos que

e,

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

Conforme o Axioma 3, escrevemos:

P ( A B) = P ( A ) + P ( B A )
Por outro lado,

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

substituindo-se na expresso devida,

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

Frederico Cavalcanti

PRBI002

20

Probabilidades
Ence
Uma anlise visual do Grfico 16 nos permite verificar tal Teorema. Quando somamos
as duas probabilidades P(A) e P(B) a probabilidade P(AB) foi considerada duas vezes e
por isto deve ser subtrada uma vez.

Teorema 4.4
Se A, B e C so eventos quaisquer, ento:

P(A B C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C)

Prova:
A unio dos trs eventos pode ser transformada na unio de dois eventos, isto :
A B C = A ( B C)
A seguir, aplicando-se o Teorema 4.3,
P ( A B C ) = P ( A ) + P ( B C ) P A ( B C )
segue ento,

P ( A B C ) = P ( A ) + P ( B ) + P ( C ) P ( B C ) P ( A B ) ( A C )
P ( A B C ) = P ( A ) + P ( B ) + P ( C ) P ( BC ) P ( AB ) P ( AC ) + P ( ABC )

Uma anlise atenta do Grfico 17 nos permite verificar a frmula acima. De fato, a
soma das probabilidades isoladas de A, B e C, inclui 2 vezes as probabilidades das
intersees dos eventos AB, AC e BC e mais 3 vezes a probabilidade da interseo
ABC.

Para compensar devemos subtrair uma vez cada probabilidade das intersees AB, AC
e BC. Como cada uma destas 3 intersees inclui a interseo ABC, devemos ento
somar uma vez a probabilidade de ABC.

Exerccio proposto.
Verifique por induo finita que:
n
n
n
n
n

n 1
P A i = P ( A i ) P ( A i A j ) + P ( A i A j A r ) + ... + ( 1) P A i
i < j= 2
i < j< r = 3
i =1 i =1
i =1

Frederico Cavalcanti

PRBI002

21

Probabilidades
Ence

Teorema 4.5
Se A B P(A) P(B).
Prova:
i) Se A = B, os eventos so equivalentes e tem a mesma probabilidade.
ii) O Grfico 18 mostra a situao em anlise, onde o complemento relativo de A em
relao a B est hachurado.

Se

A B B = A ( B A ) , sendo A ( B A ) = . Aplicando o Axioma 3,

temos,

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

Como P ( B A ) 0 , conclumos:
P ( B) P ( A )

Teorema 4.6
P ( A B) = P ( A ) P ( A B)
Prova:
No Grfico 19 observamos que o evento A a unio da interseo AB com o
complemento relativo de B em relao a A, ou seja,

A = ( A B) ( A B)

Como ( A B ) ( A B ) = , aplicando o Axioma 3, temos:

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

Da, obtemos:

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

Frederico Cavalcanti

PRBI002

22